В рамках курса MIT OpenCourseWare профессор Тобиас Зальц (Tobias Salz) представил детальный разбор современных эмпирических моделей поисковых трений в экономике. Лекция посвящена тому, как экономисты измеряют неявные издержки потребителей на поиск информации и как слияния компаний влияют на рынки с договорными ценами. На примерах классических исследований и собственной научной работы Зальц демонстрирует, почему разброс цен является мерой «рыночного невежества» и как скрытые механизмы определяют нашу готовность переплачивать.
🔍 Природа поисковых трений: почему одинаковые товары стоят по-разному 0:17
В основе современной теории поиска лежит классическая статья Джорджа Стиглера, опубликованная в 1961 году. Стиглер обратил внимание на очевидный, но долгое время игнорировавшийся факт: в реальной экономике не существует единого централизованного маркетплейса, где каждый участник мгновенно видит все актуальные цены. Чтобы узнать стоимость товара, покупателю приходится тратить ресурсы — перемещаться между магазинами, совершать звонки или тратить ментальные усилия на сравнение предложений. Эти препятствия экономисты называют поисковыми трениями. Разброс цен на рынке, по меткому выражению Стиглера, служит прямым отражением масштаба невежества и неосведомленности его участников.
Для исследователей в области индустриальной организации (Industrial Organization, IO) анализ рынков через призму поисковых моделей имеет как позитивное, так и нормативное значение. Профессор Тобиас Зальц выделяет два ключевых позитивных аргумента:
- Объяснение ценового разнообразия: В реальности абсолютно идентичные товары часто продаются по существенно отличающимся ценам. Модели поиска объясняют это существованием равновесия смешанных стратегий, при котором фирмы намеренно устанавливают разные цены.
- Оценка рыночной власти: Поисковые трения выступают мощным источником монопольной власти фирм. Если потребителю дорого искать альтернативы, продавец может безболезненно повышать цену.
С нормативной точки зрения поисковые трения — это прямые общественные издержки. Экономисты выделяют три основных канала их негативного влияния на общественное благосостояние:
- Прямые непроизводительные затраты: Время и бензин, потраченные человеком на объезд автосалонов для поиска лучшей цены на машину, безвозвратно теряются для экономики.
- Неэффективное распределение (misallocation) среди потребителей: Из-за неполноты информации отпускник может забронировать не тот отель, который подошел бы ему идеально при заданном бюджете.
- Неэффективность в секторе B2B: Компании, закупающие компоненты у поставщиков, из-за высоких издержек поиска часто не могут найти производителя с минимальной себестоимостью, что генерирует скрытые убытки для всей производственной цепочки.
Ситуация усложняется, когда мы переходим от рынков с открытыми (posted) ценами к рынкам, где финальная стоимость формируется в процессе переговоров. Ипотечные кредиты, покупка недвижимости, автомобилей, а также бытовые услуги подрядчиков или сантехников — все эти сферы характеризуются индивидуальным ценообразованием. Здесь издержки поиска для потребителя максимальны, а исследователи сталкиваются со сложной эконометрической проблемой: в данных фиксируются только финальные транзакционные цены, представляющие собой смещенную, селективную выборку предложений.
📊 Модель Хонга и Шума: экономика без объемов продаж 6:08
Эконометрическое исследование экономистов Хонга и Шума доводит идею Стиглера до математического абсолюта. Они задались вопросом: можно ли оценить распределение издержек поиска в экономике, имея на руках исключительно данные о ценах, без какой-либо информации о количестве проданных товаров? Опираясь на теоретическую модель Бёрдетта и Джадда (1983), авторы исследовали равновесие смешанных ценовых стратегий.
В первой, базовой версии модели Хонг и Шум рассматривают механизм непоследовательного (non-sequential) поиска. В рамках этого подхода потребитель еще до начала поиска жестко решает, сколько именно ценовых предложений ($l$) он соберет. Его поведение подчинено следующим правилам:
- Минимизация общих затрат: Покупатель балансирует между издержками на сам поиск и ожидаемой ценой товара.
- Индивидуальные издержки: Каждый потребитель обладает уникальными, постоянными для него затратами на один шаг поиска ($c_i$), при этом самый первый ценовой запрос всегда бесплатен.
- Неэластичный спрос: Предполагается, что спрос является единичным и неэластичным — потребитель гарантированно купит ровно одну единицу товара, если цена не превысит его критический порог.
