|
on Payment Systems and Financial Technology |
| By: | Raphael Auer |
| Abstract: | This paper discusses the economics of how Bitcoin achieves data immutability, and thus payment finality, via costly computations, ie "proof-of-work". Further, it explores what the future might hold for cryptocurrencies modelled on this type of consensus algorithm. The conclusions are, first, that Bitcoin counterfeiting via "double-spending" attacks is inherently profitable, making payment finality based on proof-of-work extremely expensive. Second, the transaction market cannot generate an adequate level of "mining" income via fees as users free-ride on the fees of other transactions in a block and in the subsequent blockchain. Instead, newly minted bitcoins, known as block rewards, have made up the bulk of mining income to date. Looking ahead, these two limitations imply that liquidity is set to fall dramatically as these block rewards are phased out. Simple calculations suggest that once block rewards are zero, it could take months before a Bitcoin payment is final, unless new technologies are deployed to speed up payment finality. Second-layer solutions such as the Lightning Network might help, but the only fundamental remedy would be to depart from proof-of-work, which would probably require some form of social coordination or institutionalisation. |
| Keywords: | cryptocurrencies, crypto-assets, digital currencies, blockchain, proof-of-work, proof-of-stake, distributed ledger technology, consensus, bitcoin, ethereum, money, digitalisation, finance, history of money |
| JEL: | D40 D20 E42 E51 F31 G12 G28 G32 G38 L10 L50 |
| Date: | 2019–01 |
| URL: | http://d.repec.org/n?u=RePEc:bis:biswps:765&r=all |
| By: | Auer, Raphael |
| Abstract: | This paper discusses the economics of how Bitcoin achieves data immutability, and thus payment finality, via costly computations, ie "proof-of-work". Further, it explores what the future might hold for cryptocurrencies modelled on this type of consensus algorithm. The conclusions are, first, that Bitcoin counterfeiting via "double-spending" attacks is inherently profitable, making payment finality based on proof-of-work extremely expensive. Second, the transaction market cannot generate an adequate level of "mining" income via fees as users free-ride on the fees of other transactions in a block and in the subsequent blockchain. Instead, newly minted bitcoins, known as block rewards, have made up the bulk of mining income to date. Looking ahead, these two limitations imply that liquidity is set to fall dramatically as these block rewards are phased out. Simple calculations suggest that once block rewards are zero, it could take months before a Bitcoin payment is final, unless new technologies are deployed to speed up payment finality. Second-layer solutions such as the Lightning Network might help, but the only fundamental remedy would be to depart from proof-of-work, which would probably require some form of social coordination or institutionalisation. |
| Keywords: | Bitcoin; blockchain; cryptocurrencies; Digital Currencies; distributed ledger technology; ethereum; Finance; money; proof-of-stake; Proof-of-Work |
| JEL: | D20 D40 E42 E51 F31 G12 G28 G32 G38 L10 L50 |
| Date: | 2019–02 |
| URL: | http://d.repec.org/n?u=RePEc:cpr:ceprdp:13506&r=all |
| By: | Carlos Conesa (Banco de España) |
| Abstract: | In October 2008 a mysterious article was published under the pseudonym Satoshi Nakamoto: “Bitcoin: a peer-to-peer electronic cash system”. Bitcoin’s entry into operation some months later in early 2009 barely caused a ripple. Since then, the scheme has accumulated more than half a million blocks in its blockchain and they include more than 300 million transactions. In view of the media impact of Bitcoin, it is worth explaining in some detail how Bitcoin works and what its limitations are. This article reviews the aims and basic functioning of Bitcoin, analyses its strengths and weaknesses, and discusses its usefulness as an exchange mechanism. |
| Keywords: | blockchain, hash function, bitcoin, cryptoassets, cryptography, innovation, technology. |
| JEL: | O31 O33 |
| Date: | 2019–02 |
| URL: | http://d.repec.org/n?u=RePEc:bde:opaper:1901&r=all |
| By: | Noriyuki Yanagawa (University of Tokyo); Hiromi Yamaoka (Bank of Japan) |
| Abstract: | Under the developments of digital innovation, global expansion of cashless payments and the emergence of crypto-assets, some argue that central banks should issue digital currencies that can be used by ordinary people instead of paper-based banknotes. The debates on central bank digital currencies are now gathering great attention from worldwide. Although many of major central banks, including the Bank of Japan, do not have an immediate plan to issue digital currencies that can replace banknotes, some central banks are seriously considering whether they should issue digital currencies in the near future or have already issued them as pilot studies. The debates on central bank digital currencies cover broad issues, such as their possible impacts on payment efficiency, banks f fund intermediation, liquidity crises and the transmission mechanism of monetary policy. All of these issues have important implications for the functions of money as well as its future. Digital innovation expands the possibility of money and enables new types of money with a variety of functions to emerge. These functions may include not only traditional payments but also processing various information and data attached to payments as well as executing transactions. In order to consider the pros and cons of central bank digital currencies as well as the future of money, it is needed to assess their possible impacts not only on payment efficiency but also on financial structure and the overall economy. It is also important to examine their impacts on effective utilization of data and the dynamics of gnetworks externality h, which is one of major characteristics of payment infrastructure. |
| Keywords: | central bank digital currency; innovation; payment; negative interest rate |
| Date: | 2019–02–19 |
| URL: | http://d.repec.org/n?u=RePEc:boj:bojwps:wp19e02&r=all |
| By: | Maria FONT-MAS (Lecturer in Private International Law, University Rovira i Virgili, Catalonia, Spain) |
| Abstract: | In the economy, we distinguish, in a simple way, the strictly capitalist business sector and the corporate social sector. This simple dichotomy has been transferred to the scope of the collaborative economy, which mistakenly includes under the same name capital platforms and social platforms. These platforms have in common different factors, for instance, namely that they essentially use the digital platform to develop their activity; but they differ in that the first ones seek to maximize capital and the platform is a mere messenger that manages economic transactions just like the classical economy. In front of these, there are social platforms in which the main objective is not for profit, although benefits are obtained, the goal being to have a social impact, at the same time that it provides services or products to the users, following specific values. On the one hand, it is necessary to analyze the legal structure of these platforms. The capitalist economy has as a leading actor the mercantile company, while the social economy is based on cooperatives, associations, foundations. The last assertion does not imply that limited companies of social economy exist in comparative law. On the other hand, is very important to determine the legal position of the parties or participants in the collaborative economy and the value of their agreements, especially in situations where does not exist peer-to-peer. In particular, our study aims to focus on contractual and noncontractual relationships exist between the three participants. At this point, we introduce the initial legislative proposals that are being made in the European Union, which specifically wants to protect the consumer, especially online. |
| Keywords: | collaborative economy, social economy, legal person-corporation, transnational contracts |
| JEL: | K33 K12 F23 L23 P13 P45 |
| Date: | 2018–12 |
| URL: | http://d.repec.org/n?u=RePEc:crc:wpaper:1812&r=all |
| By: | Andrzej Nałęcz (Faculty of Management [University of Warsaw] - UW - University of Warsaw) |
