张鹏飞

算法作为数字经济时代企业核心竞争力的重要体现，将与数据等共同构成数字企业的战略性无形资产①OECD. The digital economy， multinational enterprises and international investment policy［EB/OL］.（2018-07-08）［2022-04-05］.www.oecd.org/investment/the-digital-economy-mnesand-international-investment-policy.htm.。“十四五”时期是我国经济进入数字化转型的关键阶段，算法的开发、应用、保护和规制等将是这一时期的重要议题。算法根据功能作用可以分为不同种类，如定价算法、搜索算法、监视算法等②The Study Group on Competition Policy in Digital Markets. Algorithms/AI and competition policy［R/OL］.（2021-03-01）［2022-04-07］.https：//www.jftc.go.jp/en/pressreleases/yearly-2021/March/210331003.pdf.，其中定价算法是我们日常生活中使用较多的一种，如在线上打车、网上购物、预订酒店、预订机票等时都有用到③BANDALOUSKI A M， KOVALYOV M Y， PESCH E， et al. An overview of revenue management and dynamic pricing models in hotel business［J］. RAIRO operations research，2018（1）：119-141.。除此之外，定价算法还被用来监视竞争对手的价格变化④CAPOBIANCO A， GONZAGA P， NYESÖ Á. Algorithms and collusion—background note by the secretariat［EB/OL］.（2017-06-09）［2022-04-23］. https：//one.oecd.org/document/DAF/COMP（2017）4/en/pdf.、根据消费者个人行为进行差异化定价⑤MEHRA S K. Algorithmic competition，collusion，and price discrimination［M］// BARFIELD W.The Cambridge handbook of the law of algorithms. Cambridge:Cambridge University Press，2020：199-208.以及通过大数据来预测未来市场变化⑥CHEN L， QIAO Z L，WANG M G， et al. Which artificial intelligence algorithm better predicts the Chinese stock market？［J］. IEEE access，2018（6）：48625-48633.等。

基于算法的这些新经济行为正在深刻地改变现有市场上的竞争格局，尤其是以自学习算法为代表，通过算法内部自主学习进化，未来极有可能达成隐性串谋，这将超出传统反垄断法的约束范畴①EZRACHI A， STUCKE M E. Virtual competition： the promise and perils of the algorithm-driven economy［M］. Cambridge： Harvard University Press，2016：111-130.。本文在对定价算法进行深度理论解析的基础上，结合我国相关法律法规，借鉴国际最新做法，提出我国社会主义数字市场规范定价算法的战略思路与对策建议，旨在激励定价算法投资、开发的同时，进一步规范市场秩序，建立适应数字经济时代特征的、公平公正的社会主义现代化市场体系。

本文结构如下：第一部分是对定价算法的经济特征及四种交互模式对串谋的影响进行分析；第二部分是对定价算法进行串谋的内部机制及现实存在可能性进行分析；第三部分是评估国际上目前应对定价算法串谋的解决方案，包括市场化解决方案、行业自律行为、政策干预措施三个方面；第四部分是分析定价算法在我国相关法律法规中的适用情况；第五部分是提出在数字化转型背景下约束定价算法的战略思路与政策建议。

一、定价算法的经济特征与串谋

（一）定价算法的定义

定价算法的基本概念和数学模型的提出可以追溯至20世纪中叶②KINCAID W M， DARLING D A. An inventory pricing problem［J］. Journal of mathematical analysis and applications，1963（2）：183-208.。到了20世纪80年代，随着定价算法在美国航空公司成功应用后，逐渐在市场上被广泛采用③SEELE P， DIERKSMEIER C， HOFSTETTER R， et al. Mapping the ethicality of algorithmic pricing： a review of dynamic and personalized pricing［J］. Journal of business ethics，2021（4）：698-715.。尤其是近年来，随着信息通信技术、电子商务系统等的快速发展，基于计算能力的快速进步、数据规模的迅速提升等，定价算法的运行效率大幅度提升，由一般定价向动态定价转变和普及，以不断提升公司对不断变化的市场的反应能力，如迅速调整产品价格、快速制定公司策略等。目前，定价算法已经扩展到多个行业，如电力、汽油、在线零售、体育和娱乐等领域，成为提升企业核心竞争力的关键要素，并由此产生了很多提供定价算法解决方案的公司，如谷歌、微软、亚马逊等。

