💰 quantitative finance

The Invisible Handshake: Persistent Overpricing by Adaptive Market Agents

Dit artikel toont aan hoe decentrale learning door adaptieve marktagenten in een herhaald spel kan leiden tot aanhoudende overwaardering, gedreven door een collaboratieve prikkel om positieve aggregaatvoorraden te exploiteren die de concurrentiedruk overweegt, zelfs onder myopische of vooruitziende doelstellingen.

Oorspronkelijke auteurs: Luigi Foscari, Emanuele Guidotti, Nicolò Cesa-Bianchi, Tatjana Chavdarova, Alfio Ferrara

Gepubliceerd 2026-05-12

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Luigi Foscari, Emanuele Guidotti, Nicolò Cesa-Bianchi, Tatjana Chavdarova, Alfio Ferrara

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Idee: Een Stille Overeenkomst om Prijzen te Infleren

Stel je een drukke markt voor waar twee hoofdrolspelers elke dag met elkaar interageren:

De Winkelhouder (Market Maker): Zij beheert de schappen en bepaalt hoe "moeilijk" het is om artikelen te kopen of verkopen. Zij stellen de regels voor liquiditeit.
De Winkelbezoeker (Market Taker): Zij bepaalt hoeveel artikelen zij kopen of verkopen op basis van wat zij zien.

Meestal denken we aan deze twee als rivalen. De Winkelbezoeker wil de laagste prijs; de Winkelhouder wil de hoogste. Maar dit paper betoogt dat als beide lerende algoritmen (AI-agenten) zijn die proberen hun eigen portefeuilles rijker te maken, ze per ongeluk kunnen struikelen over een geheime, stille overeenkomst om prijzen kunstmatig hoog te houden.

Ze praten niet met elkaar. Ze tekenen geen contract. Ze leren gewoon, keer op keer, dat het hoog houden van prijzen ze beiden op de lange termijn rijker maakt.

De Opzet: Een Spel van Voorraad en Contanten

De auteurs hebben een simulatie (een spel) opgezet om dit te testen.

Het Doel: Beide agenten willen hun "Welvaart" maximaliseren, een mix van Contanten die zij bezitten en Voorraad (de artikelen) die zij in eigendom hebben, gewaardeerd tegen de huidige marktprijs.
De Twist: De totale hoeveelheid artikelen (voorraad) in het systeem is vast en positief. Er is een netto-aanbod van goederen.
Het Mechanisme: Bij elke transactie verschuift de prijs iets (dit wordt "prijsimpact" genoemd). De Winkelbezoeker kan kiezen om te kopen of te verkopen, en de Winkelhouder kan kiezen hoe gevoelig de prijs is voor die transacties.

De "Onzichtbare Handdruk": Hoe Ze Samenzweren Zonder Te Spreken

Het paper ontdekt een fascinerende structurele fout in het gedrag van deze lerende agenten. Hier is de analogie:

Stel je voor dat de Winkelhouder en de Winkelbezoeker allebei een zware ballon vasthouden die gevuld is met helium (hun voorraad).

Scenario A (Lage Prijzen): Als de ballon laag bij de grond hangt, maakt het niet veel uit.
Scenario B (Hoge Prijzen): Als de ballon hoger zweeft, neemt de waarde van het helium erin toe.

Omdat beide agenten een positieve hoeveelheid van dit "helium" (voorraad) bezitten, hebben ze beiden baat bij een stijgende prijs. Zelfs al concurreren ze technisch gezien, hun gedeelde doel om de waarde van hun voorraad te maximaliseren creëert een samenwerkend belang.

Het paper noemt dit het "Samenwerkende Component".

Als de Winkelbezoeker koopt, gaat de prijs omhoog.
Als de Winkelbezoeker verkoopt, gaat de prijs omlaag.
Maar als de Winkelbezoeker leert dat kopen (zelfs tegen een iets hogere prijs) de prijs omhoog duwt, en de Winkelhouder leert dat het moeilijker maken om te verkopen (het verhogen van illiquiditeit) de prijs hoog houdt, beseffen ze beiden: "Hé, als we de prijs hoog houden, groeit onze gezamenlijke welvaart sneller."

Ze leren onzichtbaar "hand te schudden":

De Winkelbezoeker stopt met agressief verkopen (wat de prijs zou laten crashen).
De Winkelbezoeker begint meer te kopen (wat de prijs omhoog duwt).
De Winkelhouder maakt de markt "dikker" (minder liquide) om ervoor te zorgen dat prijzen niet gemakkelijk dalen.

Het resultaat? Aanhoudende Overprijzing. De prijs drijft steeds hoger, ver boven de "ware" waarde van de goederen (de fundamentele waarde), simpelweg omdat de AI-agenten hebben geleerd dat deze strategie ze beiden rijker maakt.

