CC BY-NC-ND
87
ДОЛЖНО ЛИ ТАЙНОЕ СТАНОВИТЬСЯ ЯВНЫМ? ОПТИМАЛЬНЫЙ ДИЗАЙН РАССЛЕДОВАНИЯ КАРТЕЛЕЙ В УСЛОВИЯХ ПРОГРАММЫ ОСЛАБЛЕНИЯ НАКАЗАНИЯ*
Юсупова Г.Ф., Нестеренко Е.Е.**
Аннотация
Последние тенденции в области регулирования антимонопольного законодательства показали, что необходимо пересматривать политику в отношении метода противодействия картелям. В первую очередь это связано с усилением мировой тенденции к формированию сговора на разных рынках. Поэтому в России периодически вводятся новые механизмы принуждения к соблюдению законодательства в области защиты конкуренции.
В статье приводится теоретико-игровая модель стратегического взаимодействия участников рынка в условиях асимметрии информации - включая продавцов - участников картеля и антимонопольный орган. При различных параметрах ПОН, рыночных условий, действий антимонопольного органа участники картеля принимают решение о стратегии своего поведения (вступать в сговор; вступить в сговор, но пойти на сотрудничество; не вступать в сговор). Предложенная модель показывает, что могут быть оправданы действия антимонопольного органа, использующего фактор неопределенности и неприятия риска участниками картеля для повышения стимулов отказа от него.
Полученные результаты позволили сформировать рекомендации по совершенствованию дизайна программы освобождения от наказания в России. Среди наиболее приоритетных задач выделяются повышение максимального штрафа, прогрессивное снижение скидки второму и последующему участнику соглашения, дающим признательные показания, поскольку с начала 2016 г. именно такими полномочиями располагает ФАС России.
Ключевые слова: программа освобождения от наказания; картель; антимонопольное регулирование; штраф; асимметрия информации; антимонопольный орган.
* Статья подготовлена в рамках исследовательского проекта «Экономический анализ оспаривания обвинительных решений органа административной власти» Центра фундаментальных исследований НИУ ВШЭ.
** Юсупова Гюзель Фатеховна - кандидат экономических наук, доцент департамента прикладной экономики, факультета экономических наук НИУ ВШЭ, научный сотрудник ИАПР НИУ ВШЭ. Адрес: Национальный исследовательский университет «Высшая школа экономики». 10100, г. Москва, ул. Мясницкая, д. 20. Е-шаП: gyusupova@hse.ru
Нестеренко Евгений Евгеньевич - магистр факультета экономических наук НИУ ВШЭ. Адрес: Национальный исследовательский университет «Высшая школа экономики». 10100, г. Москва, ул. Мясницкая, д. 20. Е-шаП: yevgenii.nesterenko@gшail.coш
Введение
Достижением современной антимонопольной политики является программа освобождения от наказания (ПОН), которая предусматривает смягчение наказания для лица, добровольно заявившего в антимонопольный орган о фактах сговора вплоть до полного освобождения от ответственности. При этом программа выступает саморегулирующим механизмом по ограничению стимулов к сговору и призвана облегчить работу антимонопольного органа, прежде всего в части предоставления улик.
Актуальность применения такой программы возрастает во всем мире. Это связано, во-первых, с усилением мировой тенденции к формированию сговора на разных рынках, что требует пересмотра существующих практик антимонопольного регулирования и соответствующей калибровки самой программы. Поэтому и растет число академических работ, в которых дискуссионным вопросом остается выбор оптимальности ПОН, особенно учитывая различия антимонопольных практик по картелям в разных странах (E. Мотченкова (Motchenkova, 2004; 2011); C. Авдашева, 2011; Н. Павлова, 2012; 2015; А. Шаститко, 2007; 2008; 2011; 2015; Дж. Апестигуиа и др. (Apesteguia et al., 2007); М. Бигони и др. (Bigoni, et al., 2012; 2015); M. Мотта (Motta, 2003); С. Обер (Aubert, 2006); П. Рей (Rey, 2011); Дж. Спагноло (Spagnolo, 2004); Дж. Харрингтон (Harrington, 2008; 2013); Дж. Хинлупен (Hinloopen, 2008); З. Чен (Chen, 2013); Г. Юсупова (Yusupova, 2015)). Во-вторых, так как дизайн программы, описанный в антимонопольном законодательстве большинства стран, включая Россию (Павлова, 2012), имеет свои особенности, то актуальность данной программы только возрастает в связи с небольшой длительностью ее применения. Последние тенденции в области антимонопольного регулирования свидетельствуют о том, что государственные органы пересматривают политику в отношении метода противодействия картелям и периодически вводят новые механизмы принуждения к соблюдению антимонопольного законодательства.
Программа получила широкое распространение в борьбе с наиболее опасными сговорами («hard core cartels»). Это горизонтальные соглашения, негативное влияние которых на общественное благосостояние неопровержимо и не требует дополнительных оценок в рамках взвешенного подхода «rule of reason». К подобным картелям нужно отнести соглашения о фиксации цен, о разделе рынков и территорий, а также сговор при проведении аукционов. Для таких нарушений программа позволяет ускорить процесс их обнаружения и, как следствие, снизить затраты антимонопольного органа (М. Мотта, М. Поло (Motta, Polo, 2003)). Применительно к действующим картелям применение программы уменьшает среднее время раскрытия и увеличивает число уже раскрытых картелей. Или, что может быть более важным эффектом применения программы, это снижение стимулов у участников рынка к созданию картеля.
Несмотря на большой обзор по оценке эффектов действенности программы, значительная часть работ строится на довольно жестких предпо-
сылках. Наиболее частыми являются: полная симметричность фирм, отсутствие промежуточной стадии проведения расследования и сохранение улик (а значит, и штрафов) в течение только одного периода. Такие предпосылки могут быть нерелевантными применительно к действующим ПОН, что может оказывать неопределенное влияние на стимулы к созданию сговора. Среди прочего, деструктивное воздействие на устойчивость картелей оказывают: увеличение срока давности правонарушения, высокий уровень штрафов, спецификация требований к предоставляемой информации и прозрачная система очереди за льготами ПОН, а также ее применение к нарушителям на нескольких рынках.
Поэтому в данной статье стандартные предпосылки для описания действенности программы ослабляются и приводится модель, которая более полно отражает существующие практики применения такой программы. Особое внимание уделяется проблеме асимметрии информации среди участников стратегического взаимодействия, включая продавцов -участников картеля и антимонопольный орган. Дело в том, что асимметрия информации и гетерогенность компаний - это реальность, с которой приходится сталкиваться как участникам рынка, так и антимонопольному органу. В то время как теоретические основы действия ПОН хорошо изучены в моделях с относительно простыми предпосылками (симметричность фирм, экзогенные параметры деятельности регулятора и т.д.), исследование влияния асимметрии информации на поведение разнородных участников представляет собой большой теоретический и практический интерес. Работ, посвященных проблеме асимметрии информации участников, не так много (Дж. Харрингтон (Harrington, 2013); E. Моченкова (Motchenkova, 2011); Дж. Саувагнат (Sauvagnat, 2015)). Но и в этих работах не учитываются изменения в стимулах при заключении сговора. Таким образом, в статье описывается теоретико-игровая модель стратегического взаимодействия продавцов - участников картеля и антимонопольного органа в условиях неопределенности.
Особенности дизайна программы для разных практик
В широком понимании ПОН описывает систему частичного или полного освобождения от штрафов, которые в противном случае применялись бы к участнику сговора, в обмен на признание участия в картеле и предоставление антимонопольному органу информации и улик касательно деятельности картеля, которыми он ранее не располагал1, что повышает зависимость программы от мер ответственности, применяемых в различных юрисдикциях. В целом же программа подразумевает следующее:
1. Фирма-заявитель должна предоставить информацию либо улики, которых еще не имеет антимонопольный орган и которые будут существенны для обвинения в сговоре.
2. Заявитель прекращает свое участие в картеле сразу после обращения, если только обратное не необходимо для успешного завершения расследования.