（二）定价算法的经济特征

截至目前，关于定价算法还没有一个普遍被接受的定义，通常被描述为“将输入转换为输出的一系列计算步骤”④COHEN M C. Big data and service operations［J］. Production and operations management，2018（9）：1709-1723.，是基于数据分析来进行定价的机制。定价算法最终确定的利润最大化价格由竞争对手的价格、消费者需求或者个人行为特征（如性别、年龄、教育背景、收入、职业等）等多个因素决定⑤KESKIN N B， ZEEVI A. Dynamic pricing with an unknown demand model： asymptotically optimal semi-myopic policies［J］. Operations research，2014（5）：1142-1167.。不同应用场景需要不同类型的定价算法，现有研究将定价算法分为不同类型，如喻玲、兰江华将定价算法分为启发式、分析式和自主式等⑥喻玲，兰江华.算法个性化定价的反垄断法规制：基于消费者细分的视角［J］.社会科学，2021（1）：77-88.。本文采用OECD（2017）分类方法，基于定价算法交互模式，分为监视算法（monitoring algorithms）、并行算法（parallel algorithms）、信号算法（signalling algorithms）和自学习算法（self-learning algorithms）⑦CAPOBIANCO A， GONZAGA P， NYESÖ Á. Algorithms and collusion—background note by the secretariat［EB/OL］.（2017-06-09）［2022-04-23］. https：//one.oecd.org/document/DAF/COMP（2017）4/en/pdf.，其中自学习算法能够基于不断变化的市场进行自我进化、优化算法并自主调整决策，不需要程序员的介入，实际上已经超出工具中性范畴，相当于一个独立的、具有思考能力的行为主体，如Q学习算法①ZHANG L P， TANG L， ZHANG S L， et al. A self-adaptive reinforcement-exploration Q-learning algorithm［J］. Symmetry，2021（13）：1-16.。

定价算法对市场经济的影响有两个显著的经济特征。一是定价算法降低了价格更新成本，提升了价格变动频率②BROWN Z Y， MACKAY A. Competition in pricing algorithms［R/OL］. （2021-10-01）［2022-05-12］. https://www.hbs.edu/ris/Publication%20Files/20-067_71a112ae-f461-45da-8157-42763d61c015.。定价算法能够根据竞争对手的价格，定期对价格进行更新，如每天一次或者15分钟一次，而且能够同时对数千种商品价格进行更新且成本低廉，这是传统人工定价做不到的。二是定价算法为定价策略提供了短期信用③SEELE P， DIERKSMEIER C， HOFSTETTER R， et al. Mapping the ethicality of algorithmic pricing： a review of dynamic and personalized pricing［J］. Journal of business ethics，2021（4）：698-715.。定价算法相当于第三方，计算机程序编码公式自主对竞争对手的价格作出反应，能够非常客观地反映市场的真实变化，而如果是自然人来调整价格，则需要制定相应的激励约束机制，促使其制定合理的价格。

基于定价算法上述两个显著经济特征，使用定价算法对市场经济运行主要具有以下好处：一是进行个性化定价，以满足消费者差异化需求④AMALDOSS W， HE C. The charm of behavior-based pricing： when consumers’ taste is diverse and the consideration set is limited［J］. Journal of marketing research，2019（5）：767-790.；二是优化库存管理，主要是通过市场预期来调整库存，能够有效降低企业经营成本⑤TAN Y L， PAUL A A， DENG Q， et al. Mitigating inventory overstocking： optimal order-up-to level to achieve a target fill rate over a finite horizon［J］. Production and operations management，2017（11）：1971-1988.；三是平抑市场不确定性⑥BESBES O， SAURÉ D. Dynamic pricing strategies in the presence of demand shifts［J］. Manufacturing and service operations management，2014（4）：513-528.，主要是通过“动态”学习，根据需求数据、历史销售价格等来应对市场的不确定性。但是，随着定价算法的发展，尤其是算法交互技术的发展，使得供应商之间进行串谋或者“协调”变得更加便捷⑦DORNER F E. Algorithmic collusion： a critical review［EB/OL］.（2021-10-10）［2022-04-25］. https：//arxiv.org/ftp/arxiv/papers/2110/2110.04740.pdf.。这是由于数字市场具有高联通性和透明度，加之更多可用数据和高水平的分析能力，使得达成利润最大化的均衡状态变得更加容易。此外，定价算法能够对偏离均衡进行检测，并快速制定响应机制等更是有利于维持串谋的稳态。迈克尔·S. 加尔（Michal S. Gal）指出算法为“协调”提供便利在未来现实市场中极有可能出现⑧GAL M S. Algorithmic-facilitated coordination［EB/OL］.（2017-06-22）［2022-03-21］. https：//one.oecd.org/document/DAF/COMP/WD（2017）26/en/pdf.，阿里尔·扎拉奇（Ariel Ezrachi）和莫里斯·E.斯图克（Maurice E. Stucke）认为定价算法对市场的影响如此之强，未来竞争可能会被终结⑨EZRACHI A， STUCKE M E. Virtual competition： the promise and perils of the algorithm-driven economy［M］. Cambridge： Harvard University Press，2016：111-130.。

