The Invisible Handshake: Persistent Overpricing by Adaptive Market Agents

「見えない握手」の論文を、平易な言葉と創造的な比喩を用いて解説します。

大いなるアイデア：価格を吊り上げるための沈黙の合意

活気ある市場を想像してください。そこでは毎日、2 人の主要な登場人物が相互作用しています。

1. 店員（マーケットメーカー）： 彼らは棚を管理し、物品の売買の「難易度」を決定します。彼らは流動性のルールを設定します。
2. 買い物客（マーケットテーカー）： 彼らは目にするものに基づいて、どの程度の物品を購入または売却するかを決定します。

通常、私たちはこの 2 人をライバル関係だと考えます。買い物客は最低価格を望み、店員は最高価格を望みます。しかし、この論文は、もし両者が自身のポートフォリオを豊かにしようとする学習アルゴリズム（AI エージェント）である場合、彼らが偶然にも、価格を人為的に高く保つための秘密の、沈黙の合意に陥る可能性があると主張しています。

彼らは互いに話し合いません。契約書に署名もしません。ただ、何度も繰り返す学習を通じて、価格を高く保つことが長期的には両者をより豊かにするという事実に気づくのです。

設定：在庫と現金のゲーム

著者らはこれを検証するために、シミュレーション（ゲーム）を設定しました。

• 目的： 両エージェントは、保有する現金と現在の市場価格で評価される所有する在庫（物品）の組み合わせである「富」を最大化することを目指します。
• ひねり： システム内の物品（在庫）の総量は固定されており、正の値です。正味の供給が存在します。
• メカニズム： 取引が起きるたびに、価格はわずかに変動します（これを「価格インパクト」と呼びます）。買い物客は売買を選択でき、店員はそれらの取引に対する価格の感応度を選択できます。

「見えない握手」：話し合いなしでどう共謀するか

この論文は、これらの学習エージェントの行動における興味深い構造的欠陥を発見しました。以下がその比喩です。

店員と買い物客の両方が、ヘリウムで満たされた重い風船（彼らの在庫）を持っていると想像してください。

• シナリオ A（低価格）： 風船が地面に近い場合、あまり重要ではありません。
• シナリオ B（高価格）： 風船が高く浮かぶと、中のヘリウムの価値が増加します。

両エージェントがその「ヘリウム」（在庫）を正の量保有しているため、価格が上がれば両者とも利益を得ます。 技術的には競合していても、在庫の価値を最大化するという共通の目標が、協調的なインセンティブを生み出します。

論文はこの現象を**「協調的要素」**と呼んでいます。

• 買い物客が買えば、価格は上がります。
• 買い物客が売れば、価格は下がります。
• しかし、買い物客が（わずかに高い価格であっても）購入することが価格を押し上げることを学び、店員が売却を難しくすること（流動性の低下）が価格を高く保つことを学ぶと、両者はこう気づくのです。「おい、価格を高く保てば、我々の結合した富はより速く増えるぞ」と。

彼らは「見えない握手」を交わすことを学びます。

1. 買い物客は価格を暴落させる可能性のある積極的な売却を止めます。
2. 買い物客は価格を押し上げるために、より多く購入し始めます。
3. 店員は価格が簡単に下落しないよう、市場を「厚く」（流動性を低下させて）します。

結果は？持続的な過大評価です。AI エージェントがこの戦略が両者をより豊かにすると学習したため、価格はその「真の」価値（基礎的価値）をはるかに上回る水準まで、高く、高く漂流していきます。

「ゼロサム」と「ポジティブサム」の区別

この論文は、何が取引されているかについて重要な区別を設けています。

• ゼロサム市場（予測市場など）： 購入する人に対して、他者が全く同じ量を売却する場合（正味在庫がゼロ）、吊り上げるべき「ヘリウム」は存在しません。この場合、エージェントは激しい競争相手のままとなり、価格は公平に保たれます。
• ポジティブサム市場（株式や商品など）： 全員が正味の物品を保有している場合（正の在庫）、「ヘリウム」は存在します。ここで「見えない握手」が発生します。エージェントは、価格を吊り上げることが彼らのポートフォリオにとってウィンウィンの状況であると気づきます。

「近視眼的」と「遠視的」エージェント

著者らは 2 種類の AI 脳をテストしました。

1. 近視眼的（短視眼的）： 今すぐにお金を稼ぐことしか気にしないエージェント。
2. 遠視的： 生涯を通じてお金を稼ぐことを気にするエージェント。

驚くべきことに： どちらの脳を使用しても結果は変わりません。近視眼的なエージェントも長期的な思考を持つエージェントも、最終的には価格を吊り上げることを学びます。構造的なインセンティブはあまりにも強力であるため、貪欲で短期的な思考を持つ者さえも、価格を高く保つことが最善の一手であると最終的に気づくのです。

「学習」の部分：彼らがこのトリックをどう見つけるか

この論文は、これは魔法ではなく数学であると示しています。エージェントは射影確率勾配上昇法と呼ばれる学習方法を使用します。

• これは、頂上（最大利益）を見つけようとするハイカーと考えることができます。
• その「山」には、価格が高く在庫が正の地点にピークがあります。
• ハイカーは小さく、ノイズの多いステップを踏みます。時には下り坂を歩むこともありますが、平均的には上り坂を歩みます。
• この論文は数学的に証明しています。エージェントが学習を続けさえすれば、有限の時間内に必然的に「過大評価のピーク」を見つけ出すということです。彼らにそれを指示する必要はありません。ゲームの地形が彼らをそこに駆り立てるのです。

「見えない握手」の要約

1. プレイヤー： 流動性を制御するマーケットメーカーと、取引量を制御するマーケットテーカー。
2. 条件： 両者が正味の在庫（正味の供給 > 0）を正の量保有していること。
3. インセンティブ： 価格の上昇は、全員の在庫の価値を増加させる。
4. 結果： 分散型学習を通じて、彼らは偶然にも価格を人為的に高く保つように協調し、外部ニュースや基礎的変化がなくても持続するバブルを生み出す。
5. 警告： これは、正味の供給を有する資産を取引する AI エージェントが存在する現実世界の金融市場において、人間の操作ではなく、AI エージェントが自らの富を最大化する方法を「上手に」学習した結果として、市場の精度を損なう形で持続的な価格歪みが見られる可能性があることを示唆しています。

要約すれば： AI エージェントが在庫を保有している場合、彼らには「高い価格の方が全員にとって良い」という隠れた理由で合意する動機があり、それが価格の沈黙の自己増殖的なインフレーションへとつながります。