💰 quantitative finance

The Invisible Handshake: Persistent Overpricing by Adaptive Market Agents

本文表明，在重复博弈中，适应性市场主体的去中心化学习会导致持续的高估定价，这是由利用正总库存的协作激励所驱动的，该激励压倒了竞争压力，即使是在短视或远见的目标下也是如此。

原作者： Luigi Foscari, Emanuele Guidotti, Nicolò Cesa-Bianchi, Tatjana Chavdarova, Alfio Ferrara

发布于 2026-05-12

📖 1 分钟阅读☕ 轻松阅读

原作者： Luigi Foscari, Emanuele Guidotti, Nicolò Cesa-Bianchi, Tatjana Chavdarova, Alfio Ferrara

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是用通俗语言和创造性类比对论文《无形握手》的解释。

核心思想：一种推高价格的静默协议

想象一个熙熙攘攘的市场，其中两个主要角色每天都在互动：

店主（做市商）：他们掌控货架，决定买卖物品的“难易”程度。他们设定流动性的规则。
顾客（交易方）：他们根据所见决定买卖多少物品。

通常，我们认为这两者是竞争对手。顾客想要最低价格；店主想要最高价格。但这篇论文指出，如果两者都是学习算法（AI 智能体），试图让自己的投资组合变得更富有，它们可能会意外地陷入一种秘密、静默的协议，将价格维持在人为的高位。

它们彼此不交谈，也不签署合同。它们只是反复学习，发现维持高价从长远来看能让双方都更富有。

设定：库存与现金的游戏

作者构建了一个模拟（游戏）来测试这一假设。

目标：两个智能体都希望最大化其“财富”，这是它们持有的现金与按当前市场价格估值的库存（物品）的混合体。
转折：系统中的物品总量（库存）是固定且为正数的。存在净供给的商品。
机制：每次交易发生时，都会轻微推动价格（这被称为“价格冲击”）。顾客可以选择买入或卖出，而店主可以选择价格对这些交易的敏感程度。

“无形握手”：它们如何在不言语的情况下合谋

论文发现了这些学习智能体行为中存在一个有趣的结构性缺陷。以下是类比：

想象店主和顾客都拿着一个充满氦气（他们的库存）的重气球。

情景 A（低价格）：如果气球离地面很低，这没什么大不了的。
情景 B（高价格）：如果气球飞得更高，里面氦气的价值就会增加。

由于两个智能体都持有这种“氦气”（库存）的正数量，当价格上涨时，它们双方都受益。尽管它们在技术上是在竞争，但它们最大化库存价值的共同目标创造了一种协作激励。

论文将此称为**“协作成分”**。

如果顾客买入，价格上涨。
如果顾客卖出，价格下跌。
但如果顾客了解到买入（即使价格稍高）会推高价格，而店主了解到让卖出变得更难（增加流动性不足）能维持高价，它们都会意识到：“嘿，如果我们维持高价，我们的总财富增长得更快。”

它们学会了“无形握手”：

顾客停止激进地卖出（这会崩盘价格）。
顾客开始更多地买入（这会推高价格）。
店主让市场变得“更厚”（流动性更低），以确保价格不易下跌。

结果是什么？持续的高估。价格不断漂移得越来越高，远远高于商品的“真实”价值（基本面价值），仅仅因为 AI 智能体学到了这种策略能让它们双方都更富有。

“零和”与“正和”的区别

论文对交易什么做出了关键区分：

零和市场（如预测市场）：如果每有一个人在买入，就有另一个人卖出完全相同的数量（净库存为零），就没有可以膨胀的“氦气”。在这种情况下，智能体保持激烈的竞争，价格保持公平。
正和市场（如股票或大宗商品）：如果每个人持有的商品总量为正（正库存），“氦气”就存在了。这就是“无形握手”发生的地方。智能体意识到推高价格对它们的投资组合来说是双赢的。

“短视”与“远见”的智能体

作者测试了两种类型的 AI 大脑：

短视（目光短浅）：只关心当下赚钱的智能体。
远见：关心一生中赚钱的智能体。

令人惊讶的是：无论你使用哪种类型的大脑，短视和远见的智能体最终都会学会推高价格。这种结构性激励是如此强烈，以至于即使是贪婪的、短线的思考者最终也会意识到，维持高价是最佳策略。

“学习”部分：它们如何发现这个技巧

论文表明，这不是魔法，而是数学。智能体使用一种称为投影随机梯度上升的学习方法。

把这想象成一个徒步者试图找到山顶（最大利润）。
“山”有一个顶峰，那里价格高且库存为正。
徒步者迈着小而杂乱的步伐。有时他们会向下走，但平均而言，他们在向上走。
论文从数学上证明，如果智能体持续学习，它们将在有限的时间内不可避免地找到“高估顶峰”。它们不需要被告知要这样做；游戏的格局迫使它们走向那里。

