反垄断机构对大型科技企业的严厉打击：从证券市场角度分析竞争政策和反垄断执法的有效性

《Computer Law & Security Review》：Trustbusters’ crackdown on big tech: An analysis of competition policy and antitrust enforcement efficacy as reflected in the securities market

大科技公司事前监管与事后执法对股票表现的影响研究。基于美欧中三地监管案例，运用事件时间回归模型发现事前监管（如欧盟DMA/DSA）比事后执法（如中国罚款）更有效，因其建立政策可信度且降低执行成本。监管对象涉及捆绑协议、排他性合同、自我引用及数据滥用。行为矫正与罚款结合能更有效影响股价

　　

周云才|王理达

元泽大学，圆东路135号，中里区，桃园市320315，台湾

摘要

大型科技公司在美国、欧盟和中国的市场行为表现出相当大的相似性。然而，我们观察到它们的股价表现却存在差异。我们假设公司的证券表现可以归因于监管事件，并使用事件时间回归模型区分了事前竞争政策与事后反垄断执法对大型科技公司证券表现的不同影响。实证结果表明，事前方法比事后方法更有效，因为前者涉及可信的政策制定，并且实施成本更低。针对捆绑安排、排他性合同、自我引用和数据滥用的执法对大型科技公司的证券表现有显著影响。当行为补救措施与金钱处罚结合使用时，效果可能更佳，因为后者明确传达了监管的确定性。

引言

由于互联网的广泛普及，大型科技公司已成为全球巨头（表1）。人们普遍担心它们对平台服务的垄断控制以及所持有的大量消费者数据。欧盟通过了《通用数据保护条例》、《数字市场法》（DMA）和《数字服务法》（DSA）等法律，以减轻大型科技带来的负面社会经济外部性。相反，自2020年底以来，中国平台面临巨额罚款和纠正措施。例如，腾讯被禁止在其平台上获得流行音乐的独家许可。2021年，滴滴出行应用程序因数据安全问题从应用商店下架。这些严厉的处罚表明中国政府决心通过反垄断措施和其他手段来约束大型科技公司。

然而，在美国，国会正在努力就如何适当监管大型科技公司达成两党共识。直到最近，竞争机构和法院对反垄断法的解释仍然较为严格，导致针对大型科技公司的执法行动有限。最近的反垄断案例也让人对传统补救措施能否恢复数字市场竞争产生怀疑[1,2]。事前竞争政策（如DMA）代表了数字平台治理方式的范式转变[3]。

然而，尽管这些公司在主导市场行为上表现出高度相似性，但我们观察到它们的股价表现却存在差异。图1显示了2021年最大科技公司的年度回报情况。2月达到峰值后，中国股票与纳斯达克指数（IXIC）、标准普尔500指数和美国股票的分歧越来越大，直至年底持续下跌。Khoo等人[4]比较了阿里巴巴和谷歌的证券表现，指出谷歌的股价在调查一年后反弹，而阿里巴巴的股价则出现了更持续的下跌。

这引发了这样一个问题：是什么导致了大型科技股票的表现在彼此之间有所不同？更具体地说，不同的应对大型科技公司的路径，即事前竞争政策或事后反垄断执法，是否会影响它们的证券表现？

虽然市场竞争可能会受到市场规模、品牌忠诚度、价格策略、进入壁垒、互补商品等因素的影响（[5]:127-130），但证据表明，竞争政策和反垄断执法会削弱企业从事反竞争行为的能力。由于不再从事反竞争行为而失去的利润，这些企业的未来盈利能力将会下降[6]。一旦反垄断机构进行调查、确定侵权行为、处以更高罚款或法院维持相关裁决，它们的预期收益就会减少[7]:297-298。本研究调查的措施旨在遏制大型科技公司的市场力量或防止其滥用市场力量。如果其他变量保持不变，其他数字平台的相对竞争状况将得到改善或不再恶化。目标大型科技公司的市场估值会因其预期收益的减少而下降。因此，大型科技公司的证券表现可以成为衡量竞争和反垄断效果的一个有力指标。

在本文中，我们研究了2020年至2021年间积极约束数字平台的三个政治体制：美国、欧盟和中国，并实证测量了竞争政策和反垄断对大型科技公司证券表现的影响。大型科技公司的证券数据能够捕捉到对监管事件的实时反应，从而在其他因素不变的情况下，准确估计监管效果及其程度。希望监管大型数字公司的国家可以参考我们的实证证据来制定最佳实践。

在本事件研究模型中，每一项立法或执法行动都被视为一个独立事件，会影响公司的证券表现[8]: 20–21。我们应用事件研究模型来评估这些事件对目标公司证券表现的影响，特别是其波动性（交易范围）、流动性和股票回报。在市场效率假设和理性预期假设下，投资者可以预期，当公司预见到政策的确定性或执法成本较低时，其证券会表现出高波动性、低活跃度和较低的回报。

本文的其余部分安排如下：第二节讨论了导致大型科技公司反竞争行为的数字经济特征，并识别了各种类型的行为。第三节分析了这三个政治体制采取的竞争和反垄断措施，并比较了它们的有效性。第四节描述了数据来源和用于衡量大型科技公司证券表现中预期监管效果的事件时间回归模型。第五节展示了研究结果和政策建议，第六节总结了全文。

节选

成为巨头的诱惑

2020年代中期的大型科技公司充当数字中介，帮助用户与他们首选的交易伙伴或目标受众建立联系。大多数公司通过在线平台运营，提供各种数字服务或信息，以促进两个或多个用户群体之间的互动或交流。这一特征使得大型科技公司通常被视为数字平台。在产业层面上，这些平台具有高效率和模糊的边界

监管体制的比较

现代竞争法始于1890年美国通过的《谢尔曼法》，随后是1914年的《克莱顿法》。1950年的《塞勒-凯福弗法》加强了《克莱顿法》，自此竞争法成为全球各国的普遍实践[33]: 4–8。竞争法通过打击反竞争行为来促进和保护市场竞争。它通常针对（1）限制自由贸易的商业行为，（2）企业的滥用行为

事件研究模型

在监管研究中，事件研究模型将所研究的事件视为“各种法律和监管行动或拟议行动的宣布”，包括通过的立法、政策倡议、改革计划、执法行动、诉讼、和解或法院判决[64]: 145。反垄断执法行动（如调查、突击检查和罚款）通常会导致目标公司立即出现显著的负面异常回报。

金钱处罚的重要性

表9展示了分析监管事件和对大型科技公司证券表现的影响的结果。A、B和C列显示了离散事件变量（flag）的系数估计值，D、E和F列则加入了连续的罚款变量（fine）进行估计。A和B列显示，对于每日交易范围和成交量，这些变量的估计结果不显著。而C列中的${\beta }_{fl\mathrm{ag}}$在1%的水平上显示出显著效果，表明每日

结论

在这项研究中，我们研究了事前和事后两种限制大型科技公司从事反竞争行为的方法。据我们所知，这是第一项比较美国、欧盟和中国监管差异的国际研究，并量化了这些地区数字平台受到的监管影响。我们对它们的证券数据进行了事件时间回归测试，以衡量竞争政策带来的实时效果。