Simulationsmodelle bei Fusionen: Teil 2

Ähnliche Dokumente
Simulationsmodelle bei Fusionen: Teil 1

Simulationsmodelle bei Fusionen: Teil 4

Kapitel 9: Auktionen. Literatur: Tadelis Chapter 13. Prof. Dr. Philipp Weinschenk, Lehrstuhl für Mikroökonomik, TU Kaiserslautern

Grundzüge der Spieltheorie

Experimentelle Analyse von Auktionen

Statistik II. Regressionsrechnung+ Regressionsanalyse. Statistik II

6. Adverse Selektion und soziale Wohlfahrt

4 Mengenwettbewerb und Kapazitätsschranken. 4.1 Simultaner Mengenwettbewerb. Augustin Cournot (1838)

UE Statistische Mustererkennung WS 2018 Angaben zur 2ten Aufgabengruppe

Wahrscheinlichkeitsverteilungen

Auktionen. Vortrag im Rahmen des Seminars aus maschinellem Lernen

Seminar zur Energiewirtschaft:

Teil VIII. Zentraler Grenzwertsatz und Vertrauensintervalle. Woche 6: Zentraler Grenzwertsatz und Vertrauensintervalle. Lernziele. Typische Situation

A3.Die Lebensdauer eines elektronischen Gerätes werde als normalverteilt angenommen. Der Erwartungswert betrage

Klausur Mikroökonomik II. Wichtige Hinweise

Mehrdimensionale Zufallsvariablen

Wie liest man Konfidenzintervalle? Teil I. Premiu m

Kapitel 13: Unvollständige Informationen

Statistik II. Statistische Tests. Statistik II

Kapitel 07. Konsumenten, Produzenten und die Ezienz von Märkten

1 Einleitung. 1.1 Was ist Ökonometrie und warum sollte man etwas darüber lernen?

Informationsökonomie

Skript zur Vorlesung Mikroökonomik II (WS 2009) Teil 3

Proxies, Endogenität, Instrumentvariablenschätzung

Klausur Mikroökonomik II. Wichtige Hinweise

Märkte und Wohlstand

Statistik II. Regressionsanalyse. Statistik II

Klausur - Lösungen Wettbewerbspolitik SS ; Uhr

Die Regressionsanalyse

Mechanismus Design Auktionen

Gewinnfunktion für Firma 1 [ ] Gewinnfunktion für Firma 2 [ ]

Elektronische Märkte. Mechanismusdesign und Auktionstheorie

Die Theorie des Monopols

How To Find Out If A Ball Is In An Urn

Prof. Dr. Abdolkarim Sadrieh. Lehrstuhl für E-Business SS 2013

Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert

Statistik II. Version A. 1. Klausur Sommersemester 2011 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

UNIVERSITÄT DORTMUND WIRTSCHAFTS- UND SOZIALWISS. FAKULTÄT. Mikroökonomie. Industrieökonomik

4. Oligopole. 4.1 Cournot-Oligopol

Das Problem des Weihnachtsbaumhändlers

Aufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.

Unterschied zwischen Stackelberg Führern und den Folgern: jeder Stackelberg Führer weiß, dass der Output der Stackelberg Folger durch Y F = n

A stylized model for wealth distribution

Industrieökonomik II Wintersemester 2007/08 1

Wichtige Definitionen und Aussagen

Statistik I für Betriebswirte Vorlesung 13

Statistik III. Walter Zucchini Fred Böker Andreas Stadie

Duopol. Monopol. Duopol. Supply Chains. Strategische Lagerhaltung. Anreize für Manager. Terminmärkte. Hotelling

Planung von Handlungen bei unsicherer Information

3.4 Asymptotische Evaluierung von Sch atzer Konsistenz Konsistenz Definition 3.4.1: konsistente Folge von Sch atzer

John Komlos Bernd Süssmuth. Empirische Ökonomie. Eine Einführung in Methoden und Anwendungen. 4y Springer

Grundlegende Eigenschaften von Punktschätzern

1 Einführung Ökonometrie... 1

Stichproben: Theorie und Verfahren

Monte-Carlo Tests. Diplomarbeit. Wiebke Werft. Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf

Einführung in die. Regulierungsökonomie. Juristische Fakultät Lehrstuhl für Steuerrecht und Wirtschaftsrecht Karsten Zippack, M.Sc.

