un mÉtodo de detecciÓn de conductas colusorias …
TRANSCRIPT
CENTRO DE INVESTIGACIÓN Y DOCENCIA ECONÓMICAS, A.C.
UN MÉTODO DE DETECCIÓN DE CONDUCTAS COLUSORIAS MEDIANTEANÁLISIS DE VARIANZA EN PRECIOS
TESINA
QUE PARA OBTENER EL GRADO DE
MAESTRO EN ECONOMÍA
PRESENTA
JONAS YAEL LÓPEZ NIÑO
DIRECTOR DE LA TESINA: DR. ALEXANDER ELBITTAR HEIN
CIUDAD DE MÉXICO JUNIO, 2016
Índice general
1. Introducción 1
2. Literatura Relacionada 4
3. Screens 8
3.1. Leniency y Screens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2. Tipos de Screens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.3. Estrategias de Screens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4. Un screen de varianzas 14
4.1. Proceso generado de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.1.1. Costos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.1.2. Precios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2. Caso base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2.1. Costos y precios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2.2. Screen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.3. Estática comparativa: resultados . . . . . . . . . . . . . . . . . . . . . . . . 27
5. Conclusiones 30
Referencias 32
I
Índice de figuras
4.1. Costos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2. Precios en t1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4.3. Precios en t2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.4. Precios en t3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.5. Precios en T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.6. Precios promedio en T . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.7. Precios en t1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.8. Gráfico de control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.9. Histograma 10 particiones . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.10. Distribución de la prueba . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
II
Índice de cuadros
4.1. Comparación cártel v.s. competencia . . . . . . . . . . . . . . . . . . . . . . 24
4.2. Potencia de la prueba . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.3. Varianza de los choques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.4. Margen de ganancias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4.5. Proporción de mercado de la empresa 4 . . . . . . . . . . . . . . . . . . . . 28
4.6. Número de empresas coludidas . . . . . . . . . . . . . . . . . . . . . . . . . 29
III
Capítulo 1
Introducción
Juan está enfermo. Cada semana Juan compra una dósis de insulina, pagando 100 pesos.
Un día, el precio de la insulina aumenta a 158 pesos. Juan se sorprende y se molesta. Después
de tres años de comprar medicamentos caros se entera que no debía pagar esos $58 extra.
¡Todo fue un arreglo entre los vendedores de insulina para aumentar sus ganancias! ¿Cómo
te sentirías si fueras Juan? Quizá triste, en parte. Estafado, también. La triste historia de Juan
pudo haberse evitado si existieran herramientas para detectar la existencia de cárteles.
Algo similar ocurrió en México entre 2003 y 2006. La Comisión Federal de Competen-
cia realizó un análisis ex post a las licitaciones del Instituto Mexicano del Seguro Social y
detectó que diversas farmaceúticas celebraron acuerdos colusorios para coordinar el precio
en distintas licitaciones. Esto resultó en un sobreprecio de medicamentos de casi 58 % cau-
sando daños equivalentes a 622.7 millones de pesos según cifras de la Comisión Federal de
Competencia.
Este tipo de conductas existen en México y en todo el mundo. La existencia de cárteles
o acuerdos colusorios entre empresas genera pérdidas irrecuperables para la sociedad. Así,
resulta de suma importancia contar con mecanismos que permitan identificar la existencia de
cárteles para que la autoridad encargada de velar por la competencia pueda sancionarlos.
Tradicionalmente, la manera en que se detectan cárteles consiste en establecer políticas
1
CAPÍTULO 1. INTRODUCCIÓN 2
de clemencia1 que condonan castigos a miembros de cárteles dispuestos a cooperar con la
autoridad para descubrir el grupo del que son parte. Este enfoque si bien ha tenido éxito
para descubrir y sancionar a distintos agentes al rededor del mundo presenta un problema
fundamental: los agentes deben tener incentivos a ir con la autoridad sobre permanecer en su
cártel. Esto significa que cárteles prósperos no pueden ser descubiertos de esta manera, pues
no existe compatibilidad de incentivos entre la autoridad y los miembros del cártel.
Por lo anterior, surge la necesidad de contar con herramientas que permitan a la autoridad
detectar cárteles sin tener que esperar a que se cumpla la restricción de compatibilidad de in-
centivos para que la política de clemencia ayude a descubrirla. Un screen es una herramienta
estadística que ayuda precisamente a encontrar evidencia en favor o en contra de la existen-
cia de un cártel en determinada industria. Lo anterior permite tener sustento económico y
no sólo confesiones para poder descubrir un acuerdo colusorio. El objetivo de este trabajo
es proponer un screen basado en la varianza de los precios para detectar cárteles y probar su
efectividad en distintas situaciones. Lo anterior con el objetivo de contar con una herramienta
que pueda ser aplicada en un futuro para ayudar a la detección de cárteles
Este trabajo se divide en 5 capítulos. En el segundo capítulo se presenta literatura rela-
cionada con los screens en 3 áreas: importancia, tecnicas de screen y algunos screens que
se han hecho. El tercer capítulo habla sobre qué es un screen, su importancia, los distintos
tipos de screens y algunas estrategias que se usan frecuentemente al momento de diseñar y
aplicar estas herramientas. En el capítulo 4 se propone un screen construyendo contrafactua-
les haciendo uso de la idea de que en periodos de competencia la varianza de los precios es
mayor con respecto a periodos de competencia. Posteriormente se generan series de costos y
precios para cuatro empresas divididas en 3 periodos. En estas series hay competencia en los
periodos 1 y 3, mientras que el periodo 2 corresponde a la existencia de un cártel. Finalmen-
te, se aplica la metodología propuesta para determinar su efectividad en distintas condiciones
con el objetivo de tener una herramienta complementaria a las medidas tradicionales de cle-
1Las políticas de clemencia consisten en pérdonar o disminuir la sanción a algún miembro de algún cartel acambio de su cooperación para castigar al resto de los implicados
CAPÍTULO 1. INTRODUCCIÓN 3
mencia, conociendo sus limitaciones y alcance. Las series de costos y de precios se pueden
generar con distintos parámetros que representan la volatilidad en las industrias, si la colusión
se realiza entre empresas con participación de mercado alta o baja, la duración del proceso
generador, la fuerza del cártel y el acuerdo colusorio con el objetivo de determinar de qué
manera cambia la efectividad del screen ante distintas situaciones. Finalmente, en el capítu-
lo 5 se presentan las conclusiones y algunas consideraciones sobre cómo mejorar el screen
propuesto.
