面向初学者的人工智能专题：多智能体强化学习下市场策略演化研究一基于Q-学习探究数字市场中的算法隐性合谋现象

　　开课时间：2027-01-16

　　3周线上直播+6周论文辅导+6次产学研导师课

　　难度★★★☆☆

　　10封教授网申推荐信+1篇英文会议论文辅导+1封产学研导师推荐信+产学研项目方案+国际NGO岗位实习内推机会

　　导师介绍

　　A.P.

　　牛津大学经济学终身教授

　　·牛津大学林肯学院院士

　　·多篇研究成果刊登于《Journal ofEconomic Theory》《Management Science》等国际顶刊

　　·曾任职德勤金融建模团队，具备商业咨询实操经验，可以打通理论模型与企业真实商业决策

　　·研究聚焦经济学、企业管理、AI及数字技术应用、商业分析等领域

　　产学研导师

　　知名国央企投资专家

　　·南开大学国际商务硕士，深耕经济学等核心领域

　　·超7年金融市场一线实操经验

　　·累计经办投融资资金规模超300亿元

　　·深度参与多个海内外PE项目、跨国并购业务

　　·兼具金融机构与国企资本运作双重经验

　　课程简介

　　人工智能正在改变市场竞争的方式——并非通过宏大的企业战略，而是通过能够自主学习的算法。基于交易数据训练的强化学习模型，如今负责亚马逊的商品定价、优步的车费调整，以及决定哪些产品出现在你搜索结果的顶部。值得注意的是，这些算法在设计之初并未植入经济学理论：它们仅仅通过与市场互动、学习有效策略，就能自主发现定价方法，其中不乏出人意料的精妙策略。

　　本课程将带你深入这一过程。你将学习Q学习模型的构建与训练方式，了解多算法同时竞争时的行为表现，以及经济学家如何构建真实市场环境。在此过程中，你将接触博弈论、离散选择需求估计和平台经济学—这些工具将帮助你理解AI进入市场后究竟做了什么，以及为何这些答案对竞争政策与监管日益重要。

　　课程要点

　　Tools in Reinforcement Learning: Fundamentals of Q-Learning for AlgorithmicPricing-强化学习工具：算法定价中的Q学习基础

　　Tools in Game Theory: Nash Equilibrium, Repeated Games, and Tacit Collusion-博弈论工具：纳什均衡、重复博弈与隐性合谋

　　Tools in Industrial Organization: Differentiated Bertrand Competition and Market Frictions-产业组织理论工具：差异化伯特兰竞争与市场摩擦

　　Tools in Demand Estimation: Logit Demand Systems and Discrete ChoiceMethods-需求估计工具：Logit需求系统与离散选择方法

　　Algorithmic Collusion in Theory and Practice-算法合谋：理论与实践

　　适用学生

　　适用于对经济学、数据分析等专业感兴趣的学生

　　计划申请海外名校，需要提升申请竞争力的学生

　　对高含金量的学术推荐信有需求的学生

　　希望提前了解意向专业，或转专业申请缺乏相关研究经历的学生

　　希望提前适应国外教学方式，提升学习能力的学生

　　项目收获

　　15周课程：3周顶尖名校教授课+6周经典论文教学+6周产学研导师授课的上课体验

　　技能学习：熟练掌握论文框架、技巧、相关知识等内容

　　推荐信：10封顶尖名校教授ReferenceLetter

　　论文投稿：EI/CPCI/Scopus/EBSCO或同等级别国际会议全文投递与发表指导

　　课程证明：来自顶尖名校教授签发的项目证明

　　产学研项目证明及推荐信：由香港学术交流及创新中心*官方背书的项目证明，及1封PDF名企产学研导师签发的推荐信

　　*香港学术交流及创新中心(HKREIC)由香港城市大学教授发起，香港大学、香港科技大学、香港中文大学教授参与，国家及地方政府相关产学研基金、北京大学创业训练营、中国科学院人才交流开发中心等多家顶尖学术机构联合参与，定位为融合政府、学术界、产业界与非营利机构的跨界协作平台。由该平台背书的证书具有较高的权威性

　　和辨识度，在学生后续的推免综合评价中作为科研创新成果认定时，也更具说服力，相较于普通课程证书含金量更高