3. Заявитель оказывает полное содействие антимонопольному органу во время расследования.
4. Первый заявитель может рассчитывать на существенное снижение ответственности, вплоть до полного иммунитета; для последующих снижение штрафа может варьироваться или не применяться.
5. Вознаграждение за сотрудничество (отрицательный штраф) не предусматривается, за исключением единичных случаев.
При этом для разных юрисдикций характерны отличительные особенности программы (Павлова, 2012). Наиболее существенное отличие в программах США и ЕС состоит в ограничении числа участников сговора, которые могут рассчитывать на смягчение штрафов. Практика США допускает применение иммунитета только для первого признавшегося участника, однако также выдвигает жесткие требования к предоставляемой информации. Японская и европейская программы позволяют снизить штраф нескольким фирмам, пошедшим на сотрудничество с регулятором.
Стоит отметить особенности программы освобождения от наказания в Японии. Так, при определенных обстоятельствах два и более нарушителя в одной группе компаний могут подать заявку на иммунитет или смягчение наказания, и в случае удовлетворения этой заявки все они получат одинаковый процент дисконта к штрафу. Возможность для прямого злоупотребления такой нормой (как в российской практике до 2009 г. (Юсупова, 2013; 2015; Yusupova, forthcoming)) ограничена тем, что полный иммунитет могут получить не более трех компаний. Но и с этим условием, японская версия ПОН фактически не ограничивает число фирм, получающих снижение штрафа, и является очень мягкой по сравнению с практикой США и ЕС. Несмотря на то что ее применение оказалось довольно эффективным, копирование параметров японской программы требует большой осторожности2.
В части требований к информации российская программа больше ориентируется на опыт США - информация изначально должна быть новой и содержать достаточно надежные улики для обвинения. В то же время нет никакой градации качества информации, как нет и явной зависимости между полнотой информации и размером дисконта. Если улики являются ключевыми для выдвижения обвинения, снижение штрафов вплоть до 100% возможно и после формального начала расследования.
Важной особенностью, которая фиксирует «мягкость» российской программы, является возможность для организатора или лидера картеля получить снисхождение, пусть и с меньшим дисконтом. Итоговый эффект остается неопределенным. С одной стороны, такая возможность дает большую гибкость и снижает устойчивость действующих картелей, с другой - не вводит дополнительных ограничений стимулов к организации новых. Странным выглядит и то, что по рекомендациям ФАС к лидерам картелей может применяться штраф в полуторном и двойном размере3. Таким образом, политика регулятора не вполне последовательна - лидеры картелей сталкиваются с большими потенциальными штрафами, но в случае сотрудничества снижают эти штрафы наравне с другими участниками.
Кроме того, для российской практики характерны некоторые недочеты, связанные с несогласованностью норм административного и уголовного кодекса. В частности, корпоративная ПОН не гарантирует иммунитет для физических лиц - руководителей и работников фирмы-нарушителя, хотя уголовная ответственность за участие в явных картелях («hard core») предусмотрена достаточно жесткая (Шаститко, Павлова, 2012; 2015). Также отсутствует прозрачный механизм установления очередности подачи заявки на применение ПОН. На самом деле это не просто бюрократическая формальность, а элемент доверия к действиям антимонопольного органа, наличие которого влияет на значимость всей программы (Павлова, 2012). Поэтому российская версия ПОН существенно проигрывает доказавшим эффективность программам США и ЕС по ряду параметров. Следуя концепции структурных альтернатив, используемой Павловой и Шаститко (2015), можно выделить перспективные направления развития ПОН в России с разбивкой по степени влияния ФАС: независимые факторы принимаются как заданные; «жесткие» факторы требуют масштабного обсуждения (возможно, изменения законодательства); «гибкие» факторы могут пересматриваться в короткие сроки (табл. 1).
Таблица 1
Направления совершенствования применения ПОН в России
Структурные альтернативы ПОН
независимые факторы «жесткие» факторы «мягкие» факторы
► Наличие уголовной ответственности ► Число участников программы ► Размер дисконта для первого признавшегося
► Срок давности правонарушения ► Положение рецидивистов ► Влияние времени подачи заявки
• Связь административной и уголовной ответственности ► Вознаграждение информаторам ► Сохранение конфиденциальности заявок
• Бюджет антимонопольного органа • Размер штрафа • Размер дисконта для последующих признавшихся
• Положение лидеров и организаторов картеля • Наличие маркировочного списка
• Освобождение для участников нескольких картелей
► Практика согласуется с мировыми. • Практика не согласуется с мировыми.
Безусловно, подобные отличия программы в разных юрисдикциях будут отражаться и на эффективности ее применения по противодействию
картельному сговору, создавая проконкурентный и антиконкурентный эффекты. Смысл первого в том, что ПОН отрицательно влияет на устойчивость существующего сговора (воздействие ex-post). Это связано с возможностью осуществления аудита и расследования со стороны антимонопольного органа, с содействием со стороны участников существующего картеля. Ее экономический смысл понятен интуитивно: если в отсутствие программы участники рынка взвешивали ожидаемые выигрыши от дальнейшего соблюдения сговора (с некоторой вероятностью штрафа) и «предательства» (опять же со штрафом за прежние нарушения), то теперь альтернатива отклонения от картеля - «предательства» - исключает штраф полностью для первого признавшегося и частично для последующих. Следовательно, стимулы отклониться от соблюдения картеля усиливаются. Этот эффект проявляется в увеличении числа раскрытых картелей (процент раскрываемости) и снижении времени, необходимого для обнаружения и раскрытия картеля. Как следствие, высвобождаются трудовые и материальные ресурсы антимонопольного органа, которые могут быть использованы для проведения расследования на других рынках.
Антиконкурентный эффект от программы может быть в следующем: если ранее компании рассчитывали избежать штрафа с определенной вероятностью, то после внедрения ПОН они могут гарантированно «выйти сухими из воды», пойдя на сотрудничество с антимонопольным органом. Следовательно, ничто не мешает им закладывать в свои расчеты как сверхприбыли от сговора в первые несколько периодов, так и снижение (до 100%) суммы штрафа впоследствии. Асимметрия информации, особая структура штрафов и механизмы внутреннего поддержания картеля могут усилить этот отрицательный эффект.
Условно говоря, такой «провал» программы может выглядеть следующим образом: участники рынка знают, что антимонопольным органом проводится проверка и через некоторое время будут представлены доказательства виновности, что штрафы будут налагаться на всех. Они принимают решение не дожидаться этого момента, а заключить новый сговор, по которому 2-3 компании признаются в том, что состояли в картеле, получают «скидку» на штраф, а денежный эквивалент скидки делится между всеми участниками картеля. При этом, поскольку ни одна из компаний не «предавала» остальных, вероятным является заключение нового сговора в ближайшем будущем. При достаточно тесных связях между участниками и невысокой вероятности проверки программа может спонсировать картель, но эффективно уменьшить его продолжительность и тем более поменять решение участников о вступлении в картель неспособна.
Поэтому при формировании оптимального дизайна программы (рис. 1) нужно учитывать и систему штрафов, и структурные характеристики рынка, где формируется картель (Юсупова, 2015; Yusupova, forthcoming), и финансовые ограничения антимонопольного органа на обнаружение и предотвращение картелей на рынках, и изменения в стимулах при заключении сговора.
Рисунок 1
Противодействие картельному сговору
Рассмотрим далее оптимальный дизайн программы освобождения от наказания в зависимости от порядка ее применения и величины дисконтов с помощью моделирования стратегического взаимодействия участников рынка.
Моделирование поведения участников рынка и антимонопольного органа
Классическое взаимодействие участников рынка моделируется в форме бесконечно повторяющейся игры с дисконтированными платежами с традиционным набором предпосылок и компонентами ПОН (рис. 2). В качестве стратегии наказания используется «grim trigger»4, что подразумевает в случае отклонения переход к конкурентному равновесию навечно.