| Abstract: | The European consumer policy relies on the ideal of consumer empowerment, which involves providing all consumers with detailed information on the goods on offer. This policy also applies to the electronic communications sector, and empowering consumers who are the end-users of internet access services. The author reviews behavioural law and economics literature that pertains to consumer empowerment and applies the resulting insights to interpret Article 4 (1) of Regulation 2015/2120 laying down measures concerning open internet access in a way that would truly empower the sophisticated consumers. The author also proposes advising or obliging the providers of internet access services to label those services to provide even the unsophisticated consumers with meaningful and understandable information. |
| Abstract: | La politique européenne des consommateurs repose sur l'idéal de l'autonomisation des consommateurs (consumer empowerment), qui consiste à fournir à tous les consommateurs des informations détaillées sur les produits proposés. Cette politique s'applique également au secteur des communications électroniques et habilite les consommateurs qui sont les utilisateurs finaux des services d'accès à Internet. L'auteur passe en revue la littérature sur les analyses économiques du droit relative à l'autonomisation des consommateurs et applique les idées qui en résultent pour interpréter l'article 4, paragraphe 1, du règlement 2015/2120 établissant des mesures relatives à l'accès ouvert à l'internet pour le bénéfice des consommateurs sophistiqués. L'auteur propose également de conseiller ou d'obliger les fournisseurs de services d'accès Internet à étiqueter ces services afin de fournir aux consommateurs moins sophistiqués des informations utiles et compréhensibles. |
| Keywords: | consumer empowerment,sophisticated consumers,unsophisticated consumers,internet access services,labelling contracts,open internet |
| Date: | 2018 |
| URL: | http://d.repec.org/n?u=RePEc:hal:journl:hal-01991747&r=all |
| By: | Zakaria Babutsidze (Observatoire français des conjonctures économiques) |
| Abstract: | The rise of modern digital communication technologies, most notably electronic social networks, transforms structures through which consumers interact with one another. In this paper we distinguish between two channels through which product promotion affects sales. The direct channel always positively affects consumers' pre-purchase valuation. The indirect channel goes through word-of-mouth (WoM) and can be either positive or negative. The sentiment contained in WoM is generated by the complex interaction process and depends on the aggressiveness of the advertising campaign. We investigate the implications of the current changes in social network architectures for the effectiveness of the indirect channel. We show that changes in social structures have increased the efficiency of WoM across a host of industries. Our results call for “smart” advertising policies |
| Keywords: | Social networking; Word of mouth; Advertising; Consumer behaviour |
| Date: | 2018–12 |
| URL: | http://d.repec.org/n?u=RePEc:spo:wpmain:info:hdl:2441/7eeckjdtj29ncak518t23a2j25&r=all |
| By: | de Janvry, Alain; Emerick, Kyle; Kelley, Erin; Sadoulet, Elisabeth |
| Abstract: | Can agents in a social network be induced to obtain information from outside their peer groups? Using a field experiment in rural Bangladesh, we show that demonstration plots in agriculture - a technique where the first users of a new variety cultivate it in a side-by-side comparison with an existing variety - facilitate social learning by inducing conversations and information sharing outside of existing social networks. We compare these improvements in learning with those from seeding new technology with more central farmers in village social networks. The demonstration plots - when cultivated by randomly selected farmers - improve knowledge by just as much as seeding with more central farmers. Moreover, the demonstration plots only induce conversations and facilitate learning for farmers that were unconnected to entry points at baseline. Finally, we combine this diffusion experiment with an impact experiment to show that both demonstration plots and improved seeding transmit information to farmers that are less likely to benefit from the new innovation. |
| Keywords: | agriculture; Social learning; Technology adoption |
| Date: | 2019–02 |
| URL: | http://d.repec.org/n?u=RePEc:cpr:ceprdp:13507&r=all |
| By: | Oscar Javier Martínez Herrera |
| Abstract: | Concentración o desconcentración del mercado de telefonía móvil de Colombia Concentration or decentralization of the Colombia's Mobile communications market Oscar Javier Martínez Herrera* * Economista egresado de la Escuela Colombiana de Ingeniería Julio Garavito y Magíster en regulación económica de la Universidad de los Andes. Docente universitario en finanzas, microeconomía, macroeconomía, organización industrial, teoría de juegos, medición económica y evaluación social de proyectos de inversión. Profesor del programa de economía de la Escuela Colombiana de Ingeniería "Julio Garavito" y la Universidad Militar Nueva Granada(sede Cajicá).Con publicaciones en el área financiera, económica y empresarial, y autor de varios artículos en revistas indexadas. oscar. martinez@escuelaing.edu.co Correspondencia: Universidad de Cartagena, Claustro de San Agustín, Centro Carrera. 6 No. 36—100, Calle de la Universidad. Teléfono. (5) 6604634. RESUMEN Desde sus inicios, el mercado de la telefonía móvil en Colombia ha presentado periodos de alta y baja concentración según el proceso de compra, fusiones y la libre entrada de nuevas empresas prestadoras de este servicio. Hoy día, aunque existen 9 operadores, todavía este mercado se considera oligopólico porque la demanda se encuentra concentrada en tres empresas dominantes: Comcel (que ahora pertenece a Claro), Movistar y Tigo. Cabe añadir que ahora dos nuevos operadores, Virgin Mobile y ETB, conocidos también como operadores móviles virtuales (OMV), utilizan la red de Movistar y de Tigo, respectivamente, por la ausencia de espectro y su baja capacidad financiera para adquirir esta infraestructura de manera independiente. A pesar de que en los últimos 5 años en el mercado de telefonía móvil ha disminuido el nivel de concentración, luego de las subastas realizadas y la nueva participación de empresas, los precios bajos de los nuevos operadores y la mala prestación del servicio de las empresas dominantes han llevado a los usuarios a cambiar de operador, pero aun así la demanda sigue concentrada en Comcel, Movistar y Tigo. Palabras clave: telefonía móvil, concentración de mercado, oligopolio, red, medición. Clasificación jel: D43, L11, L13, L16. A22, B41, C88, L11. ABSTRACT Colombia's mobile communications have had changes of high and low market concentration due to the process of acquisition (or purchase), fusions and free entry of enterprises. Today, however the market has nine enterprises, but is an oligopoly because the demand concentrates consumers on three dominant enterprises (Claro, Movistar and Tigo). While Virgin Mobile and ETB connected to Movistar and Tigo, due to the low financial capacity and bargain for acquiring infrastructure, the market continue its decentralization process. It during the last 3 years, thanks to auctions and enterprises' free entry, also low prices and bad quality of services of incumbents firms. This phenomenon forces consumers to move to others operators but the market still is concentrated. Keyword: mobile phone,market concentration, oligopoly, net, measure. Jel Codes: D43, L11, L13, L16. A22, B41, C88, L11. 1. INTRODUCCIÓN El mercado de telefonía móvil en Colombia se ha mostrado dinámico en los últimos 5 años, gracias a los cambios demográficos, económicos, tecnológicos y regulatorios que buscan fomentar la libre competencia, vía precios y facilitar el acceso a la nueva tecnología, con la entrada de los Operadores Móviles Virtuales (OMV), es decir, aquellos ofertantes que no cuentan con espectro, ni infraestructura propia para funcionar de manera independiente, poniendo a prueba a las tres empresas dominantes en el mercado (Claro, Movistar y Tigo). Por otra parte, es importante resaltar que actualmente la libre entrada de los seis (6) OMV ha desconcentrado el mercado, este sigue siendo oligopólico y claramente dominado por Claro, Movistar y Tigo, mientras que los operadores entrantes (Virgin, ETB, Éxito y Avantel) buscan aumentar su número de usuarios en el mercado, bajando tarifas y diferenciando su producto, que en parte ha causado una guerra de precios. El objetivo de este trabajo es analizar con índices de concentración, el efecto que ha tenido la libre entrada de los operadores móviles virtuales (OMV) en el mercado de telefonía móvil en Colombia, que por efecto de la guerra de precios y las estrategias de diferenciación de producto que se originan entre ellos, han aumentado su participación en los últimos 5 años. El efecto de la guerra de precios ha transformado la estructura de mercado y su composición, que sigue siendode estructura oligopólica para el caso colombiano,mientras se presente dominancia entre los tres operadores tradicionales (Claro, Movistar y Tigo). Por lo tanto, se puede afirmar que es un mercado de libre entrada, pero no del todo competitivo. Este trabajo se divide en cuatro (4) partes. La primera explica la evolución de la telefonía móvil de Colombia, y su transición; la segunda parte trata de la metodología, la cual explica cada uno de los índices de concentración de mercado que se utilizaron para la elaboración de este estudio; la tercera muestra los resultados de la medición, y por último: las conclusiones y recomendaciones. 