Математически потребитель сопоставляет предельные издержки поиска ($c_i$) с предельной выгодой — тем, насколько снизится минимальная цена в его выборке, если он сделает еще один запрос. В результате рынок сегментируется на группы (бины) покупателей ($q_{tilde}$), которые совершают строго определенное количество запросов. Чем ниже индивидуальные издержки поиска человека, тем больше ценовых долей он запрашивает.
Фирмы, в свою очередь, максимизируют прибыль, умножая маржу на вероятность того, что их цена окажется минимальной среди всех запросов, полученных конкретным покупателем. Ключевое условие равновесия смешанных стратегий — фирма должна получать одинаковую прибыль при установлении любой цены из диапазона распределения. Она балансирует между высокой маржой при максимальной цене (когда товар покупают только те, кто вообще не сравнивает цены) и высокой вероятностью победы при низкой цене.
Поскольку исследователю доступны фактические цены, он может построить эмпирическую функцию распределения (CDF). Если количество наблюдаемых уникальных цен превышает максимальное число запросов потребителей ($k+1$), возникает система линейных уравнений. Из нее можно аналитически вытащить неизвестные доли потребителей разных типов ($q_{tilde}$) и константные предельные издержки фирм ($r$). Модель оказывается сверхидентифицированной, и авторы оценивают ее методом эмпирического правдоподобия.
Примечание с лекции: Как критически заметил профессор Гленн Ellison (и с ним солидарен Тобиас Зальц), Хонг и Шум идут на определенную хитрость. Они принимают эмпирическое распределение цен за истинное распределение в каждой точке. Однако реальные графики цен в их данных имеют странные пики и точки концентрации массы, что противоречит теории непрерывного и гладкого распределения смешанных стратегий.
🔄 Последовательный поиск и парадокс цен на учебники 18:02
Вторая модификация модели Хонга и Шума базируется на принципе последовательного (sequential) поиска, идеологически близком к макроэкономической модели рынка труда Макколла (McCall model). Здесь потребитель действует динамически: он запрашивает одну цену, оценивает ее и каждый раз принимает решение — остановиться или заплатить за следующий шаг поиска.
Оптимальной стратегией в данном случае становится правило отсечения, или резервационная цена ($z$). Если выпавшая цена ниже порога $z$, поиск прекращается; если выше — продолжается. Порог устанавливается в точке, где индивидуальные предельные издержки поиска ($c_i$) в точности равны ожидаемому выигрышу от потенциального улучшения цены.
Однако при попытке эмпирической оценки последовательного поиска исследователи упираются в серьезную математическую стену — проблему побочных параметров (incidental parameter problem). В отличие от непоследовательного поиска, где потребители делились на конечное число групп, здесь каждый уникальный тип издержек $c_i$ порождает свою собственную уникальную резервационную цену. С введением каждого нового условия безразличия для цен на рынке добавляется новый неизвестный параметр — масса потребителей с порогом выше этой точки. В итоге количество неизвестных ($n+1$) всегда превышает количество уравнений ($n-1$). Чистая непараметрическая идентификация становится невозможной, и авторам приходится искусственно вводить жесткое параметрическое распределение издержек поиска, чтобы довести оценку до конца.
В качестве эмпирической базы Хонг и Шум выбрали довольно специфический рынок — цены на академические учебники для аспирантов по экономике (включая знаменитые издания Стоки-Лукаса, Лазира и Биллингсли). Результаты анализа оказались весьма специфическими:
- Повальная пассивность: Для большинства исследованных рынков учебников средний потребитель осуществляет поиск всего один раз. Около 50% студентов берут первое попавшееся предложение, вообще не сравнивая цены.
- Исключение из правил: Лишь для одного учебника (авторства Лазира) модель показала наличие категории студентов, готовых сделать три ценовых запроса.
Тобиас Зальц указывает на фундаментальный методологический изъян такого подхода. Модель восстанавливает не базовые, изначальные параметры («примитивы») человеческой психологии или логистики, а эндогенный объект — текущую стратегию поведения на конкретном рынке. Если 50% людей не ищут альтернатив, мы физически не можем узнать из данных, каковы их реальные издержки поиска — они могут быть как умеренно высокими, так и астрономическими.
