Цифровая Институциональная Экономика

2. North, D. (1990). Institutions, Institutional Change and Economic Performance. Cambridge University Press.

3. Coase, R. (1937). The Nature of the Firm. Economica, 4(16), 386-405.

4. Williamson, O. (1985). The Economic Institutions of Capitalism. Free Press.

5. Ostrom, E. (1990). Governing the Commons. Cambridge University Press.

6. Akerlof, G. (1970). The Market for "Lemons". Quarterly Journal of Economics, 84(3), 488-500.

7. Spence, M. (1973). Job Market Signaling. Quarterly Journal of Economics, 87(3), 355-374.

8. Stigler, G. (1961). The Economics of Information. Journal of Political Economy, 69(3), 213-225.

9. Schelling, T. (1960). The Strategy of Conflict. Harvard University Press.

10. Hardin, G. (1968). The Tragedy of the Commons. Science, 162(3859), 1243-1248.

ГЛАВА 2. ЦИФРОВЫЕТРАНСАКЦИОННЫЕ ИЗДЕРЖКИ

Важность главы

Трансакционные издержки — это кровеносная система институциональной экономики. Классические работы показали, что фирмы существуют потому, что рыночные трансакции не бесплатны. Существуют издержки поиска информации, ведения переговоров, заключения контрактов, контроля их исполнения. Фирма позволяет сэкономить эти издержки, заменив рыночные контракты властными отношениями.

В дальнейшем было показано, что специфичность активов определяет способ организации сделки. Чем более специфичны активы, тем выше трансакционные издержки и тем более вероятно, что сделка будет организована внутри фирмы, а не через рынок.

В цифровой экономике трансакционные издержки трансформируются:

· Одни снижаются (поиск информации, коммуникация, переговоры)

· Другие растут (кибербезопасность, верификация, соответствие требованиям)

· Третьи исчезают (физическая передача товаров, нотариальное заверение)

· Четвертые появляются (газовые сборы, риски смарт-контрактов)

Эта глава показывает, как цифровые институты влияют на трансакционные издержки и как это меняет экономику. Мы формулируем авторскую формулу цифровых трансакционных издержек, которая расширяет классическую модель и позволяет анализировать издержки в цифровой среде.

Ключевые вопросы главы:

1. Что такое трансакционные издержки в цифровую эпоху?

2. Как цифровые технологии снижают и увеличивают издержки?

3. Какие новые виды издержек появляются?

4. Как цифровые институты помогают экономить издержки?

5. Как выбор типа обмена влияет на издержки?

2.1. Определение понятия «цифровыетрансакционные издержки»

2.1.1. Классическое определение

Трансакционные издержки — это издержки, возникающие при осуществлении транзакций. Они включают:

· Издержки поиска информации — поиск партнеров, цен, качественных характеристик

· Издержки измерения — измерение количества и качества товаров

· Издержки ведения переговоров — согласование условий сделки

· Издержки контроля — контроль исполнения контракта

· Издержки защиты — защита контракта от нарушений

В классических работах было показано, что эти издержки существуют и определяют границы фирмы. В дальнейшем было добавлено понятие специфичности активов: чем более специфичны активы, тем выше трансакционные издержки и тем более вероятно, что сделка будет организована внутри фирмы, а не через рынок.

Также было предложено разделение издержек на:

· Издержки ex ante (до заключения сделки): поиск, переговоры, заключение контракта

· Издержки ex post (после заключения сделки): контроль, принуждение, адаптация

Институты существуют для снижения трансакционных издержек. Чем эффективнее институты, тем ниже издержки и тем выше экономический рост.

2.1.2. Цифровая трансформация трансакционных издержек

В цифровой экономике трансакционные издержки претерпевают фундаментальные изменения.