2. Evolución del sector de telefonía Móvil EN COLOMBIA La telefonía móvil en Colombia se implementó en el año 1994, gracias a la Ley 37/1993. Los primeros 6 operadores se instalaron en tres zonas del país: Oriente, Occidente y Costa; en oriente, Celumóvil (del Grupo Santo Domingo) y Comcel (Bell Canadá, ETB, Telecom); en occidente, Occel (Cable & Wireless, EPM) y Cotelco (Telefónica de España, Sarmiento Angulo y Ardila Lülle), y en la Costa Celcaribe (Millicom y Telecartagena) y Celumóvil de la Costa, desde entonces cada una con una participación público—privada. A finales de los noventa y principios del año 2000, gracias a la entrada de capital privado en el país, se inició un proceso de fusiones y adquisiciones que empezó a concentrar el mercado de telefonía móvil en Colombia.Durante ese periodo Comcel fue adquirida por América Móvil (empresa de Carlos Slim) y Celumóvil por Bellsouth (Caracol Noticias, 2013). En el año 2003, EPM y ETB conformaron un consorcio denominado Colombia Móvil para adquirir por concurso la primera licencia de PCS; las empresas instaladas en ese momento no participaron en el proceso selección para frecuencias en PCS. A finales del año 2003, entró la empresa Colombia Móvil con la marca OLA y compitió con un precio de 30 pesos por minuto con llamadas al mismo operador; aunque el bajo precio aumentó la demanda, dicha estrategia generó un descalabro tecnológico, puesto que la empresa no tenía la capacidad e infraestructura para prestar un servicio eficiente. En el año 2006, más de la mitad de las acciones se vendieron a Millicom International Celular, S.A. bajo la marca Tigo. En el año 2008 inició el servicio 3G, donde Claro (Comcel), Tigo y Movistarson los pioneros en adquirir esta tecnología. Luego, entre los años 2009 y 2010 entran 3 operadores móviles (UNE, ETB y Uff). En el año 2012, UNE lanza su red 4G LTE en Bogotá y Medellín gracias a una subasta ganada en el 2010, con soporte de hasta 12 Mbps en su primera fase, y luego fue extendiéndose hasta llegar a 6 ciudades; en ese mismo año, Telecom y Movistar se fusionan, empaquetando así sus ofertas fijas y móviles. Posteriormente las empresas Comcel y Telmex son adquiridas bajo la marca Claro, pero sin poder fusionar sus servicios fijos y móviles por el monopolio que mantiene la empresa en TV por suscripción y telefonía móvil. Actualmente ingresan al mercado operadores móviles virtuales (OMV), más exactamente en febrero y mayo, Virgin_Mobile y Uff Móvil, respectivamente, el primero está operando en la red de Movistar y el segundo utiliza la red de Tigo. En el año 2013, se anunció la subasta del espectro electromagnético en Colombia para la prestación del servicio de 4G, fomentar la libre competencia y limitar la posición dominante; se presentaron 6 empresas (Claro, Movistar, Azteca Comunicaciones, Avantel, DirecTV y la unión entre ETB y Tigo).Con el mecanismo se espera desconcentrar el mercado que se encuentra concentradoen 3 operadores: Comcel, Movistar y Tigo (Benavides, 2012). La subasta se realizó el día 26 de junio del año 2013, y los resultados obtenidos fueron según aparece en la tabla 1: Con este proceso de subasta se espera que los nuevos operadores tengan cobertura, tanto en los mercados más atractivos como en aquellos de difícil acceso y de mayor déficit tecnológico, como son los municipios pequeños y lejanos del país. Esto con el fin demejorar la cobertura y cerrar la brecha digital que tiene Colombia en comunicaciones móviles y de datos. Es de aclarar que la participación del operador dominante (Claro) no se limitó simplemente a aspectos regulatorios; la compañía no estaba interesada en participar en la frecuencia de 2.500 MHz por los altos costos que implicarían instalar una red en dicho segmento de usuarios (Benavides, 2012, pp. 30—31). Por ello, se dejó el segmento AWS1 a nuevos operadores, con el fin de fomentar la sana competencia y la reducción de precios a los consumidores en corto plazo; también con el objetivo de masificar el servicio hacia los consumidores de menor poder adquisitivo. Hoy en día, Colombia tiene 9 operadores, entre las que se encuentran Comcel S.A., Movistar, Tigo, UNE, EPM, Avantel, ETB, Uff Móvil, Éxito, Virgin Mobile. En el caso de los nuevos operadores, a la fecha siguen rezagadas para competir con las 3 principales empresas que conforman el oligopolio porque presentan una menor cuota de participación de mercado, no tienen la capacidad financiera para competir, o se encuentran conectadas a la red del prestador dominante como es el caso de Virgin Mobile y Uff Móvil. Dicha situación genera barreras a la entrada para la participación de nuevos operadores de telefonía móvil por el costo hundido que tendrían que asumir. El mercado de la telefonía móvil opera en red gracias al uso de tecnologías de la información y la comunicación (TIC) y su demanda depende del número de suscriptores que consumen el servicio de manera permanente y sin interrupciones; la entidad encargada de la regulación es la Comisión Reguladora de Comunicaciones (CRC), antes Comisión de Regulación de Telecomunicaciones (CRT), la cual se creó a partir de la Ley 142/1994, con el propósito de introducir competencia y la expansión de la inversión privada; la Agencia Nacional del Espectro (ANE) se encargada de definir la libre participación de empresas en la subasta de espectro electromagnético. Ambas se encuentran adscritas al Ministerio de Tecnologías de la Información y la Comunicación (MinTIC). Hoy en día la CRC debe regular el uso y abuso de posición dominante de los 3 grandes operadores que concentran gran parte de la demanda, incentivando la libre entrada y generando incentivos para la participación de nuevos inversionistas mediante subastas y facilitando el libre acceso al servicio a un menor costo, y también controlando los mercados de redes y los servicios de comunicaciones. En Colombia, las principales empresas de telefonía móvil aparecen a continuación en la siguiente tabla: Como se puede observar en la tabla 2, en el tercertrimestre del año 2016, las empresas Claro (Comcel), Movistar y Tigo concentraron el 91,19 % de la demanda total del mercado, mientras que el restante apenas tiene el 8,81 %. Ello implica que el mercado de telefonía móvil en Colombia se ha desconcentrado, si se tiene en cuenta que en el periodo 2010—2014 la participación de los tres grandes operadores (Comcel, Movistar y TIGO) era del 100 %. Se puede apreciar entonces que existe un crecimiento por parte de los operadores virtuales (OMV), es decir, aquellos que no poseen espectro ni infraestructura propia para operar, como es el caso de Virgin, que utiliza la red de Movistar, y ETB la de Tigo. En este caso, la mayor participación dentro de ese grupo de oferentes la tiene Virgin, con un 4,06 % (46,08 % de peso relativo dentro del grupo de OMV). El caso de los operadores virtuales (OMV), tácitamente lleva a que se concentraría más la demanda en los dos operadores dominantes (Movistar y Tigo), toda vez que así se crean tanto barreras a la entrada como dependencia por el uso de la infraestructura de los operadores dominantes; por lo tanto, dada su baja capacidad financiera para realizar inversiones de manera independiente o aislada, los OMV pueden salir del mercado si el dominante decide subir el costo de uso de la red o simplemente pueden terminar absorbidos por aquel. Al final esto terminaría afectando al usuario y provocando el efecto contrario que se persigue con los OMV, cual es el fomento de la competencia. De acuerdo con la teoría de la organización industrial, en la medida que la elasticidad en el precio de la demanda disminuya (o tienda a ser inelástica)y la demanda se concentre en un grupo reducido de empresas dominantes, se puede inferir que el sector y las empresas que pertenecen a la actividad económicatienen la capacidad de fijar elprecio por encima del costo marginal (Salinger, 1990, p. 294). Este índice de Lerner,o mark up, que cuantifica el poder de mercado, se deduce a partir de la oferta (con estructura