我们在供应链上研究标记和定价策略。我们独特的数据集结合了来自大型全球制造商的详细价格和成本信息,并在2018年7月至2023年6月的网上收集的匹配零售价。我们表明,尽管样本结束时的通货膨胀期,尽管零售价和生产成本之间的差异反映了零售价和生产成本之间的差异。沿供应链,制造商和零售标记是负相关的。在大多数情况下,我们在各个国家 /地区都发现了类似的模式,尽管制造商和零售商之间的标记拆分存在很大的异质性。我们的分析还揭示了针对成本冲击的反应定价行为。制造商比零售商更快地调整价格,并且似乎更充分地纳入了特定产品的特质成本冲击。我们提出了一个供应链定价行为模型,该模型使数据中的关键模式合理化,并使用该模型来量化确定制造商和零售商之间相对讨价还价能力的因素。
∗ 斯坦福大学和拍卖学。电子邮件:milgrom@stanford.edu † 斯坦福大学和拍卖学。电子邮件:mwatt@stanford.edu。感谢 Mohammad Akbarpour、Martin Bichler、Robert Day、Ravi Jagadeesan、Fuhito Kojima、Shoshana Vasserman 以及斯坦福大学、苏黎世大学、NBER 市场设计工作组、西蒙斯劳弗数学科学研究所和第 32 届石溪国际博弈论会议的研讨会参与者,以及对本项目提出的有益意见和建议的审稿人。本文的扩展摘要发表在第 23 届 ACM 经济与计算会议 (EC'22) 的论文集上,2022 年 7 月 11 日至 15 日,美国科罗拉多州博尔德,题为“无凸性市场的线性定价机制”。本文的早期草稿以“非凸经济的瓦尔拉斯机制和约束形式第一福利定理”为题发表。米尔格罗姆感谢美国国家科学基金会 (拨款编号 SES-1947514) 的支持。瓦特感谢斯坦福大学 Koret 奖学金、Ric Weiland 研究生奖学金和 Gale and Steve Kohlhagen 经济学奖学金的支持。
• HR 9402,即美国国家科学基金会的《人工智能教育法案》,提供奖学金和研究金,并在社区学院和技术学校建立人工智能卓越中心。 • HR 9403,即《扩大人工智能声音法案》,将人工智能研究机会扩展到顶尖大学之外,以确保劳动力发展的包容性。 • HR 5077,即《CREATE AI法案》,授权国家人工智能研究资源(NAIRR)将研究人员与高级人工智能研究的数据和资源联系起来。 • HR 9497,即《人工智能进步与可靠性法案》,建立了人工智能进步与可靠性中心,以制定人工智能稳健性和安全性标准。 • HR 9466,即《人工智能发展实践法案》,提出了一种类似于营养标签的标准化人工智能系统信息共享方式,以促进创新和合作。 • 所有这些两党法案都是为了推动人工智能发展,确保美国在全球人工智能竞争中的领导地位。
如何理解和应对通货膨胀已成为本轮经济复苏的核心争论之一。本研究简报首次探讨了 2021 年在美国运营的 3,698 家公司的加价幅度(本质上是销售额和边际成本之间的差额)和利润率的规模和分布。通过重现和更新 Jan De Loecker、Jan Eeckhout 和 Gabriel Unger 的《市场力量的崛起及其宏观经济影响》的分析,我们发现 2021 年的加价幅度和利润飙升至 1950 年代以来的最高水平。此外,2021 年,美国企业的加价和利润以 1955 年以来最快的年增长率增长。深入挖掘后发现,这种异常突然的加价上涨的证据符合正在讨论的通货膨胀的三个主要解释故事——即与需求、供应和市场力量变化有关的故事。首先,我们看到许多类型和规模的公司加价普遍上涨,这表明这个故事是需求方面的原因。其次,数据显示 2021 年各行业之间的加价出现了历史上独特的变动,这表明这是一个供应方面的原因。最后,我们发现,调整规模后,疫情前的加价是 2021 年加价上涨的有力预测指标,表明市场力量在通货膨胀的解释驱动因素中发挥了作用。更具体地说,疫情爆发前规模调整后的加价水平高出 10%,与 2021 年 1.6% 至 2.7% 的涨幅相关。由于加价幅度异常高且突然如此之高,因此有空间扭转这种局面,而这几乎不会对经济造成损害,而且可能带来社会效益,包括短期内价格下降,中期不平等现象减少,创新可能增多。我们认为,本简报中提供的证据指向一种政府全方面的行政、监管和立法方法来应对通货膨胀,包括需求、供应和市场力量干预。