Игра с последовательным взаимодействием участников рынка и антимонопольным органом удобна тем, что позволяет отделить эффект от применения ПОН после начала расследования от эффекта программы до расследования. Подобный шаблон используется в работах М. Мотта, М. Поло (Motta, Polo, 2003), З. Чена (Chen, 2013), Е. Мотченковой (Motchenkova, 2014). Однако в зависимости от начальных предпосылок он может привести к качественно различным результатам.
Рисунок 2
Взаимодействие участников рынка в форме игры
Предпосылки:
- небольшое число фирм-участников, N>2
- конкуренция по Бертрану
- антимонопольный орган проводит аудит отрасли
и доказывает существование сговора
- фирмы идентичны
- симметричная информация
Компоненты ПОН:
- отсутствие ПОН
- применение только до начала расследования
- применение после начала расследования
- снижение штрафа для нескольких участников
- накапливающийся штраф
- вознаграждения информаторам
Проверка устойчивости сговора в отсутствие регулирования является классической задачей, в основе которой - сравнение ожидаемых платежей от стратегии «вечно сотрудничать» до стратегии «предать и вечно конкурировать». Следует отметить, что гарантировать устойчивость сговора хотя бы при некоторых параметрах можно только в бесконечно повторяющихся играх или играх с неопределенным числом повторений. Иначе игра превращается в набор однораундовых «дилемм заключенного», которые по методу обратной индукции приводят к равновесию Нэша «всегда предавать». В теоретических разработках М. Ивалди и др. (1уаМ1 е! а1., 2003) дисконт-фактор служит индикатором устойчивости сговора.
Введение в модель инструментов антимонопольного регулирования таких как, ПОН и штраф, способствует снижению стабильности сговора путем разрушения существующих, но будут ли снижаться стимулы у участников рынка для создания новых - это вопрос. Покажем, что антимоно-
польный орган должен прилагать достаточные усилия по обнаружению и доказательству сговора, чтобы политика высоких штрафов привела к снижению стимулов.
Вариант 1. Ограничение стимулов к сговору в базовом дизайне ПОН при разных штрафах.
Условия и обозначения:
пр - прибыль участников рынка в условиях олигополистической конкуренции; псг - прибыль в условиях сговора; прибыль отклонившегося участника при условии, что остальные не отклонялись от сговора, - ла.
В случае наложения штрафа за участие в картеле нейтральный к риску участник сговора сталкивается с ожидаемым штрафом в размере аp8F, который уменьшает выигрыш от каждого периода сговора.
При этом:
а - вероятность проверки рынка в течение периода;
р - вероятность успешного завершения расследования;
F - штраф за участие сговоре, который снижается с учетом дисконта, так как выплачивается во втором периоде (чем больше размер полноценного штрафа F, тем сильнее снижаются стимулы к сговору);
RF - сниженный штраф, который платит фирма, предоставившая информацию о сговоре, RF Е \RF; F];
5 - дисконт-фактор.
Отметим, что на стимулы к сговору оказывает влияние только вероятность одновременной проверки отрасли и успешного завершения расследования ар. Так происходит потому, что стратегии игроков не могут приспособиться к ситуации, когда отрасль была проверена (т.е. вероятность штрафа растет до р), но результат расследования не известен. Фактически, после организации картеля в каждом периоде возможны только два состояния природы - картель раскрыт или не раскрыт.
Также неявно предполагается, что при стратегии «предательства» фирме выгоднее отклониться от сговора в первом периоде, чем во втором. Это условие соблюдается при П + 8пр > + дпй, что справедливо при достаточно большом контрасте П и псг.
Итак, условие устойчивости сговора в случае сотрудничества с регулятором:
1 - <5 \-д 1-д
<*Р < Мспг = ^ [лсг- - (1 ■- б)жа+ (1 -¿Н
(1)
где Уст - выигрыш от сговора,
Vй - выигрыш при сотрудничестве,
ар - вероятность доказательства сговора.
Влияние ПОН на стимулы к отказу от сговора положительно, только если RF < аpSF (уменьшенный штраф будет ниже математического ожидания полного штрафа с поправкой на дисконт).
Если считать полную вероятность доказательства сговора ар единственным критерием, свидетельствующим об эффективности антимонопольной политики, то условие снижения стимулов участия в сговоре (рис. 3) в координатах (а; р) принимает вид гиперболы5. Область выше гиперболы соответствует точкам, в которых стратегия «не сговариваться» (NC) доминирует над стратегией «сговариваться и не сотрудничать» (CNR). В области NC полная вероятность успешного доказательства картеля ар достаточно высока - следовательно, высок и ожидаемый штраф в случае сговора; в этом случае сговор неустойчив. При этом важное значение имеет и величина штрафа.
На рисунке 4 для случая (а) показано снижение стимулов участвовать в сговоре для низкого штрафа, для случая (б) - для высокого. При одинаковой величине дисконта RF/F повышение общего уровня штрафов расширяет область NC, в которой предпочтительной стратегией является «не сговариваться»6. Следует отметить, что при достаточно низких величинах а или р даже очень большой штраф не создает достаточно стимулов для отказа от сговора, так как ожидаемый штраф apF будет ограничен. Это опровергает выводы Дж. Спагноло о возможности использования вознаграждений в виде RF = -F без действий регулятора по обнаружению сговора (Spagnolo, 2004).
Рисунок 3
Ограничение стимулов к сговору в базовом дизайне ПОН при: а) низком штрафе; б) высоком штрафе
acnr(p;RF) acnr(p;F) acnr(p;RF) acnr(p;F)
1 \ NC 1 1
\ NC А
CNR CNR ---
0 plO p 1
а) б)
Таким образом, очевидно, что антимонопольный орган должен прилагать усилия по обнаружению и доказательству сговора. В противном случае даже политика высоких штрафов не будет вызывать у участников рынка нужных стимулов.
Вариант 2. Равновесие при ПОН и полной осведомленности о действиях антимонопольного органа.
Теперь опустим предпосылку о бездействии фирм после проведения аудита отрасли. Предположим, что участники картеля в курсе о том, что был проведен аудит рынка, и могут рассчитывать на снижение штрафа RF Е [RF F] при сотрудничестве в рамках ПОН. Рассмотрим следующие стратегии: «не сговариваться» (NC), «сговариваться и не сотрудничать» (CNR), «сговариваться и сотрудничать» (CR). Решение о сотрудничестве принимается заранее всеми участниками сговора и не является отклонением, ведущим к применению наказания «grim trigger». Такой анализ автоматически предполагает, что снисхождение возможно сразу для всех участников при условии сотрудничества, что идет вразрез с мировыми практиками. Однако можно показать, как различные предположения о стратегии CR свидетельствуют об эффективности применения ПОН для второго и последующих участников. Сама стратегия CR предполагает, что в случае проведения в первом периоде аудита рынка в следующем периоде фирмы предоставляют информацию антимонопольному органу в рамках ПОН, уплачивают уменьшенный штраф RF. Поскольку фирмы сразу соглашаются на сотрудничество и уплату фиксированного штрафа, расследование во втором периоде не проводится -как не применяется и логика о достоверном аудите, пока не будут получены доказательства сговора. Рассмотрим все возможные условия для фирм.
Выигрыши игроков при стратегии CR:
(. —СГ ТГСГ— -тгР J. ИТ?
жр-RF + (1 -а) жсг+ SVcr=—-а ---(3)
Первый член этого выражения характеризует выигрыш устойчивого сговора в отсутствие штрафов, а второй свидетельствует о том, что общий выигрыш компаний уменьшается из-за конкурентной прибыли в период сотрудничества, но частично компенсируется из-за меньшего штрафа.
Выигрыш в стратегии «NC» эквивалентен выигрышу от отклонения от сговора в первом периоде, так как именно с этим выигрышем фирмы сравнивают платежи от различных стратегий устойчивого сговора. Таким образом, данная стратегия задается тем же выражением для Vd, что и выражение (1).
