Влияние Программы освобождения от наказания на стратегическое поведение участников рынка: механизм антимонопольного регулирования

(16)

Принимая во внимание различие дисконтов, условие (8) следует переписать в виде:

(17)

Такой вид ограничения удобен еще и тем, что позволяет разделить действия антимонопольного органа в части выбора штрафов на 2 этапа. На первом шаге регулятор устанавливает штраф для первого признавшегося , который влияет на положение кривых и ; на втором шаге через дисконты для последующих признавшихся он определяет средний штраф . Таким образом, после изначального определения положения указанных кривых регулятор имеет возможность двигать уже только ограничение , причем снижение дисконтов для последующих участников сдвигает его вниз, тем самым смягчая антиконкурентный эффект.

Такая вариативность в выборе штрафов позволяет антимонопольному органу вести довольно гибкую политику - действительно, если после введения ПОН с одинаковыми дисконтами для всех участников проявляется сильный антиконкурентный эффект, снижение дисконтов для всех признавшихся, кроме первого, позволяет сузить область CR_3 до определенных пределов, не затрагивая при этом ограничение совместимости CNR. Таким образом, антимонопольный орган может полностью эксплуатировать ПОН для первого участника, принимая более гибкий подход к последующим - добиваясь оптимального соотношения между про- и антиконкурентными эффектами Программы.

На рис. 11. представлены возможные эффекты от изменения среднего штрафа в рамках ПОН при заданных прочих параметрах. 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 с помощью изменения среднего штрафа, можно достичь оптимальной величины этих областей.

Регулятор, скорее всего, обеспокоен областью в левом нижнем углу, поэтому повышение среднего штрафа до максимального уровня (нулевой дисконт для всех признавшихся, кроме первого) может быть неоптимальной политикой. Как было указано в главе 1, наиболее существенной проблемой, с которой сталкивается антимонопольный орган, является сбор доказательств для обвинения картеля - в нашей модели это соответствует небольшой величине p. До тех пор, пока реальная вероятность проверки будет превышать уровень , будет выгодно снижать дисконт для второго и последующих участников ПОН, однако в ряде случаев оптимальным будет сохранение для них некоторого положительного дисконта.

Заметим, что имеет значение не общая структура штрафов для участников, а только дисконт для первого признавшегося и средний дисконт для всех. В этом плане, например, дисконт в 50% для второго и 30% для третьего эквивалентны дисконту в 40% для каждого из них.

Рис. 11. Возможный эффект ПОН при дифференцированных дисконтах

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 , а во втором к эффектам добавляется сдвиг кривой 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 - платежей 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 находится строго между 0 и 100%. Эффективность Программы в зависимости от менее стандартных элементов и рыночных условий будет исследована в следующем подразделе.

3.2 Анализ чувствительности стимулов к сговору к компонентам Программы освобождения от наказания

Мы будем исследовать устойчивость результатов при поочередном добавлении в модель следующих элементов:

1) Положительные вознаграждения для информаторов;

2) Кумулятивные штрафы;

3) Асимметрия информации в пользу антимонопольного органа

4) Гетерогенность в склонности к риску.

Что касается вознаграждений, то в первую очередь обозначим, что регулятор не может самостоятельно финансировать информаторов - следовательно, сумма вознаграждений ограничена сверху суммой штрафов. Также будем считать, что регулятор не имеет права использовать полученные штрафы для финансирования своей деятельности - то есть вероятности проверки и доказательства сговора не могут быть увеличены за счет собранных штрафов. Поскольку вознаграждение представляет собой фактически отрицательный штраф, качественные выводы о влиянии ПОН совпадают с полученными в разделе 3.1.

В применении вознаграждений есть два принципиальных вопроса: во-первых, разумно ли с точки зрения стимулов применять положительные вознаграждения как таковые; во-вторых, какое количество информаторов следует вознаграждать. Ответ на второй вопрос довольно тривиален, если придерживаться той же логики, что и с дисконтами для второго и последующего участника. Действительно, поскольку ограничение стимулов для признающихся после первого появляется только в стратегии CR и любой штраф (в том числе отрицательный) будет действует в среднем для каждого участника картеля, вознаграждение невозможно - у регулятора не будет источников дохода, чтобы его профинансировать. Если же ограничение приводит к существенном антиконкуретному эффекту даже в случае 100% дисконта, то увеличение дисконта свыше этого уровня негативно отразится на благосостоянии, даже если не принимать во вмимание бюджет антимонопольного органа.

Таким образом, политика вознаграждения сводится к вопросу - применять ли его к первому признавшемуся, и если да, то в каком объеме? Покажем, что если у регулятора нет другой возможности использовать доходы от штрафов, то ему выгодно вознаграждать первого информатора в размере суммарного штрафа, но только на этапе, пока не начато расследование. Действительно, в начале игры, когда расследование еще не проводится, отрицательный штраф будет сдвигать ограничение (13) дальше вниз - полная вероятность монотонно убывает по RF, причем эффект от абсолютного снижения штрафа постоянен - вторая производная равна 0. Следовательно, для минимизации стимулов к сговору регулятор должен установить вознаграждение на максимально возможном уровне:

(18)

где N - число участников картеля.

