Search

Эффективность экономики обусловлена оперативностью пресечения незаконного поведения хозяйствующих субъектов. В условиях ускорения деловой активности важной частью данного условия становится выявление рыночных сговоров на основе статистики электронных следов. В статье представлено решение этой задачи на основе кванто-теоретического подхода к моделированию принятия решений. А именно, когнитивные состояния субъектов представляются комплекснозначными векторами в пространстве, образованном базисными поведенческими альтернативами, тогда как вероятности принятия решений определяются проекциями этих состояний на соответствующие направления. Согласованность многостороннего поведения при этом соответствует запутанности порождающего когнитивного состояния, степень которой измеряется стандартными квантово-теоретическими метриками. Высокое значение метрики свидетельствует о вероятном наличии сговора между рассматриваемыми субъектами. Полученный таким образом метод выявления поведенческой координации апробирован на открытых данных об участии юридических лиц в государственных закупках за период с 2015 по 2020 годы, доступных на федеральном портале https://zakupki.gov.ru. Для использованной выборки построены квантовые модели примерно 80 тысяч уникальных пар и 10 миллионов уникальных троек ИНН. Достоверность выявления сговоров определялась сравнением подозреваемых с открытыми данными Федеральной антимонопольной службы https://br.fas.gov.ru. Согласно полученным функциям ошибок, половина известных парных сговоров выявляется с достоверностью более 50%, что сравнимо с методами выявления на основе классической корреляции и классической взаимной информации. В трёхстороннем случае, напротив, квантовая модель оказывается практически безальтернативной в силу ограниченности классических метрик двусторонней корреляцией. Половина таких сговоров выявляется с достоверностью 40%. Полученные результаты свидетельствуют об эффективности квантово-вероятностного подхода к моделированию многостороннего экономического поведения. Разработанные метрики могут быть использованы в качестве информативных признаков для аналитических систем и алгоритмов машинного обучения подобной направленности.