En un primer acercamiento, el screen propuesto tiene una efectividad cercana a 83 %; no
obstante, ante cambios en los parámetros este resultado aumentan o disminuye. Por ejemplo,
en mercados más volátiles, la efectividad del screen disminuye en comparación con merca-
dos más estables. Otro resultado es que mientras mayor sea el aumento en el precio como
consecuencia del acuerdo colusorio resulta más probable su detección.
Capítulo 2
Literatura Relacionada
El beneficio de emplear screens se puede apreciar en Abrantes (2013), donde la autora
evalúa los aciertos de las políticas de clemencia tradicionales, los éxitos de los screens y
posteriormente presenta el aporte que pueden tener los screens con respecto a las políticas
de clemencia. Las políticas de clemencia han predominado en la detección de cárteles y, por
ejemplo, han jugado un papel predominante en la detección de 45 de 50 cárteles entre 1998 y
2007 en Europa; no obstante, la autora reconoce que contar con herramientas adicionales para
detectar cárteles se pueden alcanzar mejores resultados. Por ejemplo, contar con screens que
permitan detección de conductas colusorias tiene la ventaja directa de aumentar el número de
cárteles descubiertos, pero también sirve como un mecanismo que desincentiva la existencia
de cárteles debido al riesgo que representa ser detectados.
La importancia de contar con métodos económicos para detectar la existencia de cárteles
también se menciona en Friederiszick y Maier-Rigaud (2010), donde los autores enfatizan
4 elementos importantes que debe tener un screen. En primer lugar, un screen debe tener el
potencial de detectar un cártel asertivamente. En segundo lugar, un screen debe estar hecho
de manera tal que no resulte fácil manipular el comportamiento con el fin de evadir el screen.
En tercer lugar, una metedología de detección de cárteles debe reflejar la capacidad de los
entes reguladores y la información a la que tienen acceso. Esto se debe a que no tiene mucho
4
CAPÍTULO 2. LITERATURA RELACIONADA 5
sentido contar con una metodología infalible si resulta imposible llevarla a cabo. Finalmente,
es deseable que la herramienta a utilizar pueda automatizarse para ahorrar recursos; no obs-
tante es importante considerar que existe un trade off entre la automatización y la eficiencia
de un screen.
En Abrantes-Metz y Bajari (2009a) se hace una revisión de la importancia del empleo de
screens y su creciente importancia en Europa como herramientas complementarias a políti-
cas tradicionales de clemencia. Además, se discuten las formas en que dichas herramientas
pueden utilizarse para brindar evidencia en favor y en contra de la existencia de cárteles.
En Abrantes-Metz y Bajari (2009b), los autores muestran cómo se han empleado distintos
screens en casos de competencia.
En Bajari y Summers (2002), los autores recopilan 3 métodos o screens para identifi-
car cárteles, propuestos por Bajari y Ye, enfatizando que un primer elemento necesario para
identificar conductas anticompetitivas es conocer el comportamiento competitivo para buscar
desviaciones de él. En otras palabras, es necesario tener un punto de referencia para construir
y comparar contrafactuales que permitan identificar qué tan probable es que las conductas
observadas correspondan a un resultado del mercado o se deban en realidad a una conducta
anticompetitiva. Contar con estos puntos de referencia resulta fundamental para el análisis
de competencia porque permiten sustentar el desarrollo de teorías del daño que ayuden en-
tender el mecanismo causal que incita a los agentes a actuar en contra de los principios de
competencia, considerando los incentivos que existan para esto, y que ayuden a determinar si
el daño detectado, si lo hubiera, es evitable o no.
En Harrington (2005) y Harrington (2006a) se presenta una gama de estrategias y herra-
mientas útiles para detectar la existencia de algún cártel. El autor además complementa en el
segundo artículo añadiendo marcadores que ayudan a detectar la plausibilidad de la existen-
cia de un cártel. Por ejemplo, se puede evaluar si un conjunto de las firmas de una industria
se comportan de manera distinta, y sospechosa, con respecto a firmas que actúan de manera
competitiva. Esto se relaciona con la construcción de contrafactuales pues es necesario tener
CAPÍTULO 2. LITERATURA RELACIONADA 6
una referencia tanto del comportamiento competitivo, como del colusorio para poder deter-
minar que escenario es más verosimil a partir del comportamiento observado. Por lo anterior
resulta útil contar con indicadores o marcadores que brinden información sobre la posibili-
dad de la existencia de una conducta colusoria. Algunos de estos marcadores se basan en
comportamientos en los precios mientras que otros se basan en las cantidades vendidas por
las empresas. Por ejemplo, cuando la calidad de los productos y sus precios son uniformes
entre un grupo de competidores, se puede pensar en que existe colusión. Otros marcador se
basa en la varianza y nivel de precios: en periodos de colusión los precios exhiben una mayor
varianza y un mayor nivel promedio. Otros indicadores examinan las proporciones de mer-
cado, pues si están son estables a lo largo del tiempo es probable que se deba a un acuerdo
colusorio.
En von Blanckenburg y Geist (2009) también se propone una serie de marcadores que
sirven como indicadores para detectar la existencia de un cártel. En esta serie de marcado-
res los autores examinan una variable a la vez, siendo marcadores relativamente sencillos de
construir. Posteriormente, en von Blanckenburg y Geist (2010) los autores añaden un marca-
dor adicional y además prueban sus marcadores en un cártel de cemento en Alemania para
darle sustento empírico a sus propuestas. Estos marcadores también incluyen la idea de que
los precios fluctúan menos en épocas de caretelización.
