Convergence to collusion in algorithmic pricing
创建于 更新于
摘要
本文证明，在重复Bertrand定价环境下，基于现代深度强化学习（average-reward soft actor-critic）的算法可以在与实证观察可比的时间尺度内收敛到默契（collusive）定价，且收敛速度较传统Q-learning快约两个数量级；学习过程中形成的“奖励—惩罚”机制能够使偏离变得无利可图，从而维持高价均衡 [page::0][page::2][page::24].