Условие, при котором стратегия CR доминирует над стратегией NC:
\-6 1-д \-д
/ м ^ (4)
CKaARF)--*"-^6^-^-^ сгК ' жсг- яр + RF
Применение программы при такой стратегии позволяет принудить фирмы к конкурентному поведению в период после аудита, снижение штрафа повышает пороговое значение а, при котором участникам рынка выгоднее использовать стратегию CR. Фактически, «мягкая» программа приводит
к большим стимулам к сговору. Однако судить об антиконкурентном эффекте программы невозможно без анализа стратегии CNR.
Условие, при котором стратегия CNR доминирует над стратегией NC:
yCnr=J^_ap№>jcd_RF + ^ = vd l-д 1-д 1-д
Г / м (5)
Для понимания зависимости стимулов к сговору от параметров антимонопольной политики остается сравнить стратегии CR и CNR.
Стратегия «сговора без сотрудничества» будет превалировать в том случае, если перед началом игры соотношение выигрышей Vcnr > Vcr:
Лгспг ж" apdF jtcr JTcr-Jtp+RF ЛТСГ
V =---—>--а-= V
l-д 1-д2 1-д 1-д
(6)
F д
Полученный результат в варианте (6) не зависит от а, так как обе стратегии предполагают сговор, и действия компаний различаются только в тот момент, когда аудит рынка уже проведен; ожидаемые платежи будут различаться только в соответствии с условной вероятностью успешного расследования. Пороговое значение представляет собой такую вероятность, при которой ожидаемые средние потери от стратегий CNR и CR после проведения аудита одинаковы (что при равенстве платежей на первом этапе эквивалентно равенству общих выигрышей).
Стоит отметить, что по мере того, как участники сталкиваются с меньшим уровнем неопределенности, равновесие может меняться. Рассмотрим три ситуации:
1. После первого периода аудит отрасли не был проведен. Участники переходят во второй период, который фактически является первым периодом в новой игре - апостериорные вероятности раскрытия сговора не поменялись по сравнению с априорными. В этом случае рациональные участники должны будут выбрать ту же стратегию, что и перед началом первого периода.
2. После первого периода был проведен аудит, и отрасль оказалась конкурентной (участники выбрали стратегию NC). В этом случае регулятор не будет проводить расследование, параметры игры не изменятся по отношению к первому периоду - рациональные игроки снова выберут стратегию NC.
3. После первого периода регулятор провел аудит рынка и зафиксировал факт сговора, поэтому он начинает расследование, которое заверша-
ется успешно во втором периоде с вероятность р. Участники рынка оказываются в таком положении, при котором апостериорная вероятность успешного доказательства сговора увеличивается по сравнению с априорной (с ар до р). В этом случае увеличиваются стимулы к отклонению. Участникам будет выгодно сменить стратегию «сговор без сотрудничества, CNR» на «сговор и дальнейшее сотрудничество, CR» при некоторых параметрах.
Выигрыш от сотрудничества в рамках ПОН после проведенного аудита:
Лтгр
Vr\a = Jtd+—-RF (7)
1-д
Выигрыш от стратегии CNR:
Vcnr I а = лсг+ 6 [р{лсг- F)+(l-р)лсг] +d2Vcnr= ^ -pSF (8)
Соответственно, на стратегию CNR накладывается дополнительное ограничение на вероятность аудита, которое получается из сравнения неравенств (7) и (8):
pd3F
Условие (9) похоже на условие (5), перепишем его с использованием известного порога :
a<aXKF) = ^M-l-=f (10)
Более того, покажем, что при любых параметрах модели порог ar является не менее жестким, чем acnr:
acnr(R)_ 1-d2 / -l)(J--l)*0 (11)
"г "с/и- cm \ cm fi2 / v '
поскольку вероятность acnr и дисконт б не превышают 1. Таким образом, ограничение сговора на подыгре после аудита отрасли является связывающим.
Хотя условия (6) и (9) и сравнивают стратегию CNR с CR в рамках ПОН после аудита рынка, они все-таки являются ограничениями разного рода. Условие (9) задает минимальную вероятность аудита, при которой стратегия CNR будет неустойчивой и приведет к отклонению от сговора с последующим наказанием в рамках «grim trigger». Условие (6) предполагает, что сговор в любом случае является устойчивым, и акцентирует внимание на минимальной вероятности успешного завершения расследования, при которой рациональные участники будут прибегать к ПОН.
Теперь сравним эффект от применения программы с возможностью сотрудничества после начала расследования и без нее (рис. 4). Если в базовом варианте устойчивость сговора определяется условием (5), то в расширенном варианте применяется более строгое условие (9).
Рисунок 4
Эффективность применения ПОН до и после расследования
ar (p;RF) acnr{p;RF) ar(p;RF) acnr{p;RF)
а) Ограничение стимулов в расширенном б) Ограничение стимулов в расширенном дизайне ПОН при pcnr > 1 дизайне ПОН при pcnr < 1
Действительно, на рисунке 4а область, соответствующая равновесию без сговора в базовом варианте ПОН (фирмы либо сотрудничают до проведения аудита, либо не сотрудничают вообще), обозначена NC_1, а область, соответствующая остальной площади в координатах (а; р), соответствует сговору. Расширение области применения программы до сотрудничества на любом этапе сдвигает кривые CNR-NC влево-вниз, тем самым расширяя область конкурентного равновесия (NC). При достаточно больших значениях р будет доминировать стратегия CR - «сговор с сотрудничеством», ее область действия ограничена прямыми pr(RF) слева и acr (RF) сверху; фактически при этом вероятность аудита недостаточно высока для отсутствия сговора как такового. Но если аудит уже гарантированно проведен, рациональные игроки пойдут на сотрудничество с антимонопольным органом. Таким образом, при высоком р и небольшом а доминирует стратегия CR.
Важно уточнить, что в результате расширения ПОН область доминирования чистого сговора CNR сокращается за счет двух эффектов: появление возможности «предать» после проведения аудита (область NC_1) и новый тип сговора, позволяющий снижать штраф после каждого аудита без санкций со стороны других участников (области CR_1 и CR_2).
На рисунке 4б стратегия CR по сравнению с NC пересекает кривую acrn (p; RF). В этом случае добавляется антиконкурентный эффект, который проявляется в доминировании стратегии CR, представленный областью CR_3. Стоит отметить, что повышение дисконта в рамках ПОН сдвигает acr (р; RF) вверх. С одной стороны, это приведет к отсечению больших по размеру областей CR_1 (чистый проконкурентный эффект) и CR_2 («второе наилучшее» в сравнении с базовым вариантом ПОН), но также и приведет к нарушению конкурентного равновесия в увеличившейся обла-
сти CR_3. То есть при достаточно высокой вероятности аудита а и близкой к 1 вероятности успешного расследования р участникам рынка становится более выгодно вступить в сговор с условием сотрудничества и получать уменьшенный штраф только во время проведенного аудита. На практике антимонопольный орган сталкивается скорее с ситуацией, когда вероятность успешного расследования существенно ниже 1.
До сих пор мы предполагали, что выигрыш фирм в стратегии «сговор с сотрудничеством» зависит от того же дисконта, что и при стратегии CNR. На самом деле, рациональный антимонопольный орган никогда не будет применять для каждого участника сговора тот же дисконт, который он применяет для первого сознавшегося, - это практически уничтожает стимулы к быстрому признанию и пропагандирует стратегию сговора, с дальнейшим признанием или без него. На рисунке 5 представлены возможные эффекты от изменения среднего штрафа в рамках ПОН при заданных параметрах.
Рисунок 5
Возможный эффект ПОН при дифференцированных дисконтах
- размер сниженного штрафа для первого признавшегося КЕатег - средний штраф, приходящийся на участника картеля в рамках ПОН При этом КЕатег > RFi.it .
Кроме того, поскольку второй и последующий признавшийся не могут подвергаться увеличенным штрафам, должно соблюдаться условие:
(Р ~ №1Л)
F - RF .
