Un nuovo studio di economia esamina come l’informazione privata e la costruzione della reputazione possano rimodellare la concorrenza nei mercati in cui le imprese decidono ripetutamente quanto produrre. Andrew Sweeting, Xuezhen Tao e Qian Wang sviluppano un modello di concorrenza oligopolistica in quantità che si svolge su un numero finito di periodi. In ogni periodo, più venditori offrono un prodotto omogeneo affrontando una domanda lineare, ma ciascun venditore conosce privatamente il proprio costo marginale—un costo che inoltre evolve nel tempo ed è correlato da un periodo al successivo.
Questa correlazione seriale è importante perché collega la scelta di produzione di oggi alle credenze sui costi di domani. Nel quadro degli autori, i rivali inferiscono informazioni dalle quantità osservate: produrre di più può essere interpretato come un segnale che un venditore ha bassi costi marginali. L’idea centrale è che le imprese possano “produrre per segnalare” (“produce to signal”)—scegliendo un output più elevato non solo per il profitto immediato, ma anche per convincere i concorrenti di essere efficienti, influenzando così il comportamento competitivo futuro.
L’articolo si concentra su equilibri “pienamente separanti” (“fully separating”), in cui tipi di costo diversi scelgono quantità diverse, consentendo alle azioni di rivelare informazione privata. All’interno di questa classe di risultati, gli autori ricavano le condizioni sotto le quali tali equilibri esistono e quando sono unici. Stabilire esistenza e unicità è cruciale per formulare previsioni chiare, poiché i giochi dinamici con informazione privata possono altrimenti sostenere molteplici schemi di comportamento, nettamente differenti tra loro.
Una conclusione chiave è che gli incentivi al signaling possono modificare in modo significativo gli esiti di mercato rispetto a impostazioni di riferimento comuni—sia i modelli statici con informazione completa (in cui tutti i costi sono noti) sia i modelli statici con informazione incompleta (in cui i costi sono privati ma non c’è apprendimento intertemporale). Nell’impostazione dinamica, il desiderio di essere percepiti come a basso costo può spingere le quantità delle imprese lontano da quelle che sarebbero scelte se l’output fosse determinato solo da considerazioni di profitto contemporaneo. Gli autori riportano che questi effetti possono essere abbastanza grandi da alterare la produzione totale, l’allocazione della produzione tra imprese (efficienza produttiva) e il benessere complessivo. È particolarmente rilevante che le distorsioni dovute al signaling non scompaiano semplicemente perché ci sono molti concorrenti: l’articolo sostiene che gli impatti qualitativi e quantitativi possono rimanere sostanziali anche in settori con dieci o più venditori.
Per collegare la teoria a un grande mercato reale, i ricercatori applicano il modello alla produzione globale di petrolio. Il mercato petrolifero è un banco di prova naturale perché i produttori scelgono ripetutamente le quantità, i costi possono fluttuare in modo persistente e gli operatori di mercato spesso cercano di inferire le capacità altrui dalle decisioni di produzione. Lo studio confronta inoltre le previsioni del modello con un ambiente alternativo in cui i venditori possono impegnarsi (“commit”) sulle quantità, mettendo in evidenza come la capacità (o l’incapacità) di assumere impegni vincolanti cambi il comportamento strategico e il contenuto informativo dell’output osservato.
Il progetto ha ricevuto sostegno dalla U.S. National Science Foundation (Grant SES-1658670, a sostegno di Sweeting) e dalla China’s National Natural Science Foundation (Grant 72673107, a sostegno di Tao). Gli autori osservano che Xinlu Yao ha contribuito come dottorando (graduate student) presso la University of Maryland e riconoscono il ruolo di Mario Leccese in lavori correlati (Leccese, Sweeting and Tao, 2025). Attribuiscono inoltre a Dan Vincent alcuni commenti e a Gaurab Aryal discussioni collegate a Aryal and Zincenko (2024). Il team riferisce di aver utilizzato il sistema di IA Claude nell’estate 2026 per migliorare le prestazioni di codice MATLAB scritto in precedenza, sottolineando al contempo che eventuali errori residui sono di loro responsabilità. Come per altri output del National Bureau of Economic Research, i risultati riflettono le opinioni degli autori, non necessariamente quelle dell’NBER.
Perché è importante
Se le imprese producono output aggiuntivo per apparire a basso costo, i mercati possono finire per avere prezzi, efficienza e benessere diversi da quelli previsti dai modelli standard dei manuali—anche quando competono molti venditori. Per decisori pubblici e analisti che seguono settori come quello petrolifero, il lavoro suggerisce che la produzione osservata può riflettere tanto il signaling strategico quanto i fondamentali. Ciò che resta da vedere è quanto queste previsioni dinamiche, guidate dall’informazione, corrispondano ai pattern di produzione nei dati reali e come cambino gli esiti quando i produttori possono impegnarsi in modo credibile sulle quantità future.