Too Noisy to Collude? Algorithmic Collusion Under Laplacian Noise
创建于 更新于
摘要
本文探讨如何通过控制算法定价中的信息质量，利用拉普拉斯噪声干扰算法间的隐性价格协调，从而抑制市场中的算法串通行为。研究建立一个基于线性二元需求的博弈模型，分析有限信息对价格、利润及消费者福利的扭曲效应，进而构造基于社交学习的串通动态模型。核心发现表明，适度注入零均值拉普拉斯噪声能显著延缓价格一致的达成过程，抑制超竞争价格的形成，同时在保证利润和福利不受过度损害的前提下，界定了噪声的可行区间，为监管算法串通提供了可操作的前瞻性政策工具[page::0][page::3][page::6][page::17][page::25][page::28][page::39]
