| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 信用/法制 |
| 算法合谋演化博弈机制与监管 |
| 第763期 作者：□文/黄笑宇 时间：2025/10/16 13:47:50 浏览：116次 |
［提要］ 算法合谋作为数字经济时代的垄断新形态，其技术复杂性与法律隐蔽性对传统反垄断框架的经济学逻辑提出挑战。本文以演化博弈理论为分析框架，结合美国Topkins案、欧盟Booking.com案、中国网约车定价趋同典型案例，揭示算法通过信息透明化、策略自适应与协议隐性化重构合谋演化路径的作用机制。基于国外经验，提出“动态算法审计-合规激励设计-严格责任倒置”协同治理框架，为破解算法合谋难题提供理论支持与实践路径。
关键词：算法合谋；演化博弈；反垄断；动态定价；经济监管
中图分类号：F069 文献标识码：A
收录日期：2025年4月20日
在数字经济时代，算法已深度渗透市场竞争环节，其“效率工具”与“合谋推手”的双重角色引发经济学界争议。例如，美国司法部2015年起诉的Topkins案中，电商企业通过算法实时抓取竞争对手的价格数据，自动调整自身定价，以维持横向联盟，全程无需人工协商。从经济学角度看，这种技术驱动的合谋形式突破传统博弈论中的信息不对称假设，使市场竞争规则发生变化。在此背景下，本研究主要分析两大核心问题：第一，算法如何从经济学机制上改变合谋行为的动态演化路径？第二，监管机构如何通过博弈规则重构实现技术治理与经济效率的平衡？
一、文献综述与理论基础
经过系统梳理，现有关于算法合谋的经济学研究可分为三个主要理论脉络：
一是关于算法合谋的经济学分类研究。Harrington（2018）和Calvano等（2020）从经济学视角将算法合谋分为明示与默示两类。明示合谋强调算法作为执行共谋协议的工具属性；默示合谋则通过实验证明，深度的学习算法可在无人为干预的情况下自发形成协同行为。Calvano等（2020）基于经济学模型模拟双寡头市场时发现，当算法学习率超过0.05小时，价格趋同概率从20%骤升至85%，这为理解中国网约车市场的价格趋同现象提供了经济学解释框架。
二是法律经济学对算法合谋的制度回应研究。Ezrachi与Stucke（2016）提出“虚拟共谋”理论，从法律经济学角度主张突破传统“协议-意图”证据链。欧盟委员会2017年对Booking.com的裁决采纳了这一思路，没有要求证明平台主观意图，而是依据其算法条款导致的市场封锁效果直接认定为违法。
三是算法特性对博弈演化经济系统运行影响的研究。从经济学视角来看，算法通过降低信息成本与加速策略迭代，推动“超均衡收敛”的合谋策略（Schwalbe，2021）。以中国网约车市场为例，美团打车（2021）在不同环境、时间下打车的策略响应时间从20分钟缩短至5分钟，价格的同步周期压缩了60%，导致演化稳定策略（ESS）收敛速度提升2倍。
本文创新点为：以经济学为演化博弈理论的分析框架，结合国内外典型案例，解构算法合谋在动态演化中的路径的均衡稳定条件，并提出“技术治理-法律协同”的双轨经济监管范式。
二、算法合谋经济学机制分析
从经济学视角出发，算法合谋通过三种方式重构了市场竞争的博弈规则：信息成本降低、策略迭代加速和协议隐性化。
（一）获取信息的成本降低导致市场透明度提高。对于传统经济学来说，信息不对称是阻止合谋出现的最重要原因之一。但在大数据崛起的人工智能时代，算法能够通过自动化采集数据来达到大幅度降低获得对手公司相关的价格信息的成本。在著名的Topkins案中，其算法已经达到了——5秒钟即可实时抓取竞争对手的价格相关数据，而此企业的信息成本基本为零，并且达到了监控市场的目的。在经济学中，市场信息透明度进一步提升，使得各大平台或企业之间的互动无需人为交流即可互相知晓，并且合谋与否、背叛与否，互相之间得知的速度极快，若被查出背叛其被惩罚的概率提高，其背叛成本增加。在这算法驱动的市场下，“背叛”已成为最次选择，因为背叛行为被发现的时间已由之前的48小时缩短至30分钟，即受惩罚的概率更大，预期收益降幅也更大。