monopólica, oligopólica o de competencia monopolística), y maximiza la función de beneficios tipo Cournot (Vallejo, 2006). La función de beneficios para n firmas y con idénticas funciones de costos marginales (ci), es: A partir de la maximización de la función de beneficios de la firma i, se obtiene el índice de Lerner con n firmas, propuesto por Abba Lerner (1934). Donde Sirepresenta la cuota o participación del mercado (o market share, en inglés) y ep es la elasticidad en el precio de la demanda del sector. La cuota de mercado se calcula así: A partir de la relación entre la cuota de participación en el mercado (Si) y la elasticidad en el precio de la demanda (ep), se puede inferir que el beneficio de cada una de las firmas depende del número de empresas que pertenecen al sector (que son competencia directa) y su respectiva participación en el mismo. Si cada una de las empresas fueran simétricas y contara con una participación pequeña sobre el total de la industria (Q=?qi), se puede inferir que el margen de ganancia de la industria es: Donde n es el número de compañías que pertenecen al sector o a la industria sujeta a estudio. Adicionalmente, aunque cualquier oligopolio presente una estructura de mercado que se caracteriza por tener pocos oferentes, un producto diferenciado u homogéneo, y barreras a la entrada, el precio en el oligopolio tipo Cournot se determinaría vía cantidades y no por fijación de precios (Tucker, 2010, p. 261).Por ello, el mercado de telefonía móvil se puede asemejar a un modelo tipo Bertrand, donde los precios bajos son una variable estratégica para aumentarla participación en el mercado, dado que el liderazgo de las empresas dominantes conlleva a que las empresas existentes emprendan guerras de precios para obtener más suscriptores y permanecer así en el mercado.La guerra de precios ocurre cuando un competidor busca aumentar su participación en el mercado bajando precios,quitándole así suscriptores a las empresas dominantes y los otros competidores, los cuales tratan de hacer lo mismo,pero imitando dicho comportamiento estratégico (Linares, 2015, p. 4). El modelo oligopolístico tipo Betrand propuesto, basado en el comportamiento de guerras de precios y deconcentración de mercado por parte de los operadores de telefonía móvil,infiere que las empresas líderes tienen el mayor número de suscriptores y dicha situación les permite generar una economía a escala creciente en lo posible, lo cual les permite maximizar su propio beneficio (García, Velásquez y Montenegro, 2014).El problema de maximización en un entorno de guerra de precios y de alta concentración de mercado se planteaa partir de la siguiente función de beneficios: Donde ?L es el beneficio económico de las empresas líderes, QL es la cantidad vendida por las empresas líderes, que se deduce de la diferencia entre la cantidad total de la industria QT y de la sumatoria de la producción individual de cada una de las empresas seguidoras ?qi que también se define como la producción total en la franja de empresas seguidoras o precio aceptante, así: El beneficio planteado en la ecuación 5 muestra que la empresa líder es la que maximiza utilidades y fija el precio a partir de su demanda, y de la participación total de las empresas seguidoras. Dado que las empresas líderes emiten señales de precios a otras que son seguidoras, que poseen menor participación en el mercado y aceptan precios bajos para permanecer en el mercado, según sea el caso, la condición de primer orden se resuelve así: Luego de transformar algebraicamente y agrupar en términos, se deduce el índice de Lerner o mark up, representado así: Donde es el costo marginal de la empresa líder; son las elasticidades en el precio de la demanda para la empresa líder y para la seguidora, respectivamente, es la participación relativa de la producción total de las empresas seguidoras sobre el total de la industria. Simplificando más, la expresión queda así: De acuerdo con lo anterior y como se explica en tabla 3, en la medida que SS tiende a cero, el margen de participación SL se acercaría a uno y la elasticidad precio de la demanda tendería al de monopolio. En cambio, si la participación de las empresas seguidoras aumenta SS, el poder de mercado se reduce en la medida que exista más competencia (García, Velásquez y Montenegro, 2014). En el caso de los tres operadores dominantes de la telefonía móvil en Colombia, que concentraron el 91,19 % de los suscriptores, el resto que son operadores móviles virtuales (OMV) con el 8,81 %, compiten vía precios bajos en igualdad de condiciones que las tres empresas líderes en el mercado (Claro, Movistar, Tigo). Con la creación de los operadores móviles virtuales (OMV), la regulación se enfocó en estimular la competencia en el corto plazo, ampliando la oferta de servicios con diferenciación de productos y la entrada de nuevos operadores móviles.Esta dinámica de libre entrada hace necesario que en el largo plazo se requiera invertir en infraestructura, si a futuro deciden entrar a competir nuevos OMV, dado que con la red actual puede verse afectada la prestación del servicio,en caso de que no se decida invertir en su mejoramiento (Linares, 2015, pp. 3—4). Demsetz considera que la correlación positiva entre beneficios positivos y concentración no necesariamente implica beneficios oligopólicos (Salinger, 1990, p. 293), porque los beneficios también hacen parte de un mercado competitivo; en el caso de la telefonía móvil se evidencia que luego de la libre entrada de empresas se tiene una demanda más elástica que 10 años atrás. Hoy en día, gracias al mecanismo de subastas y de libre entrada de empresas, el mercado de telefonía móvil en Colombia se está desconcentrando y diversificando, porque antes del año 2010 las empresas se especializaban únicamente en telefonía móvil, pero ahora con la implementación del internet móvil (planes de datos) en teléfonos inteligentes, tablets y IPads, cualquier usuario puede acceder a la mejor tecnología a un precio más bajo. 3. METODOLOGÍA Para medir la evolución del grado de concentración de mercado en la industria de telefonía móvil en Colombia, desde el periodo 2010—I hasta 2016—III, se utilizan los índices Herfindahl Hirschman Index (HHI), índice de diversificación (DIV), Hall TidemanIndex (HTI), índice de concentración industrial (CCI), entropía (E), Gini (G), índice de dominancia de Kwoka (K), índice Hannah—Kay (HK), índice de Linda (L) y el índice de dominancia (ID). La información utilizada para el cálculo de los índices es la proveniente de MinTIC, Fedesarrollo, CRC, DNP y las bases de datos internacionales. A continuación, las herramientas de medición. 3.1. HHI (Herfindahl Hirschman Index) Se calcula como la suma de cada una de las participaciones (Si) elevadas al cuadrado (Friedman, 1983). El rango establecido por el Departamento de Justicia de Estados Unidos—DOJ está en la siguiente tabla: El índice se ubica entre 0 y 10.000, siendo 10.000 una estructura monopólica y por debajo de 1500 de competencia perfecta. El siguiente índice, que se desagrega a partir del índice de Lerner que se explica en la ecuación, se descompone así: Si la elasticidad en el precio de la demanda tiende a infinito (perfectamente elástica) y la participación es baja, el beneficio de largo plazo sería cero y la empresa pertenecería a un mercado de competencia perfecta. En cambio, cuando el mercado es de carácter oligopólico, la demanda es inelástica al precio y el beneficio (mark up) se ubicaría por encima del 100 % (Tirole, 1998, pp. 221—222). 3.2. DIV (ÍNDICE DE DIVERSIFICACIÓN) Considera el número de categorías (bienes y/o servicios) que la industria o país produce. Si se acerca a 1, la industria se especializa en un bien y si se acerca a 4 (o más), ello implica que la industria (o país) es activo y se diversifica en varias categorías o mercados (Meilak, 2008, p. 39). 3.3. HTI (Hall Tideman Index) El índice refleja la contestabilidad (o cómo responde el mercado ante una nueva competencia o libre entrada) y se representa con un intervalo de nivel de barreras a la entrada (cercano a 1 es alta, mientras que cero baja o de libre entrada de firmas). Por lo tanto, en el caso de estudio, un número reducido de empresas dificulta la libre entrada de empresas a una industria en particular. El market share se pondera por su respectivo ranking. Si el índice se acerca a cero, el sector es de libre entrada y salida y si tiende a 1, es un monopolio con barreras a la entrada. Hall y Tideman consideran que las medidas de concentración deberían satisfacer algunas propiedades específicas; aceptan el HHI con base en dichas características, ya que estas acentúan la necesidad de incluir el número de empresas en el cálculo de un índice de centración, y hasta cierto punto refleja las condiciones de libre entrada de empresas en una industria particular. 