So berechnen Sie einen Schätzer für einen Punkt

3. Kapitel. Märkte und Marketing

Industrieökonomik I Wintersemester 2007/08 1. Industrieökonomik I. Prof. Dr. Ulrich Schwalbe. Wintersemester 2007/ 2008

Industrieökonomik II Wintersemester 2007/08 1

Klausur Mikroökonomik II. Wichtige Hinweise

Delegation oder Zentralisation von Entscheidungskompetenzen

Dr. H. Grunert Schließende Statistik Vorlesungscharts. Vorlesung 7. Schätzverfahren

Teil 3: Induktive Statistik -Verbindung von Empirie und Theorie

WS 2014/15. (d) Bestimmen Sie die Wahrscheinlichkeitsfunktion von X. (e) Bestimmen Sie nun den Erwartungswert und die Varianz von X.

-IX- 1.3 Einordnung der Themenstellung in die neoinstitutionalistische Theorie. 10

Biomasse- und Biogas-Auktionen für Käufer

Hypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests

Woche 2: Zufallsvariablen

b) Stellen Sie die grundlegenden Formen der Diversifikation dar! Geben Sie für jede Form ein aussagekräftiges Beispiel!

K8 Stetige Zufallsvariablen Theorie und Praxis

... mit interdependenten Wertschätzungen.... nicht nur von seinem eigenen Typen t i ab,... ihr Verhalten auf Information konditionieren,...

Klausur AVWL 1. Klausurtermin:

simple lineare Regression kurvilineare Regression Bestimmtheitsmaß und Konfidenzintervall

Kapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem

Aufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ).

6 Auktionstheorie. Private und gemeinsame Werte

T-Test für unabhängige Stichproben

Lösung für die Aufgaben 30 und 31

Kapitel 10: Renten und Wohlfahrt

Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar "Statistische Methoden in der Physik"

Statistik-Klausur vom

Stichproben Parameterschätzung Konfidenzintervalle:

VO Grundlagen der Mikroökonomie

Woche 2: Zufallsvariablen

Erstellt von Krischan

KARTELLVORWURF: EINE ÖKONOMISCHE PERSPEKTIVE

Die Stochastischen Eigenschaften von OLS

Mikroökonomik B Teil II: Spieltheorie

Kapitel 1.1: Marktgleichgewicht und Effizienz 1

Überblick. Einführung in die automatische Mustererkennung Grundlagen der Wahrscheinlichkeitsrechnung

Zeigen Sie mittles vollständiger Induktion, dass für jede natürliche Zahl n 1 gilt: n (2k 1) = n 2.

10 Statistisches Schätzen

... sondern auch von den Entscheidungen anderer Akteure

Wahrscheinlichkeitsrechnung und Statistik

Probeklausur - Statistik II, SoSe 2017

Simulation der Wohlfahrtsgewinne an der Energy Only -Strombörse

1 Beispiel zur Methode der kleinsten Quadrate

Transkript:

CCR - Competition Competence Report Herbst 2013/2 Simulationsmodelle bei Fusionen: Teil 2 Dieser aktuelle CCR behandelt Auktionsmodelle. Nachfragemodelle, die von der Kommission bei der Modellierung von Fusionen verwendet werden, sind im letzten CCR beschrieben worden. Einleitung Zur Simulation von Preis- und Mengenänderungen nach einem Zusammenschluss werden üblicherweise einfache Wettbewerbsmodelle herangezogen. Bei oligopolistischen Marktstrukturen finden darüber hinaus drei grundlegende theoretische Ansätze Anwendung: Cournot-Wettbewerb (Mengenwettbewerb), Bertrand-Wettbewerb (Preiswettbewerb) und die Auktionstheorie. Simulationen, die auf der Auktionstheorie basieren, ähneln Simulationen in einem Cournot- oder Bertrandmarkt. Der Unterschied ist, dass in Auktionsmodellen keine Nachfrage- oder Kostenfunktionen geschätzt werden. Vielmehr werden Wertschätzungen und Kostenverteilungen als Nutzenpräferenzen der konkurrierenden Auktionsteilnehmer modelliert. Die Präferenzen der Teilnehmer sind dabei ihre privaten Zahlungsbereitschaften oder Reservationspreise für Güter oder Güterbündel. Auktionsmodelle Als Auktion wird im Allgemeinen ein Mechanismus zur Allokation eines oder mehrerer Güter verstanden. Neben Anbietern, die ihre Produkte versteigern, weisen Auktionsmärkte die folgenden Eigenschaften auf: die nachgefragten Produkte werden nicht oft gekauft und die Kunden präzisieren ihre Anforderungen in Ausschreibungen. Angebote werden von Lieferanten abgegeben. Dies führt zu einem Auswahlverfahren mit mehreren Runden und schlussendlich zu einer Transaktion. Typische Auktionsmärkte sind Märkte für Unternehmenssoftware, für kundenspezifische technische Ausrüstungen und für gemeinwirtschaftliche Dienstleistungen. Wenn Zusammenschlüsse in solchen Märkten stattfinden, dann sind Auktionsmodelle die erste Wahl, um die Auswirkungen der Transaktion auf den Wettbewerb zu simulieren. 1

