大数据技术的反垄断规制：挑战与应对

郭传凯 朱翔宇

摘   要：大数据技术的运用给反垄断规制带来了挑战。大数据的价格算法的应用促成了默示通谋与中心辐射型垄断协议的达成;大数据技术一旦遭到滥用，将阻碍市场自由竞争;大数据驱动下的企业并购行为亦有可能造成垄断效应。为解决前述问题，规制者应当着重分析寡头市场中相关经营者通过价格算法达成默示通谋的可能性，并警惕价格算法可能导致的中心辐射型垄断协议;引入滥用相对优势地位制度应对数据市场力量的单方滥用行为，并强化市场支配地位的直接认定;完善事前申报制度以应对数据驱动型并购，并在实质审查中考察并购的单边效应与效率抗辩。

关键词：绿色债券;分散化收益;价格溢出;Copula函数;CoVaR

DOI：10.3969/j.issn.1003-9031.2021.05.007

中图分类号：DF41             文献标识码：A             文章编号：1003-9031（2021）05-0055-10

一、大数据技术对反垄断规制的整体挑战

依据《促进大数据发展行动纲要》的相关表述，大數据技术可被界定为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析并从中发现新知识、创造新价值、提升新能力的信息技术和服务形态。大数据技术促进了相关产业的发展，提升了消费者福利，革新了传统商业模式与竞争业态，但其“算法定价”“大数据杀熟”“数据并购”等给反垄断规制带来挑战，研究应对之策很有必要。

（一）价格算法下的垄断通谋

依据经济合作与发展组织（OECD）的划分标准，涉及的算法可分为以下四类：信号算法，用以公开或传播信息以表达合谋意愿并商讨共同的市场策略;平行算法，经营者可编定相应的算法程序以跟随行业领导者的经营活动，或者与竞争者共用相同的算法以实现经营行为的一致性;监督算法，用以收集与处理协议参与者的信息并将以之作为惩罚背叛者的依据;自主学习算法，其在人工智能技术的配合下，通过预测有相互依存关系的企业的行为以优化自身的经营策略，最终实现企业间的动态均衡与经营行为的一致性。前三种算法的使用则直接促成了垄断通谋的达成，第四种算法与通谋之间的关系在很大程度上处于不可知的状态。

（二）数据市场力量的合理分析

实践中已经出现经营者滥用数据市场力量排除或限制竞争的行为，如拒绝竞争对手获得关键数据信息，以及利用大数据技术进行价格歧视。然而，依据技术中立性原则进行审视，大数据技术本身并不当然意味着市场力量的存在及滥用。

一是数据来源的多元化影响了市场竞争的态势。不同企业可以通过不同来源或渠道获得相同或近似的数据信息，这在理论上降低了市场进入壁垒，使创新型企业可以很快进入市场进行竞争。发达国家互联网企业的竞争往往通过抓住消费者在某一方面的消费需求，通过合适的渠道收集相应信息并进行分析以成功进入某一领域开展经营，并以此为基础进一步收集用户的其他信息以实现产品质量的改良与跨界竞争。因此，从数据来源与进入壁垒的角度分析，仅凭大数据技术的运用状况就断定相关经营者具备市场力量并不可取。

二是数据是普遍存在的、廉价的、易得的。在许多场合下经营者很容易通过终端设备追踪和储存用户数据，大数据技术使用的边际成本几乎为零。良好的数据分析和收集工作可以带来竞争优势，新兴企业亦有可能借助大数据技术获得领先地位。此外，数据的价值是短暂的，旧的数据无法像新的数据一样获得同样的经济效益，且数据的价值随着时间的推移而不断递减。因此，大数据的价值不仅体现在数据的容量，更体现在数据的新鲜度与专门化上。新兴企业应当着重关注更具时效性和更强关联度的数据信息，以获得竞争的主动权。从这一角度看，大数据技术的运用不仅无法给在位企业谋求恒久的市场力量，反倒很可能为新兴企业反败为胜提供技术上的支持。

三是数据在很大程度上具备非排他性。任何大数据在进行收集和处理前是以个人信息的方式存在的。个人信息具备明显的人身依附性，限制个人信息的使用在很大程度上意味着对人身自由的制约，因此用户信息是不能被单个企业所垄断的。