3.4. CCI (ÍNDICE de concentración industrial) Combina las características de los índices de dispersión relativa y magnitud absoluta (Meilak, 2008). La participación de la empresa con mayor participación (o que es líder en el mercado) se compara con las demás (por ejemplo, el volumen de exportaciones de un país pequeño con respecto a otros países). CCI es la suma de las participaciones de la empresa más grande con las participaciones elevadas al cuadrado de las demás entidades, ponderadas por un multiplicador que refleja el tamaño proporcional del resto de la industria. 3.5. Entropía E El índice pondera con un menor valor a las empresas más grandes y está inversamente relacionado con el grado de concentración de mercado. Si la entropía converge a cero, hay alta concentración y la incer—tidumbre disminuye, mientras que si la entropía es mayor que 1, aumenta la incertidumbre porque hay más empresas buscando obtener participación de mercado. 3.6. Coeficiente de Gini Este índice no solamente considera la desigualdad de los ingresos de una población, sino que también es usado para medir la concentración en los mercados en función de determinar qué tan disímiles son las participaciones. Se calcula así: Otra forma de calcular el índice: Un Gini cercano a cero implica un mayor grado de competencia y menor concentración, cercano a 1 menor grado de competencia y alta concentración (Lis Gutiérrez, 2013). 3.7. Indice de dominancia de Kwoka (1977) Cuando las empresas agrupadas aumentan de tamaño, la desigualdad aumenta y, por ende, la dominancia. Se calcula así: Las participaciones se ordenan de mayor a menor y el índice varía entre 0 y 1. El valor de 1 corresponde a una estructura de mercado de monopolio y de alta dominancia. 3.8. Indice Hannah—Kay En el caso de empresas estrictamente iguales HK, será igual a 1/N; en el caso de monopolio, será 1. Siendo ? cualquier número real mayor que cero y diferente de 1. No hay criterios para definir el parámetro ?. Si ? = 2, HK es igual a HHI. 3.9. Indice de Linda Sirve para medir la existencia de oligopolio y la desigualdad entre diferentes cuotas de mercado, de acuerdo con el agrupamiento (Lis Gutiérrez, 2013). es la cuota de mercado media de las primeras i empresas, y XN es la cuota de mercado media de las restantes. El rango establecido es: 3.10. Indice de dominancia (ID) Mide la posición relativa de cada empresa en el nivel de concentración. Este índice varía entre cero y uno, según si corresponde a un mercado atomizado o monopolizado; mide la capacidad de la empresa (s) de dominar el resto. Dado que el HTI y el CCIno contemplan intervalos, para ubicar el grado de barreras a la entrada y de dispersión, en este trabajo se plantearon los siguientes intervalos como aproximación. 4. Resultados Por más que se haya dado libre entrada a las empresas y realizado la subasta en junio del año 2013 para ocupar el espacio electromagnético, el nivel de concentración en la estructura de mercado durante los últimos 5 años sigue siendo alto si se tiene en cuenta que el HHI promedio entre los años 2010—I y 2016—III es de 4.247. De esta manera el servicio de telefonía móvil mantiene la alta demanda en tres grandes operadores (Claro, Movistar y Tigo), tal como se muestra en la siguiente figura; por ello, aunque la concentración haya disminuído, el HHI conserva una estructura concentrada mientras sea mayor que 2.500. Considerando que el índice HHI se encuentra por encima de 2,500 durantelos 5 trimestres (2013—IV hasta 2016—III), se evidencia una alta concentración de mercado. Por otra parte, el índice de diversificación DIV, que se encuentra entre 2,41y 3,38, indica la alta diversificación del mercado,de acuerdo con el número de empresas que conforman la industria (en total 9); así mismo la alta diferenciación de producto reduce la especialización. En cambio, el HTI se encuentra en un rango entre 0,42 y 0,30, característico de una industria de libre entrada y salida, mientras que el CCI evidencia aún una baja dispersión debido a que las 3 empresas agrupan gran parte de la demanda.Se observa mayor grado de desigualdad, dado que el coeficiente de Gini pasó de 0,73 a 0,62, es decir, aun cuando se registra la existencia de más empresas, apenas 3 concentran el 91,19 %.Por último, con el índice de entropía se observa que la incertidumbre ha alcanzado el máximo, dado que hay más competencia por una determinada fracción de mercado. En cuanto a la razón 1/N, se observa que decrece en la medida que aumenta el número de empresa (N). En materia de oligopolio se puede afirmar que el índice de Linda para los dos casos (sea k = 2 y k = 3), encuentra dicho poder moderadamente concentrado cuando k = 2, pero pasa a ser concentrado en cuanto se analizan las tres dominantes (si k = 3): dado que el rango en los últimos 5 trimestres está situado entre 0,5 y 1, lo que indica un desequilibrio en la competencia. No obstante, el mercado de telefonía móvil en Colombia ha perdido dominancia por la libre entrada de empresas, tal como se evidencia en los índices ID y K. De acuerdo con la relación entre tasa de concentración y participación la empresa Comcel dentro del intervalo de concentración se ubica en el 71,95 %; Movistar, en el 15,788 % y Tigo, en el 11,56 % (99,30 %); el resto de operadores, apenas 0,693 %. Esto indica que aún el mercado está concentrado, a pesar de las políticas para estimular la libre entrada de empresas y de inversión, mediante la participación de OMV. Tal como se evidencia en la ilustración 2, aunque exista una alta participación de usuarios de la empresa Claro, la baja concentración de mercado se atribuye a que se han trasladado hacia Tigo o al resto de operadores móviles virtuales entrantes; por lo tanto, está claro que el mercado debe regularse para evitar que la guerra de precios y la ausencia de espectro en estos operadores terminen afectando a los usuarios finales, a quienes finalmente se les traslada el mal servicio o una tarifa que no refleja la expectativa del regulador con la política de garantizar la competencia, necesaria para mejorar el servicio y su adecuada cobertura. Dicha dominancia en el mercado se evidencia con las promociones y los productos de última tecnología que son exclusivos de las tres grandes firmas (Claro, Movistar y Tigo). 5. Conclusiones El objetivo de este trabajo es comprobar mediante índices de concentración de mercado, cómo influyó la guerra de precios causada por los operadores móviles virtuales (OMV) en la desconcentración del mercado de telefonía móvil en los últimos 5 años, que es caso de los nuevos operadores, Virgin, Uff Móvil y Éxito. Lo anterior se evaluó con la información secundaria existente en el Ministerio de Comunicaciones (MinTIC) y en la Comisión de Regulación de Comunicaciones (CRC). Si embargo, a pesar de la entrada de los nuevos operadores, el mercado sigue siendo concentrado si se tiene en cuenta que la participación de los operadores dominantes (Claro, Movistar y Tigo), en el 2016—I, es del 91,19 %. Por otra parte, el simple hecho de que los OMV no tengan su propia red o infraestructura, hace pensar que son operadores que pueden terminar integrados a la red del prestador dominante, o correr el riesgo de salir del mercado cuando el operador dueño de la infraestructura decida subirle el costo de uso de la red. Como mencionamos a lo largo de este documento, la Comisión de Regulación de Comunicaciones (CRC) es la entidad encargada de controlar y evitar cualquier abuso de posición dominante por parte de los grandes operadores. Conforme se ha evidenciado a través de los índices de concentración de mercado, la Comisión no ha generado ningún tipo de intervención; por lo tanto, Colombia aún presenta un oligopolio muy poderoso en el mercado de telefonía móvil, a pesar de la libre entrada a OMV en los últimos 5 años. Además, tratándose de empresas que entran sin espectro y en condición de dependencia de la red existente de Movistar y Tigo, como es el caso de Virgin Mobile y ETB, tácitamente se produce un aumento de ingresos del operador dominante, por lo cual el consumidor termina inscrito en el operador dominante sin saberlo. Los resultados arrojaron que Colombia presenta un mercado abierto para nuevos operadores; sin embargo, existen restricciones dicha entrada dado que no hay capital financiero ni infraestructura para acceder libremente. Por otra parte, la estructura de mercado de la telefonía móvil en Colombia aún presenta barreras a la entrada porque son tres empresas (Claro, Movistar y Tigo) las dominantes en el mercado. En consecuencia, se ha degradado la calidad del servicio, sobre todo