En Bajari y Ye (2003) los autores proponen un screen para identificar colusión en subas-
tas, empleando las ideas de que las pujas deben ser independientes y que en colusión las pujas
son menos agresivas, no reflejando así el costo de los ofertadores.
En von Blanckenburg, Geist, y Kholodilin (2010) se evalúa la distribución de precios en
etapas de cártel y competencia para 10 estudios de caso. Los autores encuentran que en 7 de
los 10 casos analizados cambia las distribución de los precios cuando se forma un cártel; el
pico de la distribución de precios es más elevado.
Existen también artículos que se enfocan a presentar screens específicos. Por ejemplo,
en Abrantes-Metz, Froeb, Geweke, y Taylor (2006), la autora se basa en la idea de que en
CAPÍTULO 2. LITERATURA RELACIONADA 7
periodos de colusión la media de los precios es mayor, mientras que la varianza es menor
con respecto al periodo de competencia para proponer un screen. Utilizando este principio,
la autora analiza el mercado de gasolinera en Lousville, buscando grupos de gasolineras que
exhiban varianzas más bajas.
La contribución de este trabajo consiste en proponer un screen basado en varianzas de
precios, tomando la idea del marcador de Harrington (2006a), posteriormente utilizado en
Abrantes-Metz y cols. (2006). Esta herramienta propuesta tiene la finalidad de identificar
comportamientos colusorios a partir de cambios en el comportamiento de los precios, propo-
niendo un comportamiento en periodos de competencia y otro distinto en periodos de colu-
sión; es decir, la herramienta hace empleo de contrafactuales, separando la serie de los pre-
cios en distintos periodos para separarlos en periodos de competencia y periodos de potencial
colusión. Posteriormente, la herramienta analiza el comportamiento en ambos periodos (com-
petencia y colusión potencial) para determinar si existe evidencia en favor de la existencia de
un cártel a través de cambios en la varianza de los precios en ambos periodos.
Para determinar si la herramienta propuesta es útil se generan series de precios simulando
periodos de competencia y de colusión para determinar la efectividad del screen presenta-
do ante distintas situaciones. Lo anterior con el fin de tener una herramienta que pueda ser
tomada como referencia para hacer análisis de colusión basados en la varianza de los precios.
Capítulo 3
Screens
3.1. Leniency y Screens
Es importante contar con mecanismos que faciliten y permitan la detección de cárteles
a lo largo de distintas industrias. Uno de los mecanismos más populares son las Leniency
Policy o Políticas de Clemencia. Este tipo de políticas consiste en aliviar, parcial o totalmente,
las multas que recibe algún o algunos miembros involucrados en un cártel a cambio de su
confesión y cooperación para descubrir a dicho cártel. Este tipo de políticas se creó haciendo
uso de 3 elementos de un carel.
Spagnolo en Buccirossi (2008) identifica que uno de los elementos fundamentales para
la existencia de un cártel es la cooperación entre distintos agentes. Esto implica que existen
diversos problemas potenciales para la permanencia del cartel. Por ejemplo, los miembros de
algún cártel están sujetos a problemas de riesgo moral y free-riding. Otro elemento funda-
mental para la operación de un cartel es una relación répetida. Esto significa que los miembros
de un cártel están en un juego repetido entre cooperación y no cooperación. Por lo tanto, el
cartel es sostenible sólo si los beneficios esperados de cooperar son mayores a los beneficios
de desviarse de alguna manera del acuerdo; en otras palabras, deben cumplirse la restricción
de participación como de compatibilidad de incentivos, según el principio de racionalidad
8
CAPÍTULO 3. SCREENS 9
individual, para la prosperidad de un cártel. Finalmente, la existencia de los cárteles implica
que sus miembros tienen información sobre el comportamiento anticompetitivo propio y del
resto de los miembros.
El sistema de políticas de clemencia hace uso de estos tres elementos de los cárteles para
su detección. En esencia, el objetivo de la política es destruir la compatibilidad de incenti-
vos entre los miembros del cartel. Esto se logra por dos mecanismos. En primer lugar, se
aumenta el pago esperado de algún individuo por romper su coordinación. Esto debido a que
un individuo puede desviarse de la cooperación e inmediatamente acudir a la autoridad de
competencia para recibir un castigo menor, e incluso eliminarlo. Por otro lado, se disminuye
el pago esperado por permanecer en el cártel debido al peligro latente de que algún miembro
opté por tomar la vía de la clemencia en algún momento. Por ejemplo, la Comisión Europea
(2016) de competencia ofrece a las compañías que opten por este mecanismo una condo-
nación o reducción de la multa a la que serían acreedores a cambio de testificar y brindar
evidencia que ayude a dictar sentencia .
Este tipo de políticas resultan atractivas por 3 razónes.
Las políticas de clemencia funcionan como un mecanismo de disuasión.
La posibilidad de que alguno de los miembros del cártel pueda desviarse del acuerdo
colusorio genera presiones contra la estabilidad de este. Lo anterior se debe a que a me-
dida que el cártel se vuelve inestable o comienzan a existir indicios de su próximo rom-
pimiento, el pago esperado por seguir en el cártel comienza a disminuir drásticamente
debido a la creencia de la corta duración del cártel y la amenaza de ser descubiertos
y hacerse acreedores a la multa correspondiente. Al tener la posibilidad de evitar la
multa, resulta atractivo para los miembros de un cártel recurrir a esta alternativa para
asegurarse contra el castigo.
Las políticas de clemencia permiten tener más entes vigilando cárteles.
Normalmente, las autoridades de competencia son los entes encargados de investigar
CAPÍTULO 3. SCREENS 10
la existencia de cárteles y realizar el proceso correspondiente. En ocasiones, los consu-
midores pueden servir de ayuda si reportan aumentos drásticos de precios o actividades
que consideren sospechosas. Las política de clemencia permiten además que se integre
un tercer agente que ayude a las autoridades reguladores: los miembros de un cártel
que opten por este tipo de mecanismos funcionan como infiltrados, facilitando el ac-
ceso de información y agilizando el proceso de castigo debido a la evidencia que se
puede obtener.