（三）定价算法与串谋

根据OECD等相关文献的界定⑩OECD. Glossary of industrial organisation economics and competition［EB/OL］.（1993-10-05）［2022-04-25］. https：//www.oecd.org/regreform/sectors/2376087.pdf.，“串谋”是指相关竞争公司之间以任何形式进行协调或达成协议，并将利润提高到非合作均衡水平之上的行为。这种行为最终会减少市场上的商品供给，损害消费者剩余，目前是各国法律所禁止的行为。串谋的最直接的判断方法是看竞争对手之间是否存在“协议”或“意图”的协调，其中相互之间存在“协议”的协调是显性串谋，而仅通过相互依存关系而存在的协调则是隐性串谋。

相较于显性串谋，传统市场上的隐性串谋一般发生在具有较高透明度且参与者较少的市场中，不需要进行任何协议或者沟通，企业自主决策就能达成串谋。因此，隐性串谋会给市场监管带来难题。目前在很多国家，隐性串谋不在法律监管范围内，但是却因为给市场带来了与显性串谋相同的影响，同样损害了消费者权益。

将四种定价算法的交互模式与传统串谋类别相比较（见表1）可知，监视算法和并行算法属于显性串谋，因为存在纵向协议或横向协议，是非法行为，监管也相对容易。但是信号算法和自学习算法属于隐性串谋，不适用于现有的监管法律法规，会引起市场失灵，将给未来市场环境优化带来挑战。

表1 四种定价算法的交互模式在达成串谋中的表现

二、定价算法对串谋的作用机制及现实可行性

（一）定价算法对传统市场串谋的作用机制

传统市场串谋最重要的结构特征变量为公司数量和进入壁垒，以及市场透明度和互动频率①CAPOBIANCO A， GONZAGA P， NYESÖ Á. Algorithms and collusion—background note by the secretariat［EB/OL］.（2017-06-09）［2022-04-23］. https：//one.oecd.org/document/DAF/COMP（2017）4/en/pdf.,一般表现为少量几个大型参与者，并且有一定行业进入壁垒。而市场透明度和互动频率主要是便于相互监督对方的行为，并对任何偏离协议的行为进行快速惩罚。目前，定价算法对传统市场串谋的作用表现如下。

1. 定价算法与市场透明度相互促进，强化企业间串谋。定价算法进行决策的前提是市场有一定透明度，这样算法就可以对大量实时数据进行分析处理，并基于有用信息进行预判和决策。当市场中只有少数企业采用算法，由于可以比其他企业更快地对市场变化作出反应，能够获得超额利润，而那些没有采用定价算法的企业将会逐步被市场淘汰。当市场中所有企业都采用算法时，其结果就是所有参与者都能实时获得竞争对手的信息、消费者偏好、市场需求等数据，进而创造一个更加透明的市场，但同时也会进一步增加企业间基于算法达成串谋的可能，也即市场“透明度悖论”②DE FINE LICHT K， DE FINE LICHT J. Artificial intelligence， transparency， and public decision-making［J］. AI & society，2020（4）：917-926.。