N
Принимая во внимание различие дисконтов, условие (4) принимает вид:
/ ^ \ лсг- (1 " б) (жа- RFUt) -а < агг ( RF )--^-^-^—
сг \ / сг о . пп
дж>
жсг - жр + RF„
(12)
Если точкой отсчета выбрать программу с одинаковыми штрафами для всех признавшихся, то снижение дисконта для второй и последующих фирм оказывает влияние на несколько равновесных областей. Так, область 1 - это потенциальное множество для равновесия CNR, области 2 и 3 - для равновесия NC. Передвигая ограничение асг с помощью изменения среднего штрафа, можно достичь оптимальной величины этих областей.
Область в левом нижнем углу может характеризовать для регулятора ситуацию, когда повышение среднего штрафа до максимального уровня (нулевой дисконт для всех признавшихся, кроме первого) может быть неоптимальной политикой. Так как наиболее существенной проблемой, с которой сталкивается антимонопольный орган, является сбор доказательств обвинения картеля, то в нашей модели это соответствует небольшой величине р. До тех пор, пока реальная вероятность проверки будет превышать уровень рг ; RFaver = RFlst), будет выгодно снижать дисконт для второго и последующих участников ПОН, однако в ряде случаев оптимальным будет сохранение для них некоторого положительного дисконта.
Можно также сделать вывод о том, что снижение дисконта для последующих участников всегда является лучшей альтернативой по сравнению с урезанием дисконта для первого признавшегося. В первом случае свое положение меняет только кривая асг , а во втором к эффектам добавляется сдвиг кривой аг вправо-вверх - тем самым увеличивается площадь CNR (растет устойчивость сговора). Соответственно, если антимонопольный орган хочет бороться с антиконкурентным эффектом программы, он должен прежде всего снижать дисконты для второго и последующих признавшихся и сохранять минимальный штраф (чаще всего 0%) для первого.
Таким образом, оптимальным для общественного благосостояния в большинстве случаев будет следующий дизайн программы:
1. Максимально возможный штраф. В российской практике штраф ограничен 3-4% от оборота, эта величина экономически плохо обоснована и сильно уступает аналогичным показателям в США и ЕС.
2. Полный иммунитет для первого признавшегося до и после начала расследования - в России предоставляется.
3. Меньшие дисконты для последующих признавшихся, вплоть до нулевых. Российская программа позволяет предоставлять существенные дисконты в завуалированном виде второму и третьему заявителю -этот компонент нуждается в корректировке.
Стандартный вариант ПОН (пункт 1) безусловно приводит к увеличению благосостояния, количественный эффект варьируется в зависимости от параметров модели - выигрышей игроков, вероятности проведения аудита и успешного завершения расследования. Применение после начала расследования (пункт 3) оказывает как проконкурентный, так и антиконкурентный эффект. Баланс между ними и даже максимальное смягчение негативного воздействия могут быть достигнуты при изменении дисконта
для второго и последующих признавшихся - в большинстве случаев дисконт будет находиться строго между 0 и 100%.
Стимулы к сговору. Анализ чувствительности к компонентам ПОН
Рассмотрим проблему асимметрии информации среди участников рынка, которая связана с тем, что антимонопольному органу известна вероятность успешного завершения расследования, а участникам сговора - нет. Предположим, что компании являются нейтральными к риску, а антимонопольный орган в половине случаев раскрывает сговор с вероятностью р, а в половине - с вероятностью р < р, причем после проведения аудита регулятор знает, какое значение принимает р, а участники рынка этого не знают. Соответственно, фирмы ориентируются на ожидаемую вероятность успешной проверки рехр = (р + р)/2. При заданных параметрах штрафов и ПОН и малой вероятности успешной проверки р = р оптимальное действие регулятора заключается в следовании оговоренной политике: поскольку фирмы ориентируются на рехр , штрафы и инструменты ПОН окажут более сильное влияние, чем должны. С другой стороны, если вероятность успеха велика, то стратегии фирм не меняются (меньший эффект штрафов и ПОН), однако дополнительное благо для общества заключается в том, что увеличивается процент раскрытия картелей.
Для простоты предположим, что устойчивость сговора можно описать только величиной рг , которая распределена равномерно на [0; 1]. врг - доля стратегического взаимодействия между участниками рынка, где доминирующая стратегия (N0), а оставшаяся часть - это соглашения с сотрудничеством (CR).
Тот факт, что компании не знают реальной вероятности успешного расследования, действует в пользу общества и объясняется выпуклостью аг (р; RF). Доля рынков, на которых будет доминировать конкуренция, увеличивается (рис. 6):
в + в У = 2
Фактически в части равновесия N0 регулятор сталкивается с ожидаемой вероятностью проверки рехр . Чтобы добиться того же эффекта с известными для всех р и р , ему потребовалась бы большая взвешенная вероятность реа . Таким образом, антимонопольному органу выгодно держать в секрете вероятности успешного завершения дела.
В предельном варианте, когда р = 0, а р = 1, в 50% случаев устойчивость сговора определялась бы параметрами ПОН при р = 1/2, а в оставшихся случаях устойчивые сговоры все равно были бы раскрыты и платили бы штрафы к концу периода. Если участники рынка не могут скорректировать свои апостериорные оценки вероятности успешного сговора (например, антимонопольный орган постоянно меняет порядок отраслей с успешным и провальным расследованием), асимметрия информации приводит к безусловному росту общественного благосостояния.
Рисунок 6
Асимметрия информации в модели ПОН
Р1 У Рз
Р Р ехр Рея р Р 1
Если не принимать во внимание предпосылку о симметричности участников сговора с точки зрения их отношения к риску, то можно показать, что при организации сговора участники ориентируются на платеж наименее склонной к риску фирмы (Приложение 2). Уровень премии за риск может зависеть от ряда факторов, приведенных в таблице 2. Большинство из факторов наблюдаемы для регулятора. О количестве крупных игроков свидетельствуют индекс концентрации и индекс Херфиндаля -Хиршмана. Контраст между фирмами легче всего наблюдать по их рыночным долям. Информация о долговой нагрузке, ликвидности и степени диверсификации зачастую является публичной, и ее приобретение не стоит антимонопольному органу практически ничего. То есть регулятор может собрать информацию о склонности участников рынка к риску с меньшими расходами (рис. 7).
Таблица 2
Факторы премии за риск
Фактор Направление эффекта
Эндогенные факторы
1. Число игроков на рынке +
2. Штраф по отношению к прибыли +
3. Размер дисконта +
4. Дисперсия в доле рынка +
Фактор Направление эффекта
Факторы компании
1. Долговая нагрузка компании +
2. Уровень ликвидности активов -
3. Диверсификация бизнеса -
Факторы сотрудников
1. Уголовная ответственность должностных лиц +
2. Участие менеджмента в прибыли +
Если всем игрокам заранее известны параметры антимонопольной политики (штрафы, дизайн ПОН, дисконты в рамках программы, а также бюджетное ограничение регулятора), если на рынке существуют две группы отраслей - с высокой и низкой премией за риск - и бюджетное ограничение в классическом понимании ограничивает антимонопольный орган в выборе вероятности аудита а и вероятности успешного расследования р (M. Мотта (Motta, 2003)), регулятор может перераспределять эти вероятности между двумя группами отраслей так, чтобы в среднем расходовать ту же сумму.
Рассмотрим, как перераспределение вероятности р в среднем снижает стимулы к сговору и повышает благосостояние. Анализ перераспределения а проводится аналогичным образом. Допустим для простоты, что антимонопольный орган категорически не желает терпеть сговор ни в каком виде - таким образом, для него стратегии CNR и CR одинаково неприемлемы, и рациональное решение в этом случае - подобрать такие параметры ПОН и вероятность аудита а, чтобы оставить выбор только между стратегиями CNR и NC: a = acr (RFlst; RFaver). Соответственно, все оставшиеся средства бюджета регулятор потратит на расследование в случае обнаружения сговора - тем самым при гомогенных отраслях и участниках вероятность р также задана автоматически.
