【智能与法】OECD ：算法与共谋（Ⅱ）

B D A I L C 

 欢 迎 关 注 

Erin Hanson

算法对共谋相关因素的影响

译 / 姜开锋

先抛开公司所使用的手段不谈，人们现在开始担心算法会使得公司更容易去维持共谋的效果，尤其是在数字化市场中更有可能出现这种情况。该部分将讨论算法的使用和更多可用的在线商业数据会如何改变市场状况，以及如何使共谋的效果变得更可能出现。

经济学家们已经发现了在特定的市场中能使共谋出现的可能性增加的最相关的因素。这些因素可分为结构性特征、需求方特征和供给方特征。本部分讨论计算机算法将如何改变结构性特征和供给方特征，从而使得数字化市场以及一些传统市场中更容易发生共谋。

1

行业的结构性特征

企业数量和行业进入壁垒在传统上被认为是影响共谋出现的两个最重要的结构性特征。企业的数量多则意味着它们不仅难以确定协同行动的平衡点，而且它们进行共谋的动机也会减弱，因为对于明示或默示的共谋所带来的超竞争性收益（supra-competitive gains），每个参与者只能分得较少的份额。同样，在没有进入壁垒的情况下，共谋将很难得到长时间的维持，因为任何利润的增加都会使得参与者更倾向于偏离共谋均衡，而且还会吸引更多的企业进入市场。如此一来，超竞争性的利润将会迅速地受到影响。

算法将会如何影响这两个结构性特征，人们目前还不是特别清楚。

01

将算法用于设定动态价格、细分消费者类型或者提高产品质量的一些最典型的行业，其大型企业的数量往往非常少，如搜索引擎、线上购物、折扣商店、预订代理商、航空、公路运输和社交网络等行业。而且，其中的许多行业还具有天然的进入壁垒，比方说规模经济（economies of scale）、范围经济（economies of scope）和网络效应（network effects），这使得行业中的公司能够产生和收集大量的数据，并开发出更准确的算法。因此，很难断言算法究竟是进入壁垒的原因，还是进入壁垒的结果。

02

而且，算法对行业进入机会的影响也不是单一的。一方面，正如OECD在2016年的一份报告中所讨论的那样，算法可用来快速地甄别市场中的各类威胁，例如通过即时预报的方法，使得行业中现有的企业抢先发觉任何潜在的竞争者，并进行积极的应对。另一方面，由于算法的使用导致可用的在线数据量增加，这能够为潜在的进入者提供有用的市场信息，提高确定性，从而降低进入成本。

03

最后，算法的一项独特之处是它使得市场中竞争者的数量对于共谋而言，成为了不太相关的因素。在传统市场中，如果竞争者数量很少，则共谋更容易维持下去，因为在公司较少的情况下，更容易达成协作条款、监测某一方的偏离行为并施以有效的惩罚措施。算法的运用使得协作、监测和惩罚在不太集中的市场中也能实现，因为算法收集、分析数据的能力和速度让协作和监测等行动同公司的数量不再那么相关。换句话说，对于实现算法共谋而言，公司数量少是重要的但不是必要的条件。

另外两个重要的结构性特征是市场透明度（market transparency）和互动频率（frequency of interaction），这两者都能使行业中更容易产生共谋。透明的市场中，公司可以了解彼此的行为，并监测偏离协议的活动；频繁的互动使它们能够对偏离协议者进行快速的反击并施以严厉的惩罚。与前文论述的企业数量和行业进入壁垒不同，这两个导致共谋的因素（市场透明度、互动频率）很可能会因算法的影响而增强其作用，从而给市场竞争带来威胁。

首先来考察市场透明度。若使算法真正成为商业模式的核心组成部分，则意味着它需要收集详尽的实时数据、对数据进行自动分析并转换为实际行动。因此，为了能够从算法的强大预测能力和快速决策能力中受益，公司就有强烈的动机去收集市场信息，并开发出将这些信息收集和存入计算机系统的自动化算法，利用算法对这些信息进行随时处理，而无需人工的操作。这项工作可以使用网络跟踪器、智能卡、条形码、语音识别、射频识别和其他技术来完成。

一旦部分市场参与者通过对技术手段进行投资，从“算法竞争优势”中获得了好处；该行业里的其他公司就有强烈的动机去做同样的事情，因为不这样做就有可能被市场淘汰。最后的结果是，一个行业中所有的市场参与者都在不断地收集和观察竞争对手的实时行为、消费者的选择和市场环境的变化情况，从而创造出一个容易进行共谋的透明环境。此外，正如Ezrachi和Stucke所说，这种情况的出现可能会使公司更乐于在线共享他们的数据流，这样的话，所有参与者都能访问相同的数据集。

