学院 最新消息 文章

算法在当今社会诸多领域的运用日臻深入与频繁

2020.05.13

图片来源:百度图库

算法在当今诸多领域的运用已屡见不鲜。与算法有关的活动也日渐成为各国当局的法律监管目标。本文试从算法交易和算法共谋入手,对欧盟与法国实施的相应监管实践加以简述。对算法交易的监管涉及欧盟MIFID II指令及法国货币与金融法典,旨在确保算法交易不会影响金融市场的稳定性和完整性。对算法共谋的规管则与欧盟竞争法有关,运用相关规则对明示性和默示性共谋的究责,由于查证难度的不同所显现的复杂度亦有不同。相信未来对算法相关议题的法律监管会进一步延展。

—— 编者按

依照法国达罗兹法文字典的解释,算法是指运算规则的集合;通过数量有限的操作来运用这些规则,可以解决一个列明的难题。得益于程序设计语言,算法能被表达为可由计算机执行的程序。

算法在当今社会诸多领域的运用日臻深入与频繁。值得一提的是,目前算法本身尚未成为各国监管当局的目标。此中缘由或可解读为,一则,算法作为一种不断演进的技术,对其加以监管的难度可想而知。贸然对之监管,不仅可能浪费监管资源,而且可能阻碍技术创新;二则,对算法技术的了解、掌握需要不断与时俱进,这对监管当局的相关人才配备提出了严格要求。不过这并不影响各国当局关注和算法有关的交易或运作,并对它们实施相应的监管尝试。结合欧盟与法国的监管实践或构想,笔者试就算法交易和算法共谋两方面进行简单介评。

算法交易

首先谈谈算法交易。从技术层面来讲,算法交易泛指金融工具的自动化交易,包括高频算法交易。它可以增加金融市场的现金流量,降低交易的成本,增大交易的数量,优化执行客户的下单。但它也有可能引发金融市场的乱象,比如客户可能会在短时间内大量撤销下单,交易者可能随时兑现,交易系统可能骤然超出负荷,等等。

从法律层面来讲,依照编号2014/65的欧盟金融工具市场指令 II(以下简称MIFID II)的规定[1],算法交易是指在金融工具的交易中,交易订单的不同参数是由信息化的算法自动确定,比如下单的决定、下单的时刻、订单的价格与数量、对已发订单的管理方式等,而相关过程没有人力介入或介入非常有限。

在其于2014年6月2日生效之时,MIFID II对算法交易的监管重点仅是针对订单的创立阶段,而不涵盖订单在后交易阶段的处理[2]。欧盟编号2017/565的委托规章则明确规定,算法交易应该不仅参照订单的自动化创立,还应参照自动化处理订单在执行进程中的最佳状态[3]。自此MIFID II对算法交易的规范涵盖了交易的所有阶段。另外,当智能订单路径器为将订单执行进程最优化而使用算法,并且相关算法能够决定订单的参数、而非提交订单的平台之参数时,算法交易也应覆盖此种路径器[4]。

MIFID II由法国编号2016-827的有关金融工具市场的部令[5]转化为其国内法,法国货币与金融法典法律编第533-10-3条及后续条款[6]也由此创立。根据前述相关条文,资产管理公司以外的投资服务给付者,若诉诸算法交易,必须遵守如下义务: 其一, 拥有有效的、与其活动相宜的系统及风险控制,以保证它们的交易系统首先具备抗压性及足够的能力,其次受制于适当的交易门槛及限制,再次预防错误订单的发送或任何其它可能导致或促使市场紊乱的运作,最后不能被用于任何违背欧盟《市场滥用规章》[7]的目的。其二,拥有有效的活动连续性的规划,以应对其交易系统的任何缺陷,并对这些系统能被完全测试及适当关注负责,以确保它们符合相应法律条款的合规要求。

此外,前述投资服务给付者在法国以外的欧盟或欧共体国家运用算法交易时,须就此事通知法国金融市场管理局,并在提供的相关文件中,阐明其采用的算法交易战略的性质、有关交易的各项参数以及交易限制的详尽信息。它们还要保留一份算法交易的簿记,以备法国金融市场监管局对于相关法定义务的验核[8]。

由此可见,欧盟及法国对算法交易的监管在于,首先赋予其明晰的法律定义,为其设定合适的法律框架,然后将监管重点锁定于实施算法交易的相关机构,旨在预防算法交易可能导致的金融市场失序运转的风险,以期确保市场的良好运行性及完整性。

算法共谋

再来说说算法共谋。横向反竞争协定可能产生欧盟竞争法中所涉的共谋风险,比如数个同一行业的竞争企业就价格、产量限控、市场份额分配等方面达成协定。共谋又可分为明示和默示共谋。前者的表现形式是口头或书面的明确协定,这就要求不同协议企业之间存有某种联系。后者则是企业间没有互动发生,故而也缺乏明示协定。