Если же в экономике существуют отрасли с разной склонностью к риску, то при каждом наборе характеристик ПОН антимонопольный орган сталкивается с двумя различными условиями, ar (р; RF1st; Ms) и ar (р; RF1st; Mb), второе из которых располагается ниже в силу Ms < Mb : если регулятор применяет одинаковые усилия по расследованию для каждого из них (ратег), то в отраслях с меньшей премией за риск стимулы к сговору априори будут выше - возможна ситуация, когда выбор (a = acr; р = р^) отторгает сговор в одной группе отраслей, но не является достаточным ограничением в другой. В таком случае антимонопольному органу следует пересмотреть уровень усилий в зависимости от группы отраслей, а именно повысить вероятность успешного расследования на рынках с низкой премией за риск и за счет высвобождения ресурсов в расследовании рынков с высокой.
Рисунок 7
Антимонопольная политика в условиях различной склонности к риску
ar(p;RFlst;Mb) ar(p;RFlst;Ms)
a
acr (RF, sbRFaver)
о
Pi Paver P2
P 1
Как показано на рисунке 7, такое действие (pl < paver < р2 ) может привести к отклонению от сговора в обеих отраслях. Отметим, что в первоначальном равновесии (точка А) только отрасль с высоким неприятием к риску состоит в конкурентном равновесии, а рынки с низкой премией за риск приходят к стратегии чистого сговора CNR. Перераспределение вероятностей приводит к двум отдельным равновесным точкам: для рынков с высокой премией за риск равновесие В является достаточным для конкурентного поведения, а высвободившиеся ресурсы направляются для проведения расследований в отраслях с низкой риск-премией - точка С также приводит к равновесию CR.
Описанный выше эффект имеет огромное прикладное значение. Он позволяет регулятору быть более гибким в проведении антимонопольной политики. Поскольку штрафы, процедуры и параметры ПОН утверждаются заранее и являются общими для всех рынков (своего рода «правила игры»), они приводят к автоматическому снижению стимулов к сговору. Однако эффект штрафов и ПОН сам по себе приводит к разным результатам - в определенных отраслях, несмотря на усилия по аудиту и расследованию, будет доминировать чистый сговор, в других эти усилия будут излишними, поскольку комбинация штрафов и ПОН хорошо подавляет стимулы к сговору даже при минимальных затратах.
В таких условиях антимонопольный орган может и должен корректировать уровень усилий по аудиту и расследованию в зависимости от оценочной склонности к риску. В то время как пересмотр параметров ПОН может занимать достаточно долгое время, калибровка вероятностей а и р возможна как с большей периодичностью, так и дискреционно, по мере не-
обходимости. В совокупности с выгодами от неопределенной вероятности успешного расследования, описанной в пункте про асимметрию, умелая «игра» регулятора с вероятностями позволяет существенно снизить стимулы к сговору по сравнению с традиционной антимонопольной политикой.
Таким образом, в дополнение к стандартным компонентам ПОН к снижению устойчивости сговора и повышению общественного благосостояния можно использовать информацию о склонности к риску на различных рынках для эффективного распределения усилий по выявлению и доказательству сговора.
Заключение
Применение ПОН не просто меняет ожидаемую прибыль участников рынка при том или ином событии, но и создает новые стратегии поведения для них. С другой стороны, применение ПОН способствует снижению устойчивости существующих сговоров и снижает стимулы к созданию новых за счет потенциальных выгод от «предательства».
Разработка теоретико-игровой модели взаимодействия участников рынка при различных параметрах ПОН и рыночных условиях показала, что участники принимают решение о следовании одной из стратегий - «чистый сговор», «сговор с сотрудничеством» и «предательство/отсутствие сговора». В этом случае ПОН, применяемая только до начала расследования со стороны антимонопольного органа, безусловно снижает стимулы к созданию сговора. В то же время распространение ПОН на время расследования ведет к разнонаправленным эффектам: из-за дополнительной возможности «предательства» снижается устойчивость «чистого сговора», однако появляется привлекательная альтернатива в виде «сговора с сотрудничеством», которая тоже не будет оптимальной для общества. В этих условиях, как показала предложенная модель, могут быть оправданы действия антимонопольного органа, использующие фактор неопределенности и неприятия риска участниками картеля для повышения стимулов отказа от него.
Анализ влияния компонентов программы и экзогенных параметров позволяет сформировать рекомендации:
1. Разумно применять Программу освобождения от наказания с действием как до, так и после начала расследования. Доминирующий эффект оказывает максимальное снижение штрафа для первого признавшегося (стандартная практика - 100%-ный иммунитет).
2. Снижение дисконта для последующих признавшихся позволяет контролировать антиконкурентный эффект программы.
3. Для создания эффективной угрозы антимонопольный орган должен отстаивать высокий размер штрафа и длительный срок давности правонарушения.
4. Регулятору выгодно держать в секрете непубличные параметры политики (вероятности успешного расследования) - при такой асимметрии информации он может рассчитывать на увеличенный эффект от программы.
5. Антимонопольный орган может эксплуатировать информацию о различной склонности участников рынка к риску, сосредотачивая больше внимания на проверке отраслей с потенциально более склонными к риску и гомогенными участниками рынка. По сравнению с равномерными усилиями такое распределение позволяет достичь большей эффективности антимонопольной политики.
Все приведенные рекомендации имеют прямое отношение к действиям российского антимонопольного органа, сталкивающегося с картелями, включающими участников с разным отношением к риску, и при этом ограниченного в ресурсах, которые могут быть распределены между расследованиями разных картелей. Актуальна рекомендация о прогрессивном снижении скидки второму и последующему участнику соглашения, дающим признательные показания, поскольку с начала 2016 г. именно такими полномочиями располагает ФАС России.
ЛИТЕРАТУРА
1. Павлова Н.С. Программы ослабления наказания: выбор между альтернативами // Бюллетень Лаборатории проблем конкуренции и конкурентной политики. - № 2. - 2012.
2. Павлова Н.С., Шаститко А.Е. Программа ослабления наказания за участие в картеле: проблемное поле, структурные альтернативы и эффекты. -РАНХиГС. - 2015.
3. Шаститко А. Экономические аспекты ослабления наказания за нарушение антимонопольного законодательства // Вопросы экономики. - 2007. - № 8. -Р. 68-79.
4. Шаститко А.Е. Экономика преступления и наказания в антитрасте: освобождение от ответственности. - М.: Промышленник России, 2008.
5. Юсупова Г.Ф. Программа освобождения от наказания в антимонопольной политике: проблемы эмпирической оценки // Экономическая политика. -2013. - № 6. - С. 143-160.
6. Юсупова Г.Ф. Программа освобождения от наказания против картельного благополучия на российских товарных рынках // Современная конкуренция. - 2015. - T. 9. - № 6 (54). - С. 20-51.
7. Aubert C., Rey P., Kovacic W.E. The impact of leniency and whistle-blowing programs on cartels // International Journal of Industrial Organization. 2006. Vol. 24. No. 6. P. 1241-1266.
8. Apesteguia J., Dufwenberg M., Selten R. Blowing the whistle // Economic Theory. 2007. Vol. 31. No. 1. P. 143-166.
9. Avdasheva S., Shastitko A. Russian anti-trust policy: power of enforcement versus quality of rules // Post-Communist Economies. 2011. Vol. 23. No. 4. P. 493-505.
10. Bigoni M. et al. Fines, leniency, and rewards in antitrust // The RAND Journal of Economics. 2012. Vol. 43. No. 2. P. 368-390.
11. Bigoni M., Fridolfsson S.-O., Le Coq C., Spagnolo G. Trust, leniency, and Deterrence // Journal of Law, Economics and Organization. 2015. Vol. 31. No. 4. P. 663-689.
12. Chen Z., Rey P. On the design of leniency programs // Journal of Law and Economics. 2013. Vol. 56. No. 4. P. 917-957.
13. Ivaldi M., Jullien B., Rey P., Seabright P., Tirole J. The Economics of Tacit Collusion, Final Report for DG Competition, European Commission, 2003, IDEI, Toulouse. 2003. URL: http://ec.europa.eu/competition/mergers/studies_reports/ the_economics_of_tacit_collusion_en.pdf (дата обращения: 09.04.2016).
