A new version of this entry is available:

Thumbnail Image
Doctoral Thesis
2023

Collusive behavior in markets: partial cartels, tacit collusion, and artificial intelligence

Grüb, Jens T.

Abstract (English)

This cumulative dissertation thesis consists of five papers on collusive behavior. The individual research areas are (i) the link between partial cartels and mergers, (ii) the effect of price announcement letters on the cement price in Germany, (iii) limitations of the transferability of experimental results with Q-learning agents in economic environments, (iv) the strategic choice of price-setting algorithms in a game theoretic model, and (v) the influence of algorithm heterogeneity on the ability to collude. It is often assumed that a cartel consists of all firms in a market. Cartels, however, do not necessarily have to be all-inclusive. If only some firms in a market are part of a cartel, it is called a partial cartel. The structure of such a partial cartel as well as the behavior of outside firms are explained in the literature. How such a partial cartel is formed, however, is not explained. This question is addressed by establishing the link between mergers and partial cartels in a Bertrand model with heterogeneous capacities and heterogeneous discount factors. The critical change in the discount factor induced by a merger which then leads to a partial cartel is described. Thus, it is also shown that coordinated and non-coordinated effects can occur simultaneously. While the hard-core cartel in the German cement market has been analyzed in several studies, a phase of tacit collusion with parallel behavior between 2008 and 2017 has not been investigated as thoroughly. During this period, 15 firms that covered 93 percent of the cement sales in Germany had sent so-called ``price announcement letters'' to all customers. Due to the fact that the firms are customers of each other and the vertical integration on the supply side of this market, these letters were effectively sent between all firms in this market. This can be seen as a means to induce parallel behavior and reduce competition. The resulting increase in the cement price is estimated using the traditional before-and-after approach and a simple forecast. In addition, the price increase is estimated using a forecast with an autoregressive integrated moving average (ARIMA) error to check the robustness of the mentioned estimates. The price increase is estimated to be 6 percent. It is, therefore, comparable to the estimated overcharge of 7.6 percent of the hard-core cartel which shows that tacit collusion in the form of price announcement letters can be as harmful as a hard-core cartel. The third major topic is algorithmic collusion. Because of technological advances, especially in the field of artificial intelligence, more and more firms are able to use self-learning algorithms. The major concern with these algorithms is that -- without being explicitly programmed to do so -- they learn to behavior collusively. Experiments with algorithms employing reinforcement learning have been carried out that confirm such concerns. How the results of these experiments transfer to more realistic settings is extensively discussed. For these specific algorithms, technical and economic limitations hinder the direct application to real-world markets. Using the same type of algorithm, experiments are carried out to investigate how this algorithm compares against one simpler learning algorithm and two non-learning algorithms. The results of the experiments are used in a simple one-shot game where the players select from one of the algorithms instead of setting prices directly. The payoffs are generated by letting the algorithms play a Bertrand duopoly game. Analyzing the game reveals that both players choosing a self-learning algorithm is not a Nash equilibrium. Simpler yet effective pricing rules are more profitable for firms. Besides the reinforcement algorithms discussed so far, there are also deep-learning algorithms that make use of advanced methods like artificial neural networks. These do not suffer from some of the shortcomings of the above-mentioned algorithms and have a broader field of application. Such deep-learning algorithms are used in experiments to analyze how sources of heterogeneity affect the level of collusion. Heterogeneity is introduced by using two different types of algorithms and two different parameter settings. Experiments are run in various economic environments. First, the level of collusion depends on the economic environment and algorithm type. Secondly and more importantly, the level of collusion almost always decreases with heterogeneity. In even more complex markets with more firms and multiple products, this indicates that algorithmic collusion is not yet an issue.

Abstract (German)

