Strategic choice of price-setting algorithms

Buchali, Katrin; Grüb, Jens; Muijs, Matthias; Schwalbe, Ulrich

Eingang zum Volltext

Buchali, Katrin ; Grüb, Jens ; Muijs, Matthias ; Schwalbe, Ulrich

Strategic choice of price-setting algorithms

Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:bsz:100-opus-21276
URL: http://opus.uni-hohenheim.de/volltexte/2023/2127/

pdf-Format:

Dokument 1.pdf (533 KB)

Gedruckte Ausgabe:

Print-on-Demand-Kopie

Dokument in Google Scholar suchen:

Social Media:

Export:

Abrufstatistik:

SWD-Schlagwörter:

Algorithmus , Preisbildung

Freie Schlagwörter (Deutsch):

Freie Schlagwörter (Englisch):

pricing algorithms , algorithmic collusion , reinforcement learning

Institut:

Institut für Volkswirtschaftslehre

DDC-Sachgruppe:

Wirtschaft

Dokumentart:

ResearchPaper

Schriftenreihe:

Hohenheim discussion papers in business, economics and social sciences

Bandnummer:

2023,01

Sprache:

Englisch

Erstellungsjahr:

2023

Publikationsdatum:

06.02.2023

Lizenz:

Veröffentlichungsvertrag mit der Universitätsbibliothek Hohenheim

Kurzfassung auf Englisch:

Recent experimental simulations have shown that autonomous pricing algorithms are able to learn collusive behavior and thus charge supra-competitive prices without being explicitly programmed to do so. These simulations assume, however, that both firms employ the identical price-setting algorithm based on Q-learning. Thus, the question arises whether the underlying assumption that both firms employ a Q-learning algorithm can be supported as an equilibrium in a game where firms can chose between different pricing rules. Our simulations show that when both firms use a learning algorithm, the outcome is not an equilibrium when alternative price setting rules are available. In fact, simpler price setting rules as for example meeting competition clauses yield higher payoffs compared to Q-learning algorithms.