Algorithmic Collusion under Observed Demand Shocks

创建于 2025-12-09T11:48:51.784445+08:00 更新于 2025-12-09T12:24:23.046607+08:00

摘要

本文通过大量仿真实验研究在可观测需求冲击下，委托Q-learning定价算法的双寡头如何在贴现因子δ的不同区间自发学出不同的价格模式：高δ下呈现亲周期（价格随需求上升），低δ下呈现反周期（繁荣期价格更低），并且算法在多数设定下仍能维持超竞争利润，且记忆（过去价格与需求）会显著影响这些学习结果 [page::0][page::17][page::26]

速读内容

深度阅读