painel 03 03 - lucas freire - filtros econômicos e combate a cartéis em licitações
TRANSCRIPT
Filtros econômicos e combate a cartéis em licitações
Lucas Freire SilvaSuperintendência-Geral do CADE
Contexto do desafio
Defesa da concorrência
Estruturas (fusões e
aquisições)
Cartéis• Internacionais• Nacionais • Licitações
• Disponibilidade de dados (movimentos de transparência)
• Acumulo de literatura econômica sobre “leilões”.
• Expertise prévia em investigações
• Grande impacto na sociedade (10 – 15% PIB)
Estratégias• Cobertura• Supressão de proposta• Rodízio• Divisão de mercado• divisão de clientes
Consequências• Aumento de custos• Piora dos serviços públicos
Como funciona a combinação entre concorrentes em licitações?
Como procurar o cartel?
•Fatos suspeitos / raros•Sinais de competição simulada•Similaridades e padrões nos
comportamentos de concorrentes
Mineração de dados
•Filtros econômicos: problema de classificação / teste de hipótesesTestes
estatísticos
•Automação da análise•Grupo focal com especialistas•Roteiros de análise (internos e de
outras autoridades de defesa da concorrência)
Mineração de dados
•Generalização baseada em casos concretos (literatura econômica)
•Teoria microeconômica
Testes estatísticos
Como desenvolver os algoritmos?
Tecnologia da informação
Estatística e Econometria
Exemplo de técnicadesenvolvida
•Análise de ranking nas licitações
O que analisamos no ranking?
Premissas do modelo econométrico:
• Independência condicional das propostasSe conheço quem apresentou a proposta X, isso não me diz nada sobre quem apresentou a proposta Y (correlação dos resíduos)
• Permutabilidade das posiçõesDado um grupo: maior número de licitações e maior número de licitantes - > maior variação das posições
variabilidade esperada equilíbrio de Bayes-Nash
A
B
CD
E
A
B
CD
EA
B
CD
E
D
C
AE
B
A
B
CD
EA
B
CD
E
A
B
CD
EA
B
CD
E
variabilidade observada.
1. Selecione uma firma. 2. Busque todos os pregões de que ela participou. 3. Liste todos os seus concorrentes. 4. Teste se a variância observada é equivalente à variância esperada
Logo, "filtramos" as firmas cujo teste de hipótese de igualdade entre as variâncias é rejeitado
Teste de Komolgorov-Smirnov
Passo a passo do algoritmo
Caso concreto de uso da econometria
para combate a cartéis
Medicamentos – Caso Mexicano
Fonte: Estrada and Vazquez (2013)
Durante o cartel: •Divisão do mercado estável•Variância de lances baixa
Depois de descoberto o cartel:•Divisão de mercado se desorganiza•Elevação imediata da variância de lances
•Durante o cartel:• margem de venda é maior que a
referência regional• variância de preços ínfima
•Após a descoberta do cartel• margem de venda é menor que
a referência regional• variância de preços significativa
Mercado de combustíveis. João Pessoa – PBDados de 2004 a 2009.
Experiência brasileira - combustíveis
Equipe e ferramentas
Como montamos a equipe?
Analyzing the AnalyzersAn Introspective Survey of Data Scientists and Their Work. By Harlan Harris, Sean Murphy, Marck VaismanO'Reilly. June 2013
- Aprendizado rápido- Pacotes de análises de dados- Open source- Comunidade grande (muitas perguntas já respondidas)- Fácil integração com outras linguagens e ferramentas
- Rápido e simples de usar.- Open source.- Comunidade grande (= muitas perguntas já respondidas).- Django (principal alternativa) tem uma curva de aprendizado bem maior e seria excessivo para nossas necessidades.
Quais ferramentas usamos?
- Previamente adquirida- Desempenho bom.- Comunidade grande, bem documentado.
- Banco de dados de grafos – facilita a identificação de redes societárias.- Open source.
- Base para filtros econômicos- Responsável pelos filtros desenvolve em R; é mais eficiente “plugar” o código dele no resto do que reescrever tudo em Python - RPy2 permite integração entre as duas linguagens.- Completo: R tem pacotes estatísticos para tudo.- Open source.- Comunidade grande, bem documentado.- SQL Server 2016 vai rodar R nativamente.
Linha do tempo
18
Novembro de 2013 a janeiro de 2014• Estudo e
benchmarking da experiência internacional
Fevereiro de 2014 a Junho 2014• Planejamento e
contratação de consultorias em estatística e tecnologia da informação para o projeto
Agosto de 2014 a dezembro de 2014• Desenvolvimento
das bases metodológicas para uso de filtros econômicos
Janeiro de 2015 a novembro de 2015• Coleta e
estruturação de repositório de dados
• Desenvolvimento e teste de algoritmos
Dezembro de 2015• Treinamento da
equipe e finalização das consultorias
Dezembro de 2015
Desafios
• Traduzir as análises em produtos de informações úteis aos nossos públicos (Superintendente-Geral, Tribunal do CADE, Judiciário)
•Dimensionar e priorizar os casos de análise e investigação posterior
• Competência sobre o mercado como um todo: necessidade de integrar dados federais com dados de 27 estados e 5565 municípios, além de bases estatísticas e fontes públicas