🤖 machine learning

Does a Toehold Make a Bidder Bolder? Preemption and Multiplicity in Multi-Round Takeover Auctions

다회차 인수 합병 경매를 계산 가능한 게임으로 모델링함으로써, 본 논문은 토홀드(toehold)가 명확한 산술적 이익 우위를 제공함에도 불구하고 경쟁자에 대한 기대된 전략적 억제력을 전달하는 데는 실패한다는 점을 입증하며, 이를 통해 실제 사례에서 토홀드가 드문 이유를 설명하고 경제적 균형을 분석하기 위해 게임 솔버를 사용할 때 초기 조건이 갖는 결정적인 중요성을 강조한다.

원저자: Zain Naboulsi

게시일 2026-08-11

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Zain Naboulsi

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

당신이 높은 판돈이 걸린 포커 게임을 지켜보고 있다고 상상해 보십시오. 하지만 칩 대신 플레이어들은 신비로운 보물 상자를 두고 입찰을 하고 있습니다. 반전은 무엇일까요? 아무도 그 안에 금이 정확히 얼마나 들어있는지 모른다는 것입니다. 그들은 단지 어둠 속에서 찾아낸 단서들을 바탕으로 짐작만 할 뿐입니다. 이것이 바로 사람들이 자신의 결과가 타인의 행동에 따라 어떻게 달라지는지를 연구하는 학문인 게임 이론의 세계입니다. 이 분야의 특정 영역에서 연구자들은 사람들이 가치 있는 무언가를 위해 입찰하는 경매를 살펴봅니다. 경매 이론의 고전적인 아이디어는 **"토홀드(toehold, 발디딤)"**입니다. 경매가 시작되기도 전에 누군가 보물 상자의 작은 조각을 조용히 사두는 것을 상상해 보십시오. 기존의 고전적 이론은 이 작은 조각이 그들에게 초능력을 부여한다고 말합니다. 즉, 이미 보물의 일부를 소유하고 있기 때문에 더 공격적으로 입찰할 의사가 생기며, 라이벌로 하여금 "와, 저 사람 정말 자신감이 넘치네, 싸우지 말고 물러나는 게 좋겠어"라고 생각하게 만들어 겁을 먹고 포기하게 만든다는 것입니다. 이 논문은 이 질문을 던집니다. 만약 경매가 단 한 번의 빠른 제안으로 끝나는 것이 아니라, 여러 차례 주고받는 긴 공방전이라면 그 무서운 "초능력"이 실제로 작동할까요?

"토홀드가 입찰자를 더 대담하게 만드는가?(Does a Toehold Make a Bidder Bolder?)"라는 제목의 이 논문은 다회차 인수 합병 경매의 컴퓨터 모델을 구축함으로써 이 질문을 파고듭니다. 이것은 두 명의 AI 입찰자가 한 회사를 두고 싸우는 비디오 게임 시뮬레이션과 같습니다. 한 입찰자는 작은 "토홀드"(미리 사둔 지분)를 가지고 시작하며, 그들은 가격을 올리거나 물러나며 차례를 주고받습니다. 연구자는 이 시뮬레이션을 수천 번 실행하여, 싸움이 단 한 번의 순간에 끝나지 않고 여러 라운드로 길게 이어질 때 어떤 일이 벌어지는지 관찰했습니다.

여기 큰 놀라움이 있습니다. 경기가 길어지면 토홀드는 그 마법을 잃어버립니다.

경매가 단 한 번의 빠른 움직임으로 끝나는 단순한 기존 모델에서는, 토홀드를 갖는 것이 입찰자를 더 대담하게 만들고 라이벌이 포기할 가능성을 높입니다. 그것은 마치 당신의 상대방을 떨게 만드는 비밀 무기를 가진 것과 같습니다. 하지만 저자는 경기에 두 번째와 세 번째 라운드를 추가하자, 그 연결 고리가 깨졌다는 것을 발견했습니다. 토홀드는 입찰자가 승리했을 때 더 많은 돈을 벌게 해주는 데에는 여전히 도움이 되지만(수익의 이유), 라이벌을 겁주어 쫓아내는 신뢰할 수 있는 위협 수단으로서의 기능(억제력의 이유)은 멈추게 됩니다.

