Algorithmic Intermediation and the International Transmission of U.S. Monetary Policy
Dieses Papier argumentiert, dass die internationale Transmission der US-Geldpolitik auf Schwellenländer nicht durch die algorithmische Vermittlung selbst destabilisiert wird, sondern durch die Ähnlichkeit der Modelle über verschiedene Fonds hinweg, was korrelierte Fehler und Herdenverhalten verursacht, was darauf hindeutet, dass die Politik der Erhaltung der Modellvielfalt Vorrang vor der Beschränkung der Nicht-Bank-Vermittlung einräumen sollte.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich die Weltwirtschaft als einen riesigen, geschäftigen Marktplatz vor, auf dem Geld wie Wasser zwischen Ländern fließt. Manchmal fließt das Wasser reibungslos und füllt die Felder der Schwellenländer (Länder, die schnell wachsen, aber noch nicht voll entwickelt sind). Ein anderes Mal fließt das Wasser plötzlich ab, wodurch diese Felder trocken und kämpfend zurückbleiben. Lange Zeit glaubten Ökonomen, dass dieses Abfließen durch große, schwerfällige Riesen verursacht wurde: traditionelle Banken und die langsamen, schweren Entscheidungen menschlicher Manager. Doch vor kurzem ist ein neuer Typ von Akteur auf den Markt getreten: Algorithmen. Dies sind Computerprogramme, die oft durch künstliche Intelligenz gesteuert werden und Entscheidungen über Investitionen im Bruchteil einer Sekunde treffen.
Die große Frage, die sich alle stellen, lautet: Retten diese superschnellen Computer den Markt, indem sie sofort reagieren, oder machen sie ihn gefährlicher, indem sie gemeinsam in Panik geraten? Um dies zu verstehen, müssen wir einige Dinge wissen. Erstens ist „Geldpolitik“ im Grunde die Kontrolle darüber, wie die Zentralbank eines reichen Landes (wie der USA) einen Wasserhahn auf- oder zudreht, um zu steuern, wie viel Geld im System ist. Wenn sie den Wasserhahn zudrehen, wird Geld teurer, und es fließt oft aus anderen Ländern ab. Zweitens ist „Herdenverhalten“ das, was passiert, wenn ein Vogelschwarm sich alle exakt zur gleichen Zeit in dieselbe Richtung dreht; wenn alle denselben Fehler machen, stürzt der ganze Schwarm ab. Dieses Paper fragt: Wenn die USA ihren Geld-Wasserhahn zudrehen, verhalten sich diese Computerprogramme dann wie ein ruhiger, vielfältiger Schwarm, der das Risiko verteilt, oder wie eine panische Herde, die die Krise verschlimmert?
Die Autoren dieser Arbeit, Fernando Toledo, Luis Dimotta Bré und Gabriel Montes-Rojas, beschlossen, dies unter Verwendung einer Mischung aus Computersimulationen und realen Daten zu untersuchen. Sie bauten ein mathematisches Modell der Welt mit zwei Hauptcharakteren: dem „Zentrum“ (den Vereinigten Staaten) und der „Peripherie“ (Schwellenmärkten). In ihrer Geschichte führten sie einen speziellen Charakter namens „Algorithmische Homogenität“ ein. Betrachten Sie dies nicht als die Geschwindigkeit der Computer, sondern als die Frage, wie sehr sie denselben „Denkhut“ tragen. Wenn jedes Computerprogramm mit exakt denselben Daten trainiert wird und dieselbe Logik verwendet, sind sie hochgradig homogen. Wenn sie alle unterschiedliche Daten und unterschiedliche Logiken verwenden, sind sie divers.
Die wichtigste Entdeckung des Papers ist eine Wendung, die unsere Intuition auf den Kopf stellt. Es legt nahe, dass das Vorhandensein von schnellen, KI-gesteuerten Geldverwaltern an sich nicht das Problem ist. Das Problem ist, wenn sie alle exakt gleich denken. Die Autoren fanden heraus, dass diese Algorithmen den Markt tatsächlich stabilisieren, wenn sie divers sind. Es ist wie in einem Klassenzimmer, in dem jeder Schüler einen anderen Weg hat, ein Matheproblem zu lösen; wenn ein Schüler einen Fehler macht, hat ein anderer ihn vielleicht richtig gelöst, und der Klassendurchschnitt bleibt genau. In diesem Szenario wirken die Algorithmen als Stabilisator, der den Geldfluss glättet, selbst wenn die USA ihre Politik ändern.
Doch die Geschichte ändert sich dramatisch, wenn der Markt unter Stress gerät. Das Paper zeigt, dass die Algorithmen nicht unbedingt ihre Ähnlichkeit ändern; stattdessen sinkt die „Sicherheitslinie“ für eine Katastrophe. Selbst wenn die Algorithmen weiterhin denselben „Denkhut“ tragen (also das gleiche Maß an Ähnlichkeit beibehalten), fällt der Punkt, an dem diese Ähnlichkeit gefährlich wird, sinkt, wenn sich die Wirtschaft verschlechtert. In ruhigen Zeiten ist die Sicherheitslinie hoch, sodass selbst ähnliche Algorithmen sicher bleiben. Aber sobald Stress eintritt, sinkt die Sicherheitslinie unter das Niveau der Ähnlichkeit, und die Algorithmen beginnen zu herden. Anstatt sich gegenseitig auszugleichen, häufen sich ihre Fehler auf. Die Autoren fanden heraus, dass dieses „Herdenverhalten“ den Schock verstärkt. Wenn die USA ihre Geldpolitik straffen, entscheiden sich diese ähnlichen Algorithmen alle zur exakt gleichen Zeit dazu, ihr Geld aus den Schwellenländern abzuziehen, was ein kleines Leck in eine massive Flut verwandelt.
Entscheidend ist, dass das Paper argumentiert, dass dies nicht nur davon abhängt, wie viele Algorithmen es gibt oder wie schnell sie sind. Es geht spezifisch um die „Korrelation von Fehlern“ – also wenn sie alle zur gleichen Zeit das Gleiche falsch machen.
Was bedeutet das also für die Zukunft? Die Autoren schlagen vor, dass Regulierungsbehörden nicht nur versuchen sollten, die Größe dieser Fonds zu begrenzen oder ihre Handelsgeschwindigkeit einzuschränken. Stattdessen sollten sie sich darauf konzentrieren, die Vielfalt der „Denkhüte“ zu gewährleisten. Sie schlagen vor, dass wir messen müssen, wie ähnlich sich diese Algorithmen sind, und sie dazu ermutigen müssen, unterschiedliche Daten und Modelle zu verwenden. Es ist, als würde man einem Vogelschwarm sagen, er solle in verschiedene Richtungen schauen, damit sie nicht alle in denselben Baum krachen. Das Paper kommt zu dem Schluss, dass KI und Algorithmen zwar gekommen sind, um zu bleiben, aber ihr Einfluss hängt vollständig davon ab, ob wir sie zu einer monolithischen, im Gleichschritt denkenden Menge werden lassen oder sie als eine diverse Gruppe unabhängiger Denker bewahren. Die Beweise deuten darauf hin, dass ohne diese Vielfalt, wenn die USA das nächste Mal den Wasserhahn zudrehen, die Algorithmen das Wasser vielleicht viel schneller ablaufen lassen könnten, als es eigentlich sollte.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.