AI交易算法隐现卡特尔行为，市场公平性受挑战

据美国国家经济研究局（NBER）最新研究报告揭示，人工智能驱动的交易算法在金融市场展现出类似卡特尔的行为模式。

卡特尔行为是经济学中的一个概念，指的是竞争对手通过协议共同行动以谋求垄断利润。

论文链接：https://www.nber.org/system/files/working_papers/w34054/w34054.pdf

值得注意的是，全球多数国家明确禁止卡特尔协议，并施以反垄断法严惩。

本研究的核心发现在于，这些AI程序完全自主行动，无任何沟通或预设协同程序。

换言之，它们的合谋行为完全由机器学习自我演化而来。

01 无声的卡特尔

该研究由宾夕法尼亚大学沃顿商学院的Winston Wei Dou、Itay Goldstein，以及香港科技大学的Yan Ji共同领导。

研究团队构建了一个标准的金融市场模型，并在此模型上进行了深入的模拟实验。

这个模拟市场包含了几个关键要素：多个由AI驱动的投机者、短期交易周期、被动的市场参与者，以及一个负责设定价格的做市商。在现实世界中，做市商的角色通常由交易所或大型银行来扮演。

实验的核心在于，这些AI投机者利用强化学习技术自主做出交易决策。强化学习允许程序通过试错来学习，在环境中采取行动以最大化某种累积奖励。

模拟结果清晰地表明，这些AI程序在没有外部指令的情况下，发展出了两种截然不同的协同策略。

这两种策略的出现取决于当时市场的具体状况。但无论采用哪种策略，最终都导向了一个共同的结果：为AI算法自身带来超额利润。

这种利润的获得是以牺牲其他市场参与者的利益为代价的。整个市场的公平性因此受到了损害。

研究人员发现，AI的这种行为模式颠覆了我们对市场竞争的传统认知。过去我们认为，只有通过明确的协议和沟通，市场参与者才可能形成垄断或价格同盟。

现在，AI展示了一种全新的可能性，一种沉默的、通过算法演化而来的共谋。

02 合谋的双重面孔

图注：市场均衡取决于噪声交易风险和信息不敏感投资者比例。理论模型更稳定，而AI在高噪声条件下易受学习偏差影响，可能导致均衡失败或“人工愚蠢”。

研究结果显示，AI的合谋行为呈现出两种截然不同的面貌。

第一种策略出现在价格波动较小、市场较为平静且存在大量被动投资者的环境中。在这种环境下，AI算法学会了通过价格行为相互发出“警告”信号。

如果一个AI程序突然采取更激进的交易行为试图获得短期优势，其他AI程序会立即通过价格异常变动观察到这一行为。作为回应，这些程序会在下一轮交易中集体采取激进的交易策略。

这种集体行动实际上构成了一种惩罚机制，有效惩罚了那个试图打破默契的“离群者”。

这种策略的本质是通过威慑维持一种心照不宣的默契，从而避免恶性竞争。

它非常类似于人类世界中的卡特尔组织，在没有明确协议的情况下，通过市场行为维持共同的定价策略。

图注：AI在低噪声时通过价格触发策略合谋（人工智能），高噪声时因学习偏差导致非理性合谋（人工愚蠢），合谋机制随噪声水平变化。

第二种策略则出现在价格波动剧烈、市场极为动荡的环境中。在这样的市场里，价格信号充满了大量“噪音”，使得通过价格进行精确协调变得非常困难。

于是，一种完全不同的模式浮现了出来。

AI程序在这里学会了另一种生存之道：避免在经历负面体验后采取激进交易。

当一个程序因为激进交易而蒙受损失后，它会调整自身策略，在未来变得更加谨慎。

随着时间的推移，所有AI程序都因为各自的负面学习经验而逐渐趋同于一种普遍谨慎的交易策略。研究人员将这种现象称为“AI的愚蠢”（artificial stupidity）。

这是一种系统性的学习偏差，它导致每个个体都做出次优选择，但最终却让整个群体获得了更高的利润。

这种“愚蠢”并非真正的智力缺陷，而是一种为了集体利益形成的、习得性的保守行为。

03 监管的困境

这两种协同能力直接导致市场效率下降。市场价格无法准确反映资产真实价值，整体交易量显著下降