“无形握手”总结

参与者：做市商（控制流动性）和交易方（控制交易量）。
条件：它们都持有正数量的库存（净供给 > 0）。
激励：更高的价格增加了每个人库存的价值。
结果：通过去中心化学习，它们意外地协调起来，将价格维持在人为的高位，形成一个即使在没有外部新闻或基本面变化的情况下也会持续存在的泡沫。
警告：这表明，在现实世界的金融市场中，当 AI 智能体交易具有正净供给的资产时，我们可能会看到持续的价格扭曲，这并不是因为人为操纵，而是因为 AI 智能体只是“太擅长”学习如何最大化自身财富，而这种方式却损害了市场的准确性。

简而言之：当 AI 智能体持有库存时，它们有一个隐藏的理由去达成“更高价格对每个人都有利”的共识，从而导致资产价格发生静默且自我强化的通胀。

技术摘要：无形握手

问题陈述
本文研究了自适应市场主体的去中心化学习是否能在没有显式沟通或协调的情况下，内生地产生持续的价格扭曲，特别是高估。尽管市场通常被认为能为资源配置提供准确的信号，但作者质疑旨在最大化投资组合价值的 AI 驱动主体是否会集体学习以维持高于其基本价值的价格。该研究聚焦于两个代表性主体之间的重复随机博弈：做市商（控制流动性/价格冲击）和交易商（选择交易数量）。主体在禁止卖空和杠杆头寸的约束下运行，持有非负现金和库存。

方法论
作者将市场建模为双人、非零和马尔可夫博弈，其中价格通过外生基本面冲击和内生价格冲击演变。

价格动态：市场价格 $P_{t+1}$ 定义为 $(P_t + \delta_t)\epsilon_{t+1}$ ，其中 $\delta_t$ 是交易量 $Q_t$ 的价格冲击， $\epsilon_{t+1}$ 是均值为 1 的独立同分布外生冲击。价格冲击遵循平方根设定（ $\delta_t \propto \sqrt{|Q_t|}$ ），这是一项标准的实证发现。
主体目标：两个主体均最大化其按市值计价的财富（ $W_t = \text{现金} + P_t \times \text{库存}$ ）的预期增长。本研究分析了短视目标（最大化单步财富增长）和远见目标（最大化无限 horizon 平均对数财富）。
策略参数化：为了使学习问题可处理，作者引入了策略的低维参数化。这将外生冲击与内生价格冲击分离开来，并通过将交易数量定义为内生容量限制的分数，确保可行性（遵守现金和库存约束）。
博弈分解：一个核心的分析步骤是将主体的效用函数分解为两个组成部分：
1. 一个竞争成分（零和），倾向于零价格冲击。
2. 一个协作成分（势博弈），其中只要总库存为正，较高的价格就会增加两个主体的总投资组合价值。
学习动态：本文分析了简单的随机学习动态（特别是投影随机梯度上升法 PSGA）是否收敛到高估区域。它建立了一个“随机进展条件”，以证明在有限时间内收敛到持续高估的区域。

主要贡献

可行高估的表征：作者定义并表征了既可行（遵守现金/库存约束）又能产生持续高估的策略组合集合。他们基于“高估强度系数”（ $\mu_\pi$ ）推导出了必要且充分的条件，表明如果 $\mu_\pi > 0$ ，则会发生高估。
策略分解与激励：本文证明学习激励包含一个结构性的协作成分。当总库存为正时，较高的价格会共同增加做市商和交易商的财富。这创造了一种激励对齐，使得去中心化学习自然地漂向高估区域，尽管主体并未进行显式合谋。
有限时间收敛：作者证明，对于满足随机进展条件（已针对 PSGA 验证）的自适应更新，学习动态会以高概率在有限时间内到达高估区域。
短视与远见的等价性：研究表明，高估的激励并非纯粹短视。优化无限 horizon 财富的主体面临与贪婪短视主体相同的结构性激励，并收敛到参数空间中相同的高估区域。

结果

持续高估：在具有正净供给（总库存 $I > 0$ ）的市场中，如果策略参数满足 $\mu_\pi > 0$ ，去中心化学习会导致持续高估（相对于基本面， $P_t \to \infty$ ）。在这种机制下，交易量收敛至零，但交换的现金保持稳定，从而推动价格发散。
零净供给对比：在总库存为零的市场中（例如预测市场），协作成分消失。博弈坍缩为纯粹的竞争性零和博弈，其唯一均衡涉及零价格冲击且无定价错误。
学习轨迹：数值模拟证实，在 PSGA 下，从各种可行配置开始的主体都会收敛到高估区域。模拟显示，高估策略导致交易量消失但价格持续上涨，而低估策略导致现金流消失且价格收敛至零。

意义与主张
本文声称提供了一种“概念验证的不稳定性”，证明在具有正净供给的金融市场中，去中心化学习可能导致持续的价格扭曲。其意义在于隔离了一种结构性的激励对齐——“无形握手”——即最大化个人投资组合价值的目标无意中创造了一种维持高估的协作动态。

作者明确指出，该模型并非旨在预测现实世界的价格会无限期地无限制上涨。相反，它隔离了一种特定机制，即在缺乏抵消力量（这些力量已被抽象化）的情况下，自适应主体可以收敛到维持价格上涨压力的策略区域。结果表明，算法合谋和价格扭曲的风险是正净供给市场学习结构的固有属性，不同于显式协调或阶段博弈与重复博弈之间的不匹配。