[论文解读] Robust Monopoly Regulation

Yingni Guo, Eran Shmaya|arXiv (Cornell University)|Oct 9, 2019

Auction Theory and Applications参考文献 16被引用 10

一句话总结

本文提出了一种基于最坏情况后悔最小化的鲁棒监管政策，用于垄断市场，平衡消费者剩余与企业利润。研究表明，最优监管结合了价格上限与受控的按件补贴，可在模型不确定性下缓解生产不足与过度生产的风险。

ABSTRACT

We study the regulation of a monopolistic firm using a robust-design approach. We solve for the policy that minimizes the regulator's worst-case regret, where the regret is the difference between his complete-information payoff minus his realized payoff. When the regulator's payoff is consumers' surplus, it is optimal to impose a price cap. The optimal cap balances the benefit from more surplus for consumers and the loss from underproduction. When his payoff is consumers' surplus plus the firm's profit, he offers a piece-rate subsidy in order to mitigate underproduction, but caps the total subsidy so as not to incentivize severe overproduction.

研究动机与目标

• 设计一种在严重信息不对称条件下表现良好的监管政策，即监管机构对需求与成本结构缺乏完整知识。
• 解决在不确定性下保护消费者剩余与确保足够生产激励之间的权衡。
• 提出一种非贝叶斯方法，避免依赖主观先验，尤其适用于动态或理解不足的市场。
• 解释现实中为何价格上限与按件补贴普遍存在。
• 最小化监管机构的最坏情况后悔——即在所有可能情景下，完全信息收益与实际收益之间最大差异。

提出的方法

• 将监管机构的收益形式化为消费者剩余与企业利润的加权和，权重反映政策优先级。
• 将后悔定义为完全信息下的收益与不完全信息下实际收益之间的差异。
• 通过在所有可能的需求与成本函数中最小化最坏情况后悔来优化监管政策。
• 推导出涉及价格上限与总补贴上限的按件补贴的最优机制，以平衡生产不足与过度生产。
• 使用数学分析，包括对剩余与成本差异的界限，证明在各种条件下的最优性。
• 应用引理与命题，证明所提出的政策即使在企业行为具有策略性时也能实现最小最坏情况后悔。

实验结果

研究问题

• RQ1 当监管机构对垄断企业的需求与成本函数信息不完全时，何种监管政策能最小化最坏情况后悔？
• RQ2 为何价格上限与按件补贴在现实中被广泛使用，其理论基础是什么？
• RQ3 监管机构如何在不依赖贝叶斯先验的前提下，在模型不确定性下平衡消费者剩余与企业利润激励？
• RQ4 在信息不对称的垄断市场中，如何在防止生产不足与避免过度生产之间实现最优权衡？
• RQ5 在何种条件下，受控的按件补贴优于一次性补贴或简单价格上限，能更有效地最小化最坏情况后悔？

主要发现

• 当监管机构目标仅为最大化消费者剩余时，最优政策是价格上限，其在降低价格与生产不足风险之间实现平衡。
• 当监管机构同等重视消费者剩余与企业利润时，最优政策是受控的按件补贴，可激励高效产出，同时限制过度生产风险。
• 对于中间目标，最优政策结合了价格上限与受控的按件补贴，共同缓解生产不足与过度生产。
• 随着监管机构对利润权重的提高，最优价格上限也随之上升，反映出消费者利益与生产激励之间的权衡。
• 所提出政策的最坏情况后悔是受控的，且严格小于其他机制的最坏情况后悔，该结论通过剩余与成本差异的引理与不等式得到证明。
• 本文证明，不存在其他监管机制能实现更低的最坏情况后悔，从而确认了价格上限与受控补贴组合设计的最优性。