2. 定价算法能够大幅度提升互动频率，巩固企业间串谋。传统上，企业改变价格有菜单成本、皮鞋成本等，增加了改变价格的难度。而在数字时代，定价算法能够即时准确地捕捉竞争对手的任何价格变动，并能够实时对价格进行调整，且成本几乎为0。在这种情况下，任何违约行为都会在短时间遭到报复，这将有助于促使竞争对手自觉遵守串谋协议。

3. 定价算法提升市场进入壁垒，为企业间串谋提供基础。一方面，只有大公司才具备人力、财力等来开发或引入最先进的定价算法，提供更加优质的精准的定价服务，这实际上给其他企业构成了进入壁垒。另一方面，先进入的公司能够优先收集相关应用场景的大量数据，从而使得定价算法更加成熟和精准，这将导致后进入者很难在该领域存活，也将构成进入壁垒。这些都会给串谋的达成提供更加便利的基础条件。

4. 定价算法使得企业数量成为达成串谋的充分非必要条件。一般而言，企业数量越少，越有利于相互间形成“协调中心”，越容易维护所达成的串谋。但是，随着算法的大规模使用，尤其是监视算法、并行算法的采用，使得即使市场上企业数量很多，依然很容易监测到任何一个竞争对手偏离协议的行为，并能够迅速作出相应惩罚，弱化企业数量对串谋的限制能力。

（二）定价算法进行串谋的现状

尽管获得超额利润为企业采用定价算法进行串谋提供了动力，但是目前还没有研究直接表明定价算法一定会导致串谋。阿什温·伊图尔（Ashwin Ittoo）和尼古拉斯·佩蒂特（Nicolas Petit）通过观察定价算法模型Bruno Salcedo等，发现目前定价算法仅只是在简单市场上能够进行串谋①ITTOO A， PETIT N. Algorithmic pricing agents and tacit collusion： a technological perspective［M］//JACQUEMIN H， DESTREEL A. L’ intelligence artificielle et le droit. Bruxelles： Larcier Press，2017：241-256.。但是，相对于复杂的现实世界，定价算法将串谋变成市场上的一种普遍行为，仍存在如下制约因素。

1. 算法技术尚未成熟。首先，目前算法要达成隐性串谋，依然面临很多技术问题。以信号算法为例，不一定在释放涨价信号后，竞争对手就跟随涨价。其次，现实中的隐性串谋还由很多其他因素共同决定，不一定都能用算法表示出来，比如为了战略目标，以短期亏损换取长期收益等。此外，不同算法之间交互技术也还处于萌芽阶段，而这一点对串谋广泛发生至关重要。

2. 样本数据收集有难度。首先，算法输出结果的准确性取决于所输入的数据，但是在现实世界中，并不是所有信息都可以数据化的，也就是说，初始输入的数据并一定完全反应场景的真实状态，存在偏差②李丹.算法歧视消费者：行为机制、损益界定与协同规制［J］.上海财经大学学报，2021（2）：17-33.。其次，搜集到的大量数据，在识别过滤中也会部分失真，最终会影响输出的结果。最后，现实世界不是完全透明的，很多企业数据信息都是商业机密，不一定所有数据都能收集到。

3. 算法的同质性问题。定价算法达成隐形串谋的前提是各家公司所用算法是同质性的，即所有算法的目标是实现利润最大化，因而在检测对手价格设定的同时调整自己的价格，让所有的算法都朝着相同方向发展。但是在现实世界中，很多算法在人为因素干扰下，会选择掠夺性定价策略或排他性行为，且算法收集的数据不仅包括竞争对手的价格，还包括市场份额、资产、员工人数、可变资本等，在这种多因素环境中，算法很难保持同质性③MACEDO A C， BAHARON S.The use of artificial intelligence in the future of competition law enforcement［J］. Journal of European competition law & practice，2020（8）：468-471.。此外，在自学习算法中，算法会根据应用场景变化而自主学习，由于每种算法面临的场景不同，一段时间的自主进化，算法自身差异会加大。

4. 产品异质性问题。随着人工神经网络技术快速发展，以及“cookie”数字跟踪技术的发展，数据公司长期对消费者数据进行跟踪，如位置、浏览网页、购买货物、社会媒体等，以此来分析个人信息，如购买偏好、个人支付意愿、健康状况、收入水平等。企业据此来提供个性化产品，并制定相对应的价格，使得算法很难进行价格比较。此外，不同企业提供的专业服务等也是千差万别，进而使得同类产品价格差异扩大也会制约隐性串谋的达成。