Verschiedene Auktionsmodelle Spieltheoretische Modellierungen von Auktionen sowie strategisches Verhalten der Bieter fallen üblicherweise in einer der folgenden zwei Kategorien: Beim Modell der privaten Werte ergibt sich der Nutzen für jeden Teilnehmer als individuelle Präferenz. Diese Präferenz wird als Zufallsvariable modelliert. Die Zufallsvariablen der Teilnehmer sind unabhängig voneinander. Im Standardmodell wird zusätzlich angenommen, dass die Präferenzen der Bieter symmetrisch sind: sie unterliegen alle der gleichen Verteilung. Das Standardbeispiel in der Literatur ist der Verkauf eines Gemäldes: der Wert des Gemäldes ist für die potentiellen Käufer unterschiedlich; ihre Werteinschätzungen sind unabhängig voneinander. Wenn die Nutzen der Teilnehmer von einer gemeinsamen Variablen abhängen, spricht man vom Modell der gemeinsamen Werte. Das zu verkaufende Objekt ist jedem gleich viel wert, aber die Bieter verfügen über unterschiedliche private Informationen über den wahren Wert. Anwendungsbeispiel für dieses Modell ist die Versteigerung von Ölbohrrechten. Diese Rechte sind augenscheinlich jedem Bieter gleich viel wert. Die Theorie modelliert jedoch Informationsasymmetrien zwischen den Teilnehmern als private Signale, die mit der zugrundeliegenden gemeinsamen Variable korreliert sind. Diese Differenzierung findet bei zwei Arten von Auktionsmodellen Anwendung: die Erstpreisauktion und die Zweitpreisauktion. Erstpreisauktionen In dieser Auktion gibt jeder Bieter gleichzeitig sein verdecktes Gebot ab. Kein Bieter kennt das Gebot eines anderen Teilnehmers. Der Gewinner der Auktion leistet eine Zahlung in Höhe seines Gebots. Modelle für Erstpreisauktionen werden für Simulationsmodelle in Märkten mit asymmetrischen Erstpreisauktionen, verdeckten Auktionen und Auktionen mit privaten Werten verwendet. Der niedrigste Preis, den ein Bieter bieten kann, entspricht seinen Kosten. Für diese Art der Modellierung werden Marktanteile und die unterschiedlichen Dichtefunktionen der Kosten benötigt. Zweitpreisauktionen Die Zweitpreisauktion entspricht an sich einer verdeckten Erstpreisauktion. Der gewinnende Bieter bezahlt jedoch das zweithöchste Gebot und nicht sein eigenes. 2

Die Zweitpreisauktion basiert auf mehreren Annahmen: erstens bestehen die Werte der Bieter aus zwei unabhängigen Komponenten: die bieterspezifische Komponente und die gemeinsame Komponente. Indem die Merkmale der bieterspezifischen Komponenten vereinfacht werden, können die Gewinnwahrscheinlichkeit jedes Bieters (die dem zu erwartendem Marktanteil entspricht) sowie die Preise (die dem zweithöchsten Gebot entspricht) und die Auswirkungen des Zusammenschlusses berechnet werden. Die Verteilungsparameter werden anhand der Unterschiede der verlorenen Gebote geschätzt. Hierfür findet eine zweistufige höchste Wahrscheinlichkeitsschätzung mit begrenzten Informationen ( limited information maximum likelihood - LIML) Anwendung. Hierfür müssen die Bieter, ihre Anteile und Eigenschaften (auch die der verlierenden Bieter) sowie die Höhe der Angebote (auch hier ebenfalls die der verlierenden Bieter) bekannt sein. Die Schätzung besteht aus drei Schritten. 1. Im ersten Schritt werden firmen- oder bieterspezifische Eigenschaften verwendet, um die logit Gewinnwahrscheinlichkeit sowie die zu erwartenden Werte des gewinnenden Gebots zu schätzen. Dabei werden die Anteile als Ersatz für die Gewinnwahrscheinlichkeit genutzt. 2. Im zweiten Schritt werden die errechneten Wahrscheinlichkeiten verwendet, um die Differenz zwischen dem zweithöchsten und dem dritthöchsten Gebot zu berechnen. 3. Im dritten Schritt werden die Auswirkungen des Zusammenschlusses auf die Preise geschätzt, indem die Verteilungsparameter und die veränderte Gewinnwahrscheinlichkeit des fusionierenden Unternehmens eingesetzt werden. Die neue Gewinnwahrscheinlichkeit ist gleich der Summe der Marktanteile der zusammenschließenden Unternehmen, da das neue Unternehmen jede Auktion gewinnen wird, die normalerweise jedes einzelne Unternehmen gewonnen hätte. Die Auswirkung auf den Preis nach dem Zusammenschluss hängt hauptsächlich von der Varianz der bieterspezifischen Komponente ab: eine große Varianz deutet auf eine Steigerung des Betrags und auf Preisabweichungen hin. Verwendung von Auktionsmodellen durch die Kommission Die Kommission hat Auktionsmodelle in den folgenden Fällen verwendet: Oracle/Peoplesoft (COMP/M.3216) sowie Vattenfall/Elsam and E2 assets (COMP/M.3867). 3