四是互联网平台企业的正反馈效应①与大数据技术密切相关，且这种正反馈性对市场竞争的影响是双面的。一方面，数据竞争的正反馈性容易导致平台企业市场力量的自我强化，并在一定程度上造成进入壁垒。另一方面，网络正反馈性对市场竞争的阻碍作用在现阶段很可能被过分夸大。以典型的“消费者（用户）—广告主”的双边平台为例，用户较多的平台的确有助于吸引广告主，但这同时意味着广告主需要支付更多的广告费，且吸引较多用户与广告主的平台往往面临着拥挤与用户目标不精确的问题。因此，广告数量的增加本身具备一定的负反馈效应，消费者很可能倾向于选择广告较少的平台。这种负反馈性表明，如果新进入的中小企业可以更好地把握消费者的需求并提供质量较高的服务，用户及广告主的数量将会随之增加，从而获得一定的市场力量。

通过上述分析不难发现，仅依据经营者掌握的数据多寡或大数据技术运用的大致情况很难断定该经营者是否具备并滥用了市场力量，相应行为必须在滥用市场支配地位制度下进行具体分析。

（三）数据驱动型并购的涌现

大数据技术对现代市场竞争的影响还集中体现在数据驱动型并购的涌现，越来越多并购的主要目的在于实现数据获取与整合，如2016年“滴滴”与“优步中国”在未经事前申报的情况下完成合并，这对我国经营者集中的审查制度提出了挑战，特别是对数据驱动型并购的实质审查应当重点考察哪些因素亦需进一步明确。目前来看，经营者集中制度的审查主要聚焦于以下两个方面：一是企业合并之后是否形成具有市场支配地位的企业，以及其是否可能滥用这种市场地位;二是参与集中的一方企业如果具有市场支配地位，那么这种地位经过企业合并是否会传递到相关市场领域之上。

二、大数据垄断问题的具体分析

大数据技术对垄断通谋、单方滥用行为与经营者集中等三大规制领域造成了不同程度的挑战，规制者只有在识别上述挑战背后的具体问题的基础上，才能明确未来反垄断规制的着力点。

（一）默示通谋与中心辐射型协议

价格算法使垄断通谋得以默示的方式達成，这需要执法机构寻找相应的证据证明默示通谋的存在。在通用电气案中，美国司法部就认定了通用电气公司与西屋电器之间存在垄断通谋，即使两大公司并未达成明示的协议，原因在于两大公司先后采取了雷同的价格体系减少了市场竞争。在此案中，价格体系被视为便利通谋的工具。与之类似，价格算法也可能被认定为便利通谋的工具。此时，执法机构需要在分析价格算法应用情况的基础上结合其他相关证据对默示通谋进行认定。

此外，价格算法的应用可使经营者达成中心辐射型垄断协议。中心辐射型垄断协议的规制应当着重关注居于轴心地位的经营者滥用市场力量迫使外围经营者在不存在意思联络的情况下实现协同涨价的过程。该过程之所以无法直接适用本身违法原则进行处理，原因在于处于外围的经营者之间不存在直接的意思联络，处于上下游位置的享有一定市场力量的企业通过纵向的意思联络与处于外围的企业之间采取某种固定价格、限制产量的安排，从而间接实现外围诸多经营者之间的协同一致。这种协议方式存在运用大数据技术进行通谋的空间，以下两种情形则涉嫌中心辐射型垄断协议：一是处于中心位置的企业开发相应的价格算法并交由处于外围位置的企业使用;二是同行业竞争者共同委托相同的第三方机构运用算法拟订定价策略。

（二）滥用数据市场力量的规制漏洞

尽管大数据技术本身不意味着市场力量的获得与滥用，但经营者如果利用一定数据市场力量作出排挤性行为是很有可能限制或排除市场竞争的。我国《反垄断法》并没有突出“市场力量”的概念，而是选择以滥用市场支配地位制度应对单方滥用行为。依照该制度的逻辑，规制者需要先证明相关经营者具备市场支配地位，再对其凭借该地位作出的排挤性行为进行综合分析，但市场支配地位的分析往往与相关市场界定和市场份额计算相绑定。这样的规制策略并不利于数据市场力量滥用行为的识别与规制：一方面，由于互联网领域相关市场界定与市场份额计算上的困境，大数据背景下的市场支配地位并不容易认定①;另一方面，该制度注定只能针对滥用市场支配地位的行为进行规制，若相关经营者并不具备市场支配地位但却具备一定的市场力量，其排挤性行为对市场自由竞争造成的不良影响应当怎样克服也是现有制度无法回应的难题。