尽管定价算法在实际串谋中会遇到上述障碍，但在定价算法广泛应用的领域中，已经存在或反映串谋的事实，比如1994年美国司法部认定8家主要航空公司利用ATP系统获取机票信息，达成价格卡特尔①The United States Department of Justice. Justice department settles airlines price fixing suit， may save consumers hundreds of millions of dollars［EB/OL］.（1994-03-17）［2022-05-01］. https：//www.justice.gov/archive/atr/public/press_ releases/ 1994/211786.htm.；2015年的美国海报卡特尔事件，亚马逊市场上的广告商利用低定价软件，以非竞争价格销售海报②OECD. Annual report on competition policy developments in the United States 2015［EB/OL］.（2015-06-18）［2022-04-04］. https：//www.ftc.gov/system/files/documents/reports/2015-annual-report-competition-policy-developments-united-states/1507annual_report_us.pdf.等。此外，未来随着定价算法交互技术的不断发展，定价算法串谋的概率将会大幅度提高，因此依然需要进行前瞻性研究。

三、国际应对定价算法串谋重要举措的评价

近年来，“定价算法与串谋”已成为各国关切的焦点。2017年，经济合作与发展组织（OECD）举办“算法与共谋”圆桌会议；2019年，德国联邦卡特尔局、法国竞争管理局联合发布《算法与竞争》报告；2020年，国际竞争网络发布《大数据和卡特尔报告》；2021年，日本数字市场竞争政策研究会发布《算法/AI与竞争政策》，英国竞争和市场管理局发布《算法如何控制竞争？是否会对消费者造成伤害？》报告等。总结各大报告内容，目前国际上对定价算法和串谋的主要有以下几大政策主张。

（一）重新审视界定“协议”

目前大多数国家出于反垄断目的，尽管对“协议”的定义没有明确说明，但是对“协议”的表现形式进行了说明。欧共体在《欧盟条约》中将“协议”界定为经济竞争者就执行政策、追求某一目标或在市场上采取某一行为路线的意愿达成一致，而无关乎当事人所采取的行事方式③Commission of the European Communities. Case T-41/96［EB/OL］.（2000-10-26）［2022-04-02］. https：//curia.europa.eu/juris/showPdf.jsf？docid=103820&doclang=EN.。美国在《谢尔曼法》中指明“协议”包括合同、阴谋等多种形式，一项协议不一定需要明确的形式，只要所涉及的目标、理解、思想统一，并能自觉遵守共同计划，就视为协议④US Supreme Court. Interstate Circuit Inc v United States， 306 US 208， 810［EB/OL］.（1939-11-01）［2022-04-03］. https：//supreme.justia.com/cases/federal/us/306/208/.。而定价算法可以允许竞争对手之间进行快速和复杂的互动，并可以使用复杂的代码作为“协调中心”来实现共同目标，使得现有“协议”概念在数字经济中的适用性进一步减弱，比如信号算法引起竞争对手同时涨价，但是它可能是一种独立和理性行为的结果，因此不在现有法律约束范畴。

针对上述问题，参照美国《公平贸易委员会法》的做法，一些机构建议采用“不公平竞争”等法律标准来替代“协议”。因为从结果上来看，基于定价算法的隐性串谋最终是不公平的，会对消费者剩余造成损害，如果算法开发者在一开始就意识到会产生反竞争的后果，并需要对其担负连带责任，那么就能解决隐性串谋问题。

（二）重新审视串谋的责任主体

尽管今天大多数算法都是基于人类的指令运行的，毫无疑问，相关发出指令的人需要对反竞争行为负责任。同时，根据目前的法律法规，算法只是工具，而不是一个具有自主行为的主体。但是，随着人工智能的快速发展，算法与人之间的联系越来越弱，如在自学习算法中涉及算法售卖商、算法购买商和算法自身三个责任主体①MEHRA S K. Antitrust and the robo-seller： competition in the time of algorithms［J］. Minnesota law review，2016（12）：1323-1375.，算法会在反复自学习的过程中实施反竞争行为，而人是没办法影响其作出决定的。这就意味着算法已经不是一个简单的、具有中性的工具，而是具有决策能力的行为主体。