Las políticas de clemencia permiten identificar cárteles que de otro modo no podrían
ser identificados.
Pensemos en el crimen perfecto. Un cártel con una coordinación y planeación tan minu-
ciosa que resulta practicamente imposible detectar la coordinación entre las empresas
involucradas. Mientras el cártel mantenga su funcionamiento perfecto, resulta imposi-
ble detectar y, en consecuencia, sancionar a los implicados; no obstante, la existencia
de la política de clemencia puede permitir la detección de los cárteles más cuidadosos
debido a la información que se obtiene desde adentro.
Este tipo de mecanismos resultan útiles para identificar cárteles. Por ejemplo, Hammond
(2004) afirma que entre 1997 y 2004 se multó a compañías relacionadas con cárteles y al
rededor del 90 % se atribuyó a la cooperación de agentes gracias a políticas de clemencia.
No obstante, a pesar del éxito que tienen estas políticas para la detección de cárteles, estos
instrumentos pueden presentar algunos problemas:
Las políticas de clemencia sirven principalmente para detectar cárteles inestables o a
punto de romperse
Las políticas de clemencia dependen de acciones de agentes ajenos al ente regulador
Además, la existencia de las políticas de clemencia también puede tener un efecto en la
dirección indeseada. Mota y Polo (1999) argumentan que la existencia de la política de cle-
mencia disminuye los costos esperados ex ante. Esto quiere decir que los individuos anticipan
CAPÍTULO 3. SCREENS 11
que al entrar en un cártel tienen una vía de escape mediante la política de clemencia vigente,
aumentando el número de cárteles formados.
Si bien la política de clemencia es un mecanismo útil para detectar y enjuiciar cárteles
en operación debido a la facilidad que tienen los infiltrados de obtener información, esta
depende totalmente de que partes involucradas decidan cooperar. En consecuencia, una gran
cantidad de cárteles cuyos miembros no están dispuestos a cooperar pasan inadvertidos para
las autoridades que velan por la competencia. Por lo tanto, es deseable contar con mecanismos
que permitan detectar la existencia de cárteles sin tener que esperar a que un agente decida
optar por la vía de clemencia. Uno de estos mecanismos alternativos son conocidos como
screens.
Un screen es una prueba estadística que sirve para detectar patrones o irregularidades que
den indicio de prácticas colusorias,
3.2. Tipos de Screens
Cuando se habla de screens existen dos tipos distintos:
Screens estructurales
Los screens estructurales consisten en identificar elementos que facilitan la colusión
para determinar en qué industrias es más probable que se generen o existan cárteles.
Lo anterior se logra haciendo uso de factores que se relacionan con la colusión según la
teoría económica y resultados empíricos de acuerdo con OECD (2013). Por ejemplo,
un número reducido de competidores, poca elasticidad de demanda y homogeneidad
en los productos son características que facilitan la existencia de un cártel.
Screens de comportamiento
Como se mencionó, los screens estructurales indican en qué industrias es más probable
que se generen cárteles debido a su facilidad. Por otro lado, los screens de comporta-
miento utilizan datos observados en una industria determinada para encontrar patrones
CAPÍTULO 3. SCREENS 12
de comportamiento de los agentes que puedan dar indicios de una practica colusoria,
por ejemplo un aumento drástico de precios sin justificación aparente como se señala
en Harrington (2006b). En el siguiente capítulo, el screen propuesto corresponde a uno
de este tipo.
3.3. Estrategias de Screens
Para identificar una actividad colusoria Abrantes (2013) identifica dos estrategias posi-
bles:
Buscar efectos improbables
Eventos con muy baja probabilidad de ocurrencia bajo condiciones normales pueden
dar indicios de la existencia de un cártel. Por ejemplo un aumento súbito en los precios
de múltiples empresas sin que aumente el costo del producto resulta sospechoso pues la
probabilidad de dicho suceso en un ambiente competitivo es muy baja. Una explicación
factible para dicho aumento es una coordinación entre los agentes involucrados. Otro
ejemplo es que en una licitación múltiples agentes hagan una oferta similar.
Comparar con un grupo de control
La segunda estrategia que identifica Abrantes (2013) consiste en buscar mercados que
se comporten de manera similar al mercado analizado para identificar qué anomalías
se presentan en el mercado de interés. De esta forma uno puede notar desviaciones del
comportamiento normal en el mercado de interés.
Este trabajo hace uso de la idea de Harrington (2006a) sobre la varianza de los precios.
En alguno de los marcadores que propone Harrington se utiliza la idea de que la varianza
de los precios es mucho menor en periodos de colusión debido al efecto de la coordinación.
Esta idea es rescatada en Abrantes-Metz y cols. (2006). El screen propuesto en el siguien-
te capítulo se basa en comparar el comportamiento de precios en un periodo con un grupo
CAPÍTULO 3. SCREENS 13
de control. En otras palabras, el screen busca crear un contrafactual tomando como referen-
cia el comportamiento en competencia para determinar si existe evidencia para catalogar el
comportamiento observado en periodos de potencial colusión como anticompetitivo.
Capítulo 4
Un screen de varianzas
En este capítulo se generan series de costos y, a partir de estas, los precios haciendo
uso del programa Matlab en un mercado que considera a 4 empresas. La serie de tiempo
de los precios y los costos se divide en 3 periodos de igual duración. En los periodos 1 y 3
las 4 empresas se encuentran compitiendo. Lo anterior se simula creando series de precios
independientes entre sí. Por otro lado, en el periodo 2 existe colusión entre las primeras tres
empresas. Esto se simula creando una dependencia de los precios de todos los miembros
del cártel del periodo anterior para la determinación de los nuevos precios para todos los
integrantes del cártel; es decir, los miembros del cártel observan los precios de sus aliados
y fijan precios similares. Por otro lado, los precios de la cuarta empresa permanecen siendo
independientes del resto.
