随着经济数字化,菜单成本下降,公司可以更轻松地监视价格。这些趋势导致了自动定价(和重新定价)工具的上升。我们采用一种新颖的电子商务数据集来检查野生算法定价的效果。一项事件研究的证据表明,开始使用重新定位工具的公司将其价格下降了16.7%,市场价格下跌了9.5%。但是,算法定价公司已经制定了“重置”策略(通常会定期提高价格以希望能够遵循竞争对手),以避免Stark Bertrand-Nash竞争。我们发现这些策略有效地哄骗竞争对手提高价格:当采用重置策略时,竞争对手的价格和市场价格最终都会上升8%。骑自行车价格的模式让人联想到Maskin-Tirole的Edgeworth Cycles,这是委派策略中的平衡模型更适合数据。该模型表明,该周期的平均价格将是垄断价格。此外,如果可用的重新编译技术保持固定,则循环和价格可能会大幅上涨。但是,循环在数据中仍然相对罕见。
1 Calvano:博洛尼亚大学、图卢兹经济学院和 CEPR(emilio.calvano@unibo.it)。Calzolari(通讯作者):欧洲大学学院、博洛尼亚大学、图卢兹经济学院和 CEPR(giacomo.calzolari@eui.ei)。Denicol:博洛尼亚大学和 CEPR(vincenzo.denciolo@unibo.it)。Pastorello:博洛尼亚大学(sergio.pastorello@unibo.it)。我们感谢编辑 Jeffrey Ely 和三位匿名审稿人提供的大量详细且有益的评论。我们还要感谢 Susan Athey、Ariel Ezrachi、Joshua Gans、Joe Harrington、Bruno Jullien、Timo Klein、Kai-Uwe Ku¨hn、Patrick Legros、David Levine、Wally Mullin、Yossi Spiegel、Steve Tadelis、Emanuele Tarantino 以及众多会议和研讨会的参与者(不具名)。非常感谢图卢兹经济学院数字主席计划提供的资金支持。
我们的市场有多竞争?不像他们应该一样多。我们越来越多地意识到过去30年中美国反托拉斯政策的市场失败和缺点。白宫于2016年4月发布了一项行政命令,并报告了美国竞争状况的报告1该报告确定了几个令人不安的迹象,表明自1970年代以来的竞争下降:首先,竞争在许多经济部门中似乎正在下降,包括新业务形成的数十年下降。美国的公司进入和劳动力市场流动性的水平较低。第二,许多行业变得越来越集中。第三,行业利润越来越多地落入了更少的公司的手中。基本上,现在更多的行业由较少的公司(越来越集中)主导。这些强大的公司正在从工人,卖方和消费者那里获取更多的利润(和财富)。,新公司进入市场和工人改变雇主的越来越困难。其他人,包括经济学家,2大西洋,3和哈佛商学院,也提出了类似的担忧。竞争的集中度和衰减不仅限于我们的实体市场。有趣的是,某些在线市场(选择似乎无尽和竞争激烈)变得更加集中和竞争力较低。5在欧盟委员会的罚款24.2亿欧元中,可以在滥用其在搜索中占主导地位的罚款,这是欧盟委员会罚款24.2亿欧元的一个值得注意的例子。6此外,作为虚拟竞争7
在第 118 届国会上,该委员会调查了美国反垄断法的充分性,因为左翼环保人士和主要机构投资者越来越多地承诺将环境、社会和治理 (ESG) 目标强加于美国经济。委员会的监督发现了大量证据表明,一个由金融机构组成的“气候卡特尔”——从“三巨头”资产管理公司到“蓝州”公共养老金,再到代理顾问双头垄断——合谋向美国企业施压,要求他们承诺实现“净零”并减少不受欢迎的生产。4 通过气候联盟——包括格拉斯哥净零金融联盟 (GFANZ)、净零资产管理者倡议 (NZAM)、Ceres 和气候行动 100+——投资者组织协调一致的施压活动,针对美国公司,要求他们披露、减少和执行“净零”气候承诺。5 当公司拒绝屈服和遵守时,气候卡特尔会合谋解雇公司董事会成员,并用气候卡特尔联盟成员取而代之。6