在这种情况下，责任的确定需要评估受益人是否可以预期或者预先指导这种非法行为，还包括算法的编程指令、运行架构等方面，以及人能在多大程度上控制算法活动。未来，需要法院和行业协会等进一步明确算法标准及算法背后的行为主体人（如设计者、受益人、使用人）的连带责任，也需要对具有独立进化能力的定价算法行为进行清晰的界定，并明确相应的处置办法。

（三）消费者算法会平衡定价算法

迈克尔·S.加尔（Michal S. Gal）和尼瓦·埃尔金-科伦（Niva Elkin-Koren）提出②GAL M S， ELKIN-KOREN N. Algorithmic consumers［J］. Harvard journal of law technology，2017（2）：309-353.，定价算法不仅有利于厂商，还将协助消费者，可以通过与互联网上的系统连接，然后自动识别消费者需求，为消费者制定和执行最佳购买方案，最终使得消费者获益，这种算法被称为消费者算法，如“数字管家”“数字助理”等。集合加尔等人的观点，消费者算法将代表个人消费者，从而使得消费者匿名化，这样定价算法就没办法追踪消费者的相关信息，减弱定价算法的个性化定价能力。此外，消费者算法还会将消费者进行分组，组成大的订单，这就会使定价算法的最终结果更加偏离协调的均衡价格，以此来消除或者减少市场失灵。但是，如果过度依赖消费者算法，会使得消费者脱离现实市场环境，最终导致消费者算法一旦被数字平台左右，消费者可能不会感觉得自己并没有得到最优价格。基于此，尼古拉斯·佩蒂特提出由政府激励开发一种中性算法，来审查和检测供应商提供的算法③PETIT N. Antitrust and artificial intelligence—a research agenda［J］. SSRN electronic journal，2017（6）：361-362.。

（四）审查或沙盒检测算法

为了防止定价算法串谋，可以将算法放入沙盒中对其进行测试，以审查其是否会串谋。这种检测方法主要适用于以串谋为目的的算法，而利用过去价格、销售等市场信息来确定价格的算法不需要承担责任。然而在自学习算法中，沙盒检测还是有困难的，因为沙盒中的串谋结果并不一定是市场中正在发生的新环境中定价算法正在实现的结果。小约瑟夫·E.哈灵顿（Joseph E. Harrington, Jr.）提出了“白盒检测”和“黑盒检测”两种方法④HARRINGTON J E JR. A theory of tacit collusion［EB/OL］. （2011-11-10）［2022-04-11］. https://www.tse-fr.eu/sites/default/files/medias/stories/SEMIN_11_12/ECONOMIC_THEORY/harrington.pdf.。其中，白盒测试需要访问编码，因此仅适用可解码的算法，但是对能够相互交互的算法，白盒测试是无能为力的；而黑盒测试只需观测输入和输出情况，在某种情况下可以替代白盒测试，但是黑盒测试需要用户提供输入算法的市场数据，以及价格对此作出反应的具体信息，因此存在测试阶段的结果可能与算法在市场上实际运行时不一致，因为算法一直在不断学习变化中。对此，贝内克·弗朗西斯科（Beneke Francisco）和麦肯罗德·马克-奥利弗（Mackenradt Mark-Oliver）建议，应该公开定价算法编码，以减少串谋的可能性⑤FRANCISCO B， MARK-OLIVER M. Remedies for algorithmic tacit collusion［J］. Journal of antitrust enforcement，2021（3）：152-176.。

（五）增强隐私保护以降低透明度

数据收集对算法运行至关重要，定价算法需要基于应用场景数据不断进化，而数据资料主要来自消费者。算法可以根据消费者数据来预测价格并调整价格，而消费者可以通过匿名浏览来避免个人信息泄露。此外，还可以通过隐私保护来防止消费者信息在不知情情况下被算法收集。这就需要相应的政策明确要求网站在收集信息时，以弹出窗口形式向消费者进行说明，比如“cookie”等形式，并对正在收集的个性化定价内容进行具体说明。目前，欧盟《通用数据保护条例》的颁布执行，为消费者保护个人信息提供法律依据，是一个很好的做法。