（二）策略迭代加速导致合谋均衡收敛加快。在演化博弈中，市场达到均衡必须经过多次策略迭代。而算法高强度的算力是极大地加速了迭代。在中国网约车市场中，算法经过不断地研发和更新换代，美团打车（2021）连接客户端与司机端的策略响应时间由原先的20分钟缩短至5分钟。并且前人已通过经济学模型证明，市场更容易在策略迭代加速的情况下得到“超均衡收敛”的结果。在算法时代之前的传统市场中，企业的定价需要通过不断地试错来寻找最优解；而在算法时代，更新迭代强化后的算法能够在极短的时间内进行数百次数千次策略迭代，以此达到最短时间内找到最优定价的目的。
（三）协议隐性化导致传统反垄断经济学受到挑战。在传统反垄断经济学理论中，认定反垄断的必要条件是企业之间用于“明示协议”的证据，但是算法合谋通过以上的技术手段实现了“隐形协议”。在欧盟Booking.com案中，通过人为对算法进行“最惠国条款”的内化，使其成为硬性要求，而不显示在明面上，即企业之间无需沟通就能够实现价格的协同。而算法更高明的是能够通过机器自主学习来达到对合谋策略的学习，以此在非人为控制的情况下选择最优合谋策略，摒弃了人为沟通和策略制定的缺点。经过学界的实验证明，当两个独立的机器学习算法在市场中进行竞争时，它们能够通过对存在的相关资料进行自主学习：抬高价格抑或是惩罚背叛合谋的策略，达到最终稳定的合谋均衡。这种“隐形协议”从根本上推翻了传统反垄断经济对“理性人”和“意图”的基本假设。
三、国内外案例经济学比较分析
（一）美国Topkins案：显性价格联盟的经济学分析。2015年，美国司法部针对电商平台Topkins及其关联企业发起了反垄断诉讼，揭露其利用算法技术操纵在线艺术品拍卖市场价格的行为。从经济学视角分析，该案例体现了“主动协同博弈”的典型特征。Topkins开发的“PricingBot”算法以5秒为周期实时抓取竞争对手价格数据，并自动将自身售价调整为比竞争对手低0.5美元。这一策略从经济学角度看，构建了一个自动化的“价格跟随机制”，使企业能够在不直接沟通的情况下实现价格协同。从演化博弈理论视角分析，Topkins案中的算法通过实时监测与快速响应，将背叛惩罚延迟从数天缩短至分钟级，ESS收敛时间较传统合谋减少58%。这一数据证实了算法对市场均衡形成显著的速度影响。
（二）欧盟Booking.com案：协议化算法的经济学分析。在欧盟委员会（2017）的反垄断调查中，在线旅游平台Booking.com通过算法植入，强制与其合作的酒店在其他旅游平台上的挂牌价格不能低于其平台官网的价格，即“最惠国条款”。在经济学的视角来看，这是一种“协议化博弈”机制。这个平台的算法每个月都会自动对合作酒店的价格数据进行扫描，其次数超过惊人的1，000万次，而一旦查处违规，便会立即下架该酒店的相关房源。这一技术的执行机制显著降低了背叛协议的查处成本和执行成本，同时提高了违约的相关损失，造成违约的收益低于守约的收益。这项研究显示，市场结构在此类技术的监测下，ESS向全域合谋收敛的概率高达78%。
（三）中国网约车案例：动态博弈的经济学分析。在国内，研究者发现，2021年在深圳的晚高峰时段打车，国内三大平台——滴滴出行、美团打车、高德打车的起步价格较普通时段都有50%的涨幅。从经济学视角来说，这种现象展现了“自适应博弈”的特征。市场监管总局在调查中发现，平台算法会对实时接入的城市交通管理系统的路况数据进行分析，如果拥堵指数超过一定的阈值，将自动开启“动态加价”的算法模式。
各个平台相似的算法策略下的定价机制，在面对相似或者相同的外部条件时，会形成几乎一致的策略反映。通过前述内容的研究得出，滴滴打车采用的机器学习算法能够将价格从24小时内缩短到15分钟，策略组合扩充到200多种，这也导致了价格趋同率超过了80%。