Что снижается:

· Издержки поиска: поисковые системы, маркетплейсы, агрегаторы снижают издержки поиска информации с часов до секунд

· Издержки коммуникации: мессенджеры, видеоконференции снижают издержки коммуникации практически до нуля

· Издержки переговоров: смарт-контракты автоматизируют исполнение, снижая потребность в переговорах

· Издержки заключения контрактов: электронные подписи, шаблоны контрактов, онлайн-платформы снижают издержки заключения контрактов

Что растет:

· Издержки безопасности: кибератаки, взломы, утечки данных создают новые издержки

· Издержки соответствия требованиям: регламенты о защите данных, регулирование платформ создают новые требования, соблюдение которых стоит дорого

· Издержки верификации: в анонимной среде сложнее верифицировать контрагента

· Издержки координации: в децентрализованных системах сложнее координировать действия

Что трансформируется:

· Издержки измерения: рейтинги, отзывы, сертификаты заменяют традиционные измерения

· Издержки контроля: алгоритмы, децентрализованные организации, смарт-контракты заменяют менеджеров

· Издержки защиты: децентрализованные арбитражи заменяют суды

Что появляется:

· Газовые сборы: каждая транзакция на блокчейне стоит денег

· Извлекаемая стоимость: майнеры извлекают дополнительную стоимость из транзакций

· Риски смарт-контрактов: ошибки в коде необратимы и могут привести к потере средств

· Издержки моста: перевод активов между блокчейнами стоит дорого

· Издержки ликвидности: в децентрализованных финансах недостаток ликвидности увеличивает проскальзывание

Формально:

Пусть транзакция имеет набор параметров. Издержки транзакции складываются из издержек по каждому параметру. Оптимальная транзакция достигается, когда предельные издержки каждого параметра равны предельным выгодам.

Следствие: В цифровой экономике издержки смещаются от традиционных (поиск, переговоры) к новым (безопасность, соответствие требованиям, газовые сборы). Это создает новые вызовы для экономических агентов.

Эмпирика: Цифровые технологии снизили трансакционные издержки в розничной торговле, но увеличили в финансовом секторе (за счет соответствия требованиям).

Институциональный анализ: Цифровые институты (платформы, рейтинги, электронные подписи) радикально снижают издержки поиска, измерения, переговоров и заключения контрактов. Но они создают новые издержки (безопасность, соответствие требованиям, верификация).

2.2. Рыночные цифровые трансакционныеиздержки и способы их экономии

2.2.1. Издержки поиска информации в цифровой среде

Теоретическая основа

В классической теории поиск информации — это инвестиция, которая имеет предельную доходность. Чем больше времени и ресурсов вы тратите на поиск, тем лучше результат, но с убывающей отдачей.

Формально: Пусть вы ищете товар с ценой P. Издержки поиска зависят от количества проверенных вариантов. Полезность поиска: чем больше вариантов, тем выше вероятность найти лучший, но тем выше издержки.

Оптимальное количество проверенных вариантов достигается, когда предельные издержки поиска равны предельной выгоде от дополнительного варианта.

В цифровой экономике издержки поиска радикально снижаются, что увеличивает оптимальное количество вариантов и улучшает результат.

Цифровые механизмы снижения издержек поиска:

· Поисковые системы — индексируют миллиарды страниц, позволяя найти информацию за секунды

· Маркетплейсы — агрегируют миллионы товаров, позволяя сравнить цены и характеристики

· Агрегаторы — собирают предложения от сотен поставщиков

· Рекомендательные системы — предлагают контент на основе ваших предпочтений

· Социальные сети — позволяют найти людей и информацию через сети контактов

Кейс 16: Поисковая система как механизм снижения издержек поиска

Проблема: В раннюю эпоху интернета поиск информации был сложным. Существовали каталоги, но они не масштабировались. Нужен был новый механизм.

Решение: Поисковая система, которая ранжирует страницы по количеству и качеству ссылок на них.