依照学界的通说，市场力量（包括我国《反垄断法》上的市场支配地位）可以通过“相关市场界定+市场份额”的间接法与依靠直接证据的直接法等两种方法进行认定。由于间接法的应用存在诸多障碍，当相关经营者很可能具备市场支配地位时，规制者能否通过经营者的特定行为直接认定其滥用市场支配地位是需要探讨的问题。当相关经营者不具备市场支配地位却作出排挤性行为之时，规制者亦需要寻找合适的工具对该行为进行规制。原因在于《反垄断法》不仅规制滥用市场支配地位的行为，还应当对其他滥用市场力量的单方行为保持警惕。垄断行为的本质是经营者滥用市场力量阻碍竞争的过程，发达国家反垄断法律体系的形成与发展正是某些市场力量形成、保持、扩大或运用的行为与自由竞争相抵触，进而需要以专门的法律规范进行制约的结果。只有将不具备市场支配地位但具有一定市场力量的经营者作出的排挤性行为亦纳入《反垄断法》的规制范畴，才能实现反垄断规制体系的拓补与完善。

（三）数据驱动型并购审查的主要困境

数据驱动型并购反垄断审查困境来源于事前申报与实质审查两个层面，其中事前申报层面主要存在如下两大问题。

一是目前有关“双层营业额”的交易影响力标准难以适用于数字经济和平台企业合并，制定单独的交易影响力标准势在必行。尽管市场份额及其变化是最能反映互联网企业市场力量与合并影响力的指标，但囿于相关市场界定的乏力，市场份额的计算往往需要耗费大量成本，寻找其他合适的因素成为可行出路。

二是现行经营者集中审查标准及其具体实施方面的规则相对匮乏，审查机关应当运用什么样的标准对数据驱动型并购进行审查成为必须解决的重大难题。美国与欧盟皆选择通过单边效应与协同效应的分析实现经营者集中案件的审查，其中协同效应对便利通谋的分析具备明显的推定性，即如果合并后的市场结构具有明显的便利通谋效果，则认为该合并具备一定的协同效应，而单边效应则指合并后的企业为了实现利润最大化，在不与其他竞争者进行协调的情况下将价格明显提升至高于合并不发生时的价格水平的可能性，还包括在前述情况下其他竞争者在未经协调的情况下跟进涨价的可能性。目前国内反垄断实践中尚不存在对数据驱动型案件进行实质性审查的案件，借鉴域外审查经验成为制度构建的可行出路。

三、大数据垄断问题的规制应对

通过上述分析，大数据技术很可能在寡头市场上促成默示通谋的形成，并滋生中心辐射型协议，而现行滥用市场支配地位制度难以充分回应数据市场力量的滥用问题，相应的制度漏洞有待弥补，特别是完善数据驱动型并购的事前申报与实质审查制度，以充分应对数据驱动型并购的涌现。

（一）算法通谋的认定与处理

互联网企业适用算法进行价格撮合是认定默示通谋的主要因素，特别是当企业意识到只有采取与其他企业相同的算法才能实现自身利益最大化的时候，算法的应用成为促成寡头垄断的主要便利因素，此时价格算法导致的默示通谋行为必须结合以下两个层面进行认定。一是相关市场必须符合寡头市场竞争的相应特征，即存在较少数量的经营者和比较高的市场进入壁垒，只有在这样的市场结构中才有可能实现经营者之间不存在明示的意思联络，却又在一定程度上相互依赖性的状态。二是对默示通谋的认定必须考察相关领域长期的发展历史和定价趋势。如果经营者通过算法的使用保持了长期的一致高价，或相关经营者的价格总是围绕着一定的基准进行上下调整，则规制者有理由相信默示通谋的存在。相比传统的垄断通谋行为，基于算法的默示通谋并非基于明示的意思联络，其主观恶性相比明示协议而言似乎较弱，但寡头市场本身特有的结构却决定了默示通谋一旦形成，其对相关市场上消费者的利益以及经济效益的危害并不比明示协议造成的危害小，一般不需要对默示通谋行为进行从轻处罚。