Una vez que se cuenta con la serie de precios para cada empresa y precio promedio
ponderado por la participación de mercado exógena se procede a hacer un screen basado en
varianzas de precios. Lo anterior siguiendo el principio argumentado en Abrantes-Metz y
cols. (2006): en periodos de colusión la varianza de los precios es menor con respecto a los
periodos de competencia.
El screen propuesto y utilizado en este trabajo consiste en:
1. Se calculan las series de diferencias en los precios.
14
CAPÍTULO 4. UN SCREEN DE VARIANZAS 15
2. Se hace un gráfico de control sobre las medias de las diferencias.
3. Se identifican puntos de quiebre estructural (periodos con diferencias aberrantes).
4. Se separan los periodos en 3 tomando el primer y el último punto de quiebre.
5. Los periodos uno y tres se toman como periodos de competencia, mientras que el se-
gundo se considera como colusión.
6. Se comparan las medias de los precios y las varianzas en el periodo en competencia y
colusión al igual que Abrantes-Metz y cols. (2006).
7. Se hace una prueba Ansari-Bradley a las series de precios estandarizadas por su media
para determinar si las varianzas son estadisticamente diferentes entre el periodo de
competencia y de colusión.
La prueba Ansari-Bradley evalúa la hipótesis nula de que dos conjuntos de datos vienen
de la misma distribución. La hipótesis alternativa de la prueba es que ambos conjuntos de
datos provienen de distribuciones similares pero con varianza distinta. En este caso, la alter-
nativa corresponde a que la varianza es menor en el periodo de colusión. Esta prueba tiene
la ventaja de funcionar para cualquier distribución, por lo que no es necesario suponer que
los datos se distribuyen de manera normal, por ejemplo. Una desventaja de la prueba es que
supone que ambas distribuciones tienen la misma media, a pesar de no hacer supuesto sobre
la distribución, por lo que puede perder fuerza si los datos provienen de distribuciones con
medias distintas.
En la generación de los precios y los costos el código generador permite modificar distin-
tos parámetros relacionados a la generación de costos y precios. La generación se divide en
tres periodos de igual duración. La duración del proceso se puede elegir arbitrariamente.
Para el caso de los costos se admite modificar:
Generar una tendencia de costos creciente o constante, permitiendo añadir choques
distribuidos normalmente con media y varianzas a elegir.
CAPÍTULO 4. UN SCREEN DE VARIANZAS 16
Para cada empresa se puede modificar la sensibilidad a la tendencia y a choques alea-
torios con media y varianza a elegir para cada empresa para cada periodo.
Para el caso de los precios, se admiten las siguientes especificaciones:
Para cada empresa la media y la varianza de los choques aleatorios distribuidos nor-
malmente para cada periodo.
Un margen de ganancias inicial para fijar el precio a partir del costo en el tiempo 1.
La sensibilidad del precio ante cambios en el costo para cada periodo.
La fuerza del cártel, medida como la sensibilidad del precio de las empresas ante el
precio de otros miembros del cártel cuando este exista.
Nivel de aumento en precios como resultado de la colusión para las empresas involu-
cradas.
Participaciones de mercado exógenas y constantes para las empresas.
4.1. Proceso generado de datos
4.1.1. Costos
Para generar la serie primero se debe definir una duración T y esta se parte en tres pe-
riodos iguales t1,t2 y t3 donde en el primer y el tercer periodo el mercado se encuentra en
competencia y el segundo periodo corresponde a la existencia del acuerdo colusorio entre las
empresas 1, 2 y 3.
Posteriormente se indica un costo promedio c al rededor del cual oscilan los costos. Lue-
go, la tendencia de los costos en el tiempo t:
Ct = c+ εct (4.1)
CAPÍTULO 4. UN SCREEN DE VARIANZAS 17
donde εct tiene una distribución normal con media y varianza modificables. El caso base
corresponde a una distribución normal estándar.
Luego se genera un vector de choques en el costo para cada periodo st distribuidos nor-
malmente. En el caso base se considera media cero y varianza 1. Posteriormente se utilizan
estos choques para generar la serie de costos de cada empresa para cada periodo:
ci,tn = Ai,tnCt + γi,tnst (4.2)
donde i = 1, 2, 3, 4 denota la empresa y n = 1, 2, 3 denota el periodo. De esta forma los
costos pueden comportarse de manera distinta en cada uno de los 3 periodos.
4.1.2. Precios
Una vez generados los costos se procede a generar la serie de precios para las empresas.
Al igual que en el caso de los costos, se generan choques aleatorios sit para cada una de las
empresas para cada periodo.
El precio inicial de cada empresa se genera de la siguiente forma:
pi1 = ci1 + πi (4.3)
donde πi denota un margen de ganancia inicial para la empresa i en el tiempo 1.
A partir del segundo tiempo los precios se comportan de la siguiente manera cuando la
empresa está compitiendo:
pit = pi(t−1) + φi,n
(cit − ci(t−1)
)+ st,n (4.4)
El parámetro φ es una medida de la sensibilidad de la empresa a cambios en el costo.
Cuando la empresa está en un cártel (empresas 1,2,3 en el periodo t2) los precios se
generan de la siguiente forma:
CAPÍTULO 4. UN SCREEN DE VARIANZAS 18
pit = π̂it,n+pi(t−1)+ δij[pj(t−1) − pi(t−1)
]+ δik
[pk(t−1) − pi(t−1)
]+φi,2
(cit − ci(t−1)
)+ st,3
(4.5)
con i 6= k 6= j, π̂i,t,2 = 0 para T > t > 1 y π̂i,T,2 = −π̂i,1,2.
Los parámetros δij y δik representan la fuerza del cártel o el arreglo establecido.
