The Invisible Handshake: Persistent Overpricing by Adaptive Market Agents

Resumen Técnico: El Apretón de Manos Invisible

Enunciado del Problema
El artículo investiga si el aprendizaje descentralizado por parte de agentes de mercado adaptativos puede generar endógenamente distorsiones de precios persistentes, específicamente sobrevaloración, sin comunicación ni coordinación explícitas. Si bien se espera generalmente que los mercados proporcionen señales precisas para la asignación de recursos, los autores cuestionan si los agentes impulsados por IA, diseñados para maximizar el valor de la cartera, podrían aprender colectivamente a sostener precios por encima de sus valores fundamentales. El estudio se centra en un juego estocástico repetido entre dos agentes representativos: un creador de mercado (que controla la liquidez/el impacto en el precio) y un tomador de mercado (que elige las cantidades de negociación). Los agentes operan bajo restricciones que prohíben las posiciones cortas y apalancadas, manteniendo efectivo e inventario no negativos.

Metodología
Los autores modelan el mercado como un juego de Markov de dos jugadores y suma general, donde los precios evolucionan mediante shocks fundamentales exógenos e impacto endógeno en el precio.

• Dinámica de Precios: El precio de mercado $P_{t+1}$ se define como $(P_t + \delta_t)\epsilon_{t+1}$, donde $\delta_t$ es el impacto en el precio de la negociación $Q_t$ y $\epsilon_{t+1}$ es un shock exógeno i.i.d. con media 1. El impacto en el precio sigue una especificación de raíz cuadrada ($\delta_t \propto \sqrt{|Q_t|}$), un hallazgo empírico estándar.
• Objetivos de los Agentes: Ambos agentes maximizan el aumento esperado de su riqueza valorada al mercado ($W_t = \text{Efectivo} + P_t \times \text{Inventario}$). El estudio analiza tanto objetivos miope (maximizar el aumento de riqueza en un paso) como objetivos previsores (maximizar el logaritmo de la riqueza promedio en un horizonte infinito).
• Parametrización de la Estrategia: Para hacer tratable el problema de aprendizaje, los autores introducen una parametrización de baja dimensión de las estrategias. Esto separa los shocks exógenos del impacto endógeno en el precio y garantiza la viabilidad (adherencia a las restricciones de efectivo e inventario) definiendo las cantidades negociadas como fracciones de los límites de capacidad endógenos.
• Descomposición del Juego: Un paso analítico central es descomponer las funciones de utilidad de los agentes en dos componentes:
  1. Un componente competitivo (suma cero) que favorece un impacto en el precio nulo.
  2. Un componente colaborativo (juego potencial) donde precios más altos aumentan el valor de cartera agregado de ambos agentes, siempre que el inventario agregado sea positivo.
• Dinámicas de Aprendizaje: El artículo analiza si dinámicas de aprendizaje estocástico simples, específicamente el Ascenso de Gradiente Estocástico Proyectado (PSGA), convergen a regiones de sobrevaloración. Establece una "condición de progreso estocástico" para probar la convergencia en tiempo finito a una región de sobrevaloración persistente.

Contribuciones Clave

1. Caracterización de la Sobrevaloración Factible: Los autores definen y caracterizan el conjunto de perfiles de estrategias que son tanto factibles (respetando las restricciones de efectivo/inventario) como generan sobrevaloración persistente. Derivan una condición necesaria y suficiente basada en un "coeficiente de fuerza de sobrevaloración" ($\mu_\pi$), mostrando que la sobrevaloración ocurre si $\mu_\pi > 0$.
2. Descomposición Estratégica e Incentivos: El artículo demuestra que los incentivos de aprendizaje contienen un componente estructural colaborativo. Cuando el inventario agregado es positivo, precios más altos aumentan conjuntamente la riqueza tanto del creador como del tomador. Esto crea una alineación de incentivos donde el aprendizaje descentralizado se desvía naturalmente hacia la región de sobrevaloración, aunque los agentes no estén coludiendo explícitamente.
3. Convergencia en Tiempo Finito: Los autores prueban que, para actualizaciones adaptativas que satisfacen una condición de progreso estocástico (verificada para PSGA), las dinámicas de aprendizaje alcanzan la región de sobrevaloración en tiempo finito con alta probabilidad.
4. Equivalencia Miope vs. Previsora: El estudio muestra que el incentivo a sobrevalorar no es puramente miope. Los agentes que optimizan la riqueza en un horizonte infinito enfrentan los mismos incentivos estructurales que los agentes miopes codiciosos y convergen a la misma región de sobrevaloración del espacio de parámetros.

Resultados

• Sobrevaloración Persistente: En mercados con oferta neta positiva (inventario agregado $I > 0$), el aprendizaje descentralizado conduce a una sobrevaloración persistente ($P_t \to \infty$ en relación con los fundamentales) si los parámetros de la estrategia satisfacen $\mu_\pi > 0$. En este régimen, las cantidades negociadas convergen a cero, pero el efectivo intercambiado permanece estable, impulsando la divergencia de precios.
• Contraste de Oferta Neta Cero: En mercados donde el inventario agregado es cero (por ejemplo, mercados de predicción), el componente colaborativo desaparece. El juego colapsa en un juego de suma cero puramente competitivo donde el único equilibrio implica un impacto en el precio nulo y ninguna distorsión de precios.
• Trayectorias de Aprendizaje: Las simulaciones numéricas confirman que los agentes que comienzan desde diversas configuraciones factibles convergen a la región de sobrevaloración bajo PSGA. Las simulaciones muestran que las estrategias de sobrevaloración conducen a volúmenes de negociación desvanecidos pero a un crecimiento sostenido de precios, mientras que las estrategias de subvaloración conducen a flujos de efectivo desvanecidos y a una convergencia de precios a cero.

Significado y Afirmaciones
El artículo afirma proporcionar una "inestabilidad de prueba de concepto" que demuestra que el aprendizaje descentralizado en mercados financieros con oferta neta positiva puede conducir a distorsiones de precios persistentes. El significado radica en aislar una alineación de incentivos estructural —el "apretón de manos invisible"— donde el objetivo de maximizar el valor individual de la cartera crea inadvertidamente una dinámica colaborativa que sostiene la sobrevaloración.

Los autores declaran explícitamente que el modelo no pretende predecir que los precios del mundo real se desvíen al alza sin límite indefinidamente. Más bien, aísla un mecanismo específico donde, en ausencia de fuerzas contrarrestantes (que se abstraen), los agentes adaptativos pueden converger a regiones de estrategias que sostienen una presión alcista en los precios. Los resultados sugieren que el riesgo de colusión algorítmica y distorsión de precios es inherente a la estructura del aprendizaje en mercados de oferta neta positiva, distinto de la coordinación explícita o de una discrepancia entre juegos de etapa y juegos repetidos.