随着大数据算法技术和平台商业模式的发展,算法价格歧视成为了政府平台监管过程中的难题。算法价格歧视也称为大数据个人化定价,是企业依据消费者个人信息数据和算法技术来识别消费者及其偏好,据此设定专门针对其的个人化定价。由于大数据个人化定价往往会对特定消费者征收较高的价格,因此也被通俗地称为“大数据杀熟”。目前,算法价格歧视的经济学理论研究尚未对其产生的消费者剩余乃至社会福利影响得出明确的结论,政府反垄断规制是否需要介入也存在较大的争议。本文研究平台使用大数据个人定价产生的福利效应,并探讨针对性的反垄断政策建议。我们将重点研究垄断市场和寡头市场这两种不同市场结构下个人化定价带来的福利效应。首先,在对垄断市场结构下个人化定价的研究中,我们通过建立动态定价模型来探究不同类型消费者面临个人化定价时的福利效应。并在基础模型中引入匿名技术来分析消费者采用隐私保护管理手段能否改善自身福利情况。其次,对于寡头市场结构下个人化定价的研究中,我们针对企业拥有消费者信息产生的产品异质性对豪特林模型进行了改进,探究了企业最优反应条件下市场的竞争效应及其带来的福利效应,同时引入了消费者在平台企业间的转换成本以探究其对市场福利的影响。最后,根据不同市场结构下消费者决策理性、转换成本和产品异质性对消费者福利影响提出有关算法价格歧视的反垄断政策建议。垄断市场大数据个人化定价的福利效应。在垄断市场结构下,个人化定价存在产出扩张效应和补偿效应的作用,这使得低支付意愿的消费者处境改善。由于企业具有支配地位,有能力按照支付意愿制定价格,将重点探究企业是否存在剥削性滥用行为。本文的分析结果表明,短视消费者的剩余情况会受到侵害,转化为企业个人化定价的利润,策略型消费者可以在短期内通过包含数据的交易获得更大的剩余,而隐私管理的引入强化了企业数据的竞争,维护了消费者的福利。因此,反垄断执法机构应该更加注重消费者短视时垄断企业算法定价的剥削性滥用审查。寡头市场大数据个人化定价的福利效应。在寡头市场结构下,当企业不存在合谋时,企业在定价过程中有激励向对手的消费者制定更低的价格以偷猎对方客户,因此消费者面对更低的的价格获得较高的剩余。本文引入了统一定价模型和对称市场个人化定价模型作为基准,探究不对称市场个人化定价行为的福利效应。分析结果表明,企业通过算法价格歧视偷猎竞争对手客户使得消费者状况改善,且产品异质性的改变会进一步促进竞争使消费者获益。此时,反垄断审查部门应该采用较为宽松的执法旨在促进市场竞争。存在消费者转换成本的寡头企业个人化定价的福利效应。引入消费者在企业间的转换成本,探究互联网条件下,企业是否有激励通过消费者信息和算法技术锁定消费者。由于消费者在平台间转换的便捷性,转换成本的存在反而加剧了平台对于消费者信息的争夺,强化竞争效应,削弱了市场封锁效应。基于寡头竞争中对消费者状况的改善,反垄断执法机构应该审慎介入执法,加强市场上消费者数据监管,不应该明令禁止,建议采用合理推定原则,同时避免企业合谋发生。算法价格歧视的反垄断政策。我们给出的政策建议是:一是改变算法价格歧视现有本身违法原则的使用并积极采取合理推定原则以推动市场竞争;二是加快个人隐私立法赋予消费者“告知-同意”权;三是重视技术性解决方案在保护消费者权益和消除反竞争效应的独特作用。四是采取多种政策手段以降低消费者在企业间的转换成本。