Максимальный эффект от снижения полной вероятности аудита и успешного расследования:

(19)

Легко увидеть, то влияние на устойчивость сговора тем сильнее, чем больше в этот сговор входит компаний. Помимо того, что устойчивость сговора сама по себе убывает с увеличением сила участников, применение позитивного вознаграждения мультиплицирует этот эффект, т.к. дополнительный выигрыш в стратегии отклонения также увеличивается пропорционально число игроков. Отметим, что повышение вознаграждения выше чем в правой части (18) нецелесообразно, т.к. уже на этом уровне при любых значениях вероятностей б и p сговор не будет устойчивым.

Отметим еще один важный вывод - применение ПОН с неотрицательными штрафами не дает возможности полностью исключить сговор при нулевой вероятности успешного расследования. Действительно, если мы положим RF=0 в (13) и выпишем ограничение для , получим неравенство:

 (20)

В то же время, ограничение участия в сговоре в отсутствие ПОН выглядит так:

(21)

То есть если без ПОН компании предпочитают стратегию сговора, то Программа с неотрицательными штрафами не позволит гарантированно избежать сговора при любых вероятностях. В противном случае применение ПОН вообще не целесообразно, т.к. участники рынка и так не участвуют в сговоре.

Второй элемент касается скорее не Программы освобождения от наказания, а условий ее применения - а именно политики штрафов. В литературе, посвященной Программе [Motta, 2003; Spagnolo, 2004; Aubert, 2006; Harrington, 2008] обычно рассматривается однопериодный штраф, который может применяться в текущем или следующем периоде после сговора. Покажем, что введение кумулятивного штрафа при ограничении сверху качественно не влияет на направления влияния ПОН.

Пусть улики от нарушения сохраняются в течение неограниченного числа периодов, штрафы за каждый период накапливаются и уплачиваются в периоде, когда расследование завершено успешно, но в объеме не более . Предположим, что к началу периода Т сговор еще существует и кумулятивный штраф уже достиг максимального размера . Устойчивость сговора в этом периоде определяется всеми ограничениями из предыдущего подраздела, с параметром штрафа, заданным на уровне . Если в этом периоде доминирует стратегия сговора (в виде CNR или CR - не имеет значения), то очевидно, что в предыдущих периодах с не меньшим штрафом доминирует абсолютна та же стратегия.

Если же фирмам в рассматриваемом периоде более выгодно отклонится от сговора, перейдем в начало периода (Т-1). Все участники осведомлены, что если в периоде (Т-1) сговор не будет раскрыт, и игра перейдет в следующий период, то в периоде Т какая-то фирма отклонится и в дальнейшем соблюдается конкурентное равновесие. Следовательно, в периоде (Т-1) также более выгодным решением является отклонение от сговора - последующий выигрыш не меняется, зато в периоде (Т-1) отклонившийся получит сверхприбыль. По принципу обратной индукции получаем, что если при максимальном штрафе сговор не является устойчивым, то он не будет устойчивым и в первом периоде игры.

Таким образом, устойчивость сговора при кумулятивном штрафе ведет себя абсолютно так же, как если бы рассматривался однопериодный штраф . Это означает, что введение кумулятивных штрафов весьма выгодна с точки зрения регулятора - оно позволяет поставить устойчивость сговора в зависимость от максимального штрафа, а не от штрафа в конкретный период - при том, что математическое ожидание штрафа будет находится ниже максимального уровня. Тем самым появляется возможность поднять верхнюю границу штрафа.

В этом случае разумно применять большой срок давности правонарушения - чтобы обеспечить возможность «накопить» максимальный штраф. Во-вторых, сам максимальный размер штрафа лучше повышать как до предельного разумного уровня, принимая во внимание то, что ожидаемый штраф будет значительно меньше. В этом контексте политика ФАС требует существенных корректировок. Прежде всего, необходимо ослабить ограничение штрафа, если рынок нарушения приносит не менее 75% оборота компании - в этом случае компания нарушитель заплатит не более 3-4% от оборота на затронутом рынке - по сравнению со стандартным 15% в российской и 10-15% в мировой практике это существенно уменьшает эффективность штрафов и ПОН.

Асимметрия информации в модели связана с тем, что антимонопольному органу известна вероятность успешного завершения расследования, а участникам сговора - нет. Для простоты будем предполагать, что компании по-прежнему являются нейтральными к риску, а антимонопольный орган в половине случаев раскрывает сговор с вероятностью , а в половине - с вероятностью , причем после проведения аудита регулятор знает, какое значение принимает p, а участники рынка этого не знают. Соответственно, хотя после проведения аудита в игре появляется новая информация о вероятности, для фирм информационное поле остается неизменным - они ориентируются на ожидаемую вероятность успешной проверки . При заданных параметрах штрафов и ПОН и малой вероятностью успешной проверки оптимальное действие регулятора заключается в следовании оговоренной политике - поскольку фирмы ориентируются на , 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.