反垄断专家和经济学家广泛讨论了通过使用定价算法来稳定合谋协议的前景。然而,这些文献往往缺乏计算机科学家的视角,而且似乎经常高估机器学习的最新进展对企业在形成卡特尔时面临的复杂协调问题的适用性。同样,支持学习算法合谋可能性的建模结果通常使用简单的市场模拟,这使得他们可以使用简单的算法,而这些算法不会产生机器学习从业者在现实问题中必须处理的许多问题,这些问题可能对学习合谋协议特别有害。在批判性地审查了有关算法合谋的文献并将其与计算机科学的结果联系起来后,我们发现,虽然调整反垄断法以处理真实市场中合谋的自学习算法可能为时过早,但其他形式的算法合谋,例如由集中定价算法促进的轮辐式安排,可能已经需要立法行动。
市场体系的有效性植根于竞争。为了吸引客户,企业会降低价格并提供更好的产品和服务。没有什么比合谋更能从根本上破坏这一过程了。企业同意不相互竞争,结果消费者会因价格上涨而受到损害。合谋通常受到经济学家和政策制定者的谴责,在几乎所有国家都是违法的。但是,越来越多地将定价权委托给算法(1)可能会为企业合法合谋打开后门(2)。当人工智能(AI)算法学会在没有人为干预、监督甚至知识的情况下采用合谋定价规则时,就会发生这种算法合谋。这种可能性对政策提出了挑战。为了应对这一挑战,我们提出了政策变革的方向,并呼吁计算机科学家、经济学家和法律学者齐心协力,实施拟议的变革。
市场体系的有效性根植于竞争。为了吸引客户,企业会降低价格并提供更好的产品和服务。没有什么比合谋更能从根本上破坏这一过程了,当企业同意不相互竞争时,消费者会因更高的价格而受到损害。合谋通常受到经济学家和政策制定者的谴责,并且在几乎所有国家都是违法的。但是,越来越多地将定价权委托给算法(1)可能会打开后门,企业可以通过后门合法地进行合谋(2)。当人工智能(AI)算法学会在没有人为干预、监督甚至知识的情况下采用合谋定价规则时,就会发生这种算法合谋。这种可能性对政策提出了挑战。为了应对这一挑战,我们提出了政策变革的方向,并呼吁计算机科学家、经济学家和法律学者齐心协力,将提议的变革付诸实施。
根据法庭文件和审判中提供的证据,Michael Angelo Padron 与同谋 Michael Wibracht 和 Ruben Villarreal 合谋欺骗美国,以获取小型企业管理局 (SBA) 管理的计划下的宝贵政府合同。证据表明,Padron 合谋让残疾退伍军人 Villarreal 成为一家普通建筑公司名义上的所有者,该公司自称是一家残疾退伍军人拥有的小型企业 (SDVOSB)。Padron 和他的同谋兼商业伙伴 Wibracht 对这家建筑公司行使了不合格的财务和运营控制权。根据法庭文件,这些共谋者隐瞒了这种控制权,以获得超过 2.4 亿美元的政府合同,这些合同是为 SDVOSB 预留的,目的是让他们规模较大、不合格的企业受益。
摘要 — 在经典的隐私信息检索 (PIR) 设置中,用户想要从数据库或分布式存储系统 (DSS) 中检索文件,但不向保存数据的服务器透露文件身份。在量子 PIR (QPIR) 设置中,用户通过从服务器接收量子信息来私密地检索经典文件。Song 等人在复制服务器的情况下处理了 QPIR 问题,包括无合谋和除一个服务器外所有服务器都合谋的情况。在本文中,QPIR 设置被扩展以考虑最大距离可分 (MDS) 编码服务器。所提出的协议适用于任何 [ n, k ] -MDS 代码和 t -合谋,其中 t = n − k 。与以前的情况类似,实现的速率比经典对应物中已知或推测的速率更好。此外,还演示了如何调整协议以从使用局部可修复代码 (LRC) 编码的 DSS 中实现显著更高的检索率,其中修复组不相交,每个修复组都是一个 MDS 代码。
13-66-201 禁止协同消除被抵制公司获得产品或服务的选择——民事诉讼——损害赔偿——例外。(1)除第(4)款规定外,提供产品或服务的公司不得为了摧毁被抵制公司而专门与另一家公司协调或合谋,以消除被抵制公司获得产品或服务的可行选择,除非出于普通商业目的。(2)