4.2. Caso base
4.2.1. Costos y precios
En esta sección se utilizará un escenario base para mostrar paso a paso el screen propuesto
en este trabajo. El proceso generador de costos se generará una vez y el proceso generador
de precios se replicará 1000 veces con el objetivo de medir la eficiencia del screen como
el número de veces que detecta la colusión; no obstante en esta sección sólo se mostrará
el desarrollo de un escenario. En la siguiente sección se modificara un elemento a la vez
tomando como referencia el caso base con el fin de detectar cómo cambia la eficiencia del
screen en industrias con diferentes comportamientos.
En el caso de referencia, se toman 300 periodos para las series de precios y costos. Esto
significa que existe competencia del tiempo 1 al tiempo 100 (periodo t1), colusión por parte
de las empresas 1,2 y 3 del tiempo 101 al tiempo 200 (periodo t2) y nuevamente competencia
en el tiempo restante (periodo t3).
En este caso, los choques al costo εct tienen media 0 y varianza 1.
Además el costo de las empresas es idéntico, por lo que no existen choques idiosincráticos
en los costos. Además, se considera que la estructura de costos no cambia en ninguno de los
tres periodos, por lo que los choques no cambian en ningún momento. Esto se representa
fijando Ai,tn = 1 yγi,tnst = 0 para los 3 periodos de interés.
Una serie costos generada de esta forma tiene la siguiente forma:
CAPÍTULO 4. UN SCREEN DE VARIANZAS 19
Figura 4.1: Costos
A partir de estos costos se generan las series de precios mediante el proceso descrito en
la sección anterior. En este caso los choques st,n tienen media 0 y varianza 2 para todos los
periodos.
El margen de ganancia inicial πi para todas las empresas es igual a dos veces su costo.
El parámetro φi,n es igual a 1 cuando la empresa está compitiendo y 0.5 cuando la empresa
se encuentra en un cártel. Esto representa cómo choques en los costes afectan menos a la
empresa pues se basan más en su acuerdo colusorio para fijar precios. De esta forma φi,n =
0,5 para n = 2, i = 1, 2, 3 que representa la colusión entre las empresas en el segundo periodo
y φi,n = 1 para i = 4 y para n = 1, 2,i = 1, 2, 3.
En el periodo de la colusión, las empresas implicadas deciden aumentar su precio en 10
unidades, por lo que π̂i1,2 = 10 para i = 1, 2, 3.
La fuerza del cártel o la estructura del acuerdo se mide por los parámetros δij y δik. En
este caso toman el valor de 0.05, por lo que el ajuste de precios es relativamente lento.
Finalmente, las proporciones de mercado en orden de empresas corresponden a .30, .30,
.30, .10; es decir, la cuarta empresa tiene una participación de 10 % del mercado mientras que
CAPÍTULO 4. UN SCREEN DE VARIANZAS 20
el resto tiene cada una un 30 %.
Los precios generados tienen la siguiente forma:
Figura 4.2: Precios en t1
CAPÍTULO 4. UN SCREEN DE VARIANZAS 21
Figura 4.3: Precios en t2
Figura 4.4: Precios en t3
Si unimos los 3 periodos, la gráfica completa:
CAPÍTULO 4. UN SCREEN DE VARIANZAS 22
Figura 4.5: Precios en T
Ponderando por la participación de mercado de cada empresa se obtienen los precios
promedio del mercado:
Figura 4.6: Precios promedio en T
Finalmente, si unimos las distintas series de precios en una sóla gráfica observamos:
CAPÍTULO 4. UN SCREEN DE VARIANZAS 23
Figura 4.7: Precios en t1
En la práctica, la autoridad de competencia no observa el proceso generador de datos,
sino que tiene acceso únicamente a las series de precios de las empresas. Debido a esto, es
importante contar con herramientas que permitan tener indicios de la existencia de cárteles
haciendo uso de las series de precios de las empresas.
4.2.2. Screen
En esta sección se procede a realizar el screen propuesto para los datos generados en el
caso base.
El primer paso consiste en obtener la serie de las diferencias en los precios con el fin de
tener una serie estacionaria.
El segundo paso consiste en hacer un gráfico de control sobre las medias de las diferen-
cias:
En el gráfico podemos encontrar dos periodos en los cuales las diferencias son aberrantes,
por lo que el tercer paso es tomar como candidatos esos periodos para un quiebre estructural.
Estos puntos son el tiempo 100 y el tiempo 200.
CAPÍTULO 4. UN SCREEN DE VARIANZAS 24
Figura 4.8: Gráfico de control
Se separa la muestra en el periodo de competencia que corresponde a los tiempos 1-99 y
201-300 y el periodo de colusión que corresponde a los tiempos 100-200.
La comparación entre las medias y varianzas siguiendo a Abrantes-Metz y cols. (2006):
Cuadro 4.1: Comparación cártel v.s. competencia
estadísticas competition cártel dif %
media 84.118 93.478 -11.127
desv. est. 6.1084 3.7147 39.187
des. est. norm. 0.072617 0.039739 45.276
Finalmente, se realiza la prueba Ansari-Bradley para determinar si las varianzas entre am-
bos periodos son estadísticamente diferentes en el periodo que se propuso como competencia
y el preiodo propuesto como colusión.
La hipótesis nula es que la varianza es la misma para ambos periodos.
En este caso el valor p de la prueba es p = 0,1375, por lo que no existe evidencia estadís-
tica para rechazar la hipótesis nula de que la varianza es igual para ambos periodos.
CAPÍTULO 4. UN SCREEN DE VARIANZAS 25
Como consecuencia, este screen presenta evidencia en contra de la existencia de un cártel.
En este escenario particular se considera que el screen "falla"porque no detecto la exis-
tencia del cártel cuando en realidad sí existe. El siguiente paso consiste en utilizar esta misma
serie de costos para generar 1000 escenarios sobre los precios y replicar el screen aquí pre-
sentado. Siempre que exista evidencia para rechazar la hipótesis nula se considera que el
screen es exitoso debido a que presenta evidencia en favor de la existencia de un cártel cuan-
do en realidad sí existe. De esta forma la eficiencia del screen se mide como e = ES
donde E
representa los éxitos y S los escenarios.