Иными словами, при малой вероятности процент раскрытия поддерживается неким пороговым значением , при котором часть фирм сотрудничают с регулятором из-за неопределённости, а при большой вероятности процент раскрытия соответствует самой вероятности.

Для простоты предположим, что устойчивость сговора можно описать только величиной , которая распределена равномерно на [0;1], и доля сговоров (действующих и перспективных) которые не будут устойчивыми в чистом виде, равна . Из этих процентов сговоров какая-то часть - -приходится на отсутствие сговора (доминирующая стратегия NC), а оставшаяся - на сговор с сотрудничеством (CR). Как мы определяли ранее, сговор с сотрудничеством для регулятора предпочтительнее чистого сговора, но хуже отсутствия договоренностей как таковых.

Введение в модель неопределенности не меняет средних стимулов к сговору, поскольку по определению . Однако тот факт, что компании не знают реальной вероятности успешного расследования, действует в пользу общества в том смысле, что в силу выпуклости доля рынков, на которых будет доминировать конкуренция, увеличивается: . (Рис. 12). Фактически, в части равновесия NC регулятор сталкивается с ожидаемой вероятностью проверки - чтобы добиться того же эффекта с открытыми для публики и , ему потребовалась бы большая взвешенная вероятность . Таким образом, антимонопольному органу выгодно держать в секрете вероятности успешного завершения дела.

В предельном случае, когда , а , в 50% случаев устойчивость сговора определялась бы параметрами ПОН при , 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.



Рис. 12. Асимметрия информации в модели ПОН

Последним элементом анализа устойчивости результатов является гетерогенность компаний по склонности к риску. Ранее мы предполагали, что в картеле на определенном рынке все участники являются симметричными - получают одинаковые платежи, имеют одинаковые стимулы, и все являются нейтральными к риску. Введение в модель различной склонности к риску позволяет сохранить неизменными предположения о прибылях в той или иной рыночной ситуации, однако вносят отличия в восприятии этих прибылей (дифференцируют безрисковый эквивалент прибылей между участниками).

Будем считать, что 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, с. 229]. По определению не расположенного к риску игрока, эта премия - обозначим ее М - будет положительной и может определяться кривизной функции полезности денег - рис. 13.

Рис. 13. Премия за риск

Вообще говоря, величина премии за риск (или страховки за право получить фиксированный платеж) зависит от размера фиксированного и переменного платежа. В целях упрощения анализа мы будем предполагать, что 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. Действительно, пусть можно ранжировать компании по несклонности к риску: . 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 - тогда никто не будет отклоняться, сговор устойчив. Здесь есть два существенных момента: во-первых, решение об изначальном вступлении в сговор зависит от ожидаемой премии за риск у самой «нерисковой» фирмы; во-вторых, рискованность прочих участников оказывает влияние только на их полезность, но не на формирование картеля.

Соответственно, в параметры модели вносятся следующие изменения:

1) Фирмам известна своя склонность к риску и распределение Щ этой величины среди участников рынка. Величина М может приближаться к своему максимальному значению только в вырожденных случаях, и дальнейшие искривления функции полезности приводят ко все меньшему росту М - логично предположить, что распределение будет ассиметрично с тяжелым правым хвостом, и значительная часть случаев попадает в область с небольшим М. Логнормальное распределение удовлетворяет этому описанию и довольно удобно для анализа, поэтому в дальнейшем будет предполагать для М именно этот тип распределения.

2) Ожидаемой величиной премии за риск наименее рискованной фирмы является критическая точка, соответствующая минимальной М, которая реализуется в 100(1-1/N)% худших случаях. Этот параметр получил особое распространение в финансовой литературе и традиционно носит название «стоимость под риском» - VaR («value at risk»). Мы также будем определять

3) В случае, если сговор не является устойчивым при , компании конкурируют в каждом периоде. Если значение предполагает устойчивый сговор типа CNR, каждая компания после утверждения сговора проверяет, не будет ли ей выгодно отклонится. Устойчивость сговора в этом случае проходит дополнительную проверку с учетом реальной премии за риск самой нерискованной фирмы, . По определению . Если изначально формируется сговор типа CR, дополнительной проверки не происходит.

