論文の概要: Should Demand Models Incorporate Competitor Prices? Oblivious Learning and Algorithmic Collusion

• arxiv url: http://arxiv.org/abs/2606.05363v2
• Date: Mon, 08 Jun 2026 00:27:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:04.968613
• Title: Should Demand Models Incorporate Competitor Prices? Oblivious Learning and Algorithmic Collusion
• Title（参考訳）: 需要モデルが競争相手の価格を組み込むべきか?
• Authors: Yuhang Wu, Assaf Zeevi,
• Abstract要約: 競争相手の価格を故意に無視する戦略上の曖昧さは、結束的な成果を促進し、利益を向上させる可能性があることを示す。 すべての売り手が不利な時に市場ダイナミクスを特徴付け、十分な探索の下で価格が競争結果に収束することを示す。 この結果から, 衝突パターンは頑健ではなく, 難解なモデリングでは持続できないことが示唆された。
• 参考スコア（独自算出の注目度）: 9.502860427940643
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: On a platform with many sellers, should a pricing algorithm explicitly model competitors' prices when learning demand? Classical learning arguments suggest an affirmative answer: ignoring competitors induces model misspecification and inefficiency. In contrast, recent work on algorithmic collusion suggests that strategic obliviousness -- deliberately ignoring competitor prices -- may facilitate collusive outcomes and improve profits. We study this modeling choice in a stylized competitive market with unknown noisy demand, in which multiple sellers repeatedly set prices and estimate demand via iterated least squares, and either incorporate competitors' prices into their demand models (informed) or ignore them (oblivious). We first show that, relative to a monopolist, an oblivious seller in a competitive market must explore more aggressively to compensate for the loss of dynamic competitor information. Building on this insight, we characterize market dynamics when all sellers are oblivious and show that prices converge to the competitive outcome under sufficient exploration, while a continuum of pseudo-equilibria arises when exploration decays. Analyzing the resulting price trajectories, we uncover an excursion phenomenon that gives rise to transient collusive patterns that dissipate as learning progresses. In markets with both oblivious and informed sellers, the informed strictly out-earn the oblivious. Read as a strategy game, the modeling choice has a unique Nash equilibrium: the all-informed market, in which prices converge to the competitive outcome efficiently. Overall, our results indicate that collusive patterns are not robust and are not sustained by oblivious modeling; therefore, incorporating competitor information, together with sufficient price exploration, remains a reliable strategy for sellers in competitive markets.
• Abstract（参考訳）: 多くの売り手がいるプラットフォームでは、価格アルゴリズムは需要を学習する際の競合者の価格を明示的にモデル化すべきだろうか? 古典的な学習の議論は肯定的な答えを示唆している。 対照的に、アルゴリズムによる共謀に関する最近の研究は、競合する価格を意図的に無視する戦略上の曖昧さは、共謀的な結果を促進し、利益を向上させる可能性があることを示唆している。 我々は、このモデル選択を、複数の売り手が繰り返し価格を設定し、反復した最小二乗で需要を見積り、競合の価格を需要モデル(インフォームド)に組み込む、あるいは無視する、未知のノイズの多い競争市場において検討する。 われわれはまず、競争市場における独占とは対照的に、競争の激しい売り手は、動的な競合情報の喪失を補うために、より積極的に調査する必要があることを示した。 この知見に基づいて、全ての売り手が不可避である場合の市場動態を特徴付け、十分な探索の下で価格が競争結果に収束する一方、擬似均衡の継続は探索が崩壊するときに生じることを示す。 得られた価格軌跡を分析して、学習が進むにつれて散逸する過渡的な衝突パターンを生じさせる探索現象を明らかにする。 難解な売り手と情報のある売り手の両方がいる市場では、情報提供者は難解な売り手を追い越した。 戦略ゲームとして読めば、モデリングの選択は、価格が競争結果に効率よく収束する全インフォームド市場というユニークなナッシュ均衡を持つ。 以上の結果から, 競争市場において, 競合する情報と十分な価格探索を組み込むことは, 競争市場における売り手にとって信頼性の高い戦略であることがわかった。

関連論文リスト

• Misspecified Explore-then-Exploit Leads to Supra-Competitive Prices [6.525195905471157]
  我々は, 単純アルゴリズムによる価格体系が, 多確認市場において共謀的価格を創出できるかどうかを考察する。 我々は、企業がナッシュ価格の同じ側で同様の価格範囲内を探索する際に、超競争的な価格が発生することを示す。
  論文  参考訳（メタデータ） (2026-05-15T15:29:23Z)
• Computational Arbitrage in AI Model Markets [73.20636221068352]
  仲裁員は、市場を弱めるために、提供者間で推論予算を効率的に割り当てる。 単純な仲裁戦略が最大40%の純利益率を生み出すことを示す。 我々の結果は、仲裁は、モデル開発、蒸留、デプロイメントに影響を及ぼすAIモデル市場において、強力な力となり得ることを示唆している。
  論文  参考訳（メタデータ） (2026-03-23T18:00:14Z)
• Algorithmic Collusion of Pricing and Advertising on E-commerce Platforms [0.0]
  販売者が価格決定と広告決定を一緒に行うか、すなわち2次元決定を行うかを検討する。 消費者が検索コストが高い場合、学習アルゴリズムは競争価格よりも安い価格で調整可能であることを示す。 我々は,プラットフォームの戦略的な反応を分析し,予備価格調整がプラットフォーム利益を増大させないことを見出した。
  論文  参考訳（メタデータ） (2025-08-09T18:44:17Z)
• Revenue Maximization Under Sequential Price Competition Via The Estimation Of s-Concave Demand Functions [24.776097647623754]
  半パラメトリック最小二乗推定を用いた動的価格ポリシーを提案する。 我々は,販売者が当社の方針を採用すると,その価格がナッシュ均衡価格に対して$O(T-1/7)のレートで収束することを示す。
  論文  参考訳（メタデータ） (2025-03-20T22:51:03Z)
• By Fair Means or Foul: Quantifying Collusion in a Market Simulation with Deep Reinforcement Learning [1.5249435285717095]
  本研究は、反復価格競争の実験的なオリゴポリーモデルを用いる。 我々は,エージェントが開発する戦略と価格パターンについて検討し,その結果を導出する可能性がある。 以上の結果から,RLをベースとしたAIエージェントは,超競争的価格帯電を特徴とする癒着状態に収束することが示唆された。
  論文  参考訳（メタデータ） (2024-06-04T15:35:08Z)
• Designing an attack-defense game: how to increase robustness of financial transaction models via a competition [69.08339915577206]
  金融セクターにおける悪意ある攻撃のエスカレートリスクを考えると、機械学習モデルの敵戦略と堅牢な防御メカニズムを理解することが重要である。 本研究の目的は、逐次的な財務データを入力として使用するニューラルネットワークモデルに対する敵攻撃と防御の現状とダイナミクスを調査することである。 我々は、現代の金融取引データにおける問題の現実的かつ詳細な調査を可能にする競争を設計した。 参加者は直接対決するので、実生活に近い環境で攻撃や防御が検討される。
  論文  参考訳（メタデータ） (2023-08-22T12:53:09Z)
• 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)
• Competing Bandits: The Perils of Exploration Under Competition [99.68537519404727]
  オンラインプラットフォーム上での探索と競争の相互作用について検討する。 私たちは、スタークコンペティションが企業に対して、低福祉につながる「欲張り」バンディットアルゴリズムにコミットするよう促すことに気付きました。 競争を弱めるための2つのチャンネルについて検討する。
  論文  参考訳（メタデータ） (2020-07-20T14:19:08Z)

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。