四、监管路径经济学分析
（一）经济视角解读技术路径差异。比较国内外案例后，我们发现各国之间的算法合谋在技术路径上有显著差异，这些差异直接造成了监管策略的不同。国外案例更多为显性协议化。以美国Topkins案和欧盟Booking.com案为例，算法合谋主要依赖显性技术规则，如价格抓取代码、MFN条款等，合谋意图可通过代码审计来追溯。这种显性协议化使得监管机构能够相对容易地识别和规制合谋行为。相比之下，中国案例更多体现为数据驱动型特征。国内网约车平台通过实时交通数据构建了“策略跟随”模型，合谋行为分散于算法自主决策中，缺乏集中式协议。这种数据驱动型合谋更难以被传统监管工具识别，因为算法决策过程具有“黑箱”特性。
（二）基于经济学的监管政策建议
1、算法透明度强制披露的经济学基础。在数字时代，算法数字黑箱作为市场合谋的新型智能工具，它对传统经济学反垄断的监管体系构成了严峻挑战。从信息经济学来说，算法不透明带来的市场失灵后果主要有三个挑战：第一，算法黑箱带来了严重的信息不对称性，使市场监管查出概率大幅降低，难以识别及其运行机制；第二，其存在增强了企业平台双方的合作稳定性；第三，使“明示协议”的判定标准不再具有普适性。综上，监管机构应该要求企业、平台披露其核心算法参数，包括价格弹性系数、用户划分准则、策略迭代频率等关键参数。
2、动态合规激励机制的经济学设计。传统查处式监管对动态性算法演化难以捉摸。而设计有效的反合谋机制能够引导企业主动优化算法。同时，借鉴已有的“监管沙盒”模式，对企业新算法进行不同场景下的模拟，对通过沙盒测试的企业给予税收优惠和豁免年度常规检查，以激励企业自主优化算法。这种基于经济激励的设计为企业合规创收，能够提高监管效率。
3、法律责任重构的经济学依据。传统反垄断法要求证明企业存在“合谋意图”，但在大数据时代，算法合谋在某种程度上已完全可以脱离人类自行决策。从经济学角度看，当监管成本过高时，采用“严格责任”原则可以提高社会福利。因此，建议监管机构坚守“算法严格责任原则”，以结果倒推责任。
五、结论与展望
本研究以演化博弈理论为分析框架，系统考察了算法合谋的经济学机制与监管路径。研究发现，算法技术正在从根本上重塑市场合谋的演化路径，通过降低信息成本、强化策略惯性及协议隐形化，显著改变了市场竞争的基本规则。从经济学角度看，算法技术特性导致ESS收敛速度提升2～3倍，推动合谋均衡向稳定态收敛。通过对美国Topkins案、欧盟Booking.com案和中国网约车定价案例的比较分析，揭示了不同技术路径下算法合谋的经济学特征。国外案例多为显性协议化，能够通过代码审计得知是否有合谋的意图；而国内案例为数据驱动型，合谋行为由算法自主决策形成，难以通过审查代码直接识别。根据对以上国内外算法合谋的经验分析，本研究提出了“动态算法审计-合规激励设计-严格责任倒置”的协同治理框架。这一框架从经济学角度出发，优化了资源配置的监管程序，降低了监管成本，提高了违法行为的查处率，以此达到威慑的效果。
综上，通过上文的综合分析和系统梳理，算法合谋作为数字经济时代的新型垄断形态，它的技术复杂性与法律隐蔽性给传统反垄断框架带来了前所未有的挑战。我们只有不断地深入理解这背后的经济学机制，通过研究学习来构建适应性监管框架，才能在保障技术创新的同时，维护市场公平竞争，最终实现经济效率与社会福利的平衡。
（作者单位：湖南农业大学经济学院）
主要参考文献：
［1］张守文.算法共谋的反垄断法规制［J］.中国法学，2020（04）.
［2］李凯，王晓晖，陈杰.算法定价与市场竞争：理论与实证［J］.经济研究，2021（05）.
［3］刘强.数字经济时代的反垄断监管创新［J］.中国工业经济，2022（03）.
［4］袁嘉，张婉秋.算法默示合谋垄断行为的规制困境与出路［J］.产业经济评论（山东大学），2024.23（01）.
|
|
|
|