В параметрах равновесия, определяемых до пункта 3, меняется только ограничение (3), сравнивающее стратегию CNR с отклонением от сговора. Перепишем его с учетом премии за риск, которая может рассматриваться как дополнительный штраф в стратегии чистого сговора:

(22)

В этом неравенстве параметр означает премию за риск, уплачиваемую в каждом периоде не бесконечном временном горизонте - такое представление удобно для сравнения с величиной максимально возможной потери в одном периоде:

(23)

В то время как для неустойчивого сговора достаточно довести до критического значения :

(24)

Теперь, если мы зафиксируем соотношение при заданных штрафах и параметрах ПОН, то можем проанализировать в терминах вероятности, в каких случаях ожидаемая премия превышает критическое значение, т.е. приводит к разрушению сговора.

Соответственно, если само распределение Щ=LN(м;у2) задано таким образом, что м относительно высоко, то вероятность P(M<Mcrit), с которой сговор при прочих равных будет устойчив, будет относительно низкой - следовательно, для нарушения устойчивости сговора потребуется относительно немного участников. Аналогично, например, чем более контрастно различаются доли рынка, тем выше дисперсия в Щ=LN(м;у2), и тем ниже вероятность устойчивого сговора. Эффективно, рост числа участников рынка даже при неизменных платежах сдвигает ограничение вниз; такой же эффект оказывает увеличение качественных различий между фирмами. Предполагаемый список факторов, которые влияют на склонность к риску, представлен в таблице 3.

Таблица 3

Факторы премии за риск

Фактор	Направление эффекта	Значимость эффекта
Эндогенные факторы
1. Число игроков на рынке	+	****
2. Штраф по отношению к прибыли	+	**
3. Размер дисконта	+	**
4. Дисперсия в доле рынка	+	*
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	+	*

Объединим совместное влияние параметров м и у2 путем привязки к некоторой критической вероятности. Так, рассмотрим последовательно случаи, в которых максимальное значение склонности к риску соответствует 90%, 95% и 99% VaR распределения. Параметры м и у2 будут соответственно расти с увеличением надежности VaR. Как видно из рис. 14, премия за риск наименее рискованного игрока растет с увеличением числа участников, однако с замедляющимся темпом. Сравнение относительной премии с критическим показателем дает представление о том, при каком числе участников сговор перестает быть устойчивым. Так, при относительно более склонных к риску и симметричных участниках рынка потребуется большое число участников для появления достаточных стимулов к отклонению ( = 99% VaR). При усилении факторов склонности к риску и отличий среди игроков достаточно будет сохранять на рынке всего 2-5 крупных игроков, чтобы избежать чистого сговора.

Рис. 14. Ожидаемая премия за риск наименее рискованного игрока

Разумеется, антимонопольный орган не может ни контролировать число участников рынка, ни увеличивать степень их различия - для него эти параметры экзогенны, но в принципе наблюдаемы. О количестве крупных игроков свидетельствуют индекс концентрации и индекс Херфиндаля-Хиршмана. Контраст между фирмами легче всего наблюдать в различиях долей рынка. Другая информация, например, 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. Даже если он знает только распределение этой склонности, то это знание можно эксплуатировать следующим образом.

Пусть заранее выбраны и известны всем игрокам следующие параметры антимонопольной политики - штрафы, дизайн ПОН, дисконты в рамках программы, а также бюджетное ограничение регулятора. Пусть также на рынке существуют 2 группы отраслей - с высокой и низкой премией за риск. Бюджетное ограничение в классическом понимании ограничивает антимонопольный орган в выборе вероятности аудита б и вероятности успешного расследования p. [Motta, 2003]. Теперь, однако, 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 благосостояния. Анализ перераспределения б 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 б, чтобы оставить выбор только между стратегиями CNR и NC: ). Соответственно, все оставшиеся средства бюджета регулятор потратит на расследование в случае обнаружения сговора - тем самым при гомогенных отраслях и участниках вероятность p 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 ограниченьями стимулов и , второе из которых располагается ниже в силу - если регулятор применяет одинаковые усилия по расследованию для каждого из них (paver), то в отраслях с меньшей премией за риск стимулы к сговору априори будут выше - возможна ситуация, когда выбор ( отторгает сговор в одной группе отраслей, но не является достаточным ограничение 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. Как проиллюстрировано на рис. 15, такое действие (p1<paver<p2) может привести к отклонению от сговора в обеих отраслях.

Отметим, что в первоначальном равновесии (точка А) только отрасль с высокой неприязнью 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.

Рис. 15. Антимонопольная политика в условиях различной склонности к риску

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 этих 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 б и p возможна как с большей периодичностью, так и дискреционно, по мере необходимости. 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 Программы к снижению устойчивости сговора и повышению общественного благосостояния приводят следующие меры:

1) Увеличение максимального штрафа (ежегодного и кумулятивного) и срока давности правонарушения;

2) Применение положительного вознаграждения для первого заявителя;

3) Эксплуатация ожиданий участников сговора о вероятности успешного завершения расследования;

4) Использование информации о склонности к риску на различных рынках для эффективного распределения усилий по выявлению и доказательству сговора.