结合具体行为主张，目前国际上对定价算法的干预举措可以分为三类：市场化解决方案、行业行为自律、政策干预措施。其中，市场化解决方案主要是通过市场化手段如多样化消费者选择、使用匿名浏览等，可以有效减少政府干预所带来的市场扭曲；行业行为自律主要是指通过建立行业的行为准则、技术标准和认证机制等，来约束企业行为，如证券交易系统引入的监视和警告系统，以监测可能存在的操纵等非法行为；政策干预措施主要包括法规管控、各种补贴措施、共同监管等，如隐私保护、对数据安全增强技术提供资金支持等。

但是，上述干预举措也存在局限性。首先，在市场化解决方案中，消费者自我保护策略（如匿名浏览、转换服务等）能够降低定价算法的某些风险，但是很多定价算法在没有明确告诉消费者之前就已经在运行了。其次，数字市场存在赢者通吃的现象，所提供的服务相对集中，使得消费者转换服务的机会较少。此外，由于信息不对称，很多消费者根本感觉不到自己被跟踪，也就没办法进行自我保护。在行业行为自律中，一方面，定价算法目前涉及的行业如广告等，分支机构众多且种类繁多，不太可能全面进行行业自我监管，甚至连最低行业标准都很难制定。另一方面，定价算法编码及数据收集本身涉及行业发展的核心要素，企业很难有动力来制定行业标准并约束自己的行为。国家采取的干预措施主要问题是政策干预不可能面面俱到，且由于定价算法尚处于起步阶段，过多政府干预会抑制行业发展，还会由于对政策干预效果很难评估，会给政策执行带来诸多不确定性。

四、定价算法与串谋在我国法律的适用现状

在获得超额利润的激励下，算法交互技术已经面世并且不断成熟，只是目前还没有得到大规模应用①BADMUS I. Why interaction is more powerful than algorithm［EB/OL］.（2017-04-15）［2022-05-21］. http：//citeseerx.ist.psu.edu/viewdoc/download；jsessionid=4026C7543F43599B6CB1A0EEAD9A2815？doi=10.1.1.57.9269&rep=rep1&type=pdf.。但是，由于定价算法夹杂人为等因素，可能会扰乱市场秩序。因此，定价算法在我国的法律适用问题很值得研究。根据《中华人民共和国反垄断法》（以下简称《反垄断法》）、《反价格垄断规定》、《国务院反垄断委员会关于平台经济领域的反垄断指南》（以下简称《反垄断指南》），定价算法与串谋在我国法律法规中的适用情况见表2。

表2 我国与算法串谋相关的法律法规

（续表）

（一）基于算法的显性串谋属于非法行为

根据2021年2月印发的《反垄断指南》以及《反垄断法》等内容，明确指出经营者达成排除、限制竞争的协议、决定或者其他协同行为，即为价格垄断协议，其中，其他协同行为是指经营者虽未明确订立协议或者决定，但通过数据、算法、平台规则或者其他方式实质上存在协调一致的行为。因此，监视算法、并行算法适用于我国《反垄断法》，属于禁止行为。

（二）基于算法的隐性串谋行为的性质很难判断

根据《反垄断指南》，有关经营者基于独立意思表示所作出的价格跟随等平行行为除外，那么如信号算法、自学习算法并不是由经营者有串谋的主观意志决定，而是企业单方面的意思表示，或者由定价算法自学习达成串谋，即没有所谓意思联络。因此，根据我国目前的法律框架，信号算法和自学习算法也不在我国现有法律的约束范畴内。

