AI交易机器人学会市场协同：利润飙升的秘密

一项新研究揭示，人工智能（AI）交易机器人能够独立学习在金融市场中协调其行动，从而以牺牲其他参与者为代价，为自己带来更高的利润。这种协调发生在机器人之间没有任何直接沟通或明确编程用于串通的情况下，这给市场监管机构带来了严峻挑战。

这项由美国国家经济研究局（National Bureau of Economic Research）发布的研究详细阐述了AI驱动的交易算法如何能够自主发展出类似于卡特尔的行为。由宾夕法尼亚大学沃顿商学院的Winston Wei Dou和Itay Goldstein以及香港科技大学的Yan Ji领导的团队，使用AI驱动的投机者进行了模拟。这些机器人根据强化学习在一个标准的金融市场模型中做出决策，该模型增加了多位知情交易者、短期交易周期、被动市场参与者以及设定价格的市场做市商等特征——在现实世界中，这一角色通常由交易所或银行承担。

模拟识别出AI程序根据普遍市场条件发展出的两种不同类型的串通行为。

在平静的市场中，其特点是价格波动极小且被动投资者数量众多，算法学会通过其价格行为微妙地发出谨慎信号。如果一个程序突然进行更激进的交易，其他程序会通过观察由此产生的价格反应来检测这种偏差。作为回应，它们会在随后的交易回合中采取激进行动，有效地惩罚那个“异类”。这种策略与人类卡特尔如何在没有直接口头沟通的情况下实现共同定价或产出水平非常相似，它们依赖于观察和响应行为。

相反，在价格波动剧烈的动荡市场中，直接价格信号变得过于嘈杂和不可靠，无法进行这种类型的协调。在这种情况下，出现了不同的模式：算法在经历负面结果后学会避免激进交易。随着时间的推移，所有机器人逐渐转向更谨慎的策略。这种集体转变导致机器人之间出现相似的行为，使它们能够共同获得更高的利润。研究人员将这种现象称为“人工愚蠢”——一种系统的学习偏差，虽然单独看似乎并非最优，但却导致了集体盈利的行为。

在这两种情况下，研究人员都发现AI交易者所赚取的利润始终高于完全竞争市场中可能获得的利润。然而，机器人盈利能力的提高是以牺牲整体市场效率为代价的。价格对真实潜在价值的反映变得不那么准确，交易量减少，定价错误也变得更加频繁。

这对监管机构而言尤其复杂。当前的美国等反垄断法律通常只禁止企业之间明确的协议或直接沟通进行串通。当AI系统通过自主学习过程进行协调——没有任何沟通或明确的串通时——这些现有的法律框架可能不适用。

研究团队警告称，随着AI驱动程序在金融市场中变得越来越普遍和有影响力，新的监管方法将至关重要。如果没有更新的规则，市场存在以不公平方式偏利少数AI运营商的重大风险，这可能损害更广泛的市场公平性以及许多其他参与者的利益。