ЗАКЛЮЧЕНИЕ

Горизонтальные соглашения на товарных рынках приводят к перераспределению богатства и чистым потерям общества вследствие распределительной неэффективности. Поведение участников традиционно корректируется с помощью периодических проверок структуры рынка и штрафных санкций. Однако для создания заслуживающей доверия угрозы штрафа необходимо проведение длительных и затратных расследований. В условиях ограниченности бюджета антимонопольные органы сталкиваются с необходимостью применения автоматического механизма, который разрушал бы сговор изнутри. Таким механизмом, набирающим популярность в последнее десятилетие, является Программа освобождения от наказания.

Применение Программы не просто меняет ожидаемую прибыль участников рынка при том или ином событии, но и создает новые стратегии поведения. В работе исследуется три глобальных эффекта, которые может оказывать ПОН: снижение устойчивости существующего сговора и ослабление стимулов к формированию сговора за счет потенциальных выгод от «предательства», а также поддержка устойчивости сговора из-за снижения ожидаемых штрафов. Перед национальным антимонопольным органом стоит задача максимизации общественного благосостояния при возможности регулировать область применения и параметры Программы.

На основании ряда работ можно заключить, что ПОН приводит к росту общественного благосостояния по двум направлениям. Первое связано с перераспределением ожидаемых выигрышей участников рынка и создании стимулов к отклонению от сговора (действующего или перспективного). Второе заключается в высвобождении материальных и трудовых ресурсов антимонопольного органа, которые могут быть использованы для разрушения сговора на большем числе рынков. Приводятся также убедительные доводы в пользу альтернативных элементов Программы, таких как положительные вознаграждение и стимулирование информаторов.

Различия в теоретических подходах к оценке области применения и параметров ПОН закономерно продолжаются в практических аспектах применения Программы. Так, наибольшие отличия в дизайне ПОН России, Японии, США и ЕС проявляются в числе допущенных участников рынка, времени применения, степени снижения ответственности, а также в положении лидеров и участников нескольких картелей. Среди актуальных направлений усовершенствования российской практики выделяются пересмотр уровня дисконта для первого и последующих признавшихся, влияние времени подачи заявки, а также внедрение прозрачной системы очередности. Потенциально возможным является также изменение общего уровня штрафов и внедрение положительного вознаграждения.

Эмпирические исследования эффективности Программы освобождения от наказания, проведенные на данных о раскрытых картелях США, ЕС и России, свидетельствуют о значимом положительном влиянии ПОН на сдерживание и раскрываемость сговоров, но не позволяют выделить индивидуальный эффект от отдельных элементов Программы. Выводы о значимости базовых и альтернативных компонентов приводятся в ряде лабораторных исследований, в процессе которых имитируется поведение участников рынка с потенциальным сговором. К сожалению, используемые в реальности дизайны ПОН не поддерживают введенные в имитацию элементы и не позволяют сделать вывод о их практической применимости.

Результатом исследования, проведенного в работе, является построение теоретико-игровой модели взаимодействия участников рынка при различных параметрах Программы и рыночных условиях. Участники принимают решение о следовании одной из стратегий - «чистый сговор», «сговор с сотрудничеством» и «предательство/отсутствие сговора» - на основании их ожиданий о выигрышах в каждой стратегии. Демонстрируется, что Программа освобождения от наказания, применяемая только до начала расследования со стороны антимонопольного органа, безусловно снижает стимулы к организации сговора. В то же время распространение Программы на время расследования ведет к противоположным 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. Анализ влияния компонентов программы и экзогенных параметров позволяет сформировать следующие управленческие 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% 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. Применение положительных вознаграждений вплоть до перераспределения суммарного штрафа в пользу информатора существенно повысит эффективность Программы. Такая мера имеет смысл только для первого признавшегося и только до начала расследования.

5. Регулятору выгодно держать в секрете непубличные параметры политики (вероятности успешного расследования) - при такой асимметрии информации он может рассчитывать на увеличенный эффект ПОН.

6. 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. Одинаковый дизайн штрафов и Программы предполагает аллокацию ресурсов в те отрасли, где эти стабилизаторы работают плохо - т.е. рынки с гомогенными картелями. По сравнению с равномерными усилиями такое распределение позволяет достичь большей эффективности антимонопольной политики.

СПИСОК ЛИТЕРАТУРЫ

1. Кодекс Российской Федерации об административных правонарушениях от 30.12.2001 - [Эл. ресурс]. - Режим доступа: https://www.consultant.ru/document/cons_doc_LAW_34661/

2. Федеральный закон N 135-ФЗ "О защите конкуренции" от 26.07.2006 - [Эл. ресурс]. - Режим доступа: http://www.consultant.ru/document/cons_doc_LAW_61763/

3. Артемьев И. Ю. От "спичек" до "соли". Борьба с картелями. Лучшие практики 2008-2013 / И. Ю. Артемьев , А. Ю. Цариковский, А. Ю Кинёв. - М.: Федеральная антимонопольная служба, 2013 - 542 с.