（三）数据驱动型并购的申报与审查

1.事前申报标准的完善

以营业额为主要计算依据的事前申报标准难以适用数据驱动型并购案件的申报，而将用户数量作为相应申报标准成为现阶段的次优选择。数据驱动型案件的事前申报标准可以做出如下规定：经营者集中完成后注册用户数量达到市场上相同或类似行业经营者拥有用户总数1/2及以上的，参与集中的经营者应主动申报;未达到前述标准但符合《经营者集中申报标准》第3条规定标准的，参与集中的经营者亦应当主动申报。此外，不符合上述条件的经营者集中案件，执法机构依据特定的事实和证据认为应当进行审查的，可以要求相关企业进行申报。执法机构考察的特定事实包括但不限于经营者专利情况、技术创新能力、市场集中度、企业股权结构及控股方状况等因素。

2.数据驱动型并购的实质审查

国外数据驱动型并购案件的审查大多侧重单边效应的审查，即主要关注企业合并之后是否具有市场支配地位、是否可能滥用这种地位做出排他性行为，以及参与集中的企业如果具有市场支配地位，那么这种地位经过企业合并是否会传递到相关市场领域。

在谷歌并购双击（美国网络广告公司）案中，双方经营者都是比较大的网络广告运营商，FTC与EC都无条件通过了这一并购，原因在于两大经营者分别专注于不同的广告领域，这一合并不会造成相关市场的进入壁垒，同时相应的数据资源可以被竞争者通过其他途径获得。2011年谷歌并购ITA（美国知名的分析航班数据的网络平台）案中，司法部着重考察了谷歌通过并购操纵相关数据价格的能力，这些数据对其他网络订票平台而言是必须的，最终该案以附加行为条件的方式获得通过。该条件要求谷歌允许其他订票公司以公平、合理、非歧视的方式使用ITA系统，并禁止谷歌运用该系统谋取私利。对我国反垄断执法而言，这种附加行为条件通过经营者集中的做法具备借鉴意义。典型的案件还有Facebook并购WhatsApp案，欧盟委员会认为该案不会造成人为的壁垒，原因在于相关市场上存在多种可选择的服务提供商。此外，2012年联邦贸易委员会对谷歌进行过有关数据方面的调查，结果显示其并没有将已有市场力量传导至相关数据型市场的能力。在另外一些案件中，执法者考察了相关产品市场中可供消费者选择的可替代性服务的数量以及消费者获得该服务的难易程度，并作出了通过合并的决定。

与此同时，规制者亦关注并购带来的经济效率及其对动态竞争的影响，以此进行综合判断。2012年美国知名的评级公司“市场声音”收购其主要竞争对手Power Reviews案中，司法部与法院都认为该合并不能產生明显的经济效率，原因在于其造成的数据合并无法提高产品质量、降低价格或促进创新。2010年微软并购雅虎案中，司法部认为该合并可以产生明显的经济效益，原因在于两者数据的共享可以优化微软公司相应产品的搜索结果，与此同时形成一个更加强大的竞争者与谷歌在相关产品市场上进行竞争。2008年TomTom并购TeleAtlas案中，欧盟委员会认为两大公司拥有的消费者反馈数据之间的共享，从而促进两者更快地开发更好的数据地图产品。上述案例对我国反垄断执法而言具有提示意义，特别在数字经济发展伊始、市场竞争有待激化的背景下，适当放宽经营者集中的审查标准，或执法者可以附带相应的条件通过合并而尽量减少对经营者集中的阻拦，有助于大型互联网科技企业的成长。

对数据驱动型并购，美国与欧盟学界皆分析了消费者隐私保护维度。在消费者与大型企业力量对比日益失衡与个人信息保护有待强化的背景下，有学者主张在反垄断法实施过程中增加消费者隐私保护的价值目标，因为企业合并后很有可能减少在消费者隐私保护方面的竞争。在谷歌并购双击案中，亦有学者主张考察合并对消费者隐私保护的影响，但最终联邦贸易委员会认为消费者隐私保护的问题无法由反垄断法进行解决，无法为经营者集中案件的审查提供依据。欧盟委员会亦认为经营者集中应当纯粹考察其对竞争效应的影响，而不直接关注消费者隐私保护问题，并倡导经营者遵守欧盟数据保护法规定的相关义务。在Facebook案中，联邦贸易委员会在通过并购的同时以发送信函的方式提醒相关经营者遵守消费者隐私保护方面的法律规范。由此可见，强行赋予反垄断法保护消费者隐私的职能是不切实际的，但并不意味反垄断法的实施可以完全无视消费者的隐私保护，如强制数据分享的救济措施就涉及到消费者的个人信息权。出于市场竞争的考量，执法者在未经过消费者同意的情况下强制相关经营者分享数据的行为很可能涉及消费者隐私的外泄，反垄断规制应对此类问题保持警惕。

