受操纵的经济中的从协调到崩溃
阿卡林Akarin2021/12/14 08:40:22
受操纵的经济中的从协调到崩溃
Sitabhra Sinha
数学科学研究所, 金奈, 印度
译者注：这是Sitabhra Sinha为PRX上最近发表的一篇论文“Games in rigged economies”写的科普性质的报道。
“经济被操纵了！”伯尼·桑德斯和唐纳德·特朗普在2016年的总统竞选中都表达了这一主张，这可能是政治光谱两端的人唯一的共同信念。但“操纵”对经济及其演化意味着什么？西班牙国家生物技术中心的Luís Seoane现在已经解决了这个问题，他将经济建模为一个“博弈”的系统，代理人可以在付出一定费用的条件下操纵这些博弈[1]。该研究显示，随着经济的复杂性和规模的增加，被操纵的经济经历了一系列的转变，“卡特尔”（Cartel）形成，然后解散。尽管这些转变似乎意味着经济发展最终会使经济更加公平，但Seoane表明，如果一个经济体的规模没有跟上其复杂性的增加，财富分配就会出现巨大的波动，导致不平等现象急剧上升，使经济容易崩溃。
使用博弈来研究经济现象可以追溯到上世纪中期约翰·冯·诺伊曼的工作[2]。该理论很快成为经济学家的通用语言，随后也成为物理学界的一个研究领域。例如，统计物理学家已经证明了“少数派博弈”的版本（“少数派博弈”指其中几个代理人在两种可能性中进行选择，由最少的代理人选择的选项成为获胜的选择），可以用来探索简单的适应性系统涌现的丰富的特性[3]。
少数派博弈可以用来模拟代理人竞争稀缺资源时的情况−−包括金融市场。然而，经济中也有一些现象，在其中多数派获得优势，例如，当正反馈加强了一个特定的选择时，比如加入抵制活动[4]。Seoane表明，操纵经济同时表现出少数派和多数派博弈的特征[5, 6]。
在Seoane的模型中，多个代理人同时参与了许多博弈。每场博弈都涉及在两个可能的行动中选择一个。代理人也可以选择付费操纵博弈，以有利于自己的选择。每一轮的获胜选择是由大多数付费干预的代理人选择的行动。增加每一轮中博弈的数量会增加经济中的自由度，因此博弈的数量是衡量经济复杂性的一个指标。每一轮博弈结束后，赢家都会平分一笔固定金额的钱。赢利的价值乘以博弈的数量定义了每一轮中可以在代理人之间重新分配的总“财富”。因此，这种财富是经济规模的衡量标准，与复杂性一起，是模型的一个关键参数。
为了观察一个代理人的最佳策略如何随着经济的发展而变化，Seoane在模型中加入了一个进化过程。代理人可以在每一轮之后复制自己，这样，每个后代都有很大的概率采用与父代相同的策略。由于复制的成本是固定的，所以更成功的代理人会以更大的数量繁殖。
Seoane观察到，对于一个固定的复杂程度，一个小的经济产生了具有多样策略的代理人，并且普遍倾向于在他们获胜时成为少数（在每一轮中获得更多的奖金）。随着经济规模的扩大，更多的财富可供代理人创造后代，以及支付操纵博弈所需的干预成本。然后，代理人从运作少数派博弈转向多数派博弈，这意味着不断增长的经济过渡到代理人之间进行协调的情况（卡特尔的形成），伴随着策略多样性的下降。然而，如果复杂性（每轮中博弈的数量）比经济增长更快，每场博弈的相对收益就会减少，导致代理人在多场博弈中寻求少数派的位置。这种转换导致了卡特尔的解体和代理人采用的策略多样性的增加。
Seoane还研究了一个经济体在其它规模−复杂度关系下的表现。例如，他发现，当每场博弈中支付的金额是恒定的，这样经济规模就会随着博弈数量的增加而线性增加，有一个关键的“复杂性阈值”，在这个阈值上，代理人人口规模的分布会从单峰过渡到双峰。这种转变会引起代理人人口规模的极大波动，威胁到经济的稳定性。代理人财富的分布在这一点上也表现出交叉性，在大波动模式中变得宽尾，表明代理人之间的不平等在上升。熟悉当今世界经济的读者可能会看到模型的这一模式蕴含的令人诧异而又感到类似之处。
可以说，Seoane观察到的一些结果来自于他在构建模型时的具体选择。例如，随着经济的增长，向协调行动的过渡可能来自于干预成本不变的假设。在现实中，干预成本与经济规模有关，并且在不同的参与者之间有所不同。该模型的另一个重要限制是，所有的代理人都能够平等地操纵博弈−−这个假设忽略了现实经济中富人的不对称影响[7]。
即使有这些限制，Seoane的模型也很重要，因为这一模型为其他人提供了一个框架，以探索现实世界中被操纵的经济的后果，例如那些信息在代理人之间不均匀分布的经济。例如，修改该模型可能会揭示信息劣势的代理人如何利用协调的出现来获得优势，正如在其他基于代理人的模型中看到的那样[8]。中世纪商人行会的历史展现了这种由实力较弱的参与者对系统进行的反操纵。这些机构利用协调禁运的威胁来抵制强大的地方统治者的任意征用[9]，证明了一个被操纵的经济并不一定意味着大卫对歌利亚没有机会。
参考文献
1. L. F. Seoane, “Games in rigged economies,” Phys. Rev. X 11, 031058 (2021).
2. J. von Neumann and O. Morgenstern, Theory of games and economic behavior (Princeton University Press, Princeton, 1944).
3. D. Challet et al., Minority games: Interacting agents in financial markets (Oxford University Press, New York, 2005).
4. T. C. Schelling, Micromotives and macrobehavior (W. W. Norton, New York, 1978).
5. J. Vitting Andersen and D. Sornette, “The $-game,” Eur. Phys. J. B 31, 141 (2003).
6. Y. Baek et al., “Market behavior and performance of different strategy evaluation schemes,” Phys. Rev. E 82, 026109 (2010).
7. J. E. Stiglitz, “The American economy is rigged,” Sci. Am. 319, 56 (2018).
8. V. Sasidevan et al., “When big data fails: Adaptive agents using coarse-grained information have competitive advantage,” Phys. Rev. E 98, 020301 (2018).
9. A. Greif et al., “Coordination, commitment, and enforcement: The case of the merchant guild,” J. Polit. Econ. 102, 745 (1994).