•例如,在波斯湾公司诉BP W. Coast Prod。LLC,632 F. Supp。3d 1108(S.D.cal。2022),地方法院发现,原告没有表明信息交流的部分是阴谋,部分原因是被告不仅是竞争对手“,而且是客户和供应商”,这改变了“从信息交流中得出的允许推论范围”。
5 https://www.justice.gov/atr/case/us-v-david-topkins 6 https://www.gov.uk/cma-case/cma-cases/online-sales/online-sales-of-decretionary-consumer-consumer-products 7 https://www.ofgem.gov.uk/publications/ofgem-finds-finds-s-gas-and-and-lectricity-ecomony-ecomony-energy-energy-andergy-and-dyball- cosseach-competition law 8 2018年7月24日委员会的决定,2018年7月24日,at.40469 9 Meyer v.Kalanick,174 F. supps,174 F.3d 817,823-25(S.D.N.Y。2016)10 CCI(印度委员会)的裁决2018年11月6日,通过印度最高法院在2000年12月15日通过中介平台(OLA和UBER)拒绝了通过中介平台(OLA和UBER)提出的指控。11号行政程序编号08700.008318/2016-29,CADE(巴西竞争局)12 https://curia.europa.eu/juris/juris/liste.jsf?language= en&num = c-542/14 13参见Gibson等人。诉米高梅渡假胜地,美国地方法院,内华达州,2023年7月11日。14哥伦比亚特区诉Real Page等。2023年11月1日15见布朗和埃克特(2022)。16 https://www.justice.gov/atr/final-judgry-us-v--irline-tariff-publishis-publishing-company-et-al-17 cade由凯德(Cade)于2004年9月作出的决定。
*由OpenAI的研究人员访问计划支持的研究。FISH得到了NSF研究生研究奖学金的支持。Gonczarowski的研究得到了哈佛大学FAS院长有前途的奖学金和哈佛大学FAS不平等倡议的竞争基金的支持。Shorrer的研究得到了美国 - 以色列双原则科学基金会(BSF Grant 2022417)的资助。我们感谢NBER市场设计新方向2023会议的组织者创造了一个启发这项研究的环境。我们感谢Ventz Petkov的宝贵技术帮助,并感谢Marc Henry,David Laibson,Shengwu Li和Ariel Pakes的深刻意见和讨论。†哈佛大学工程与应用科学学院 - 电子邮件:电子邮件:sfish@g.harvard.edu‡哈佛大学经济学系和计算机科学系 - 电子邮件:yannai@gonch.name
算法交易和增强学习的整合,称为AI驱动的交易,对资本市场产生了重大影响。本研究利用知情的投机者之间具有不对称信息的模型来探讨AI驱动的交易策略对投机者的市场能力,信息租金,价格信息,市场流动性和错误定价的影响。我们的结果表明,即使知情的AI投机者“不知道”勾结,他们也可以自主学习采用辅助交易策略。这些辅助策略使他们能够通过战略性地对信息进行策略性反应,即使没有任何形式的协议或沟通,更不用说可能违反传统反托拉斯法规的互动来实现竞争性交易。算法勾结来自两个不同的机制。第一种机制是通过采用价格触发策略(“人工智能”),而第二种机制源于同质学习偏见(“人造愚蠢”)。以前的机制仅在价格效率有限和噪音交易风险的情况下才能明显。相比之下,即使在高价效率或大噪声交易风险的条件下,后者仍然存在。因此,在流行的AI驱动交易的市场中,价格信息和市场流动性都可能遭受,反映了人工智能和愚蠢的影响。
在许多行业中,企业依靠算法定价系统,这些定价系统大量的市场数据可以推荐或设定价格。多年来,在《谢尔曼法案》第1和第2条中,使用常规反托拉斯原则评估了使用常规反托拉斯原则评估算法定价工具的影响。随着计算能力和人工智能领域的快速发展,算法工具更容易访问,并且越来越能够执行诸如定价之类的复杂任务,导致许多人重新评估了根据反污染法来阻止犯罪行为的传统方法。竞争执行者正在探索如何使用反托拉斯法律,包括《谢尔曼法》第1条和《 FTC法》第5条,以解决新一代复杂的定价算法,销售商,销售商和AI模型的新一代“算法勾结”风险。
算法交易和增强学习的整合,称为AI驱动的交易,对资本市场产生了重大影响。本研究利用知情的投机者之间具有不对称信息的模型来探讨AI驱动的交易策略对投机者的市场能力,信息租金,价格信息,市场流动性和错误定价的影响。我们的结果表明,即使知情的AI投机者“不知道”勾结,他们也可以自主学习采用辅助交易策略。这些辅助策略使他们能够通过战略性地对信息进行策略性反应,即使没有任何形式的协议或沟通,更不用说可能违反传统反托拉斯法规的互动来实现竞争性交易。算法勾结来自两个不同的机制。第一种机制是通过采用价格触发策略(“人工智能”),而第二种机制源于同质学习偏见(“人造愚蠢”)。以前的机制仅在价格效率有限和噪音交易风险的情况下才能明显。相比之下,即使在高价效率或大噪声交易风险的条件下,后者仍然存在。因此,在流行的AI驱动交易的市场中,价格信息和市场流动性都可能遭受,反映了人工智能和愚蠢的影响。
算法交易和强化学习的结合,即所谓的人工智能交易,对资本市场产生了重大影响。本研究利用信息不对称的知情投机者之间的不完全竞争模型,探讨人工智能交易策略对投机者的市场力量、信息租金、价格信息量、市场流动性和错误定价的影响。我们的结果表明,知情的人工智能投机者即使“不知道”串谋,也可以自主学习采用串谋交易策略。这些串谋策略使他们能够通过策略性地对信息反应不足来实现超竞争交易利润,即使没有任何形式的协议或沟通,更不用说可能违反传统反垄断法规的互动了。算法串谋来自两种不同的机制。第一种机制是通过采用价格触发策略(“人工智能”),而第二种机制源于同质化的学习偏差(“人工愚蠢”)。前一种机制仅在价格效率有限和噪音交易风险的情况下才会显现。相反,后者即使在价格效率高或噪音交易风险大的情况下也会持续存在。因此,在人工智能交易盛行的市场中,价格信息量和市场流动性都会受到影响,反映了人工智能和愚蠢的影响。
berkeley.edu › shapiro › sta... PDF Katz,《反垄断法和知识产权法对兼容性和创新的影响》,《反垄断公报》。(1998 年);Joseph Farrell 和 Garth Saloner,......
berkeley.edu › shapiro › sta... PDF Katz,《反垄断法和知识产权法对兼容性和创新的影响》,《反垄断公报》。(1998 年);Joseph Farrell 和 Garth Saloner,......
