The Invisible Handshake: Persistent Overpricing by Adaptive Market Agents

Résumé Technique : La Poignée de Main Invisible

Énoncé du Problème
L'article examine si l'apprentissage décentralisé par des agents de marché adaptatifs peut générer endogènement des distorsions de prix persistantes, spécifiquement une surévaluation, sans communication ni coordination explicite. Bien que l'on s'attende généralement à ce que les marchés fournissent des signaux précis pour l'allocation des ressources, les auteurs se demandent si des agents pilotés par l'IA, conçus pour maximiser la valeur de portefeuille, pourraient collectivement apprendre à maintenir les prix au-dessus de leurs valeurs fondamentales. L'étude se concentre sur un jeu stochastique répété entre deux agents représentatifs : un teneur de marché (contrôlant la liquidité/l'impact sur les prix) et un preneur de marché (choisissant les quantités échangées). Les agents opèrent sous des contraintes interdisant les positions à découvert et à effet de levier, détenant un cash et un inventaire non négatifs.

Méthodologie
Les auteurs modélisent le marché comme un jeu de Markov à deux joueurs, à somme générale, où les prix évoluent via des chocs fondamentaux exogènes et un impact de prix endogène.

• Dynamique des Prix : Le prix de marché $P_{t+1}$ est défini comme $(P_t + \delta_t)\epsilon_{t+1}$, où $\delta_t$ est l'impact du prix de la transaction $Q_t$ et $\epsilon_{t+1}$ est un choc exogène i.i.d. de moyenne 1. L'impact du prix suit une spécification en racine carrée ($\delta_t \propto \sqrt{|Q_t|}$), une découverte empirique standard.
• Objectifs des Agents : Les deux agents maximisent l'augmentation espérée de leur richesse marquée au marché ($W_t = \text{Cash} + P_t \times \text{Inventaire}$). L'étude analyse à la fois des objectifs myopes (maximiser l'augmentation de richesse en une étape) et des objectifs visionnaires (maximiser la richesse logarithmique moyenne sur un horizon infini).
• Paramétrisation de la Stratégie : Pour rendre le problème d'apprentissage traitable, les auteurs introduisent une paramétrisation de faible dimension des stratégies. Cela sépare les chocs exogènes de l'impact de prix endogène et assure la faisabilité (respect des contraintes de cash et d'inventaire) en définissant les quantités échangées comme des fractions des limites de capacité endogènes.
• Décomposition du Jeu : Une étape analytique centrale consiste à décomposer les fonctions d'utilité des agents en deux composantes :
  1. Une composante compétitive (à somme nulle) favorisant un impact de prix nul.
  2. Une composante collaborative (jeu potentiel) où des prix plus élevés augmentent la valeur de portefeuille agrégée des deux agents, à condition que l'inventaire agrégé soit positif.
• Dynamiques d'Apprentissage : L'article analyse si de simples dynamiques d'apprentissage stochastiques, spécifiquement l'Ascent de Gradient Stochastique Projeté (PSGA), convergent vers des régions de surévaluation. Il établit une « condition de progrès stochastique » pour prouver la convergence en temps fini vers une région de surévaluation persistante.

Contributions Clés

1. Caractérisation de la Surévaluation Faisable : Les auteurs définissent et caractérisent l'ensemble des profils de stratégie qui sont à la fois faisables (respectant les contraintes de cash/inventaire) et génèrent une surévaluation persistante. Ils déduisent une condition nécessaire et suffisante basée sur un « coefficient de force de surévaluation » ($\mu_\pi$), montrant que la surévaluation se produit si $\mu_\pi > 0$.
2. Décomposition Stratégique et Incitations : L'article démontre que les incitations à l'apprentissage contiennent une composante collaborative structurelle. Lorsque l'inventaire agrégé est positif, des prix plus élevés augmentent conjointement la richesse du teneur et du preneur. Cela crée un alignement d'incitations où l'apprentissage décentralisé dérive naturellement vers la région de surévaluation, même si les agents ne collaborent pas explicitement.
3. Convergence en Temps Fini : Les auteurs prouvent que pour des mises à jour adaptatives satisfaisant une condition de progrès stochastique (vérifiée pour le PSGA), les dynamiques d'apprentissage atteignent la région de surévaluation en temps fini avec une forte probabilité.
4. Équivalence Myope vs Visionnaire : L'étude montre que l'incitation à la surévaluation n'est pas purement myope. Les agents optimisant pour la richesse à l'horizon infini font face aux mêmes incitations structurelles que les agents myopes avides et convergent vers la même région de surévaluation de l'espace des paramètres.

Résultats

• Surévaluation Persistante : Dans les marchés avec une offre nette positive (inventaire agrégé $I > 0$), l'apprentissage décentralisé conduit à une surévaluation persistante ($P_t \to \infty$ par rapport aux fondamentaux) si les paramètres de stratégie satisfont $\mu_\pi > 0$. Dans ce régime, les quantités échangées convergent vers zéro, mais le cash échangé reste stable, entraînant une divergence des prix.
• Contraste avec l'Offre Nette Nulle : Dans les marchés où l'inventaire agrégé est nul (par exemple, les marchés de prédiction), la composante collaborative disparaît. Le jeu s'effondre en un jeu purement compétitif à somme nulle où l'équilibre unique implique un impact de prix nul et aucune mauvaise évaluation.
• Trajectoires d'Apprentissage : Des simulations numériques confirment que les agents partant de diverses configurations faisables convergent vers la région de surévaluation sous le PSGA. Les simulations montrent que les stratégies de surévaluation entraînent des volumes de transaction s'évanouissant mais une croissance des prix soutenue, tandis que les stratégies de sous-évaluation entraînent des flux de trésorerie s'évanouissant et une convergence des prix vers zéro.

Signification et Revendications
L'article revendique fournir une « instabilité de preuve de concept » démontrant que l'apprentissage décentralisé dans les marchés financiers à offre nette positive peut conduire à des distorsions de prix persistantes. La signification réside dans l'isolement d'un alignement d'incitations structurelles — la « poignée de main invisible » — où l'objectif de maximiser la valeur individuelle de portefeuille crée involontairement une dynamique collaborative qui maintient la surévaluation.

Les auteurs déclarent explicitement que le modèle n'est pas destiné à prédire que les prix du monde réel dériveront à la hausse sans limite indéfiniment. Plutôt, il isole un mécanisme spécifique où, en l'absence de forces contraires (qui sont abstraites), des agents adaptatifs peuvent converger vers des régions de stratégie qui soutiennent une pression à la hausse des prix. Les résultats suggèrent que le risque de collusion algorithmique et de distorsion des prix est inhérent à la structure de l'apprentissage dans les marchés à offre nette positive, distinct de la coordination explicite ou d'un décalage entre jeux à un coup et jeux répétés.