論文の概要: AI agents in Algorithmic Electricity Markets: On the Emergence of Tacit Collusion

• arxiv url: http://arxiv.org/abs/2608.26896v1
• Date: Thu, 27 Aug 2026 09:51:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.338364
• Title: AI agents in Algorithmic Electricity Markets: On the Emergence of Tacit Collusion
• Title（参考訳）: アルゴリズム的電気市場におけるAIエージェント:暗黙の衝突の発端について
• Abstract要約: 本稿では,参加者の行動が学習に基づくアルゴリズムによって制御される電気市場において,暗黙の共謀が出現する可能性があるという仮説を考察する。 結果が暗黙の共謀を構成するか否かを評価するために,多次元の基準セットを提案する。 我々の実験結果によると、このような危険は電気市場にとって現実的である。
• 参考スコア（独自算出の注目度）: 0.7734726150561088
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As electricity market participants increasingly adopt learning-based agents for their bidding strategies, electricity markets are becoming algorithmic. Evidence from algorithmic markets in other domains shows that tacit collusion can arise purely through independent learning. Moreover, electricity markets are typically oligopolistic and feature repeated interaction among a small number of participants, making them structurally susceptible to non-competitive behavior. In the face of these observations, this paper investigates the hypothesis that tacit collusion may emerge in electricity markets where participants' actions are controlled by autonomous learning-based algorithms. We model strategic bidding as a repeated game with imperfect public monitoring, and model the participants' emergent behavior using multi-agent reinforcement learning. We propose a multi-dimensional set of criteria (going beyond profit comparisons against Nash equilibria) to assess whether the resulting behavior constitutes tacit collusion. Our experimental results showcase that such a danger is realistic for electricity markets: there are cases where agents do learn to sustain supra-competitive outcomes that are supportive of tacit collusion indicators, even though the agents were never instructed to collude.
• Abstract（参考訳）: 電気市場参加者が入札戦略に学習ベースのエージェントを採用するようになると、電気市場はアルゴリズム化されつつある。 他の領域におけるアルゴリズム市場からの証拠は、暗黙の共謀は独立した学習によって純粋に生じる可能性があることを示している。 さらに、電気市場は典型的には単調であり、少数の参加者の間での反復的な相互作用が特徴であり、構造的に非競争的行動に影響を受けやすい。 本研究は, 参加者の行動が自律学習に基づくアルゴリズムによって制御される電気市場において, 暗黙の共謀が出現する可能性があるという仮説を考察する。 我々は,不完全な公開監視を伴う繰り返しゲームとして戦略入札をモデル化し,マルチエージェント強化学習を用いて参加者の創発行動をモデル化する。 得られた行動が暗黙の共謀を構成するか否かを評価するために,多次元の基準(ナッシュ均衡に対する利益比較を超えて)を提案する。 我々の実験結果は、このような危険は電気市場にとって現実的であることを示している:エージェントは、たとえエージェントが決してコラージュを指示されなかったとしても、暗黙のコラージョン指標を支持する超競争的な結果を維持することを学習するケースがある。

関連論文リスト

• Adversarial Attacks for Good: A Survey of Proactive Protection across the Visual Content Lifecycle [65.6642776933861]
  この介入点付近で成長した保護パラダイムについて検討する。 ほとんどの保護は、主に静的あるいは弱い適応的な敵に対して検証されている。 我々は、堅牢で構成可能で、デプロイ可能な所有者側の保護のために、クロスステージ対策とオープンな問題を統合することで、閉鎖する。
  論文  参考訳（メタデータ） (2026-08-05T00:46:50Z)
• Vertical tacit collusion in AI-mediated markets [0.0]
  共同利用は、戦略が独立していればどうなるかという2倍以上の消費者に害を与えることを示す。 水平のアルゴリズムによる衝突とは異なり、垂直の暗黙の衝突は調整を必要とせず、反トラスト検出を避ける。 我々の発見は、AIショッピングエージェントが主流に普及するにつれて、緊急の規制のギャップが認識される。
  論文  参考訳（メタデータ） (2026-01-06T14:43:14Z)
• Multi-Agent Reinforcement Learning for Market Making: Competition without Collusion [6.598173855286935]
  市場形成におけるアルゴリズム的共謀を研究するための階層型多エージェント強化学習フレームワークを提案する。 このフレームワークは、敵が形作る不確実な環境で訓練される自己関心の市場メーカー(AgentA)を含む。 適応型インセンティブ制御は、異種エージェント環境におけるより持続可能な戦略的共存を支援する。
  論文  参考訳（メタデータ） (2025-10-29T20:07:47Z)
• Magentic Marketplace: An Open-Source Environment for Studying Agentic Markets [74.91125572848439]
  本稿では,サービスエージェントが消費者を代表し,サービスエージェントが競合するビジネスを代表する2面のエージェントマーケットプレースについて検討する。 この環境では、ユーティリティエージェントが達成する行動バイアス、操作に対する脆弱性、検索メカニズムが市場の結果をどのように形作るか、といった主要な市場ダイナミクスを研究することができる。 実験の結果、フロンティアモデルは最適な福祉に近づくことができるが、理想的な探索条件下でのみ適用可能であることが判明した。
  論文  参考訳（メタデータ） (2025-10-27T18:35:59Z)
• The Invisible Handshake: Tacit Collusion between Adaptive Market Agents [16.94262518248427]
  本研究では,内因性価格形成を伴う市場における適応取引業者間の暗黙の共謀の出現について検討する。 エージェントが自身の富を最大化するために単純な学習アルゴリズムに従うと、結果として得られるダイナミクスは合理的戦略プロファイルに収束する。
  論文  参考訳（メタデータ） (2025-10-14T08:28:33Z)
• 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)
• Tacit algorithmic collusion in deep reinforcement learning guided price competition: A study using EV charge pricing game [0.0]
  複雑な構造を持つゲームの価格設定のプレイヤーは、人工知能(AI)による学習アルゴリズムの採用が増えている。 正準形式のゲームに関する最近の研究は、無から高レベルの暗黙の共謀まで、対照的な主張を示している。 EV充電ハブが価格を動的に変動させることで競争する現実的なゲームを考える。 数値ケーススタディの結果,0.14～0.45の衝突指数値が得られた。
  論文  参考訳（メタデータ） (2024-01-25T16:51:52Z)
• Machine learning applications for electricity market agent-based models: A systematic literature review [68.8204255655161]
  エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。 エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。 我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
  論文  参考訳（メタデータ） (2022-06-05T14:52:26Z)
• Finding General Equilibria in Many-Agent Economic Simulations Using Deep Reinforcement Learning [72.23843557783533]
  本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。 私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。 当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
  論文  参考訳（メタデータ） (2022-01-03T17:00:17Z)
• 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)
• Taking Over the Stock Market: Adversarial Perturbations Against Algorithmic Traders [47.32228513808444]
  本稿では,敵対的学習手法を用いて,攻撃者がアルゴリズム取引システムに影響を与える現実的なシナリオを提案する。 入力ストリームに追加されると、我々の摂動は将来目に見えないデータポイントのトレーディングアルゴリズムを騙すことができることを示す。
  論文  参考訳（メタデータ） (2020-10-19T06:28:05Z)

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。