Los resultados son los siguientes:
e =780
1000= 0,780
Esto significa que en industrias con las condiciones usadas en esta calibración, el screen
propuesto detecta un cártel aproximadamente un 78 % de las veces.
Por otro lado, si la prueba se realiza sustrayendo la media a la serie de los precios la
efectividad de la prueba aumenta. En este caso:
e =833
1000= 0,833
En este caso el screen tiene una efectividad de aproximadamente 83 %
Con el fin de darle un mayor sustento a la efectividad de la prueba, a continuación se
presenta el histograma del valor-p y la distribución generada a partir de los valores p:
CAPÍTULO 4. UN SCREEN DE VARIANZAS 26
Figura 4.9: Histograma 10 particiones
El eje de las ordenadas indica la frecuencia en una muestra de 1000 observaciones.
Figura 4.10: Distribución de la prueba
A partir de la distribución de los valores-p podemos se puede obtener la potencia de la
prueba para distintos niveles de significancia. Los resultados se presentan en la tabla siguien-
CAPÍTULO 4. UN SCREEN DE VARIANZAS 27
te:
Cuadro 4.2: Potencia de la prueba
nivel de significancia de la prueba potencia de la prueba
10 % 85.9 %
5 % 83.2 %
1 % 77.7 %
4.3. Estática comparativa: resultados
En esta sección se realiza el mismo proceso que en el caso base mostrado en la sección
anterior variando algunos parámetros con respecto del caso base para determinar cómo la
cambia la efectividad del screen en diversas situaciones. Esto es análogo al análisis de está-
tica comparativa en modelos económicos. Los resultados se presentan en tablas. Cada tabla
corresponde a la modificación de un parámetro. Las variables en negritas corresponden al
caso base.
Parámetro: Varianza de los choques en precios
Cuadro 4.3: Varianza de los choques
Valor del Parámetro nivel de significancia de la prueba potencia de la prueba
1 5 % 84.3 %
2 5 % 83.2 %
3 5 % 77.6 %
Los resultados indican que a un mayor nivel de varianza en los choques a los precios de
las empresas la potencia de la prueba disminuye. Esto se traduce a que en industrias más
volátiles la herramienta propuesta es menos efectiva que en industrias menos volátiles debido
a que es más probable que cambios abruptos en los precios se deban a características de la
industria analizada y no de los agentes implicados.
CAPÍTULO 4. UN SCREEN DE VARIANZAS 28
Parámetro: Aumento de margen de ganancias π̂
Cuadro 4.4: Margen de ganancias
Valor del Parámetro nivel de significancia de la prueba potencia de la prueba
10 5 % 83.2 %
12 5 % 84.0 %
20 5 % 86.0 %
En la tabla se aprecia que a medida que el margen de ganancias extraordinarias aumenta
es más probable que la herramienta detecte la existencia de una conducta anticompetitiva.
Esto se debe a que se hace más evidente el cambio abrupto en los precios cuando entra el
cártel en operación. Del mismo modo, mientras más discretos sean los incrementos como
resultado de un acuerdo colusorio es menos probable que el screen lo detecte.
Parámetro: Proporción de mercado de la empresa 4
Cuadro 4.5: Proporción de mercado de la empresa 4
Valor del Parámetro nivel de significancia de la prueba potencia de la prueba
0.04 5 % 82.1 %
0.10 5 % 83.2 %
0.40 5 % 81.1 %
0.70 5 % 81.3 %
En la tabla se aprecia que no existe una tendencia clara sobre cambios en la potencia de
la prueba ante distintas participaciones de mercado de los miembros del cártel y la empresa
compitiendo. Esto significa que la herramienta propuesta no es sensible a la participación
de cada empresa debido a que el análisis se realizó sobre los precios de cada empresa y
no sobre el precio ponderado por la participación de mercado de cada agente. Esto implica
que la herramienta funciona para detectas acuerdos tanto entre empresas grandes como entre
empresas chicas.
CAPÍTULO 4. UN SCREEN DE VARIANZAS 29
Parámetro: Número de empresas coludidas
Cuadro 4.6: Número de empresas coludidas
Valor del Parámetro nivel de significancia de la prueba potencia de la prueba
2 5 % 81.6 %
3 5 % 83.2 %
4 5 % 83.4 %
En la tabla se observa que a medida que aumenta el número de miembros del cártel resulta
más fácil la detección de este. Lo anterior se debe a que un mayor número de precios en el
mercado se mueven de manera similar, reduciendo la varianza en los precios. El extremo sería
cuando toda la industria se colude, caso en el que todos los precios del sector se comportarían
de manera muy parecida, provocando que la varianza sea muy baja. Por el contrario, cuando
todos los precios son independientes la varianza aumenta, de modo que la herramienta es más
eficaz cuando existen cárteles grandes.
Capítulo 5
Conclusiones
Este trabajo consistió en dos partes. En la sección 3 se hizo una recopilación sobre la im-
portancia de emplear screens como complemento a las políticas tradicionales de clemencia
para detectar la existencia de cárteles. Esto es importante por dos motivos. En primer lugar,
permite que la autoridad tenga herramientas para detectar conductas anticompetitivas sin te-
ner que depender la participación de miembros de algun cártel. En segundo lugar, permite que
la autoridad realice análisis económicos para sustentar con mayor fuerza su decisión sobre la
existencia de un cártel en un caso específico.
En la segunda parte se propuso un screen basado en el comportamiento de los precios
cuando existe colusión y cuando no existe colusión. Dependiendo el valor de los parámetros
del modelo el screen cambia su efectividad. En el caso base el screen detecto la colusión un
83 % de las veces. Sin embargo, mientras más volatil se vuelve la industria el screen comienza
a perder efectividad. Esto se debe a que es menos evidente el cambio en el comportamiento
de los precios. También si la colusión se lleva a cabo entre las empresas más pequeñas no
influye en la efectividad del screen debido a que se toman las series de precios individuales
de cada empresa y no el promedio ponderado. Además, a medida que el aumento en precio es
mayor como resultado del acuerdo colusorio incrementa la efectividad del screen propuesto.