4. Борьба с картелями и другими антиконкурентными соглашениями и согласованными действиями. Практика 2010 года. - М.: Федеральная антимонопольная служба, 2011 - 259 с.

5. Павлова Н. С. Экономические основания освобождения от ответственности за нарушение антимонопольного законодательства: Автореф. дис. … канд. эконом. наук: 08.00.01 / Павлова Наталья Сергеевна; МГУ им. Ломоносова. - М., 2013. - 28 с.

6. Павлова Н. С., Шаститко А. Е. Программа ослабления наказания за участие в картеле: проблемное поле, структурные альтернативы и эффекты. // РАНХиГС. - 2015. - 47 с.

7. Соколова Е. В. Теоретические основы формирования антимонопольной политики // Вестник Санкт-Петербургского университета. Серия Менеджмент. - 2012. - С. 82-100

8. Суслов Е. Программы смягчения ответственности за картельные соглашения. Практика России, Великобритании и Европейского Союза. // КОНКУРЕНЦИЯ И ПРАВО, №3. - 2011. - С. 26-32

9. Тироль Ж. Рынки и рыночная власть: Теория организации промышленности. Пер. с англ. / Ж. Тироль. - СПб. : Экономическая школа, 1996. XLII+745 с.

10. Юсупова Г. Ф. Программа освобождения от наказания против картельного благополучия на российских товарных рынках. // Journal of Modern Competition. - 2015. - T. 9. - №6(54). - С. 20-51.

11. Apesteguia J., Dufwenberg M., Selten R. Blowing the whistle // Economic Theory. - 2007. - Т. 31. - №. 1. - С. 143-166.

12. Aubert C., Rey P., Kovacic W. E. The impact of leniency and whistle-blowing programs on cartels // International Journal of Industrial Organization. - 2006. - Т. 24. - №. 6. - С. 1241-1266.

13. Avdasheva S., Shastitko A. Russian anti-trust policy: power of enforcement versus quality of rules // Post-Communist Economies. - 2011. - Т. 23. - №. 4. - С. 493-505.

14. Axelrod R. M. The evolution of cooperation. (Revised edition) / R. M. Axelrod - NY.: Basic Books. - 2006. - 264 с.

15. Bigoni M. et al. Fines, leniency, and rewards in antitrust // The RAND Journal of Economics. - 2012. - Т. 43. - №. 2. - С. 368-390.

16. Bigoni M. et al. Trust, leniency, and deterrence // Journal of Law, Economics, and Organization. - 2015. - С. 663-689.

17. Brenner S. An empirical study of the European corporate leniency program // International Journal of Industrial Organization. - 2009. - Т. 27. - №. 6. - С. 639-645.

18. Bougette P., Deschamps M., Marty F. When Economics Meet Antitrust: the Second Chicago School and the Economization of Antitrust Law // Enterprise & Society, Vol. 16. - 2015. - C. 313-353.

19. Boyer M., Kotchoni R. How much do cartel overcharge? // Review of Industrial Organization. - 2015. - Т. 47. - №. 2. - С. 119-153.

20. Chen Z., Ghosh S., Ross T. W. Denying leniency to cartel instigators: Costs and benefits // International Journal of Industrial Organization.- 2015.- Т. 41.- С. 19-29.

21. Chen Z., Rey P. On the design of leniency programs // Journal of Law and Economics. - 2013. - Т. 56. - №. 4. - С. 917-957.

22. Commission Notice on Immunity from fines and reduction of fines in cartel cases // Official Journal of the European Union. - 2006. - C. 298/17 - 298/22.

23. Connor J. M. A Symposium on Cartel Sanctions: Recidivism Revealed: Private International Cartels 1990-2009 // Competition Pol'y Int'l. - 2010. - Т. 6. - С. 101-253.

24. Connor J. M. The Private International Cartels (PIC) Data Set: Guide and Summary Statistics, 1990-2013 // Available at SSRN 2478271. - 2014.

25. Connor J. M., Helmers C. G. Statistics on modern private international cartels, 1990-2005. - The American Antitrust Institute. AAI Working Paper No. 07-01 - 2007. - 84 с.

26. EU Competition Law. Cartel legislation and other reference texts on 1 January 2013. - Luxembourg: Publications Office of the European Union. - 2013 - 268 C.

27. Friedman J. W. A non-cooperative equilibrium for supergames // The Review of Economic Studies. - 1971. - Т. 38. - №. 1. - С. 1-12.

28. Guidelines on the method of setting fines imposed pursuant to Article 23(2)(a) of Regulation No 1/2003 // Official Journal of the European Union. - 2006. - C. 210/2 - 210/5

29. Hamaguchi Y., Kawagoe T., Shibata A. Group size effects on cartel formation and the enforcement power of leniency programs // International Journal of Industrial Organization. - 2009. - Т. 27. - №. 2. - С. 145-165.