en el operador dominante (Claro), aunque a la fecha todos en general acusan una prestación deficiente del servicio. Por último, se debe garantizar independencia en el regulador, que en este caso es la CRC, al momento de tomar decisiones si se tiene en cuenta que en la actualidad no tiene poder alguno para ejercer tal función e imponer multas y sanciones. De ahí resulta importante que el regulador, además de garantizar la competencia en el sector, establezca condiciones para la subasta del espectro y los cargos por acceso sean cercanos a cero para que los operadores entrantes, que no pueden contar con una infraestructura propia, no se vean afectados por el cobro que los operadores dominantes fijen por el uso de su red (OECD, 2014). Notas 1 En inglés es Advanced Wireless Services (AWS), que significa servicio de conexión avanzada. La banda AWS usa frecuencia microondas y comprende los segmentos desde 1710 hasta 1755 MHz parafrecuencia alta, y desde 2110 hasta 2155 MHz para frecuencia baja. En el caso de la tecnología Smart Phone, con plan de datos y redes sociales, la cobertura se da en este segmento y allí las compañías de menor economía a escala son las oferentes. Referencias bibliográficas Benavides, J. (2012). Promoción de la competencia en la telefonía móvil de Colombia. Bogotá: Fedesarrollo. Cabral, L. (2000). Introduction to Industrial Organization. Cambridge, Massachusetts: The MIT Press. Caracol Noticias. (31 de mayo de 2013). Hitos de la telefonía celular en Colombia. Caracol Radio. Obtenido de http://www.caracol.com.co/noticias/tecnologia/hitos—de—la—telefonia—celular—en—colombia/20130531/nota/1908446.aspx Friedman, J. (1983). Oligopoly Theory. Cambridge: Cambridge University Press. García, J. J., Velásquez, H., & Montenegro, C. M. (2014). El poder de mercado en industrias minoristas de gas natural vehicular. Revista de Economía Aplicada. Linares, D. F. (2015). Principales determinantes del precio de los servicios de voz de telefonia móvil en Colombia. Medellín: Universidad Eafit. Lis Gutiérrez, J. (2013). Medidas de concentración y estabilidad de mercado. Una aplicación para Excel. Bogotá: Superintendencia de Industria y Comercio. Martínez, O. (2011). El poder de oligopsonio en la compras de leche en Colombia: "Una medición del poder y concentración de mercado". Notas Económicas UniPiloto, 37. Meilak, C. (2008). Measuring export concentration: The implications for small states. Bank of Valletta Review, 38. OECD. (2014). Estudio de la OCDE sobre políticas y regulación de telecomunicaciones en Colombia. OECD. Rosenbluth, G. (1955). Measures of Concentration. NBER. Salinger, M. E. (1990). The Concentration—Margins Relationship Considered: Columbia University, 287 — 335. Tirole, J. (1998). The Theory of Industrial Organization. Massachusetts: MIT Press. Tucker, I. B. (2010). Microeconomics for Today's World. North Carolina, United States: Cengage Learning. Vallejo, H. (2006). A generalized index of market power. Revista de Economía del Rosario, 95—107. |
| Date: | 2017–12–15 |
| URL: | http://d.repec.org/n?u=RePEc:col:000382:017155&r=all |
| By: | Ashworth, Jonathan; Goodhart, Charles A |
| Abstract: | The Canadian Government legalized Cannabis usage on October 17th, 2018. During the same month, primarily in the week before and after such legalization, the amount of cash in circulation fell quite materially, in contrast to the rises typically observed in previous years. A key driver is likely to have been Cannabis users switching from cash payments for illegal purchases to using standard recordable electronic payments for their purchases, which have now become legal. The legalization of Cannabis should ultimately reduce the size of the Underground economy by around 4 or 5 percent, with a much bigger decline likely in the black economy. |
| Keywords: | Black Economy; Canada; Cannabis; cash |
| JEL: | D12 E41 K40 |
| Date: | 2019–01 |
| URL: | http://d.repec.org/n?u=RePEc:cpr:ceprdp:13448&r=all |
| By: | Crinò, Rosario; Immordino, Giovanni; Piccolo, Salvatore |
| Abstract: | Two countries set their enforcement non-cooperatively to deter native and foreign individuals from committing crime in their territory. Crime is mobile, ex ante (migration) and ex post (fleeing), and criminals hiding abroad after having committed a crime in a country must be extradited back. When extradition is not too costly, countries overinvest in enforcement: insourcing foreign criminals is more costly than paying the extradition cost. When extradition is sufficiently costly, instead, a large enforcement may induce criminals to flee the country whose law they infringed. The fear of paying the extradition cost enables the countries coordinating on the efficient outcome. |
| Keywords: | crime; enforcement; Extradition; Fleeing; migration |
| JEL: | K14 K42 |
| Date: | 2019–01 |
| URL: | http://d.repec.org/n?u=RePEc:cpr:ceprdp:13424&r=all |
| By: | Pauline Folcher (MRM - Montpellier Research in Management - UM1 - Université Montpellier 1 - UM3 - Université Paul-Valéry - Montpellier 3 - UM2 - Université Montpellier 2 - Sciences et Techniques - UPVD - Université de Perpignan Via Domitia - Groupe Sup de Co Montpellier (GSCM) - Montpellier Business School - UM - Université de Montpellier); Sarah Mussol (MRM - Montpellier Research in Management - UM1 - Université Montpellier 1 - UM3 - Université Paul-Valéry - Montpellier 3 - UM2 - Université Montpellier 2 - Sciences et Techniques - UPVD - Université de Perpignan Via Domitia - Groupe Sup de Co Montpellier (GSCM) - Montpellier Business School - UM - Université de Montpellier); Anne-Sophie Cases (MRM - Montpellier Research in Management - UM1 - Université Montpellier 1 - UM3 - Université Paul-Valéry - Montpellier 3 - UM2 - Université Montpellier 2 - Sciences et Techniques - UPVD - Université de Perpignan Via Domitia - Groupe Sup de Co Montpellier (GSCM) - Montpellier Business School - UM - Université de Montpellier) |
| Abstract: | The technology of the future will change our relationship with objects, with people and with our housing. The Internet of things will create new services in smart home which raises new questions. Our research deals with a better understanding of the value of connected objects in a particular context, the smart home. Our objective is to bring out both the connected objects' perception and the perception of the smart home context for Millennials. A lexical analysis was carried out based on words of 1499 students. Our results show that consumers are more resistant to connected objects when they are considered as a sole object than when they are. |
| Abstract: | Les technologies du futur vont modifier les rapports entre les objets, les personnes et leur habitat. L'internet des objets est ainsi à l'origine d'un développement croissant de services pout le logement. Notre recherche s'intéresse à la façon d'appréhender non seulement ces objets connectés eux-mêmes mais aussi dans un contexte particulier : celui de l'habitat du futur. Notre objectif est de comprendre quelles évocations les Millennials associent aux objets connectés en tant que tels et lorsqu'ils sont en interaction dans un contexte d'appartement intelligent. Une analyse lexicale a été menée sur la base d'un corpus de mots recueillis sur un échantillon de 1499 étudiants. Les résultats montrent que les résistances liées aux objets connectés sont davantage associées aux objets eux mêmes qu'au contexte dans lequel ils peuvent évoluer. |
| Keywords: | Smart home,Millennials,Internet of Things,Connected Objects,Internet des Objets,Objets Connectés,Appartement Intelligent |
| Date: | 2017–09–08 |
| URL: | http://d.repec.org/n?u=RePEc:hal:journl:hal-01988027&r=all |
| By: | Ferreira, Daniel; Li, Jin; Nikolowa, Radoslawa |
| Abstract: | We develop a theory of blockchain governance. In our model, the proof-of-work system, which is the most common set of rules for validating transactions in blockchains, creates an industrial ecosystem with specialized suppliers of goods and services. We analyze the two-way interactions between blockchain governance and the market structure of the industries in the blockchain ecosystem. Our main result is that the proof-of-work system leads to a situation where the governance of the blockchain is captured by a large firm. |
| Keywords: | blockchain; governance; Industrial Ecosystem; Proof-of-Work |
| JEL: | G30 L13 M20 |
| Date: | 2019–01 |
| URL: | http://d.repec.org/n?u=RePEc:cpr:ceprdp:13493&r=all |
| By: | Yu Zhu; Scott Hendry |