Oracle/PeopleSoft 2004 Die Kommission äußerte Bedenken über die mögliche Verringerung der Bieter bei Ausschreibungen von drei auf zwei: Dies könne die Auswahl einschränken und zu Preissteigerungen führen. Um die Folgen des Zusammenschlusses abschätzen zu können, hat die Kommission selbst, also ihre ökonomischen Experten, ein Simulationsmodell entworfen. Die Kommission entwickelte ein verstecktes Auktionsmodell, in dem die Bieter die Identität ihrer Konkurrenten kennen aber nicht den tatsächlichen Wert, den die Kunden den verschiedenen konkurrierenden Produkten zuschreiben. Im Modell wählen die Bieter ihre Gebote anhand einer Berechnung der zu erwartenden Gewinne abhängig vom Preis und der Gewinnwahrscheinlichkeit. Die Kommission verwendete in ihrem Modell Daten, die Oracle selbst vorgelegt hat. Oracle stellte Angaben zu 728 Ausschreibungen aus den Jahren 2001 bis 2003 mit einem durchschnittlichen Lizenzwert von 708.851 zur Verfügung. Darunter befanden sich auch einige Ausschreibungen zu Produkten in Marktnischen und zu anderen Lösungen, die nicht Teil des Produktmarktes waren und einen viel geringeren Lizenzwert hatten (235 Ausschreibungen mit Lizenzwerten zwischen 2.000 und 100.000). Da Oracle nicht in der Lage war, nähere Angaben zu den in den Ausschreibungen enthaltenen Elementen zu tätigen, konnte die Kommission nicht überprüfen, ob diese Ausschreibungen auch zum relevanten Markt gehören oder nicht. Die Ergebnisse der von der Kommission durchgeführten Simulation variierten: potenzielle Preiserhöhungen nach dem Zusammenschluss zwischen 6,8% und 30% indizierten, dass der Zusammenschluss Kunden schädigen würde - nicht allein nur durch den Verlust der Entscheidungsfreiheit, sondern auch wegen der möglichen Preiserhöhung. Die hohe Bandbreite der Resultate des Auktionsmodells der Kommission legte jedoch offen, dass die geschätzten Ergebnisse unzuverlässig waren und unter Umständen auch die verwendete Marktabgrenzung falsch sein könnte. Die Kommission verwarf ihr Modell daraufhin. Die Kommission genehmigte den Zusammenschluss ohne Auflagen. Vattenfall/Elsam and E2 assets - 2005 In diesem Fall fand MARS, ein Simulationsmodell für den nordischen Strommarkt, Anwendung. MARS simuliert die Marktbedingungen der Stromerzeuger in Nord Pool. Das Modell kann das optimale Bietverhalten für jeden Stromerzeuger für jede Stunde eines hypothetischen Jahres prognostizieren. 4

Die Strategien der Stromerzeuger werden anhand einer Reihe von exogenen Faktoren berechnet, die das hypothetische Jahr spezifizieren. Diese Berechnungen umfassen die Strompreise im Kontek Gebiet (dem deutschen Äquivalent zu Nord Pool), die Preise der Produktionsgüter sowie die Regenmengen und die damit verbundenen Wasserstände in den Stauseen. Basierend auf diesen Informationen sowie Informationen über die Übertragungskapazitäten zwischen den verschiedenen Preisgebieten und über die Produktionsanlagen, die jedem Erzeuger zur Verfügung stehen, prognostiziert MARS das Gebot, das jeder Bieter an Nord Pool abgeben würde. Das Modell berechnet anhand dieser Gebote die daraus resultierenden Preise für jedes Gebiet für jede Stunde des Jahres, das angenommene Kundenverhalten sowie die Übertragungskapazitäten. MARS prognostizierte in diesem Zusammenschluss, dass die Übertragung von Vermögenswerten an Vattenfall zu einem geringen Rückgang der durchschnittlichen Preise in Dänemark von weniger als 1% führen würde. Die Auswirkungen in anderen Bereichen wären ebenfalls minimal. Die Kommission genehmigte den Zusammenschluss ohne Auflagen. 5