사실, 시뮬레이션은 다음과 같은 더 이상한 현상을 보여주었습니다. 라이벌은 입찰자가 토홀드가 전혀 없을 때도 똑같은 빈도로 포기할 수 있다는 것입니다. 연구자는 이 게임에 여러 가지 "해답" 또는 전개 방식이 존재한다는 것을 발견했습니다. 한 버전의 게임에서는 입찰자가 거대하고 위협적인 입찰을 하며 뛰어들고, 라이벌은 도망갑니다. 또 다른 버전에서는 입찰자가 아주 작고 저렴한 입찰로 시작하고, 라이벌은 남아서 싸웁니다. 두 버전 모두 수학적으로 안정적이고 타당하지만, 서로 완전히 다른 행동을 이끌어냅니다. 이 두 버전 사이에서 변하는 유일한 것은 플레이어들 사이의 "조정(coordination)"이지, 토홀드의 크기가 아닙니다.

이 논문은 토홀드가 긴 경매에서 라이벌을 겁주는 확실한 티켓이라는 생각을 명시적으로 부정합니다. 저자는 "더 큰 토홀드가 더 큰 공포를 부른다"는 규칙은 너무 짧은 게임만을 관찰했을 때 나타나는 인위적인 결과라고 주장합니다. 실제 세상처럼 경매가 길어질 수 있는 상황에서, 회사의 작은 지분을 소유하는 것이 상대방을 반드시 굴복시키는 것은 아닙니다. "공포" 요인은 사실 플레이어들이 특정한 유형의 공격적 행동에 조정되는 결과이며, 이는 토홀드 없이도 일어날 수 있습니다.

저자는 자신들의 연구가 모든 실제 기업 인수 사례에 적용된다는 것을 증명하려 한 것이 아님을 매우 신중하게 밝히고 있습니다. 그들은 특정 규칙(예: 9단계의 가격 격자와 3번의 라운드)을 가진 특정 게임을 시뮬레이션했습니다. 그러나 그들의 시뮬레이션 내에서 결과는 명확하고 반복 가능했습니다. 그들은 토홀드의 "억제" 효과가 고정된 숫자가 아니라는 것을 발견했습니다. 그것은 진정한 두 번째 라운드가 시작되자마자 사라져 버리는 변덕스러운 것입니다.

따라서, 만약 당신이 경쟁자를 겁주기 위해 토홀드를 구매하려는 딜 팀(deal team)이라면, 이 논문은 당신이 유령을 쫓고 있을지도 모른다고 암시합니다. 수학적으로 토홀드는 당신이 승리할 때 여전히 도움이 되겠지만, 라이벌을 확실히 물러나게 만들지는 못할 것입니다. "무서운" 부분은 사실 토홀드 없이도 발생할 수 있는 일종의 '치킨 게임'입니다. 이 논문은 왜 현실 세계에서 토홀드가 드문지에 대한 이유가 단순히 그것을 사는 비용이 비싸거나 위험하기 때문만이 아니라, 우리가 믿었던 전략적 이점이 생각만큼 견고하지 않을 수도 있기 때문이라고 결론짓습니다.

기술 요약: "토후드(Toehold)가 입찰자를 더 대담하게 만드는가? 다회차 인수 합병 경매에서의 선점과 다중성"

문제 제기
본 논문은 다회차 인수 합병 경매의 맥락에서 '토후드'(대상 기업의 지분을 사전에 확보하는 것)의 전략적 가치를 조사한다. 고전적 경매 이론(예: Bulow et al., 1999; Fishman, 1888)은 토후드 보유가 두 가지 주요 이점을 제공한다고 상정한다:

산술적 이익(Arithmetic Profit): 보유자는 결과와 상관없이 이익을 얻는다(승리 시에는 더 적게 지불하고, 패배 시에는 주식을 더 높은 가격에 매각함).
억제력(Deterrence, 공격성): 토후드는 보유자가 더 공격적으로 입찰할 수 있게 하여, 힘을 과시하고 경쟁자가 즉시 양보하도록 위협한다.