Как работает:

1. Система индексирует миллиарды страниц

2. Алгоритм оценивает авторитетность каждой страницы

3. Поисковый запрос обрабатывается за миллисекунды

4. Результаты ранжируются по релевантности

Эмпирика:

· Поисковая система обрабатывает миллиарды поисковых запросов в день

· Занимает значительную долю рынка поиска

· Среднее время поиска информации сократилось с десятков минут до секунд

· Экономия для пользователей оценивается в десятки миллиардов долларов в год

Институциональный анализ: Поисковая система создала новый институт (поисковый алгоритм), который:

· Снижает издержки поиска практически до нуля

· Создает новые издержки (реклама, клики, алгоритмическая манипуляция)

· Монополизирует рынок поиска

Проблема: Поисковая система может манипулировать результатами поиска в своих интересах. Регулирование требует обеспечить равный доступ для конкурентов.

Кейс 17: Маркетплейс как механизм снижения издержек поиска

Проблема: В прошлом покупка товаров была сложной. Нужно было ехать в магазин, сравнивать цены, искать отзывы. Маркетплейс предложил новый механизм.

Решение: Агрегация товаров, рейтинги, отзывы, рекомендации.

Как работает:

1. Маркетплейс агрегирует миллионы товаров

2. Рейтинги и отзывы позволяют оценить качество

3. Рекомендации предлагают похожие товары

4. Доставка обеспечивает быструю доставку

Эмпирика:

· Маркетплейс имеет сотни миллионов активных покупателей

· Большинство покупок начинаются с поиска на маркетплейсе

· Экономия для покупателей оценивается в десятки миллиардов долларов в год

· Миллионы активных продавцов

Институциональный анализ: Маркетплейс создал новый институт (торговая площадка с рейтингами), который:

· Снижает издержки поиска и измерения

· Создает новые издержки (комиссия)

· Монополизирует рынок электронной коммерции

Проблема: Маркетплейс может манипулировать рейтингами и рекомендациями в своих интересах. Регулирование требует обеспечить равный доступ для конкурентов.

Авторская модель: Оптимальный поиск в цифровой среде

Формально: Пусть пользователь ищет товар. В цифровой среде издержки поиска снижаются с ростом количества проверенных вариантов. Но появляются новые издержки:

· Издержки алгоритмической манипуляции: платформы могут манипулировать результатами

· Издержки информационной перегрузки: слишком много вариантов

· Издержки верификации: сложно проверить качество

Общие издержки складываются из традиционных и новых издержек. Оптимальное количество проверенных вариантов достигается, когда общие предельные издержки равны предельной выгоде.

Следствие: В цифровой среде традиционные издержки поиска снижаются, но новые издержки растут. Это создает новый оптимум, который может быть ниже, чем в традиционной экономике.

2.2.2. Издержки измерения в цифровых сделках

Теоретическая основа

В классической теории измерение качества товаров — это ключевая проблема трансакционных издержек. Чем сложнее измерить качество, тем выше издержки и тем более вероятно, что сделка не состоится.

Выделяют три категории товаров:

· Поисковые товары — качество можно измерить до покупки

· Экспериментальные товары — качество можно измерить только после покупки

· Доверительные товары — качество сложно измерить даже после покупки

В цифровой экономике измерение трансформируется: рейтинги, отзывы, сертификаты заменяют традиционные измерения.

Цифровые механизмы измерения:

· Репутационные системы — позволяют оценить контрагента

· Верификация — позволяет подтвердить личность

· Сертификация — позволяет подтвердить соответствие стандартам

· Алгоритмическая оценка — позволяет оценить риск

· Блокчейн-верификация — позволяет подтвердить подлинность данных

Кейс 18: Репутационная система как механизм измерения

Проблема: В прошлом покупка на онлайн-аукционах была рискованной. Продавцы могли обмануть покупателей, и не было механизма защиты.

Решение: Репутационная система, которая позволяет покупателям оценивать продавцов.

Как работает:

1. После каждой сделки покупатель и продавец оценивают друг друга

2. Оценки агрегируются в рейтинг

3. Рейтинг влияет на цену и вероятность продажи

4. Плохие продавцы блокируются

Эмпирика:

· Платформа имеет сотни миллионов активных покупателей

· Репутация увеличивает цену товара на несколько процентов

· Плохая репутация снижает продажи в разы

· Большинство сделок проходят без проблем

Институциональный анализ: Репутационная система создала новый институт, который:

· Снижает издержки измерения

· Создает новые издержки (манипуляция рейтингами, фальшивые отзывы)

· Решает проблему неблагоприятного отбора

Проблема: Репутационные системы можно манипулировать. Решение — децентрализованные репутационные системы.