| Abstract: | This paper considers an economy where central-bank-issued fiat money competes with privately issued e-money. We study a policy-setting game between the central bank and the e-money issuer and find (1) the optimal monetary policy of the central bank depends on the policy of the private issuer and may deviate from the Friedman rule; (2) there may exist multiple equilibria; (3) when the economy approaches a cashless state, the central bank’s optimal policy improves the market power of the e-money issuer and can lead to a discrete decrease in welfare and a discrete increase in inflation; and (4) first best cannot be achieved. Central-bank-issued e-money leads to a simple optimal policy that achieves the first best. |
| Keywords: | Digital Currencies; Monetary Policy |
| JEL: | E52 |
| Date: | 2019 |
| URL: | http://d.repec.org/n?u=RePEc:bca:bocawp:19-1&r=all |
| By: | Pezzoni, Michele; Veugelers, Reinhilde; Visentin, Fabiana |
| Abstract: | Despite the high interest of scholars in identifying successful inventions, little attention has been devoted to investigate how (fast) the novel ideas embodied in original inventions are re-used in follow-on inventions. We overcome this limitation by empirically mapping and characterizing the trajectory of novel technologies' re-use in follow-on inventions. Specifically, we consider the factors affecting the time needed for a novel technology to be legitimated as well as to reach its full technological impact. We analyze how these diffusion dynamics are affected by the antecedent characteristics of the novel technology. We characterize novel technologies as those that make new combinations with existing technological components and trace these new combinations in follow-on inventions. We find that novel technologies combining for the first time technological components which are similar and which are familiar to the inventors' community require a short time to be legitimated but show a low technological impact. In contrast, combining for the first time technological components with a science-based nature generates technologies with a long legitimation time but also high technological impact. |
| Keywords: | combinatorial components; Diffusion; patent data; technological novelty |
| JEL: | O33 |
| Date: | 2019–01 |
| URL: | http://d.repec.org/n?u=RePEc:cpr:ceprdp:13447&r=all |
| By: | Benigno, Pierpaolo |
| Abstract: | Can currency competition destabilize central banks' control of interest rates and prices? Yes, it can. In a two-currency world, the growth rate of cryptocurrency sets a lower bound on the nominal interest rate and the attainable inflation rate. In a world of multiple competing currencies issued by profit-maximizing agents, the central bank completely loses control of the nominal interest rate and the inflation rate, which are both determined by structural factors, and thus not subject to manipulation, a result welcomed by the proponents of currency competition. The article also proposes some fixes for the classical problem of indeterminacy of exchange rates. |
| Date: | 2019–02 |
| URL: | http://d.repec.org/n?u=RePEc:cpr:ceprdp:13517&r=all |
| By: | Mehdi Farajallah (ESC Rennes School of Business - ESC Rennes School of Business); Robert Hammond (NCSU - North Carolina State University [Raleigh]); Thierry Pénard (CREM - Centre de recherche en économie et management - UNICAEN - Université de Caen Normandie - NU - Normandie Université - UR1 - Université de Rennes 1 - UNIV-RENNES - Université de Rennes - CNRS - Centre National de la Recherche Scientifique) |
| Abstract: | We examine how price and demand are determined on peer-to-peer platforms and whether experience and reputation have the same impact as in traditional markets. We use data from the world's leading intercity carsharing platform, BlaBlaCar, which connects drivers with empty seats to riders. We find that pricing decisions evolve as drivers gain experience with the platform. More-experienced drivers set lower prices and, controlling for price, sell more seats. Our interpretation is that more-experienced drivers on BlaBlaCar learn to lower their prices as they gain experience; accordingly, more-experienced drivers earn more revenue per trip. In total, our results suggest that peer-to-peer markets such as BlaBlaCar share some characteristics with other types of peer-to-peer markets such as eBay but remain a unique and rich setting in which there are many new insights to be gained. |
| Keywords: | blablacar,intercity carsharing platform,peer-to-peer market |
| Date: | 2019 |
| URL: | http://d.repec.org/n?u=RePEc:hal:journl:halshs-02012097&r=all |
| By: | Avinash Barnwal; Haripad Bharti; Aasim Ali; Vishal Singh |
| Abstract: | Predicting the direction of assets have been an active area of study and a difficult task. Machine learning models have been used to build robust models to model the above task. Ensemble methods is one of them showing results better than a single supervised method. In this paper, we have used generative and discriminative classifiers to create the stack, particularly 3 generative and 9 discriminative classifiers and optimized over one-layer Neural Network to model the direction of price cryptocurrencies. Features used are technical indicators used are not limited to trend, momentum, volume, volatility indicators, and sentiment analysis has also been used to gain useful insight combined with the above features. For Cross-validation, Purged Walk forward cross-validation has been used. In terms of accuracy, we have done a comparative analysis of the performance of Ensemble method with Stacking and Ensemble method with blending. We have also developed a methodology for combined features importance for the stacked model. Important indicators are also identified based on feature importance. |
| Date: | 2019–02 |
| URL: | http://d.repec.org/n?u=RePEc:arx:papers:1902.07855&r=all |
| By: | Ariane Tichit (CERDI - Centre d'Études et de Recherches sur le Développement International - UdA - Université d'Auvergne - Clermont-Ferrand I - CNRS - Centre National de la Recherche Scientifique); Pascal Lafourcade (LIMOS - Laboratoire d'Informatique, de Modélisation et d'optimisation des Systèmes - CNRS - Centre National de la Recherche Scientifique - Sigma CLERMONT - Sigma CLERMONT - UdA - Université d'Auvergne - Clermont-Ferrand I - UBP - Université Blaise Pascal - Clermont-Ferrand 2); Vincent Mazenod (LIMOS - Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes - Sigma CLERMONT - Sigma CLERMONT - UCA - Université Clermont Auvergne - CNRS - Centre National de la Recherche Scientifique) |
| Date: | 2018 |
| URL: | http://d.repec.org/n?u=RePEc:hal:journl:hal-01995938&r=all |
| By: | Soete, Luc (UNU-MERIT) |
| Abstract: | There is general agreement amongst economists today that Science, Technology and Innovation (STI) have dramatically contributed to individual countries' economic growth and welfare. Another, 21st Century way of looking at the old Solow residual discussion is to observe that STI has been the core factor behind the intrinsic characteristic of capitalism to accumulate indefinitely. Doing so STI has also created the seeds of the current pattern of unsustainable global development. Once the major driving forces of countries' international, technological competitiveness are taken into account, "smart", innovation-led growth and "sustainable", green growth appear in contradiction with each other. The paper makes the case for "smart" no longer be leading in STI policy but rather "sustainability". Four priority "directions" are suggested: radical improvements in eco-productivity reducing the energy and emissions intensity of production, distribution and consumption; biomimicry as sustainable product innovation guiding principle; the use of AI and big data as "sustainable purpose technologies" assisting and complementing growth in eco-productivity and green product development and design; and finally regulatory and taxing policies addressing over-consumption, including advertising. In so far as sustainability and inclusiveness are also in contradiction with each other, there is also need for specific proactive, integrated "eco-social" STI policies. Global sustainable development will only be successful if it supported by all classes in society. While for high income classes priority can be given to increased taxation, for low income classes there is a need for a more comprehensive green new deal that should include house retrofitting and social energy tariffs making the energy transition cheap. Finally the research community itself should put full priority to exploit fully the digital substitution advantages of research networking, rather than air travel. |
| Keywords: | Science, Technology and Innovation, Smart Growth, Sustainable Development, Inclusiveness. |
| JEL: | M48 O30 O33 O38 P48 |
| Date: | 2019–01–10 |
| URL: | http://d.repec.org/n?u=RePEc:unm:unumer:2019001&r=all |