Het Onderscheid tussen "Zero-Sum" en "Positive-Sum"

Het paper maakt een cruciaal onderscheid over wat er wordt verhandeld:

Zero-Sum Markten (Zoals Predictiemarkten): Als voor elke persoon die koopt, iemand anders precies hetzelfde bedrag verkoopt (netto voorraad is nul), is er geen "helium" om te infleren. In dit geval blijven de agenten felle concurrenten en blijven de prijzen eerlijk.
Positive-Sum Markten (Zoals Aandelen of Grondstoffen): Als er een netto hoeveelheid goederen is die door iedereen wordt vastgehouden (positieve voorraad), bestaat het "helium". Hier gebeurt de "Onzichtbare Handdruk". De agenten beseffen dat het infleren van de prijs een win-win is voor hun portefeuilles.

De "Korte-Visie" versus "Verre-Zicht" Agenten

De auteurs testten twee soorten AI-geesten:

Korte-Visie (Myopisch): Agenten die alleen om geld willen maken nu.
Verre-Zicht: Agenten die om geld willen maken over een levenstijd.

De Verrassing: Het maakt niet uit welk type geest je gebruikt. Zowel kortzichtige als langzichtige agenten leren uiteindelijk om de prijs te infleren. Het structurele belang is zo sterk dat zelfs hebzuchtige, kortetermijn-denkers uiteindelijk beseffen dat het hoog houden van de prijs de beste zet is.

Het "Lerende" Deel: Hoe Ze Deze Truc Vinden

Het paper toont aan dat dit geen magie is; het is wiskunde. De agenten gebruiken een leermethode genaamd Projected Stochastic Gradient Ascent.

Denk hierbij aan een wandelaar die probeert de top van een berg te vinden (maximale winst).
De "berg" heeft een piek waar de prijzen hoog zijn en de voorraad positief.
De wandelaar maakt kleine, lawaaierige stappen. Soms stappen ze omlaag, maar gemiddeld stappen ze omhoog.
Het paper bewijst wiskundig dat als de agenten blijven leren, ze onvermijdelijk de "overprijzingspiek" zullen vinden binnen een eindige tijd. Ze hoeven niet te worden verteld om dit te doen; het landschap van het spel dwingt hen daarheen.

Samenvatting van de "Onzichtbare Handdruk"

De Spelers: Een Market Maker (beheert liquiditeit) en een Market Taker (beheert handelsvolume).
De Voorwaarde: Ze hebben allebei een positieve hoeveelheid voorraad (netto aanbod > 0).
Het Belang: Hogere prijzen verhogen de waarde van ieders voorraad.
Het Resultaat: Door decentrale learning coördineren ze per ongeluk om prijzen kunstmatig hoog te houden, waardoor een bubbel ontstaat die aanhoudt zelfs zonder extern nieuws of fundamentele veranderingen.
De Waarschuwing: Dit suggereert dat we in echte financiële markten waar AI-agenten activa met een positieve netto-aanbod verhandelen, aanhoudende prijsvervormingen kunnen zien, niet vanwege menselijke manipulatie, maar omdat de AI-agenten gewoon "te goed" zijn in het leren hoe ze hun eigen welvaart maximaliseren op een manier die de nauwkeurigheid van de markt schaadt.

Kortom: Wanneer AI-agenten voorraad bezitten, hebben ze een verborgen reden om het eens te worden dat "hogere prijzen beter zijn voor iedereen", wat leidt tot een stille, zelfversterkende inflatie van activa-prijzen.

Technische Samenvatting: De Onzichtbare Handdruk

Probleemstelling
Het artikel onderzoekt of gedecentraliseerd leren door adaptieve marktagents endogeen persistente prijsdistorsies, specifiek overprijzing, kan genereren zonder expliciete communicatie of coördinatie. Hoewel van markten over het algemeen wordt verwacht dat ze accurate signalen bieden voor de toewijzing van middelen, vragen de auteurs zich af of door AI-aangedreven agents, die zijn ontworpen om de portefeuillewaarde te maximaliseren, collectief kunnen leren om prijzen boven hun fundamentele waarden te handhaven. De studie richt zich op een herhaald stochastisch spel tussen twee representatieve agents: een market maker (die liquiditeit/prijsimpact controleert) en een market taker (die handelsvolumes kiest). De agents opereren onder beperkingen die shortposities en gehevelde posities verbieden, waarbij ze een niet-negatieve kas en voorraad aanhouden.

Methodologie
De auteurs modelleren de markt als een tweespeler, general-sum Markov-spel waarbij prijzen evolueren via exogene fundamentele schokken en endogene prijsimpact.