Diese kumulative Dissertation besteht aus fünf Arbeiten zum Thema Kollusionsverhalten. Die einzelnen Forschungsbereiche sind (i) der Zusammenhang zwischen Partialkartellen und Fusionen, (ii) der Effekt von Preisankündigungsrundschreiben auf den Zementpreis in Deutschland, (iii) Grenzen der Übertragbarkeit von experimentellen Ergebnissen mit Q-Learning-Agenten in ökonomischen Umgebungen, (iv) die strategische Wahl von Preissetzungsalgorithmen in einem spieltheoretischen Modell und (v) der Einfluss der Heterogenität von Algorithmen auf die Fähigkeit zur Kollusion. Häufig wird davon ausgegangen, dass ein Kartell aus allen Unternehmen auf einem Markt besteht. Kartelle müssen jedoch nicht unbedingt alle Unternehmen umfassen. Wenn nur einige Unternehmen auf einem Markt Teil eines Kartells sind, spricht man von einem Partialkartell. Die Struktur eines solchen Partialkartell sowie das Verhalten der außenstehenden Unternehmen werden in der Literatur erläutert. Wie ein solches partielles Kartell gebildet wird, ist jedoch nicht geklärt. Dieser Frage wird nachgegangen, indem der Zusammenhang zwischen Fusionen und Partialkartellen in einem Bertrand-Modell mit heterogenen Kapazitäten und heterogenen Diskontfaktoren hergestellt wird. Es wird die kritische Veränderung des Diskontierungsfaktors beschrieben, die durch eine Fusion induziert wird und zu einem Partialkartell führt. Dabei wird auch gezeigt, dass koordinierte und nicht-koordinierte Effekte gleichzeitig auftreten können. Während das Hardcore-Kartell auf dem deutschen Zementmarkt in mehreren Studien analysiert wurde, ist eine Phase stillschweigender Absprachen mit Parallelverhalten zwischen 2008 und 2017 nicht so gründlich untersucht worden. In diesem Zeitraum hatten 15 Firmen, die 93 Prozent des Zementabsatzes in Deutschland abdeckten, sogenannte „Preisankündigungsrundschreiben“ an alle Kunden verschickt. Aufgrund der Tatsache, dass die Unternehmen untereinander Kunden sind und der vertikalen Integration auf der Angebotsseite dieses Marktes, wurden diese Briefe effektiv zwischen allen Unternehmen auf diesem Markt verschickt. Dies kann als Mittel zur Herbeiführung von Parallelverhalten und zur Verringerung des Wettbewerbs angesehen werden. Der daraus resultierende Anstieg des Zementpreises wird mithilfe des traditionellen before-and-after-Ansatzes und einem einfachen Prognosemodell geschätzt. Darüber hinaus wird der Preisanstieg anhand eines Prognosemodells mit einem autoregressive integrated moving average (ARIMA) Fehler geschätzt, um die Robustheit der genannten Schätzungen zu überprüfen. Der Preisanstieg wird auf 6 Prozent geschätzt. Sie ist also vergleichbar mit der geschätzten Preisüberhöhung von 7,6 Prozent des Hardcore-Kartells, was zeigt, dass stillschweigende Absprachen in Form von Preisankündigungsschreiben genauso schädlich sein können wie ein Hardcore-Kartell. Das dritte große Thema ist die algorithmische Kollusion. Aufgrund des technologischen Fortschritts, insbesondere im Bereich der künstlichen Intelligenz, sind immer mehr Unternehmen in der Lage, selbstlernende Algorithmen einzusetzen. Das Hauptproblem bei diesen Algorithmen besteht darin, dass sie -- ohne ausdrücklich darauf programmiert zu sein -- lernen, sich kollusiv zu verhalten. Es wurden Experimente mit Algorithmen durchgeführt, die bestärkendes Lernen einsetzen, welche diese Bedenken bestätigen. Wie sich die Ergebnisse dieser Experimente auf realistischere Situationen übertragen lassen, wird ausführlich diskutiert. Für diese spezifischen Algorithmen gibt es technische und wirtschaftliche Einschränkungen, die eine direkte Anwendung auf realen Märkten verhindern. Unter Verwendung desselben Algorithmentyps werden Experimente durchgeführt, um zu untersuchen, wie dieser Algorithmus im Vergleich zu einem einfacheren Lernalgorithmus und zwei nicht lernenden Algorithmen abschneidet. Die Ergebnisse der Experimente werden in einem einfachen Einperiodenspiel verwendet, bei dem die Spieler einen der Algorithmen auswählen, anstatt direkt Preise festzulegen. Dabei werden die Auszahlungen generiert, indem die Algorithmen in einer Bertrand-Duopol-Umgebung gegeneinander agieren und Gewinne erwirtschaften. Die Analyse des Spiels zeigt, dass die Wahl eines selbstlernenden Algorithmus durch beide Spieler kein Nash-Gleichgewicht darstellt. Einfachere, aber effektive Preisbildungsregeln sind für die Unternehmen profitabler. Neben den bisher diskutierten Algorithmen gibt es auch Algorithmen des mehrschichtigen Lernens, die auf fortgeschrittene Methoden wie künstliche neuronale Netze zurückgreifen. Diese leiden nicht unter einigen der Unzulänglichkeiten der oben genannten Algorithmen und haben einen breiteren Anwendungsbereich. Solche Algorithmen des mehrschichtigen Lernens werden in Experimenten verwendet, um zu analysieren, wie sich Quellen der Heterogenität auf den Grad der Kollusion auswirken. Die Heterogenität wird durch die Verwendung von zwei verschiedenen Arten von Algorithmen und zwei verschiedenen Parametereinstellungen eingeführt. Die Experimente werden in verschiedenen Duopol-Umgebungen durchgeführt. Erstens hängt das Ausmaß der Kollusion vom wirtschaftlichen Umfeld und dem Algorithmus-Typ ab. Zweitens nimmt das Ausmaß der Kollusion fast immer mit der Heterogenität ab. Auf komplexeren Märkten mit mehr Unternehmen und mehreren Produkten deutet dies darauf hin, dass algorithmische Kollusion noch kein Problem darstellt.

File is subject to an embargo until

This is a correction to:

A correction to this entry is available:

This is a new version of:

Notes

Publication license


Copyright

Publication series

Published in

Other version

Faculty

Faculty of Business, Economics and Social Sciences

Institute

Institute of Economics

Examination date

2024-07-17

Supervisor

Edition / version

Citation

Identification

https://hohpublica.uni-hohenheim.de/handle/123456789/17127
 https://doi.org/10.60848/12072

DOI

ISSN

ISBN

Language

English

Publisher

Publisher place

Classification (DDC)

330 Economics

Collections

Institut für Volkswirtschaftslehre

Original object

Free keywords

Standardized keywords (GND)

Sustainable Development Goals

BibTeX

@phdthesis{Jens T. Grüb2023, url = {https://hohpublica.uni-hohenheim.de/handle/123456789/17127}, author = {Jens T. Grüb}, title = {Collusive Behavior in Markets: Partial Cartels, Tacit Collusion, and Artificial Intelligence}, year = {2023}, }

Share this publication

Full item page