【大数据】反垄断视角的大数据问题初探（下）

反垄断视角的大数据问题初探（下）2019-03-122.基于算法自主学习达成的价格协调。算法最初设计时并非用于执行价格协调命令，但在优化算法追求利润的过程中，通过持续学习和改进，定价软件发现市场最优策略是协调价格，进而实施反垄断法所禁止的卡特尔活动。这意味着，在没有反竞争意图或人类意思联络的情况下也可能出现反竞争效果。这种情况能否构成数字化卡特尔，目前争议很大。一方面，机器学习导致的合谋结果只能通过效果去观察，而无法从形式上加以判断。这种“虚拟合谋”(VirtualCollusion)与传统反垄断工具所规制的“默示合谋”有所不同，合谋行为是具备深度学习能力的机器人达成的，编程人员或技术方的初衷并不出于企业合谋。另一方面，查处数字化卡特尔要求对既定领域的行业知识和数据底层处理技术有深入了解，执法部门能否有效提供执法人员和执法资源还有待考察。因此，从技术创新和执法理性角度，应谨慎认定此类情形。3.基于动态数据的价格平行行为。定价算法行之有效，越来越多企业发布实时价格，价格数据易于获得，市场透明度也随之提高。企业通过大数据追踪，监测竞争对手的价格变化并做出相应调整，属于一种“有意识的平行行