五、我国规范定价算法市场的思路与政策建议

比对欧盟单一数字市场战略等，数字市场依托的是互联网的线上虚拟市场，并通过价格杠杆、竞争机制等，将资源配置到效益最好的经济环节，还应用各种经济信号，使得生产和需求及时协调。公平竞争依然是数字市场的一般特征，算法与数据、算力等成为数字市场竞争力的核心要素。尤其是定价算法在提高市场透明度、减少信息不对称的同时，基于定价算法交互技术的串谋行为正在出现，未来将有可能对数字市场价格机制、竞争机制等产生较大影响，降低数字市场资源配置效率。因此，在数字时代的社会主义现代市场体系中，在鼓励和保护定价算法的同时，依然需要相应的政策设计来规范定价算法发展，建立适合我国经济特征的算法规则，维护公平竞争的市场秩序。结合我国数字市场实际，定价算法市场进行规范需要以市场化手段为主，以行业行为自律+政府干预措施为辅，三者相互配合，尽可能减少对数字市场的干预，加快定价算法的进化与成熟。与此同时，对可能出现的市场失灵现象，在市场调研评估基础上，强化政策监管。

（一）鼓励定价算法市场多元化发展，弱化串谋发生的基础条件

定价算法与串谋行为的发生对市场单一性、算法的同质性等要求较高，因此可以消费者为核心，鼓励定价算法市场多元化发展，以削弱厂商应用定价算法所增强的市场力量。一是鼓励消费者算法等发展。主要是对投资消费者算法的企业提供税负减免等激励，促进消费者算法的普及和应用，能够在一定程度上通过影响定价算法参数来减少串谋发生的概率。二是强化消费者信息保护。可以鼓励开发一些消费者匿名工具，如OpenDNS等，来保护消费者免受跟踪。此外，还可以鼓励隐私增强技术的开放。三是强化对跟踪技术的管理。重点是要明确各大网站有责任告知消费者是否被跟踪，可以弹出小窗口等方式进行提醒。

（二）建立事前市场研究监管机制，引导算法主体自我约束

定价算法扰乱市场的最直接表现就是给消费者造成损害，扭曲公平竞争的市场环境。因此，当有迹象表明市场运行不佳，但是没有证据表明市场参与者之间存在串谋等垄断行为时，就需要进行市场研究或部门调查，找到市场失灵的原因及应对办法。一是评估定价算法应用的最新发展动态。重点是调研定价算法在市场主要行业中的普及应用程度、算法本身的进化程度等，便于及时优化和提升政府的监管手段。二是基于监测算法建立市场竞争环境监管机制。重点是采用监测算法，实时跟踪市场主要行业的价格波动情况、市场透明度、互动频率等，并设立预警机制，对主要异常指标所对应的行业中的行为主体等进行监管。三是针对隐性串谋采用政府干预措施。对于信号算法、自学习算法等目前尚不受现有法律框架约束的行为，采用事前合并控制制度，强化对其审查评估，引导算法主体在开发、运行之前进行自我管制。此外，还可以采取一些补救措施，如在算法中引入合规的检测程序，或者是在算法应用之前对其进行审查。

（三）建立算法的综合监管体系，优化算法市场的生态环境

定价算法涉及多个监管主体，需要多种监管手段协调运用，共同优化定价算法市场的生态环境。一是强化行业自律。要明确对采用定价算法进行串谋的惩罚力度，同时引导行业建立定价算法的使用原则和标准等，并将其引入到公司的内部管理规定，保证定价算法作为工具的中性属性。二是强化政府监管。成立数字监管机构，将定价算法纳入其重点监管范围之内，一方面，协调不同监管机构，协同对算法进行监管；另一方面，针对最新算法，出台新政策和采用新的监管手段。三是建立独立的算法认证机构。成立认证机构，强化对定价算法的认证，明确算法销售者与使用者之间责任。但是，要注意避免因监管过度而提高企业进入壁垒，减少公司对算法的投资动机，阻碍数字经济的发展，在采取具体措施前，一定要进行大量的、谨慎的评估。

（四）加强国际合作，建立算法透明度和问责机制

增强算法透明度是目前国际上加强对定价算法监管的一个重要方面，尤其是很多数字平台基于定价算法跨境提供产品和服务，因此需要强化国际合作，共同优化国际定价算法市场。一是加强算法源代码定向开放。明确要求已在经济社会被广泛采用的定价算法向政府公开源代码，便于政府组织专家定期对定价算法进行风险评估。二是强化群众监督。明确要求采用特殊定价算法的公司向公众解释或说明该定价算法的运行、决策机制，以及会对消费者产生的具体影响。三是补救措施。对定价算法已产生明显影响的市场，可以采取降低市场透明度和互动频率的办法，如强化商业保密、减少在线信息发布等。