市场透明度的提高不仅是因为有更多的数据可用，还因为算法有能力进行预测并减少策略的不确定性。具有强大的数据挖掘能力的复杂算法能够更有效地区分偏离共谋的故意行为和对市场条件变化的自然反应甚或错误反应行为，这可以避免不必要的报复行动。

关于互动频率，数字经济的出现彻底改变了公司做出商业决策的速度。与实体商业中“价格调整成本高、需要花费时间来执行”所不同的是，在线市场中的价格在理论上可以根据经营者的意愿随时进行更改。如果通过定价算法实现了自动化和数字化，那么价格就可以实时进行更新；如此一来，对于偏离共谋的行为，就可以立即给予报复。实际上，机器学习技术与市场数据的结合可以使算法准确地预测竞争对手的行为。这意味着在偏离行为发生之前，算法就能够提前预测到。

法国和德国的市场竞争主管机构在它们的联合报告里清楚地指出，由于算法的使用，市场透明度和互动频率被人为地增加了，这给市场竞争带来了威胁：

市场透明度是共谋的促进因素——这一观点已经被讨论了几十年，但由于高级计算机算法之类的技术不断发展，市场透明度和共谋之间有了新的相关性。例如，市场参与者通过处理所有的可用信息，监测并分析、预判其竞争对手对当前和未来的价格水平会做出怎样的反应；这样一来，竞争对手之间就能更容易地找到他们可以一致同意的可持续的超竞争性价格均衡（supra-competitive price equilibrium）。

2

需求方特征和供给方特征

特定行业中共谋出现的可能性也会受到需求因素的影响。尤其是以需求减弱为特征的市场萧条，以及经济周期的存在，可能会阻碍共谋的发生。这是因为在需求高的时候，企业有着强烈的动机去偏离共谋协议以追求更高的利润；而在接下来需求低的阶段中，企业又倾向于减少在报复上所花的成本。

消费者使用算法可以使他们完善决策过程，并在需求低的阶段（这时产品通常更便宜）购买产品。但由于本部分主要关注公司使用算法对市场竞争所带来的威胁，而这种情况并不会对市场需求产生直接的影响。因此，该处认为将算法的使用作为商业实践的一部分，不会通过对需求因素产生影响这一途径，影响到市场中的共谋。

另一方面，供给因素能够对共谋协议的可持续性产生重要的影响。其中，创新是供给方特征中与共谋最相关的因素之一。市场的创新本性降低了共谋协议的折现值，也弱化了不创新的公司进行报复的能力。在这方面，算法自然是创新的重要源泉，它使公司能够开发出非传统的商业模式并从数据中提取出更多的信息，从而有能力提高产品质量，提供定制化的服务。在一些行业中，算法是竞争优势的重要来源，例如在搜索引擎（search engines）、导航程序（navigation apps）和匹配平台（matching platforms）等行业中就是这种情况；在这种情况中，公司面临的竞争压力，更多地来自于它们要开发出性能最佳的算法。

同样，如果算法能够使不同公司的服务或生产过程变得不同，投入的成本各异；那么由于难以找到协同行动的平衡点，并且成本花费低的公司进行共谋的意愿也会降低，共谋将变得难以维持。这表明数字化市场中的一些供给方特征可能会抵消因为更高的市场透明度而带来的共谋风险。

3

共谋发生的可能性同算法的关系

上文中的分析表明，算法会增加、还是会减少共谋的可能性，是一项很难进行评估的问题；因为算法改变了市场的结构性特征和供给方特征，这些特征相互作用，可能会对共谋的可持续性产生积极的、消极的或者是模糊的影响。

另外，还有一些其他因素也会使得算法对共谋的影响具有不确定性。例如，在充满活力的市场中，公司具有不同的规模，销售的产品各具特色，采取的商业策略也千差万别；在这种情况下，由于缺乏协同行动的平衡点，默示共谋将会很难实现。对于经济学文献里已经确认的其他一些会使市场中更易出现共谋的因素，如产品的种类、公司的特点以及其他不利于竞争的因素，算法不会产生任何影响。例如，共谋不仅可能出现在集中度高的市场中，在产品同质化的市场中也可能出现。如果产品是差异化的，那么即便该市场中的公司使用了算法，他们在协同定价和协商其他关键条款时也必然存在很大的困难。同样，如果市场中的竞争者具有不同的成本水平、不同的产能利用率、市场份额和客户忠诚度，那么无论它们是否使用算法，共谋都难以达成并得以持续。最后，由于市场中还有一些外围的竞争者（fringe competitors）和购买力强大的买家，他们也可能会使用他们自己的价格算法，这将扰乱任何达成共谋条款的尝试，使得算法共谋难以出现。