Более того, Зальц выделяет общую проблему всей классической литературы по поисковым трениям:
- Завышение издержек: Модели склонны выдавать чрезмерно огромные, нереалистичные объемы поисковых затрат.
- Игнорирование шума: Вся ценовая вариация насильно интерпретируется как структурная. Модель «сваливает» в издержки поиска любые ошибки измерения данных, временные лаги или банальную скрытую дифференциацию продавцов (например, удобство расположения магазина или доверие к бренду).
🇨🇦 Канадский ипотечный рынок: как слияния бьют по экономным 31:25
Кардинальным шагом вперед в преодолении этих ограничений стала работа Джейсона Аллена, Роба Кларка и Жана-Франсуа Уда, опубликованная в American Economic Review в 2013 году. Они перенесли фокус на рынок жилой ипотеки в Канаде, где цены не публикуются открыто, а индивидуально обсуждаются с каждым заемщиком. Полноценный инструментарий для анализа слияний и поглощений (M&A) долгое время существовал только для рынков с фиксированными ценниками. Оценить последствия консолидации там, где каждый клиент платит уникальную ставку, до этой работы было крайне тяжело.
Авторы получили доступ к административным данным страховых компаний, содержащим полную информацию по застрахованным ипотечным договорам. Тот факт, что все кредиты были застрахованы, имеет важнейшее эконометрическое значение: это позволило исследователям утверждать, что перед ними абсолютно однородный продукт. Риск дефолта заемщика полностью застрахован, а значит, разница в ставках обусловлена исключительно рыночной силой банков и поведением клиентов, а не премией за индивидуальный риск.
В этот период на рынке произошло крупное слияние двух гигантских кредиторов. Исследователи применили изящную комбинацию анализа эффекта воздействия (treatment effect) и структурного моделирования. Они разделили локальные рынки на две категории:
- Контрольная группа: Географические зоны, где до слияния присутствовал только один из участвующих в сделке банков, либо не было ни одного.
- Группа воздействия (treated): Рынки, где физические отделения имели оба объединяющихся банка. После сделки конкуренция там искусственно снизилась, так как локальные менеджеры получили директиву жестко координировать действия и не конкурировать внутри единой новой сети.
Чтобы очистить данные от влияния сопутствующих факторов (размер кредита, доход заемщика, его кредитный рейтинг FICO), авторы запустили регрессию и анализировали исключительно остаток — так называемую «договорную маржу» (negotiated margin).
Средний эффект слияния (Difference-in-Differences) оказался статистически значимым, но экономически скромным — около 7 базисных пунктов, что эквивалентно переплате всего в $5 в месяц для средней канадской семьи. Рынок в целом остался высококонкурентным. Однако магия исследования крылась в анализе разных квантилей распределения цен с помощью метода changes-in-changes, разработанного Эйти и Имбенсом в 2006 году.
Выяснилось, что на 75-м процентиле (для клиентов, которые изначально получали самые невыгодные, высокие ставки) слияние не изменило практически ничего. Зато на 25-м процентиле (среди самых экономных заемщиков, выбивавших лучшие скидки) ставки после слияния подскочили сразу на 8 базисных пунктов. Поисковое пространство сжалось, предложение сократилось, и ценовое распределение на рынке резко спрессовалось. Слияние нанесло удар именно по тем, кто активно искал и сравнивал варианты, оставив пассивных потребителей нетронутыми.
🏗️ Анатомия трехстадийной модели: аукционы в ипотеках 52:06
Для глубокого осмысления этих результатов Аллен, Кларк и Уд построили структурную модель поискового рынка с $n+1$ кредиторами. Модель состоит из трех последовательных этапов:
- Стадия первоначального предложения: Клиент автоматически и бесплатно получает базовую ставку, как правило, от своего «домашнего» банка.
- Стадия поисковых усилий: Потребитель решает, согласиться на нее или вложить непрерывные усилия в поиск альтернатив. Функция усилий устроена так, что с вероятностью $s$ клиент успешно собирает предложения абсолютно ото всех банков на рынке, а с вероятностью $1-s$ — находит только две альтернативные котировки.
- Стадия финального торга: Если клиент решился на поиск, банки начинают конкурировать за него. Авторы моделируют этот процесс как классический английский аукцион. Банки имеют общую и индивидуальную компоненты издержек. Поскольку доминирующая стратегия в таком аукционе — торговаться до уровня собственных издержек, побеждает банк с минимальными затратами, а финальная ставка фиксируется на уровне издержек второго по эффективности конкурента.