30. Hard Core Cartels: Third report on the implementation of the 1998 Council Recommendation // OECD. - 2005. - 63 С.

31. 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. - Т. 61. - №. 1. - С. 1-27.

32. Harrington J. E. Optimal Corporate Leniency Programs // The Journal of Industrial Economics. - 2008. - Т. 56. - №. 2. - С. 215-246.

33. Harsanyi, John. A New Theory of Equilibrium Selection for Games with Complete Information // Games and Economic Behavior, Vol. 8. - 1995. - C. 91-122

34. Hinloopen J., Soetevent A. R. Laboratory evidence on the effectiveness of corporate leniency programs // The RAND Journal of Economics. - 2008. - Т. 39. - №. 2. - С. 607-616.

35. Hoang C. T. et al. Determinants of self-reporting under the European corporate leniency program // International Review of Law and Economics. - 2014. - Т. 40. - С. 15-23.

36. Hьschelrath K., Laitenberger U., Smuda F. Cartel Enforcement in the European Union: Determinants of the Duration of Investigations // ZEW - Centre for European Economic Research Discussion Paper No. 12-071. - 2012. - 14 C.

37. Kobayashi, B. H., Muris T. J. CHICAGO, POST-CHICAGO, AND BEYOND: TIME TO LET GO OF THE 20TH CENTURY // Antitrust Law Journal, Vol. 78 Issue 1. - 2012. - C. 147-172.

38. Miller N. H. Strategic leniency and cartel enforcement // The American Economic Review. - 2009. - С. 750-768.

39. Motchenkova E., Effects of Leniency Programs on Cartel Stability // Discussion Paper 2004-020, Tilburg University, Tilburg Law and Economic Center. 2004.

40. Motchenkova E., van der Laan R. Strictness of leniency programs and asymmetric punishment effect // International Review of Economics, Springer, vol. 58(4). - 2011. -C. 401-431

41. Motta M., Polo M. Leniency programs and cartel prosecution // International journal of industrial organization. - 2003. - Т. 21. - №. 3. - С. 347-379.

42. Page W. H. The Chicago School and the Evolution of Antitrust: Characterization, Antitrust Injury, and Evidentiary Sufficiency // Virginia Law Review, Vol. 75, No. 7. - 1989. - С. 1221-1308.

43. Pindyck R.S. Microeconomics / R. S. Pindyck, D. L. Rubinfeld. - NY.: Pearson; 8th edition. - 2012. - 768 С.

44. Rey P. Towards a Theory of Competition Policy // IDEI, University of Toulouse. - 2011. - 55 C.

45. Sauvagnat J. Prosecution and leniency programs: the role of bluffing in opening investigations // The Journal of Industrial Economics. - 2015. - Т. 63. - №. 2. - С. 313-338.

46. Spagnolo G. Divide et Impera: Optimal Leniency Programmes. // Center for Economic Policy Research Discussion Paper 4840. -2004. - 38 C.

47. Varian H. R. Intermidiate Microeconomics. A Modern Approach. (8th edition) / H. R. Varian. - NY.: W. W. Norton & Company, Inc. - 2010. - 739 C.

48. Yusupova G. Leniency program and cartel deterrence in Russia: effects assessment // Higher School of Economics Research Paper No. WP BRP. - 2013. - Т. 6.

49. Директорат по вопросам конкуренции Европейской Комиссии. - [Эл. ресурс]. - Режим доступа: http://ec.europa.eu/competition/

50. Комиссия по вопросам свободной торговли, Япония. - [Эл. ресурс]. - Режим доступа: http://www.jftc.go.jp/en/

51. Методические рекомендации по исчислению размера административного штрафа - [Эл. ресурс]. - Режим доступа: http://arhangelsk.fas.gov.ru/page/7094

52. Министерство юстиции США - [Эл. ресурс]. - Режим доступа: https://www.justice.gov/

53. О работе ФАС России по противодействию картелям в 2012 году. - Федеральная Антимонопольная Служба. - [Эл. ресурс]. - Режим доступа: http://fas.gov.ru/documents/documentdetails.html?id=1677

54. Федеральная Антимонопольная служба/ - [Эл. ресурс]. - Режим доступа: http://fas.gov.ru/

55. Федеральная Торговая Комиссия (США). - [Эл. ресурс]. - Режим доступа: https://www.ftc.gov/

56. ANTI-CARTEL ENFORCEMENT MANUAL. Chapter 2. Drafting and implementing an effective leniency policy. - International Competitonal Network. - 2014. - [Эл. ресурс]. - Режим доступа: http://www.internationalcompetitionnetwork.org/uploads/library/doc1005.pdf

57. Bundeskartellamt (Federal Cartel Office). - [Эл. ресурс]. - Режим доступа: http://www.bundeskartellamt.de/

58. Corporate Leniency Program. - Department of Justice, 1993. - [Эл. ресурс]. - Режим доступа: https://www.justice.gov/atr/file/810281/download