算法对共谋的影响是比较模糊的。但可以看出的是，算法对市场透明度和互动频率这两项结构性特征的影响，要强于其对其它结构性特征、需求方特征和供给方特征的影响。而市场透明度和互动频率又恰恰是影响市场竞争的关键因素。

采用经济学文献中有关共谋的标准模型，可以作出如下推断：如果市场足够透明，并且公司可以非常快速地调整它们的策略（例如通过实时地改变价格进行调整），那么无论其它的因素会产生什么样的反向作用，共谋依然是可以持续的，诸如行业中的公司数量、可能在未来给市场带来变化的创新等因素，都无法改变这一局面。人们也可以直观地想象到这种结果，因为充足的市场透明度与高水平的互动频率相结合，能够彻底消除偏离协议者的获利可能性，因为参与者能够很容易地发现偏离行为，并立即进行报复。

当然，这一模型背后的假设是一种理想的状态，现实中并不一定会出现这种情况，因为充分的市场透明度和即时的报复都很难真正实现。此外，即便存在着将共谋作为一种均衡策略进行维持的现实基础，也并不一定意味着市场参与者真正会去达成并维持共谋。正如Selten所论述的那样，在拥有大量公司的行业中，每个参与者都倾向于不参加卡特尔并从所谓的“卡特尔伞”（‘cartel umbrella’）中受益。这种情况可能会使得公司倾向于等待其他人发起协议，最终导致协调无法成功。

不过，市场条件的现时变化仍有显著的风险，仍可能会助长反竞争策略的运用，比如进行共谋和其他市场操纵行为。证券交易所是该问题的一个非常好的例子：股票价格是透明的，证券是快速交易的；在这种情况下，尽管存在强有力的监管机构，但仍会出现市场操纵行为（参见示例7）。

示例

2010年金融市场的“闪电崩盘”

2010年5月6日，标准普尔500指数、纳斯达克100指数和道琼斯指数等多个股票指数在短短的36分钟内大幅下挫并快速反弹。这是金融市场历史上最快和最强劲的震荡之一，人们称之为“闪电崩盘”（“Flash Crash”）。这期间，8000多只证券下跌5％至15％，300只证券的交易价格较开盘价跌去60％以上，市场最终以低于前一交易日3％的点位收盘。虽然闪电崩盘的确切原因仍存在较大的争议，但多数观点认为算法交易活动和自动执行程序在促成最终导致崩溃的条件方面起着重要的作用。

美国商品期货交易委员会和美国证券交易委员会的联合报告中指出，之所以会发生闪电崩盘，是因为一家共同基金公司使用自动交易算法卖出75,000手、估值近41亿美元的E-迷你标普500指数合约（E-Mini S&P 500 contracts，以下简称E-Minis），而此时正是欧洲债务危机期间，市场的大背景就是价格的巨幅波动和流动性的减少。该算法被设计为依据市场交易量来判断是否要卖出E-Minis，而不考虑交易的价格或时机。大多数卖出订单都被高频交易员（high frequency traders）买入，他们自己也在使用自动交易算法本身；在快速地买进了E-Minis之后，他们彼此之间开始急切地进行卖出和买入交易。随着市场交易量的增加，这家共同基金公司的算法提交了更多的卖出订单并引发了流动性危机，直到股票市场的自动熔断机制被触发，交易中断了五秒钟，使得算法有机会进行重启，价格得以恢复。

该事件发生五年后，美国司法部对一名独立的英国交易员Navinder Singh Sarao提出了指控。他通过设计“欺骗算法”对市场进行了操纵，这可能是闪电崩盘出现的另一个原因。司法部的新闻稿中指出，Sarao使用自动交易程序挂出大量的E-Minis卖出订单，并在交易执行前取消它们，这给市场发出了悲观信号，并导致了价格的短暂下降。Sarao以低价购买E-Minis，并在价格恢复后出售。通过这一方式，他在闪电崩盘期间赚取了90万美元。不仅如此，他在四年多的时间里，使用类似的非法策略，共获得了大约4,000万美元的利润。

尽管人们对闪电崩盘的具体原因仍没有统一的认识，但Kirilenko等人进行的一项实证研究表明，高频交易的确是其原因之一，“（高频交易）在市场暂时处于不平衡的状态时，趁机获益”，这导致了闪电崩盘事件，是自动化市场脆弱性的根本原因。这一案例表明自动交易算法在某些市场条件（如高频交易行为的出现）下，会扭曲和操纵市场。

节译自OECD, Algorithms and Collusion: Competition Policy in the Digital Age, www.oecd.org/competition/algorithms-collusion-competition-policy-in-the-digital-age.htm

本文仅作学习交流之用

Eugène Fredrik Jansson

点击图片阅读 | OECD ：算法与共谋（Ⅰ）

往期荐读

编辑：钟柳依

欢迎点击“阅读原文”