14. Harrington J.E. Optimal Corporate Leniency Programs // The Journal of Industrial Economics. 2008. Vol. 56. No. 2. P. 215-246.
15. Harrington J.E. Corporate Leniency Programs when Firms have Private Information: The Push of Prosecution and the Pull of Pre-emption // The Journal of Industrial Economics. 2013. Vol. 61. No. 1. P. 1-27.
16. Hinloopen J., Soetevent A.R. Laboratory evidence on the effectiveness of corporate leniency programs // The RAND Journal of Economics. 2008. Vol. 39. No. 2. P. 607-616.
17. Motchenkova E. Effects of Leniency Programs on Cartel Stability // Discussion Paper 2004-020, Tilburg University, Tilburg Law and Economic Center. 2004.
18. Motchenkova E., van der Laan R. Strictness of leniency programs and asymmetric punishment effect // International Review of Economics, Springer. 2011. Vol. 58. No. 4. P. 1-431.
19. Motta M., Polo M. Leniency programs and cartel prosecution // International journal of industrial organization. 2003. Vol. 21. No. 3. P. 347-379.
20. Rey P. Towards a Theory of Competition Policy. IDEI, University of Toulouse. 2011.
21. Spagnolo G. Divide et Impera: Optimal Leniency Programmes. Center for Economic Policy Research Discussion Paper 4840. 2004.
22. Sauvagnat J. Prosecution and leniency programs: the role of bluffing in opening investigations // The Journal of Industrial Economics. 2015. Vol. 63. No. 2. P. 313-338.
23. Varian H.R. Intermidiate Microeconomics. A Modern Approach. (8th edition) / H.R. Varian. NY.: W. W. Norton & Company, Inc, 2010.
24. Yusupova G. Leniency program and cartel deterrence in Russia: effects assessment / Higher School of Economics Research Paper No. WP BRP. 2013. Vol. 6.
25. Yusupova G. Can the leniency program deter collusion in young competition jurisdiction of transition economy? // International Journal of Economic Policy in Emerging Economies. URL: http://www.inderscience.com/info/ingeneral/ forthcoming.php?jcode=ijepee (дата обращения: 29.08.2016).
ПРИМЕЧАНИЯ
1 Anti-Cartel Enforcement Manual. Chapter 2. Drafting and implementing an effective leniency policy. - International Competition Network. - 2014. - [Эл. ресурс]. -Режим доступа: http://www.internationalcompetitionnetwork.org/uploads/library/ doc1005.pdf
2 Комиссия по вопросам свободной торговли, Япония. - [Эл. ресурс]. - Режим доступа: http://www.jftc.go.jp/en/
3 Методические рекомендации по исчислению размера административного штрафа - [Эл. ресурс]. - Режим доступа: http://arhangelsk.fas.gov.ru/page/7094
4 «Grim trigger» - стратегия «вечной кары» или стратегия наказания, которая означает, что в ответ на нарушение соглашения одним игроком другой игрок навсегда отказывается от кооперации с ним.
5 Для ее выражения достаточно поделить обе части неравенства (1) на p.
6 Для получения желаемого сдвига кривой NC вниз при любом базовом уровне штрафа значение имеет только относительная величина дисконта (подробнее в Приложении 2).
ПРИЛОЖЕНИЕ 1
Уравнение (1) можно переписать:
<Ф < (ар)спг = [я*- дя"- (\-d)xd]
'спг
6F
+
1-д2RF 6 F
(2)
Пороговая величина ар, которая одновременно является площадью под кривой на рис. 4, при зафиксированном штрафе F с переменным сниженным штрафом увеличивается пропорционально их отношению. Следовательно, влияние базового штрафа и ПОН аддитивно - повышение штрафа в Х раз без применения ПОН снизит пороговую вероятность раскрытия в X раз, а применение дисконта в Х% снизит эту вероятность
Пусть компании не расположены к риску («risk-averse»), однако степень неприятия отличается между ними. Из теоремы Пратта следует, что эту несклонность к риску можно ранжировать по премии, которую фирма готова заплатить, чтобы не участвовать в рисковой игре при том же ожидаемом выигрыше (Varian, 2010). По определению не расположенного к риску игрока, эта премия (М) будет положительной и может определяться кривизной функции полезности денег (рис. 1 Приложения 2).
на
ПРИЛОЖЕНИЕ 2
Рисунок 1
Премия за риск
U
О
Пусть фирмы различаются только по требуемой премии за риск применительно к стратегии CNR - в случае отклонения от сговора платеж фиксирован, а в стратегии CR из-за периодического сотрудничества в рамках ПОН платеж значительно менее волатилен.
Тогда, опасаясь «предательства» со стороны участников сговора, фирмы вынуждены в анализе равновесия ориентироваться на ожидаемый платеж самой восприимчивой к риску фирмы: M1 > M2 > ••• > MN .
Тогда, если компании 1 выгоднее отклонится от сговора, чем его придерживаться, сговор не будет устойчивым - как минимум одна компания отклонится. Аналогично, если компании 1 выгоднее соблюдать условия соглашения, то другим участникам заведомо более выгодно придерживаться сговора. Поскольку их платеж в стратегии CNR выше, то никто не будет отклоняться, сговор устойчив. Параметры модели:
1) Фирмам известна своя склонность к риску и распределение Q этой величины среди участников рынка. Величина М может приближаться к своему максимальному значению только в вырожденных случаях, и дальнейшие искривления функции полезности приводят к меньшему росту М.
2) Ожидаемой величиной премии за риск Mexp наименее рискованной фирмы является критическая точка, соответствующая минимальной М, которая реализуется в 100(1-1/N)% худших случаев. Этот параметр получил особое распространение в финансовой литературе и традиционно носит название «стоимость под риском» - VaR («value at risk»). Мы также будем определять
Mexp = VaR(Q; 100(1-1/N)% = VaR(Q; N).
3) В случае, если сговор не является устойчивым при Mexp , компании конкурируют в каждом периоде. Если значение Mexp предполагает устойчивый сговор типа CNR, каждая компания после утверждения сговора проверяет, не будет ли ей выгодно отклониться. Устойчивость сговора в этом случае проходит дополнительную проверку с учетом реальной премии за риск самой нерискованной фирмы, Mworst . По определению Mexp = E(Mworst). Если изначально формируется сговор типа CR, дополнительной проверки не происходит.
В параметрах равновесия, определяемых до пункта 3, меняется только ограничение
f v (l + д)[лсг- &rp-(l- д)(я"~ RF + pSF\
a <ar [RF) =--,
rV ' р8 F
сравнивающее стратегию CNR с отклонением от сговора. Перепишем его с учетом премии за риск, которая может рассматриваться как дополнительный штраф в стратегии чистого сговора:
g.aiRF) (l + ^^ ^ ~ (l ~ ™ + ^ ~ ^ ^ Ш
pd3F
В этом неравенстве параметр Мехр означает премию за риск, выплачиваемую в каждом периоде на бесконечном временном горизонте, - такое представление удобно для сравнения Мехр с величиной максимально возможной потери в одном периоде:
(2)
1 -о
В то время как для неустойчивого сговора достаточно довести Мехр до критического значения МсгЫ < Мтах :
Мсп, = [> - дя» - (1 - д) (я" - И? + - (3)
1 + о
Теперь, если зафиксировать соотношение М„и / Мтах при заданных штрафах и параметрах ПОН, можно проанализировать в терминах вероятности, в каких случаях ожидаемая премия Мехр превышает критическое значение, т.е. приводит к разрушению сговора: - Если само распределение О = LN(ц; а2) задано таким образом, что ц относительно высоко, то вероятность Р(М < Мсги), с которой сговор при прочих равных будет устойчив, будет относительно низкой. Следовательно, для нарушения устойчивости сговора потребуется относительно немного участников.