Este mismo comportamiento se observa cuando la fuerza de cohesión del cártel aumenta. Un
30
CAPÍTULO 5. CONCLUSIONES 31
último resultado es que a medida que el número de empresas coludidas aumenta el screen se
vuelve más preciso debido a la reducción en la varianza de los precios.
El screen utilizado en este trabajo sugiere hacer uso de las series de diferencias en precios
para encontrar candidatos a cambios en la estructura de los precios. Existen otras alternativas
para identificar candidatos a cambios en la estructura de los precios, como son la prueba de
Chow si se tiene alguna sospecha de cuándo puede presentarse el origen del cártel o el método
de Cusum para encontrar los puntos de quiebre. Una posible extensión del trabajo sería aplicar
el screen utilizando ambas pruebas para contrastar los cambios respecto al screen utilizado.La
prueba de Chow puede resultar particularmente útil cuando se tienen indicios de la fecha del
establecimiento de un cartel. Esta metodología tiene la ventaja respecto al método usado de
ser más preciso si se toma la fecha correcta; sin embargo, conocer la fecha de inicio del cártel
puede no siempre ser posible. Por otro lado, el método de Cusum permite encontrar más de
un cambio en el comportamiento de los precios, pudiendo así identificar más de un periodo
de colusión en los datos; sin embargo, al tener más particiones en la serie de tiempo resulta
más complicado determinar que subconjunto pertenece al periodo competitivo.
Otra posible modificación al trabajo es no predeterminar el periodo de finalización del
cártel, sino asignar reglas para su rompimiento. Por ejemplo, establecer que el cártel exista
hasta que alguno de sus miembros tenga un precio distinto al del resto, provocando así el
rompimiento del cártel. Lo anterior sería el equivalente a una estrategia gatillo en un juego
repetido.
Referencias
Abrantes, R. (2013). “Roundtables on ex officio cartel investigations and the use of screens
to detect cartels.” , Disponible en http://ssrn.com/abstract=2343465.
Abrantes-Metz, R., y Bajari, P. (2009a). “Screening for conspiracies: Applications
for litigation, pre-litigation, regulation and internal monitoring.” , Disponible en
http://ssrn.com/abstract=1357862.
Abrantes-Metz, R., y Bajari, P. (2009b). “Screens for conspiracies and their multiple appli-
cations.” Antitrust, 24(1), 66-71.
Abrantes-Metz, R., Bajari, P., y Murphy, J. (2010). “Antitrust screening: Making compliance
programs robust.” , Disponible en http://ssrn.com/abstract=1648948.
Abrantes-Metz, R., Connor, J., y Metz, A. (2013). “The determinants of cartel duration.” ,
Disponible en http://ssrn.com/abstract=2263782.
Abrantes-Metz, R., Froeb, L., Geweke, J., y Taylor, C. (2006). “A variance screen for collu-
sion.” International Journal of Industrial Organization, 24, 467-486.
Bajari, P., y Summers, G. (2002). “Detecting collusion in procurement auctions.” Antitrust
Law Journal, 70(1), 143-170.
Bajari, P., y Ye, L. (2003). “Deciding between competition and collusion.” The Reviw of
Economics and Statistics, 85(4), 971-989.
Bajari, P., y Yeo, J. (2008). “Auction design and tacit collusion in fcc spectrum auc-
tions.” National Bureau of Economic Research, working paper, 14441, Disponible
en http://www.nber.org/papers/w14441.
32
Referencias 33
Buccirossi, P. (2008). Handbook of antitrust economics. MIT Press.
Cabral, L. (2010). “Collusion theory: Where to go next?” German Institue for Economic
Research, discussion papers, 1004, Disponible en http://ssrn.com/abstract=1639452.
Comisión Europea. (2016). “Leniency.” Comisión Europea,
http://ec.europa.eu/competition/cartels/leniency/leniency.html.
Friederiszick, H., y Maier-Rigaud, F. (2010). “The role of economics in cartel detection in
europe.” Working Paper, 1004, Disponible en http://ssrn.com/abstract=1639452.
Hammond, S. (2004). “Cornerstones of an effective leinency program.” ,
https://www.justice.gov/atr/speech/cornerstones-effective-leniency-program.
Harrington, J. (2005). “Detecting cartels.” , Disponible en
http://assets.wharton.upenn.edu/ harrij/pdf/DetectingCartels-10.8.05.pdf.
Harrington, J. (2006a). “Behavioral screening and the detection of cartels.” European
University Institute.
Harrington, J. (2006b). Behavioral screening and the detection of cartels. Hart Publishing.
Harrington, J. (2006c). “How do cartels operate?” Foundations and Trends in Microecono-
mics, 2(1), 1-105.
Mota, M., y Polo, M. (1999). “Leniency programs and cartel prosecution.” European
University Institute.
OECD. (2011). Quantification of harm to competition by national courts and competition
agencies. OECD Competition Policy Roundtables.
OECD. (2013). Ex officio cartel investigations and the use of screens to detect cartels.
Competition Policy Roundtables.
von Blanckenburg, K., y Geist, A. (2009). “How can a cartel be detected?” International
Advances in Economic Research, 15, 421-436.
von Blanckenburg, K., y Geist, A. (2010). “Detecting ilegal activities: the case of cartels.”
European Journal of Law and Economics, 32(1), 15-33.
von Blanckenburg, K., y Geist, A. (2011). “Cartel detection - is market share vo-
Referencias 34
latility a significant indicator.” Intereconomics, 46(217-221), Available at SSRN:
http://ssrn.com/abstract=2184563.
von Blanckenburg, K., Geist, A., y Kholodilin, K. (2010). “The influence of collusion on
price changes: New evidence from major cartel cases.” German Institue for Economic
Research, discussion papers, 1004, Disponible en http://ssrn.com/abstract=1639452.