算法共谋可被理解为算法运用介入的共谋。算法介入的程度取决于其扮演的角色是协定的参与者,还是协定的决定者。算法共谋同样可分为明示和默示两类。

就明示算法共谋而言,一个典型的例子是,几个竞争企业自行做出合作决定,而非由算法为之。在所涉协定达成一致后,相关卡特尔成员将之交付给算法履行。在此情况下,算法履行的任务是将特定合作的运转最优化。该类共谋的另一种演绎方式是,在一个横向反竞争协定中,卡特尔成员之间并不互动,但委托处于垂直地位的同一种算法对市场价格予以确定、对竞争对手的行为做出反应等。算法在该类情势下实际扮演了第三方决定者的角色,它的介入使得有关成员能就施行的市场行为保持一致。

对于欧盟或各成员国竞争主管当局而言,对明示性算法共谋的究责成功与否,取决于能否找到算法为反竞争实践提供便利的证据。

显而易见,倘若卡特尔成员先自行谈妥协定,再交由特定算法予以履行,那么监管当局不难找到此类明示性算法共谋的证据,违反相关竞争规则的行为因此将被依法惩处。

然而,如果作为第三方的算法成为相关协定的决定者,即实质成为所涉卡特尔成员的中间人,而协定成员之间又并无明示的互动,则证明此类共谋存在的难度会无疑加大。

在欧盟法院于2016年1月21日审理的E-Turas一案[9]中,作为立陶宛一家线上旅游预订系统,E-Turas向旅行社出售操作许可,允许它们通过其确定的统一预订介绍方式、藉由各自的网站开展旅游销售; 旅行社成员均在E-Turas拥有电子账户,可通过各自的电邮与其联络。后来E-Turas发送内部电邮告知它们,其做出的技术修改会使后者的促销折扣限制在3%以内。这就意味着,如果某家旅游社自行降价5%,运用算法技术的E-Turas会自动将该折扣上限减至3%。相关告示由E-Turas发送后,没有一家旅行社对其强加的折扣上限表示反对; 相涉的所有旅行社是否对此内容均有知晓,亦不确定。

该案的核心争议是,使用E-Turas系统的旅行社是否参与了一个横向的商议性实践,因而应对违反相应的竞争规则负责,既然它们似能合理假定该系统其它使用者也会将价格折扣限定在最多3%。众所周知,欧盟运行条约第101(1)条禁止意图妨碍、限制或扭曲欧盟内部市场竞争的任何企业协议、任何企业的联合决定以及任何商议性实践[10]。

欧盟法院在对此案做出的预备性判决中指出[11],上述第101(1)条应被阐释为,提供统一预订方式服务的信息系统之管理人,通过私人电子信箱向其旅行社用户发送信息,告知它们依其系统销售的产品设有价格折扣上限,且在该信息的散播之后,对相关系统进行必要的技术修改以推行有关措施,那么这些业者自得悉此信息的时刻起,就可被推定为参与到了一个商议性实践之中,除非它们已与此实践公开保持距离,并向行政当局报告之,或者援引别的证据以推翻相关推定,比如对客户系统性地运用了超过预设上限的折扣。

欧盟法院还指出,一则讯息的发送是否就能构成其接收者知悉相关内容的充分证据,归由本案的原上诉审法院(立陶宛最高行政法院)依照证据评估和证据标准之国内法规定予以审查。

就默示算法共谋而言,一个简单易懂的例子是,同为竞争对手的A和B各自使用能够预测对方行动及反应的算法; 当A调涨其商品的市场价时,B使用的算法可令B迅速加以效仿。因此,虽然A和B对价格涨跌或其它行为并无任何事先或实时的协定,但是相关算法可以导致一方对其竞争对手的行为做出预测性反应,比如A 在其涨价时就知道B也会同样为之。事实上,通过诉诸算法,A、B双方以暗示性合意的方式,对相关价格的同步上涨心照不宣。

另一个类似的默示共谋的例子是,业者A将产品价格的决定权完全交由运用机器学习的价格算法C。后者可以实时处理巨量数据,并能单凭自己获得的学习经验做出决定。如果此种情况也复制于业者B及其委托的价格算法D,那么C算法和D算法完全可以凭借各自的自动学习能力,在无需沟通联络的情况下联袂进行价格共谋,且又不会被察觉,更无需卡特尔成员A和B之间存在任何协定。

由此不难发现,对默示算法共谋的取证难度可见一斑。问题在于,如果某个反竞争协定的所涉成员之间缺乏联系,因而缺乏协议证据,欧盟及各成员国竞争主管当局就不能适用上述欧盟条约第101(1)条的规定,对相关不正当竞争实践祭出惩罚措施。

针对这一问题的或有解决方法可能是: 其一,将欧盟运行条约第101(1)条中涵括的“协定”扩大化,以使该条款同样适用于运用机器学习的算法自行达成的反竞争协定。其二,采取以 “算法”治“算法”的策略,即相关竞争主管当局可以发展自己的机器学习算法[12],诉诸信息分析的自动化流程,以便有效侦测及证明诉诸机器学习算法的非法协定之存在。

综上所述,算法交易与算法共谋已经受御于欧盟及法国的监管,或者可能成为进一步的监管目标。可以想见的是,未来随着算法运用领域的继续扩大,对有涉算法的诸多运作或活动继续进行合理有度的法律规制,或为大势所趋。

作者|申军

相关推荐