Kan algoritmprissättning göra handeln mer lönsam? Det var den centrala frågan när HFI:s Niklas Rudholm och Albert Carling tillsammans med forskare från Högskolan Dalarna presenterade nya resultat från forskningsprojektet om hur AI-drivna prissättningssystem påverkar företags ekonomi.

Under seminariet diskuterades hur företag som använder algoritmprissättning påverkas på väldigt olika sätt. Preliminära resultat visar på en tydlig heterogenitet, vissa företag lyckas stärka både sina marginaler och sin lönsamhet, medan andra får motsatt effekt.

Av de 19 företag som analyserades ökade 12 sina vinstmarginaler efter att ha infört algoritmprissättning, medan 7 st minskade sina marginaler. För flera av företagen som lyckades höja sina marginaler förbättrades även avkastningen på totalt kapital (ROA), vilket tyder på att algoritmerna i vissa fall faktiskt bidrar till ökad lönsamhet.

Samtidigt visar resultaten att tekniken fortfarande befinner sig i ett slags “trial-and-error”-fas. Många företag började använda algoritmprissättning först under de senaste fem till sex åren, och utvecklingen går snabbt. Det märks också i resultaten – effekterna varierar kraftigt mellan olika företag och strategier.

En viktig del av seminariet var även presentationen av den nya analysmetoden MC-NNM (Matrix Completion with Nuclear Norm Minimization), som forskargruppen arbetar med. Metoden gör det möjligt att analysera effekter på företagsnivå med färre begränsande antaganden än traditionella modeller, något som väckte stort intresse bland deltagarna.

Seminariet samlade doktorander, forskare och professorer inom både nationalekonomi och datavetenskap från Högskolan Dalarna och Högskolan i Gävle. Diskussionerna kretsade inte bara kring resultaten i sig, utan också kring hur man bäst kan mäta säkerheten och inferensen i den här typen av analyser.

Projektet visar att algoritmprissättning inte längre är en framtidsfråga – det är redan här. Frågan är snarare vilka företag som lyckas använda tekniken på rätt sätt.

Läs mer om projektet här.