Критически важным и весьма радикальным допущением модели является предположение о симметричности информации между банком и клиентом на этапе торга: кредитный менеджер в отделении в деталях видит и знает индивидуальные издержки поиска заемщика ($u_i$).
В теоретической модели также присутствовали скрытые фиксированные издержки поиска ($\eta_i$), создававшие информационную ренту для потребителей. Однако при переходе к практической оценке авторы просто приравняли $\eta_i$ к нулю. В такой конфигурации банки полностью забирают себе весь излишек, а заемщику оставляют ставку, в точности равную его резервационной цене. Это обеспечивает идеальное монотонное соответствие между квантилями наблюдаемых договорных марж и квантилями скрытых типов издержек поиска потребителей.
Оценив модель методом моментов, исследователи получили реальные масштабы скрытых параметров:
- Цена поиска: Средние издержки поиска для канадского заемщика составили около $1,700 при среднем объеме кредита в $152,000.
- Банковские наценки: Маржинальность (markups) канадских банков колеблется в районе 5–10%.
Тобиас Зальц обращает внимание на серьезный логический парадокс этой структуры. Из-за предположения о том, что банки насквозь видят издержки заемщиков, в условиях рыночного равновесия реального поиска вообще не происходит. Банк превентивно выдает клиенту ровно такую ставку, чтобы у того даже не возникло желания выйти за дверь и начать собирать альтернативные котировки. Подобная модель идеальной ценовой дискриминации полностью блокирует важнейший рыночный феномен — дисциплинирующее влияние подкованных потребителей на общий уровень цен для всех остальных участников.
🚛 Мусорный бизнес Нью-Йорка: брокеры и организованная преступность 1:13:28
Собственная научная работа Тобиаса Зальца (его job market paper) направлена на преодоление этого теоретического тупика. Зальц построил модель, где у фирм присутствует жесткая асимметрия информации — они понятия не имеют, какой именно тип клиента перед ними стоит, благодаря чему активные покупатели начинают неявно защищать интересы пассивных, вынуждая бизнес снижать цены по всему рынку.
В центре его исследования находится феномен информационных посредников (брокеров). Зальц модифицировал логику Хонга-Шума, добавив в нее возможность делегирования:
- Стратегия высоких издержек: Потребители с экстремально высокими затратами на поиск полностью отказываются от самостоятельных запросов.
- Роль брокера: Вместо этого они нанимают брокера, который организует для них профессиональный централизованный аукцион среди поставщиков.
В результате самые «ленивые» и невыгодные для рынка клиенты уходят к посредникам. Поставщики услуг знают об этом оттоке и понимают, что оставшиеся на розничном рынке клиенты в среднем гораздо более склонны сравнивать цены. Это заставляет фирмы вести себя агрессивнее и снижать маржу для всего розничного сегмента.
Эмпирической базой для исследования Зальца стал крайне специфический сектор — коммерческий рынок вывоза твердых бытовых отходов в Нью-Йорке (NYC trade waste market). Исторически эта сфера контролировалась организованной преступностью и мафиозными кланами, выстроившими жесткую систему рэкета и картельных сговоров. В ответ на это городские власти в 1995 году создали специальный надзорный орган — Business Integrity Commission. Комиссия обязала абсолютно все мусоровывозящие компании сдавать детальную отчетность по каждому индивидуальному контракту в единый реестр. Так сугубо криминальная история Нью-Йорка подарила экономистам уникальный массив административных данных по децентрализованному рынку.
Рынок вывоза мусора в Нью-Йорке беспрецедентно фрагментирован: в отдельных почтовых индексах Манхэттена могут одновременно конкурировать до 100 независимых операторов. Модель Зальца учитывает скрытую неоднородность с обеих сторон — как издержки поиска у покупателей, так и логистические издержки у мусорных компаний. Математически задача свелась к поиску аналитического решения в замкнутой форме для функции ценовых заявок (bidding function), аналогичной закрытому первому аукциону закупок со стратегией независимых частных цен (IPV). Итоговая цена в такой модели определяется как взвешенное среднее оптимальных заявок, где веса зависят от эндогенной поисковой стратегии потребителей, реагирующих на присутствие брокеров.