산술적 이익은 잘 확립되어 있으나, 억제력의 이점은 실무적 관찰에서 하나의 '퍼즐'이 된다. 이론적 예측에도 불구하고, 토후드가 가진 전략적 이점에도 불구하고 실제 시장에서는 토후드가 예상보다 훨씬 드물게 관찰되기 때문이다. 기존 모델들은 흔히 단일 라운드 또는 2회 교환(two-move exchanges)을 가정한다. 본 논문은 경합이 불완전 정보 하의 진정한 다회차, 순차적 상승 경매로 모델링될 때도 억제력 채널이 생존하는지 질문한다.

방법론
저자는 인수 합병을 다음과 같은 프리미티브(primitives)를 가진 불완전 정보 하의 2인 확장형 게임으로 모델링한다:

공통 가치(Common Value): 대상 기업의 가치 $W$ 는 양측 입찰자 모두에게 알려지지 않았으며, 이산적 격자(discrete grid)에서 추출된다.
사적 신호(Private Signals): 각 입찰자는 $W$ 에 대한 노이즈가 섞인 사적 신호를 받는다.
토후드(Toehold): 입찰자 0은 대상 기업의 비율 $\theta$ 를 소유한다.
프로토콜(Protocol): 최대 $R$ 라운드까지 진행되는 상승 경매. 입찰자들은 차례를 교대하며, 점프 비딩(가격 격자상의 더 높은 가격으로 올리는 것)을 하거나 패스할 수 있다.
페이오프(Payoffs): 일반 합 게임(non-zero-sum). 승자는 입찰 가격을 지불하며, 토후드 보유자는 보유 지분의 가치를 유지한다.

계산적 접근 방식
게임의 일반 합 성격 때문에 정확한 평형 계산은 PPAD-hard 문제이다. 저자는 다음과 같은 계산 전략을 사용한다:

솔버(Solver): 이들은 전략을 계산하기 위해 피크티셔스 플레이(fictitious play, 구체적으로는 자기 이익 극대화 피크티셔스 플레이)를 사용한다. 페이오프의 차이를 극대화하는 제로섬 솔버와 달리, 이 방법은 각 플레이어의 개별 이익을 극대화한다.
인증(Certification): 솔루션이 정확한 내쉬 평형이라고 주장하는 대신 $\epsilon$ -평형으로 제시한다. 저자는 플레이어가 이탈함으로써 자신의 이익을 $\epsilon$ ( $5 \times 10^{-7}$ 에서 $8 \times 10^{-5}$ 사이) 이상 개선할 수 없음을 인증한다.
다중성 탐지(Multiplicity Detection): 솔버가 평형 집합 중 하나를 임의로 선택하는 것을 방지하기 위해, 여러 독립적인 재시작(seeds)을 수행한다. 또한 강제 개시 최적 대응(forced-opening best-response) 메커니즘을 사용한다: 토후드 보유자가 특정 가격에서 시작하도록 강제하고, 이에 대한 경쟁자의 정확한 최적 대응을 계산한다. 이를 통해 솔버의 특정 프로파일 수렴 여부에 의존하지 않고 선점 입찰의 가치를 산정한다.
벤치마킹: 특화된 솔버(Counterfactual Regret Minimization - CFR)를 일반 강화 학습 방법(PPO, PPG, NFSP)과 비교하여, 다룰 수 있는 규모의 사례와 다룰 수 없는 규모의 사례(거대 상태 공간) 모두에서 벤치마킹한다.

주요 결과
연구는 고전적 직관에 도전하는 세 가지 주요 결과를 도출했다:

