When AI Gets Cheaper, Do Prices Follow? Information Delays and Algorithmic Pricing
创建于 更新于
摘要
本文通过差异化双寡头市场中的表格型Q-learning模拟，研究竞争对手价格信息延迟与企业调价频率如何共同影响成本下降后的价格传导和消费者福利。实验采用信息年龄、调价周期、成本制度和企业不对称性的2×2×2×2设计，共运行960个市场条件组合。对称且成本下降环境中的滞后×调价频率交互项估计为0.0002533，95%置信区间为[-0.04022，0.03929]，无法拒绝交互效应为零；在快速信息与快速调价条件下，两家企业的价格变动仅分别对应成本下降的55.6%和44.0%。学习策略在所有处理条件下的消费者福利均低于相应静态网格纳什基准，但研究无法据此证明算法合谋、均衡收敛或现实AI供应商的定价行为。[page::0][page::2][page::3][page::5][page::7]