| By: | Otto Kässi; Vili Lehdonvirta |
| Abstract: | This paper studies the effects of a voluntary skill certification scheme in an online freelancing labour market. The paper show that obtaining skill certificates increases a worker’s earnings. This effect is not driven by increased worker productivity but by decreased employer uncertainty. The increase in worker earnings is mostly realised through an increase in the value of the projects obtained (up to 10%) rather than an increase in the number of projects obtained (up to 0.03 projects). In addition, the paper finds evidence for negative selection to completing skill certificates, which suggests that the workers who complete more skill certificates are, on average, in a more disadvantaged position in the labour market. Finally, skill certificates are found to be an imperfect substitute to other types of standardised information. On the whole, the results suggest that certificates play a role in helping new workers break into the labour market, but are more valuable to workers with at least some work experience. More stringent skill certification tests could improve the benefits to new workers. |
| Keywords: | gig economy, human capital, online freelancing, platforms, signalling, skill certificates |
| JEL: | J21 J23 J24 J31 I2 |
| Date: | 2019–02–18 |
| URL: | http://d.repec.org/n?u=RePEc:oec:elsaab:225-en&r=all |
| By: | Sabatino, Lorien; Sapi, Geza |
| Abstract: | This paper investigates how privacy regulation affects the structure of online markets. We provide a simple theoretical model capturing the basic trade-off between the degree of privacy intrusion and the informativeness of advertising. We derive empirically testable hypotheses regarding a possibly asymmetric effect of privacy regulation on large and small firms using a diff-diff-diff model with heterogeneous treatment timing. Our theoretical model predicts that privacy regulation may affect predominantly large firms, even if - as our data confirms - these large firms tend to offer more privacy. Our empirical results show that, if any, only large firms were negatively affected, suggesting that privacy regulation might boost competition by leveling out the playing field for small firms. |
| Keywords: | Privacy,Competition,Regulation,ePrivacy Directive |
| JEL: | D43 L86 M37 M38 |
| Date: | 2019 |
| URL: | http://d.repec.org/n?u=RePEc:zbw:dicedp:308&r=all |
| By: | Zakaria Babutsidze (Observatoire français des conjonctures économiques) |
| Abstract: | I argue that the impact of piracy engines for scholarly content on science depends on the nature of the research. Social sciences are more likely to reap benefits from such engines without inflicting much damage on journal publishers’ revenues. To validate the claim, I examine the data from illegal downloads of economics content from Sci-Hub over a five-month period. I conclude that: (a) the extent of piracy in economics is not pervasive; (b) downloads mostly occur in under-developed countries; (c) users pirate even content that is freely available online. As a result, publishers are n |
| Keywords: | Economics; Scientific researcher; Open access publishing; Online Privacy |
| Date: | 2018–09 |
| URL: | http://d.repec.org/n?u=RePEc:spo:wpmain:info:hdl:2441/3l64jkdu7v89h84ls9062ji03i&r=all |
| By: | Denis Demidov; Klaus M. Frahm; Dima L. Shepelyansky |
| Abstract: | We analyze the influence and interactions of 60 largest world banks for 195 world countries using the reduced Google matrix algorithm for the English Wikipedia network with 5 416 537 articles. While the top asset rank positions are taken by the banks of China, with China Industrial and Commercial Bank of China at the first place, we show that the network influence is dominated by USA banks with Goldman Sachs being the central bank. We determine the network structure of interactions of banks and countries and PageRank sensitivity of countries to selected banks. We also present GPU oriented code which significantly accelerates the numerical computations of reduced Google matrix. |
| Date: | 2019–02 |
| URL: | http://d.repec.org/n?u=RePEc:arx:papers:1902.07920&r=all |
| By: | Xintong Han (Concordia University); Lei Xu (Toulouse School of Economics) |
| Abstract: | This paper investigates the role of network structure in technology adoption. In particular, we study how the network of individual agents can slow down the speed of adoption. We study this issue in the context of the Python programming language by modeling the decisions to adopt Python version 3 by software packages. Python 3 provides advanced features but is not backward compatible with Python 2, which implies adoption costs. Moreover, packages form an input-output network through dependency on other packages in order to avoid writing duplicate code, and they face additional adoption costs from dependencies without Python 3 support. We build a dynamic model of technology adoption that incorporates the input-output network. With a complete dataset of package characteristics for historical releases and user downloads, we draw the input-output network and develop a new estimation method based on the dependency relationship. Estimation results show the average cost of one incompatible dependency is one-third the fixed cost of updating a package’s code. Simulations show the input-output network contributes to 1.5 years of adoption inertia. We conduct counterfactual policies of promotion in subcommunities and find significant heterogeneous effects on the adoption rates due to differences in network structure. Length: 43 pages |
| Keywords: | dynamic adoption, network dependency, structural estimation |
| Date: | 2019–01–22 |
| URL: | http://d.repec.org/n?u=RePEc:crd:wpaper:19001&r=all |
| By: | Thibault Bourgeron; Edmond Lezmi; Thierry Roncalli |
| Abstract: | In the last few years, the financial advisory industry has been impacted by the emergence of digitalization and robo-advisors. This phenomenon affects major financial services, including wealth management, employee savings plans, asset managers, etc. Since the robo-advisory model is in its early stages, we estimate that robo-advisors will help to manage around $1 trillion of assets in 2020 (OECD, 2017). And this trend is not going to stop with future generations, who will live in a technology-driven and social media-based world. In the investment industry, robo-advisors face different challenges: client profiling, customization, asset pooling, liability constraints, etc. In its primary sense, robo-advisory is a term for defining automated portfolio management. This includes automated trading and rebalancing, but also automated portfolio allocation. And this last issue is certainly the most important challenge for robo-advisory over the next five years. Today, in many robo-advisors, asset allocation is rather human-based and very far from being computer-based. The reason is that portfolio optimization is a very difficult task, and can lead to optimized mathematical solutions that are not optimal from a financial point of view (Michaud, 1989). The big challenge for robo-advisors is therefore to be able to optimize and rebalance hundreds of optimal portfolios without human intervention. In this paper, we show that the mean-variance optimization approach is mainly driven by arbitrage factors that are related to the concept of hedging portfolios. This is why regularization and sparsity are necessary to define robust asset allocation. However, this mathematical framework is more complex and requires understanding how norm penalties impacts portfolio optimization. From a numerical point of view, it also requires the implementation of non-traditional algorithms based on ADMM methods. |
| Date: | 2019–02 |
| URL: | http://d.repec.org/n?u=RePEc:arx:papers:1902.07449&r=all |
| By: | Hansen, Stephen; McMahon, Michael; Tong, Matthew |
| Abstract: | Why do long-run interest rates respond to central bank communication? Whereas existing explanations imply a common set of signals drives short and long-run yields, we show that news on economic uncertainty can have increasingly large effects along the yield curve. To evaluate this channel, we use the publication of the Bank of England's Inflation Report, from which we measure a set of high-dimensional signals. The signals that drive long-run interest rates do not affect short-run rates and operate primarily through the term premium. This suggests communication plays an important role in shaping perceptions of long-run uncertainty. |
| Keywords: | communication; Machine Learning; monetary policy |
| JEL: | E52 E58 |
| Date: | 2019–01 |
| URL: | http://d.repec.org/n?u=RePEc:cpr:ceprdp:13438&r=all |