Prijsdynamiek: De marktprijs $P_{t+1}$ wordt gedefinieerd als $(P_t + \delta_t)\epsilon_{t+1}$ , waarbij $\delta_t$ de prijsimpact van handelsvolume $Q_t$ is en $\epsilon_{t+1}$ een i.i.d. exogene schok met gemiddelde 1. Prijsimpact volgt een vierkantswortelspecificatie ( $\delta_t \propto \sqrt{|Q_t|}$ ), een standaard empirische bevinding.
Agentdoelen: Beide agents maximaliseren de verwachte toename van hun marktprijsvermogen ( $W_t = \text{Kas} + P_t \times \text{Voorraad}$ ). De studie analyseert zowel myope doelen (maximaliseren van de een-staps toename van vermogen) als vooruitziende doelen (maximaliseren van het gemiddelde log-vermogen over een oneindige horizon).
Strategieparameterisering: Om het leernprobleem hanteerbaar te maken, introduceren de auteurs een laag-dimensionale parameterisering van strategieën. Dit scheidt exogene schokken van endogene prijsimpact en zorgt voor haalbaarheid (naleving van kas- en voorraadbeperkingen) door handelsvolumes te definiëren als fracties van endogene capaciteitsgrenzen.
Spelontleding: Een centrale analytische stap is het ontleden van de nutfuncties van de agents in twee componenten:
1. Een competitieve component (nul-sum) die een nul prijsimpact bevoordeelt.
2. Een collaboratieve component (potentieelspel) waarbij hogere prijzen de totale portefeuillewaarde van beide agents verhogen, mits de totale voorraad positief is.
Leerdynamiek: Het artikel analyseert of eenvoudige stochastische leerdynamieken, specifiek Projected Stochastic Gradient Ascent (PSGA), convergeren naar regio's van overprijzing. Het stelt een "stochastische voorwaarde voor vooruitgang" vast om convergentie in eindige tijd naar een regio van persistente overprijzing te bewijzen.

Belangrijkste Bijdragen

Karakterisering van Haalbare Overprijzing: De auteurs definiëren en karakteriseren de set van strategieprofielen die zowel haalbaar zijn (naleving van kas/voorraadbeperkingen) als persistente overprijzing genereren. Zij leiden een noodzakelijke en voldoende voorwaarde af gebaseerd op een "sterktecoëfficiënt voor overprijzing" ( $\mu_\pi$ ), waaruit blijkt dat overprijzing optreedt als $\mu_\pi > 0$ .
Strategische Ontleding en Stimuli: Het artikel toont aan dat de leirstimuli een structurele collaboratieve component bevatten. Wanneer de totale voorraad positief is, verhogen hogere prijzen gezamenlijk het vermogen van zowel de maker als de taker. Dit creëert een uitlijning van stimuli waarbij gedecentraliseerd leren natuurlijk naar de regio van overprijzing drijft, zelfs als de agents niet expliciet samenzweren.
Convergentie in Eindige Tijd: De auteurs bewijzen dat voor adaptieve updates die voldoen aan een stochastische voorwaarde voor vooruitgang (geverifieerd voor PSGA), de leirdynamiek met hoge waarschijnlijkheid in eindige tijd de regio van overprijzing bereikt.
Myopie versus Vooruitziendheid: De studie toont aan dat de prikkel tot overprijzing niet puur myopisch is. Agents die optimaliseren voor vermogen over een oneindige horizon, staan voor dezelfde structurele stimuli als hebzuchtige myope agents en convergeren naar dezelfde regio van overprijzing in de parameterruimte.

Resultaten

Persistente Overprijzing: In markten met een positief nettoaanbod (totale voorraad $I > 0$ ) leidt gedecentraliseerd leren tot persistente overprijzing ( $P_t \to \infty$ relatief tot de fundamentele waarden) als de strategieparameters voldoen aan $\mu_\pi > 0$ . In dit regime convergeren de gehandelde volumes naar nul, maar blijft het uitgewisselde kapitaal stabiel, wat prijsdivergentie aandrijft.
Contrast met Nul-Nettoaanbod: In markten waar de totale voorraad nul is (bijvoorbeeld voorspellingsmarkten), verdwijnt de collaboratieve component. Het spel stort in tot een puur competitief nul-sum spel waarbij het unieke evenwicht een nul prijsimpact en geen prijsfouten inhoudt.
Leertrajecten: Numerieke simulaties bevestigen dat agents die starten vanuit verschillende haalbare configuraties onder PSGA convergeren naar de regio van overprijzing. De simulaties tonen aan dat strategieën voor overprijzing leiden tot verdwijnende handelsvolumes maar aanhoudende prijsstijgingen, terwijl strategieën voor onderprijzing leiden tot verdwijnende kasstromen en prijsconvergentie naar nul.

Betekenis en Beweringen
Het artikel claimt een "proof-of-concept instabiliteit" te leveren die aantoont dat gedecentraliseerd leren in financiële markten met een positief nettoaanbod kan leiden tot persistente prijsdistorsies. De betekenis ligt in het isoleren van een structurele uitlijning van stimuli – de "onzichtbare handdruk" – waarbij het doel om individuele portefeuillewaarde te maximaliseren per ongeluk een collaboratieve dynamiek creëert die overprijzing in stand houdt.

De auteurs stellen expliciet dat het model niet bedoeld is om te voorspellen dat echte wereldprijzen onbeperkt en onbepaald zullen stijgen. In plaats daarvan isoleert het een specifiek mechanisme waarbij, bij afwezigheid van tegenwerkende krachten (die geabstraheerd zijn), adaptieve agents kunnen convergeren naar strategieregio's die een opwaartse prijsdruk in stand houden. De resultaten suggereren dat het risico op algoritmische samenzwering en prijsdistorsie inherent is aan de structuur van leren in markten met een positief nettoaanbod, en onderscheidt zich van expliciete coördinatie of een mismatch tussen eenmalige en herhaalde spellen.