평형 다중성과 억제력의 미식별성(Non-Identification):
다회차 경매(특히 $R=3$ )에서, 게임은 토후드 보유자에게 동일한 이익을 주지만 극단적으로 다른 행동을 보이는 여러 평형을 허용한다.
- 예시: 토후드 $\theta=0.05$ 일 때, 한 평형 프로파일은 보유자가 점프 비딩을 하고 경쟁자가 0.333의 확률로 양보하는 모습을 보인다. 또 다른 동일하게 안정적인 프로파일은 보유자가 저렴하게 시작하고 경쟁자가 0.002의 확률로 양보하는 모습을 보인다.
- 억제율은 토후드 크기에 의해 결정되지 않는다(not pinned down). 모델은 토후드가 경쟁자를 억제할지 예측할 수 없으며, 이는 플레이자들이 어떤 평형에 협력(coordinate)하느냐에 달려 있다.
토후드 없이도 지속되는 선점(Preemption):
선점적 점프 비딩(경쟁자가 물러나도록 힘을 과시하는 행위)은 토후드가 0( $\theta=0$ )일 때도 발생한다. 이는 선점이 토후드에 의해 구매되는 특수 혜택이 아니라, 순차적 구조와 공통 가치 추론(승자의 저주)의 특징임을 확인해 준다. 토후드는 억제력 채널을 "구매"하는 것이 아니라, 해당 채널은 독자적으로 존재한다.
두 회차의 인위적 결과(The Two-Move Artifact):
고전적인 "더 큰 토후드 $\rightarrow$ 더 높은 억제력" 관계는 단일 라운드 또는 2회 교환 모델( $R=1$ )에서만 유효하다.
- $R=1$ 일 때, 억제력은 토후드 크기에 따라 증가한다.
- $R=2$ 일 때, 억제력은 포화 상태에 도달하여 토후드 크기에 반응하지 않는다.
- $R=3$ 일 때, 억제력은 식별 불가능해진다(다중성 발생).
  따라서 "억제력의 우위(deterrence edge)"는 게임을 너무 일찍 종료시킨 데서 오는 인위적인 결과이다.

솔버 성능

특화 모델 vs 일반 모델: 열거 가능한 작은 사례에서, 정확한 CFR은 딥 RL 방법보다 평형을 더 빠르게 찾는다. 그러나 PPG는 거의 정확한 평형( $\epsilon \approx 0.0007$ )으로 수렴하며 NFSP보다 뛰어난 성능을 보였고, NFSP는 수렴에 실패했다. PPO는 경쟁력이 있으나 시드(seed)에 민감하다.
확장성: 복잡한 상태 공간(다수의 사적 신호가 존재하는 경우)의 난해한 영역에서, 정확한 솔버는 실행이 불가능하다. PPO와 PPG는 학습된 최적 대응 착취 가능성(exploitability) 추정치를 거의 0에 가깝게 낮추는 데 성공하여, 정확한 열거가 불가능한 복잡한 경매 메커니즘을 분석하는 데 유용함을 입증했다.

의의 및 주장
본 논문은 공시 비용 및 시장 충격에 기반한 기존 설명과 더불어, 실무에서 토후드가 드물게 나타나는 것에 대한 "모델 측면의 이유"를 제공한다고 주장한다.

이론적 기여: 고전 문헌에서 토후드에 부여된 전략적 "입찰 우위"가 순차적, 다회차 경합에서는 견고하지 않음을 보여준다. 억제력 채널은 경합의 단계가 길어지면 토후드 크기의 함수로서 신뢰할 수 있는 속성이 아니다.
방법론적 기여: 일반 합 게임에서 서로 다른 초기화가 동일한 수익 결과에도 불구하고 서로 다른 행동 예측(다중성)을 낳을 수 있음을 지적하며, 단일 솔버 실행의 위험성을 강조한다. 저자는 경제적 변수를 솔버의 인위적 결과로부터 분리하기 위해 강제 개시 최적 대응 계산을 사용할 것을 권장한다.
한계: 저자는 자신의 연구 결과가 사용된 파라미터 설정(이산 격자, 특정 신호 노이즈)에 국한됨을 명시한다. 토후드의 존재가 모든 시장 데이터에서 식별 불가능함을 증명하려는 것이 아니라, '매끄러운 억제력 곡선'이라는 이론적 예측이 짧은 호흡의 모델에서 비롯된 인위적 결과임을 밝히고자 하는 것이다.

결론적으로, 본 논문은 토후드가 여전히 수익성이 높지만, 다회차 경매에서 신뢰할 만한 전략적 억제 우위를 제공하지는 않는다고 주장한다. "우위"는 토후드 자체의 속성이 아니라, 토후드 없이도 존재할 수 있으며 더 긴 경합 기간에 의해 사라질 수 있는 순차적 게임의 협력적 결과물이다.

유사한 논문