59. DECISION-MAKING POWERS REPORT. - European Competition Network, 2012. - [Эл. ресурс]. - Режим доступа: http://ec.europa.eu/competition/ecn/decision_making_powers_report_en.pdf

60. ECN MODEL LENIENCY PROGRAMME. - European Competition Network. - [Эл. ресурс]. - Режим доступа: http://ec.europa.eu/competition/ecn/mlp_revised_2012_en.pdf

61. INVESTIGATIVE POWERS REPORT. - European Competition Network, 2012. - [Эл. ресурс]. - Режим доступа: http://ec.europa.eu/competition/ecn/decision_making_powers_report_en.pdf

62. Notice no. 9/2006 of the Bundeskartellamt on the immunity from and reduction of fines in cartel cases. - Bundeskartellamt. - [Эл. ресурс]. - Режим доступа: http://www.bundeskartellamt.de/SharedDocs/Publikation/EN/Leitlinien

63. REPORT ON THE NATURE AND IMPACT OF HARD CORE CARTELS AND SANCTIONS AGAINST CARTELS UNDER NATIONAL COMPETITION LAWS. - OECD Competition Comission. - [Эл. ресурс]. - Режим доступа http://www.oecd.org/competition/cartels/2081831.pdf

64. Hammond S. D. The Evolution of Criminal Antitrust Enforcement Over the Last Two Decades.: Materials of the The 24th Annual NATIONAL INSTITUTE ON WHITE COLLAR CRIME. Miami, February 25, 2010. / Presenter S. D. Hammond. - [Эл. ресурс]. -Режим доступа: https://www.justice.gov/atr/speech/evolution-criminal-antitrust-enforcement-over-last-two-decades

65. US and EU Cartel Investigations: A Webinar Series. Amnesty-Leniency Strategy. - Arnold & Porter LLP. - [Эл. ресурс]. - Режим доступа: http://www.arnoldporter.com/en/perspectives/events/2013/03/us-and-eu-cartel-investigations-amnestyleniency-__

Приложение 1

Таблица 1

Десять самых крупных штрафов в США до 2015 г.

Год	Рынок	Участник	Штраф (млн. долл.)
2012	жидкокристаллических экраны (LCD)	AU Optronics Corporation of Taiwan	500
1999	витаминных препаратов	F. Hoffmann-La Roche, Ltd.	500
2012	автомобильных запчастей	Yazaki Corporation	470
2014	автомобильных шин	Bridgestone Corporation	425
2009	жидкокристаллических экраны (LCD)	LG Display Co., Ltd & LG Display America	400
2008	грузовые авиаперевозки	Sociйtй Air France and Koninklijke Luchtvaart Maatschappij, N.V.	350
2007	грузовые и пассажирские авиаперевозки	Korean Air Lines Co., Ltd.	300
2007	грузовые и пассажирские авиаперевозки	British Airways PLC	300
2006	платы памяти типа DRAM для электронных устройств	Samsung Electronics Company, Ltd. Samsung Semiconductor, Inc.	300
1999	витаминные препараты	BASF AG	225

Таблица 2

Десять самых крупных штрафов в ЕС до 2015 г.

Год	Рынок	Участник	Штраф (млн. евро)
2008	автомобильного стекла	Saint Gobain	715
2012	электронных ламп для телевизоров и компьютерных экранов	Philips	705.3, из них 391.9 совместно с LG Electonics
2012	электронных ламп для телевизоров и компьютерных экранов	LG Electronics	687.5, из них 391.9 совместно с Philips
2013	деривативов на процентную ставку	Deutsche Bank AG	465.9
2001	витаминных препаратов	F. Hoffman-La Roche AG	462.0
2007	элегазовых распределительных устройств	Siemens AG	396.6
2014	автомобильных подшипников	Schaeffler	370.5
2008	автомобильного стекла	Pilkington	357.0
2009	газа	E.ON	320
2009	газа	GDF Suez	320

Таблица3

Десять самых крупных штрафов в России до 2013 г.

Год	Рынок	Участник	Штраф (млн. руб.)
2012	жидкой каустической соды	ОАО «Единая торговая компания»	912,0
2011	угля	ОАО «СУЭК»	485,0
2011	угля	ОАО «Русский уголь»	66,0
2011	продажи соли	ООО «Белорусская продовольственная компания»	12,0
2009	ремонтных дноуглубительных работ	ООО «ДК “КаспТрансФорм”»	9,0
2008	газа	ОАО «Газ-Сервис»	1,4
2008	газа	ООО «Башкиргаз»	0,018
2011	кассовой техники	ФГУП «ЦНИИчермет им. И.П.Бардина»	0,595
2011	кассовой техники	ООО «РАПКаТ-центр»	0,987

Размещено на Allbest.ru