凭借公正手段还是凭借不正当手段：基于深度强化学习的市场博弈中的串通量化

在电子商务快速演变的背景下，基于人工智能（AI）的定价算法，特别是利用强化学习（RL）的算法，正变得越来越普遍。这一趋势导致定价局面日益僵化，潜在存在市场串通风险。我们的研究采用实验性寡头模型的重复价格竞争，系统性地变更环境覆盖从基本经济学理论到主观消费者需求偏好的各种情景。我们还引入了一种新型需求框架，使可实现多种需求模型的加权混合。在与现有研究不同的是，我们旨在调查由智能体开发的策略和新兴定价模式，这些策略可能导致串通结果。此外，我们调查了智能体无法观察竞争对手价格的情景。最后，我们在所有情景下提供了详尽的法律分析。我们的发现表明，基于RL的AI智能体会收敛到一种由超竞争性价格驱动的串通状态，而且无需确切的代理间交流。无论采用何种替代RL算法、更改代理数量或仿真设置，或限制代理观察空间的范围，均不会显著影响该串通市场结果行为。