Кейс 19: Система доверия в сервисе аренды жилья

Проблема: В прошлом никто не хотел сдавать свою квартиру незнакомцам. Как создать доверие?

Решение: Система доверия, которая включает:

· Верификация: подтверждение личности, телефона, почты

· Репутация: отзывы гостей и хозяев

· Страховка: гарантия возмещения ущерба

· Гарантия: если что-то пойдет не так, платформа вернет деньги

Эмпирика:

· Платформа имеет сотни миллионов пользователей

· Большинство бронирований происходят без личной встречи

· Большинство отзывов положительные

· Миллиарды выплачены по страховым случаям

Институциональный анализ: Система доверия создала новый институт (доверие между незнакомцами), который:

· Снижает издержки измерения

· Создает новые издержки (страховка, верификация)

· Решает проблему доверия в анонимной среде

Проблема: Платформа создает риски для соседей (шум, мусор, безопасность). Решение — регулирование (лицензирование, налоги).

Авторская модель: Оптимальное измерение в цифровой среде

Формально: Пусть товар имеет качество, которое сложно измерить. В цифровой среде издержки измерения снижаются с ростом количества данных. Но появляются новые издержки:

· Издержки манипуляции: продавцы могут манипулировать рейтингами

· Издержки верификации: сложно проверить подлинность отзывов

· Издержки алгоритмической ошибки: алгоритмы могут ошибаться

Общие издержки складываются из традиционных и новых издержек. Оптимальный уровень измерения достигается, когда общие предельные издержки равны предельной выгоде.

Следствие: В цифровой среде традиционные издержки измерения снижаются, но новые издержки растут. Это создает новый оптимум, который может быть выше, чем в традиционной экономике.

2.2.3. Издержки ведения переговоров и заключения смарт-контрактов

Теоретическая основа

В классической теории переговоры — это ключевой источник трансакционных издержек. Чем больше сторон и чем сложнее предмет сделки, тем выше издержки переговоров.

Также было показано, что неполнота контрактов создает дополнительные издержки: стороны не могут предвидеть все обстоятельства, поэтому контракты неполны, и это создает оппортунистическое поведение.

В цифровой экономике смарт-контракты автоматизируют исполнение, снижая издержки переговоров и заключения контрактов.

Преимущества смарт-контрактов:

· Автоматическое исполнение: не требует третьей стороны

· Прозрачность: код доступен для аудита

· Неизменность: после развертывания нельзя изменить

· Экономия: нет юристов, нотариусов, судов

· Скорость: исполнение за секунды, а не дни

Недостатки смарт-контрактов:

· Негибкость: нельзя адаптировать к непредвиденным обстоятельствам

· Ошибки: ошибки в коде необратимы

· Газовые сборы: каждая транзакция стоит денег

· Сложность: требуют знаний программирования

· Регуляторная неопределенность: юридический статус неясен

Кейс 20: Децентрализованная биржа как смарт-контракт для обмена токенов

Проблема: В прошлом обмен токенов был сложным. Нужно было использовать централизованные биржи, которые требовали идентификации, брали комиссии, могли заморозить средства.

Решение: Децентрализованная биржа на смарт-контрактах.

Как работает:

1. Поставщики ликвидности вносят токены в пулы

2. Пользователи обменивают токены через пулы

3. Цена определяется формулой

4. Комиссия распределяется между поставщиками ликвидности

Эмпирика:

· Биржа обрабатывает миллиарды долларов в день

· Миллиарды долларов в заблокированных активах

· Миллионы держателей токенов

· Нет идентификации, нет регистрации, нет посредников

Институциональный анализ: Децентрализованная биржа создала новый институт (децентрализованный обмен), который:

· Снижает издержки переговоров практически до нуля

· Снижает издержки заключения контрактов

· Создает новые издержки (газовые сборы, проскальзывание, риски смарт-контрактов)

Проблема: Биржа не защищает пользователей от скамов, ошибок, потери средств. Решение — децентрализованные арбитражи, аудиты, страховки.

