| Аннотация | Совершенствование закупочных процедур и их цифровизация помогают предотвращать и выявлять картели, но в то же время приводят к появлению новых антиконкурентных схем поведения. В нашем исследовании мы концентрируем внимание на электронных аукционах, которые стали в последние годы основным способом осуществления государственных закупок в России. Тот факт, что электронные аукционы дают доступ к большему числу крупных государственных заказов, усиливает стимулы участников торгов заключать антиконкурентные соглашения. Поэтому улучшение методов выявления картелей на электронных аукционах становится особенно актуальной проблемой. Цель данной работы состояла в разработке метода для обнаружения признаков горизонтального сговора на торгах. С помощью методов машинного обучения мы тренируем классификаторы, которые предсказывают наличие или отсутствие картеля в электронных аукционах в зависимости от распределения ставок участников аукциона, времени подачи заявок, длительности проведения торгов и числа участников. Переменные для модели были отобраны на основании графиков распределений, построенных для выборки по картелям и случайной выборки. Исследование проводится на основе данных с сайта государственных закупок и информации о сговорах на торгах из дел Федеральной антимонопольной службы (ФАС). Результаты показали, что модель случайного леса наиболее точно предсказывает выявление картеля на электронном аукционе. Правильность предсказания – 84%, а полнота и точность модели – 83 и 87%. Наиболее значимыми для классификации переменными оказались уровень снижения цены, разница во времени подачи заявок и начальная (максимальная) цена контракта. |
|---|