SHOULD "WHAT IS DONE BY NIGHT APPEAR BY DAY"? AN OPTIMAL DESIGN OF THE LENIENCY PROGRAM TO INVESTIGATE COLLUSION
Yusupova Gyuzel F.
Associate professor of the Department of Applied Economics, Faculty of Economic Sciences, Institute of Industrial and Market Studies, HSE. Address: National Research University Higher School of Economics, 20 Myasnitskaya Str., Moscow 101000, Russian Federation. E-mail: GYusupova@hse.ru
Nesterenko Evgeniy E.
Master of Economic Sciences at the Department of Economics, HSE. Address: National Research University Higher School of Economics, 20 Myasnitskaya Str., Moscow 101000, Russian Federation. E-mail: yevgenii.nesterenko@gmail.com
Abstract
Recent trends in the regulation of antitrust legislation have shown that it is necessary to review the policy on the method of cartel deterrence. First of all, it is connected with the strengthening of the world tendency to collusion at different markets, so new mechanisms are periodically introduced to keep up antitrust law in Russia.
The article presents a game-theoretic model of strategic interaction of market participants in the conditions of information asymmetry, firms of collusion and an antimonopoly authority including. In various parameters of the leniency program, market conditions, actions of the antimonopoly authority participants of collusion make a decision about their strategy (to collude, to collude but to cooperate, or not to collude). This model shows that the methods of the antimonopoly authority can be justified if, it uses the factor of uncertainty and risk-averse by collusion participants to increase the incentives of participants not to collude.
The model results made it possible to formulate recommendations on improving the design of leniency program in Russia. The following tasks, among others, are singled out as the tasks of first priority: the raise of the maximum penalty, progressive discount decrease to the second and every next collusion participant who confesses, as it is FAS of Russia that has had these powers since the beginning of 2016.
Keywords: leniency program; collusion; antitrust regulation; fines; asymmetric information; antimonopoly authority.
Citation: Yusupova, G.F. & Nesterenko, E.E. (2016). Dolzhno li taynoe stanovit'sya yavnym? Optimalnyi dizayn rassledovaniya karteley v usloviyakh programmy oslableniya nakazaniya [Should "what is done by Night Appear by Day"? An Optimal Design of the Leniency Program to Investigate Collusion]. Public Administration Issue, n. 3, pp. 91-120 (in Russian).
REFERENCES
1. Apesteguia, J., Dufwenberg, M. & Selten, R. (2007). Blowing the Whistle. Economic Theory, vol. 31, n. 1, pp. 143-166.
Yusupova Gyuzel F., Nesterenko Evgeniy E. Should what "is done by Night Appear by Day"? ...
2. Aubert, C., Rey, P. & Kovacic, W.E. (2006). The Impact of Leniency and Whistle-Blowing Programs on Cartels. International Journal of Industrial Organization, vol. 24, n. 6, pp. 1241-1266.
3. Avdasheva, S. & Shastitko, A. (2011). Russian Anti-Trust Policy: Power of Enforcement versus Quality of Rules. Post-Communist Economies, vol. 23, n. 4, pp. 493-505.
4. Bigoni, M. et al. (2012). Fines, Leniency, and Rewards In Antitrust. The RAND Journal of Economics, vol. 43, n. 2, pp. 368-390.
5. Bigoni, M., Fridolfsson, S.-O., Le Coq, C. & Spagnolo, G. (2015). Trust, Leniency, and Deterrence. Journal of Law, Economics and Organization, vol. 31, n. 4, pp. 663-689.
6. Chen, Z. & Rey, P. (2013). On The Design of Leniency Programs. Journal of Law and Economics, vol. 56, n. 4, pp. 917-957.
7. Harrington, J.E. (2013). Corporate Leniency Programs when Firms have Private Information: The Push of Prosecution and the Pull of Pre-emption. The Journal of Industrial Economics, vol. 61, n. 1, pp. 1-27.
8. Harrington, J.E. (2008). Optimal Corporate Leniency Programs. The Journal of Industrial Economics, vol. 56, n. 2, pp. 215-246.
9. Hinloopen, J. & Soetevent, A.R. (2008). Laboratory Evidence on the Effectiveness of Corporate Leniency Programs. The RAND Journal of Economics, vol. 39, n. 2, pp. 607-616.
10. Ivaldi, M., Jullien, B., Rey, P., Seabright, P. & Tirole, J. (2003). The Economics of Tacit Collusion. Final Report for DG Competition, European Commission. IDEI, Toulouse. Available: http://ec.europa.eu/competition/mergers/studies_reports/the_economics_ of_tacit_collusion_en.pdf (accessed: 9 April, 2016).
11. Yusupova, G.F. (2015). Programma osvobozhdeniya ot nakazaniya protiv kartelno-go blagopoluchiya na rossiyskikh tovarnykh rynkakh [Programme of Release from Punishment against the Welfare of the Cartel on the Russian Commodity Markets]. Sovremennaya konkurentsiya, vol. 9, n. 6 (54), pp. 20-51.
12. Yusupova, G.F. (2013). Programma osvobozhdeniya ot nakazaniya v antimonopol'noy politike: problemy empiricheskoy otsenki. [Leniency Programs for Punishment in Antimonopoly Policy: Problems of Empirical Evaluation]. Ekonomicheskaya poli-tika, n. 6, pp. 143-160.
13. Motchenkova, E. (2004). Effects of Leniency Programs on Cartel Stability. Discussion Paper 2004-020. Tilburg University: Tilburg Law and Economic Center.
14. Motchenkova, E., Van der Laan, R. (2011). Strictness of Leniency Programs and Asymmetric Punishment Effect. International Review of Economics, vol. 58, n. 4, pp. 401-431.
15. Motta, M. & Polo M. (2003). Leniency Programs and Cartel Prosecution. International Journal of Industrial Organization, vol. 21, n. 3, pp. 347-379.
16. Pavlova, N.S. & Shastitko, A.E. (2015). Programma oslableniya nakazaniya za uchast-ie v kartele: problemnoepole, strukturnye alternativy i effekty [Leniency Programs for Participating in a Cartel: The Problem Field and the Effects of Structural Alternatives]. Moscow: RANEPA.
17. Pavlova, N.S. (2012). Programmy oslableniya nakazaniya: vybor mezhdu alternativami. Byulleten Laboratorii problem konkurentsii i konkurentnoy politiki [Leniency Programs for Participating: a Choice between the Alternatives. Bulletin Lab Competition Issues and Competition Policy], n. 2.
18. Rey, P. (2011). Towards a Theory of Competition Policy. IDEI, University of Toulouse.
19. Sauvagnat, J. (2015). Prosecution and Leniency Programs: The Role of Bluffing in Opening Investigations. The Journal of Industrial Economics, vol. 63, n. 2, pp.313-338.
20. Shastitko, A. (2008J. Ekonomika prestupleniya i nakazaniya v antitruste: osvobozde-nie ot otvetstvennosti [Economics of Crime and Punishment: Relief of Liability]. Moscow: Promyishlennik Rossii.
21. Shastitko, A. (2007). Ekonomicheskie aspekty oslableniya nakazaniya za narushenie antimonopolnogo zakonodatelstva [Economic Aspects of Leniency of a Punishment for Antimonopoly Legislation Violation]. Voprosy ekonomiki, n. 8, pp. 68-79.
22. Spagnolo, G. (2004). Divide et Impera: Optimal Leniency Programmes. Center for Economic Policy Research Discussion. Paper 4840.
23. Yusupova, G. Can the leniency program deter collusion in young competition jurisdiction of transition economy? International Journal of Economic Policy in Emerging Economies, (forthcoming). Available: http://www.inderscience.com/info/ingeneral/ forthcoming.php?jcode=ijepee
24. Yusupova, G. (2013). Leniency program and cartel deterrence in Russia: effects assessment. Higher School of Economics Research Paper. No. WP BRP, vol. 6.
25. Varian, H.R. (2010). Intermidiate Microeconomics. A Modern Approach. (8th edition) New York: W. W. Norton & Company, Inc.