四、结语

大数据技术的广泛应用对反垄断规制提出了挑战，在垄断协议、滥用市场支配地位、经营者集中等三大领域皆需进行积极应对。在垄断协议规制领域，规制者应当关注寡头市场中的长期价格撮合，以警惕默示通谋的出现;大数据技术的应用亦有可能便利中心辐射型垄断协议的达成，规制者应当在考察相关因素的基础上对行为人的责任进行认定。另外，大数据技术的运用很可能造成市场力量的滥用，规制者应当以更加灵活全面的方式进行应对。随着数据驱动型并购的案件日益增多，对互联网领域制定特殊的申报标准势在必行，适当放松“经营者集中”的界定，规制者在实质审查方面应当考察单边效应并重视效率抗辩，以此进行综合判断。

除上述具体问题外，大数据技术的应用还带来了其他有待解决的难题，如人工智能技术的应用使人机关系变得复杂，相应法律责任的匹配成为需要解决的技术问题。一方面，数据挖掘与自我学习的复杂性使规制者难以对大数据技术活动进行全面识别。另一方面，人工智能具备追求自我认知的最优结果的能力，其往往与设计者或社会公众预设的最优结果存在偏差，此时责任归属将成为更加棘手的问题，不分场合地将人工智能的法律责任归属于技术开发者很可能难以适应反垄断规制的需求。此外，规制策略的选择问题在很大程度上困扰着规制机关。对价格算法等大数据技术的运用采取事前监管的策略并不可行，有学者提出了企业向监管者上报价格算法应用情况的建议，而这种措施将大幅增加企业运行与实时监管的成本。而事后监管措施亦很可能对企业技术创新造成负面影响，且容易导致规制的滞后。如何优化规制策略将成为大数据技术反垄断规制的横断性难题，规制者应在本研究框架的基础上结合具体实践进行进一步探索。■

（责任编辑：夏凡）

参考文献：

[1]郭传凯.互联网平台企业合并反垄断规制研究——以“滴滴”“优步中国”合并案为例证[J].经济法论丛，2018（1）：408-442.

[2]郭传凯.美国中心辐射型垄断协议认定经验之借鉴[J].法学论坛，2016，31（5）：151-160.

[3]徐瑞阳.论经营者集中申报标准实施机制的完善[J].法学家，2016（6）：146-161+180.

[4]孙晋，钟原.大数据时代下数据构成必要设施的反垄断法分析[J].电子知识产权，2018（5）：38-49.

[5]孙晋，钟瑛嫦.互联网平台型产业相关产品市场界定新解[J].现代法学，2015，37（6）：98-107.

[6]殷继国.大数据市场反垄断规制的理论逻辑与基本路径[J].政治与法律，2019（10）：134-148.

[7]周围.算法共谋的反垄断法规制[J].法学，2020（1）：40-59.

[8]陈兵.因应超级平台对反垄断法规制的挑战[J].法学，2020（2）：103-128.

[9]王亚南.滥用相对优势地位问题的反垄断法理分析与规制——以大型零售企业收取“通道费”为切入视角[J].法学杂志，2011，32（5）：109-111.

[10]韩伟.数据驱动型并购的反垄断审查——以欧盟微软收购领英案为例[J].竞争法律与政策评论，2017，3（00）：143-170.

[11]朱静洁.互联网企业滥用相对优势地位行为的法律规制研究[J].重庆邮电大学学报（社会科学版），2018，30（1）：53-62.

[12]牛喜堃.数据垄断的反垄断法规制[J].经济法论丛，2018（2）：370-394.

[13]陈兵.数字经济发展对市场监管的挑战与应对——以“与数据相关行为”为核心的讨论[J].東北大学学报（社会科学版），2019，21（4）：388-397.

[14]李剑.反垄断法核心设施理论的存在基础——纵向一体化与提高竞争对手成本理论的解读[J].经济法研究，2008，7（00）：77-90.

[15]Catherine T.The Implications of Improved Attribution and Measurability for Antitrust and Privacy in Online Advertising Markets[J].George Mason Law Review，2013（20）：1025-1054.

[16]D Daniel S，Roisin C.Antitrust and Regulating Big Data[J].George Mason Law Review，2016（23）：1129-1162.

[17]Joseph E，Harrington Jr. Posted Pricing as a plus Factor[J].Journal of Competition Law & Economics，2011（7）：1-26.