Кейс 21: Проблема негибкости смарт-контрактов

Проблема: Один из первых крупных децентрализованных проектов был взломан из-за ошибки в смарт-контракте.

Как это произошло:

1. Проект собрал значительную сумму

2. Хакер нашел уязвимость

3. Хакер вывел часть средств

4. Сообщество решило сделать форк, чтобы вернуть средства

5. Это привело к расколу на две сети

Эмпирика:

· Собрано значительная сумма

· Украдена часть средств

· Возвращена часть средств через форк

· Сеть разделилась на две

Институциональный анализ: Этот случай показал ограничения смарт-контрактов:

· Негибкость: нельзя изменить код после развертывания

· Ошибки: ошибки в коде необратимы

· Отсутствие защиты: нет механизма возврата средств

Решение: Аудиты, формальная верификация, страховки, децентрализованные арбитражи.

Авторская модель: Оптимальный смарт-контракт

Формально: Пусть смарт-контракт имеет сложность. Издержки контракта складываются из:

· Издержки написания и аудита кода

· Газовые сборы (растут со сложностью)

· Издержки риска (ошибки, взломы)

Оптимальная сложность достигается, когда общие предельные издержки равны предельной выгоде.

Следствие: Более сложные смарт-контракты имеют более высокие газовые сборы и риски, но более гибкие. Оптимальная сложность зависит от конкретного случая.

2.2.4. Издержки контроля и предупреждения оппортунистического поведения в цифровых экосистемах

Теоретическая основа

В классической теории оппортунистическое поведение — это ключевая проблема трансакционных издержек. Чем сложнее контролировать агента, тем выше издержки и тем более вероятно, что сделка будет организована внутри фирмы.

В цифровой экономике оппортунизм принимает новые формы:

· Манипуляция алгоритмами

· Создание фейковых аккаунтов

· Отравление данных

· Фронтраннинг

· Извлечение максимальной стоимости

· Исчезновение разработчиков с деньгами

· Манипуляция ценой токена

Кейс 22: Фронтраннинг в децентрализованных финансах

Проблема: В децентрализованных финансах транзакции видны в очереди до их исполнения. Это позволяет ботам и майнерам извлекать прибыль за счет обычных пользователей.

Как работает фронтраннинг:

1. Пользователь отправляет транзакцию на покупку токена

2. Бот видит транзакцию в очереди

3. Бот отправляет свою транзакцию с более высокой комиссией

4. Транзакция бота исполняется первой

5. Цена токена растет

6. Транзакция пользователя исполняется по более высокой цене

7. Бот продает токен и получает прибыль

Эмпирика:

· Извлекаемая стоимость составляет миллиарды долларов в год

· Фронтраннинг увеличивает издержки пользователей на несколько процентов

· Большинство транзакций подвержены фронтраннингу

Решения:

· Приватные очереди, где транзакции не видны ботам

· Сжигание извлекаемой стоимости, чтобы уменьшить стимулы

· Схемы с обязательством раскрытия

Институциональный анализ: Фронтраннинг — это новая форма оппортунистического поведения, которая:

· Увеличивает издержки контроля

· Создает новые издержки

· Требует новых институтов

Кейс 23: Атаки с созданием множества фейковых аккаунтов

Проблема: В децентрализованных организациях голосование часто пропорционально количеству токенов. Это создает стимулы для создания множества фейковых аккаунтов для влияния на голосование.

Как работает атака:

1. Атакующий создает множество кошельков

2. Каждый кошелек получает токены

3. Атакующий голосует с каждого кошелька

4. Атакующий получает контроль над организацией

Эмпирика:

· В отдельных случаях потери составили десятки миллионов долларов

· Значительная доля токенов попадает к атакующим

· Обнаружены сотни тысяч фейковых кошельков

Решения:

· Подтверждение личности

· Стейкинг: требование залога для голосования

· Репутация: голосование на основе репутации, а не токенов