論文の概要: Algorithmic Advice as a Strategic Signal on Competitive Markets

• arxiv url: http://arxiv.org/abs/2511.09454v1
• Date: Thu, 13 Nov 2025 01:55:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.578042
• Title: Algorithmic Advice as a Strategic Signal on Competitive Markets
• Title（参考訳）: 競争市場における戦略的シグナルとしてのアルゴリズムアドバイス
• Authors: Tobias R. Rebholz, Maxwell Uphoff, Christian H. R. Bernges, Florian Scholten,
• Abstract要約: 古典的経済ゲームにおいて,アルゴリズム的アドバイスが人間行動にどう影響するかを検討した。 実験1(N = 107)では、参加者は個別または集合的なアルゴリズムレコメンデーションとベルトランド価格の競争を行った。 実験2(N = 129)では、参加者は平衡に整ったり、戦略的に偏ったアルゴリズムレコメンデーションとクールノー量競技を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As algorithms increasingly mediate competitive decision-making, their influence extends beyond individual outcomes to shaping strategic market dynamics. In two preregistered experiments, we examined how algorithmic advice affects human behavior in classic economic games with unique, non-collusive, and analytically traceable equilibria. In Experiment 1 (N = 107), participants played a Bertrand price competition with individualized or collective algorithmic recommendations. Initially, collusively upward-biased advice increased prices, particularly when individualized, but prices gradually converged toward equilibrium over the course of the experiment. However, participants avoided setting prices above the algorithm's recommendation throughout the experiment, suggesting that advice served as a soft upper bound for acceptable prices. In Experiment 2 (N = 129), participants played a Cournot quantity competition with equilibrium-aligned or strategically biased algorithmic recommendations. Here, individualized equilibrium advice supported stable convergence, whereas collusively downward-biased advice led to sustained underproduction and supracompetitive profits - hallmarks of tacit collusion. In both experiments, participants responded more strongly and consistently to individualized advice than collective advice, potentially due to greater perceived ownership of the former. These findings demonstrate that algorithmic advice can function as a strategic signal, shaping coordination even without explicit communication. The results echo real-world concerns about algorithmic collusion and underscore the need for careful design and oversight of algorithmic decision-support systems in competitive environments.
• Abstract（参考訳）: アルゴリズムが競争上の意思決定を仲介するにつれて、その影響力は個々の成果を超えて戦略的市場のダイナミクスを形成する。 2つの事前登録実験において、アルゴリズム的アドバイスが古典的経済ゲームにおいて、ユニークで、非衝突的で、分析的に追跡可能な平衡を持つ人間の行動にどのように影響するかを検討した。 実験1(N = 107)では、参加者は個別または集合的なアルゴリズムレコメンデーションとベルトランド価格の競争を行った。 当初、強固に上向きのアドバイスは、特に個別化時に価格を上昇させたが、次第に実験の過程で価格が均衡に向かって収束した。 しかし、参加者は実験を通してアルゴリズムの推奨よりも高い価格設定を避け、アドバイスが許容できる価格のソフトな上限として役立ったことを示唆した。 実験2(N = 129)では、参加者は平衡に整ったり、戦略的に偏ったアルゴリズムレコメンデーションとクールノー量競技を行った。 ここでは、個別化された均衡のアドバイスは安定した収束を支持し、一方、強直的に下向きのアドバイスは、暗黙の共謀の指標である、生産不足と超競争的な利益を持続させることにつながった。 どちらの実験でも、参加者は集団的アドバイスよりも、より強く一貫して個別化されたアドバイスに反応した。 これらの結果から,アルゴリズム的アドバイスは戦略的信号として機能し,明示的なコミュニケーションを伴わずにコーディネーションを形成できることが示唆された。 この結果は,アルゴリズムの協調に関する現実的な懸念を反映し,競争環境におけるアルゴリズム決定支援システムの注意深い設計と監視の必要性を浮き彫りにしている。

関連論文リスト

• Homogeneous Algorithms Can Reduce Competition in Personalized Pricing [2.6153256849514994]
  パーソナライズされた価格設定の文脈における競合に対する相関アルゴリズムの影響について検討する。 本結果は,アルゴリズムが過剰なコミュニケーションを伴わずに価格相関を促進することの容易さを裏付けるものである。 我々は、米国反トラスト法の適用と解釈における結果の影響を分析する。
  論文  参考訳（メタデータ） (2025-03-19T18:43:36Z)
• Near-Optimal Policy Optimization for Correlated Equilibrium in General-Sum Markov Games [44.95137108337898]
  我々は、相関平衡を計算するために、ほぼ最適の$tildeO(T-1)$収束率を得る未結合のポリシー最適化アルゴリズムを提供する。 我々のアルゴリズムは2つの主要素(スムーズな値更新)と(楽観的で規則化されたリーダーアルゴリズムとログバリア正規化器)を組み合わせることで構築される。
  論文  参考訳（メタデータ） (2024-01-26T23:13:47Z)
• Algorithmic Collusion or Competition: the Role of Platforms' Recommender Systems [2.2706058775017217]
  オンラインプラットフォームは通常、消費者が商品を発見し購入する方法に影響を与えるレコメンデーションシステムを展開する。 いくつかの重要なコンポーネントを統合する新しいゲームフレームワークを提案する。 収益最大化レコメンダシステムはアルゴリズムによる共謀を増大させるのに対し,ユーティリティ最大化レコメンダシステムは売り手間の競争力を高めていることを示す。
  論文  参考訳（メタデータ） (2023-09-25T21:45:30Z)
• Autobidders with Budget and ROI Constraints: Efficiency, Regret, and Pacing Dynamics [53.62091043347035]
  オンライン広告プラットフォームで競合するオートバイディングアルゴリズムのゲームについて検討する。 本稿では,全ての制約を満たすことを保証し,個人の後悔を解消する勾配に基づく学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-30T21:59:30Z)
• Decentralized, Communication- and Coordination-free Learning in Structured Matching Markets [2.9833943723592764]
  両面マッチング市場における競争環境におけるオンライン学習の問題について検討する。 本稿では、エージェントが安定したマッチングに到達できるように、分散化、通信、調整不要なアルゴリズムのクラスを提案する。
  論文  参考訳（メタデータ） (2022-06-06T04:08:04Z)
• Learning Equilibria in Matching Markets from Bandit Feedback [139.29934476625488]
  不確実性の下で安定した市場成果を学習するためのフレームワークとアルゴリズムを開発する。 私たちの研究は、大規模なデータ駆動の市場において、いつ、どのように安定したマッチングが生じるかを明らかにするための第一歩を踏み出します。
  論文  参考訳（メタデータ） (2021-08-19T17:59:28Z)
• Multi-Stage Decentralized Matching Markets: Uncertain Preferences and Strategic Behaviors [91.3755431537592]
  本稿では、現実世界のマッチング市場で最適な戦略を学ぶためのフレームワークを開発する。 我々は,不確実性レベルが特徴の福祉対フェアネストレードオフが存在することを示す。 シングルステージマッチングと比較して、マルチステージマッチングで参加者がより良くなることを証明します。
  論文  参考訳（メタデータ） (2021-02-13T19:25:52Z)
• Learning Strategies in Decentralized Matching Markets under Uncertain Preferences [91.3755431537592]
  エージェントの選好が不明な場合,共有資源の不足の設定における意思決定の問題について検討する。 我々のアプローチは、再生されたカーネルヒルベルト空間における好みの表現に基づいている。 エージェントの期待した利益を最大化する最適な戦略を導出する。
  論文  参考訳（メタデータ） (2020-10-29T03:08:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。