Simulação de risco antitruste em mercados digitais

Resumen

Este estudo propõe uma abordagem híbrida para avaliação de risco antitruste em mercados digitais, combinando aprendizado de máquina supervisionado (Random Forest) com simulações de Monte Carlo. Utilizando dados reais do Conselho Administrativo de Defesa Econômica (CADE), enriquecidos com proxies para características digitais, estimando a probabilidade de ocorrência de risco antitruste elevado com base em variáveis como participação de mercado, efeitos de rede, barreiras à entrada e uso de algoritmos de precificação, utilizando a linguagem python para simulação. O modelo sugere que plataformas digitais com participação de mercado superior a 40%, combinada com efeitos de rede crescentes e uso ativo de algoritmos de precificação, possuem uma probabilidade superior a 85% de gerar riscos antitruste. Os resultados demonstram a capacidade preditiva do sistema proposto e sua utilidade ao fornecer insights para reguladores e gestores.