Hệ thống tài chính toàn cầu và chiến lược của việt nam

Hệ thống tài chính toàn cầu và chiến lược của việt nam Những biến động trong môi trường quốc tế gần đây dự kiến sẽ có nhiều tác động sâu sắc đến diện mạo kinh tế, chính trị thế giới trong thời gian tới. Các biến động chính có thể kể đến như chính sách kinh tế mới của Trung Quốc, sự dịch chuyển chuỗi cung ứng toàn cầu, hay sự chuyển dịch dòng vốn đầu tư quốc tế. Các trung tâm tài chính quốc tế truyền thống cũng đang dịch chuyển do những biến động địa chính trị (Anh, Hong Kong… có còn là trung tâm tài chính quốc tế?). Tất cả những nhân tố địakinh tếchính trị cộng hưởng bởi những thay đổi vĩnh viễn trong hành vi con người (làm việc từ xa hoặc sự lựa chọn nghề nghiệp trong nền kinh tế việc làm tự do (gig economy)) từ tác động của đại dịch đang định hình lại nền tài chính toàn cầu. Nhận diện xu hướng, đánh giá các cơ hội và rủi ro từ việc định hình lại nền tài chính toàn cầu sẽ giúp các nhà hoạch định chính sách, giới đầu tư, các doanh nghiệp và các học giả đưa ra các phản ứng thích hợp. Các nền tảng AI đang được triển khai trong hệ thống tài chính toàn cầu hiện đang mạnh lên theo nhịp độ của hàm số mũ, chưa từng thấy trong lịch sử. Chẳng hạn, Jack Ma, người sáng lập Ant và Alibaba, tập đoàn thương mại điện tử, được cho là một trong những người tiên phong sử dụng dữ liệu hoạt động kỹ thuật số của người tiêu dùng và doanh nghiệp để đánh giá rủi ro tín dụng, giảm chi phí vay mượn, cung cấp các dịch vụ tùy chỉnh (customised services). Đó là lý do chính khiến các tập đoàn tài chính Trung Quốc mở rộng với tốc độ nhanh chưa từng thấy. Các công ty ở các nước phát triển hiện đang chạy đua để bắt kịp người khổng lồ Ant và Alibaba. AI đã và sẽ định hình nền tài chính toàn cầu liệu có là xu hướng không thể cưỡng lại? Ngoài những lợi ích to lớn AI mang lại trong lĩnh vực tài chính, những thách thức nào đe doạ chủ quyền tài chính của các quốc gia (sự độc quyền và những mập mờ của các công ty công nghệ, hoạt động rửa tiền, khủng bố, an toàn dữ liệu cá nhân, tính độc lập của các Ngân hàng trung ương…). Sự phát triển của các đồng tiền kỹ thuật số đã nhận được sự quan tâm của nhiều nhà đầu tư, chính phủ các quốc gia và cả Ngân hàng Trung ương các quốc gia hàng đầu trên thế giới. Ví dụ: Trung Quốc đang đẩy nhanh quá trình ra mắt đồng tiền số Nhân dân tệ DCEP; Facebook đang có kế hoạch tung ra đồng tiền điện tử Diem trong năm nay. Tương lai các đồng tiền kỹ thuật số có thể đe dọa vị thế của các đồng tiền mạnh trên thế giới như USD, EUR, ... Và thậm chí với những ưu điểm của mình, các đồng tiền tiền số có thể dần thay thế những đồng tiền mạnh trong hoạt động thanh toán, đầu tư và dự trữ. Liệu viễn cảnh này sẽ có tác động như thế nào đến sự ổn định của hệ thống tiền tệ quốc tế, và Việt Nam cần có các chính sách thích nghi như thế nào? Những cơn địa chấn trên đã, đang và sẽ định hình lại nền tài chính toàn cầu theo nhịp độ cấp số nhân với nhiều lợi ích khổng lồ nhưng siêu bất định phía trước. Câu hỏi duy nhất mà hội thảo muốn hướng đến: CHÚNG TA CẦN PHẢI LÀM GÌ? Trước bối cảnh đó, Khoa Tài Chính Trường Đại học Kinh tế TP.HCM phối hợp Báo Sài Gòn Đầu Tư Tài Chính – Sài Gòn Giải Phóng phối hợp đồng tổ chức hội thảo cấp quốc gia với chủ đề: “Định hình lại hệ thống tài chính toàn cầu và chiến lược của Việt Nam” nhằm tạo diễn đàn để các nhà khoa học, chuyên gia, doanh nghiệp, và các tổ chức cùng thảo luận về những chuyển động nói trên tác động như thế nào đến hệ thống tài chính toàn cầu, Việt Nam cần có những chiến lược nào để thích ứng với những thay đổi đó. Việc nhận diện các xu hướng, đánh giá các cơ hội và rủi ro từ sự định hình lại hệ thống tài chính toàn cầu sẽ giúp các nhà hoạch định chính sách, nhà đầu tư và doanh nghiệp có những phản ứng phù hợp. Hội thảo dự kiến sẽ được tổ chức vào ngày 27042021 tại Trường Đại học Kinh tế TP. HCM. Hội thảo với sự tham dự của: Các thành viên tổ tư vấn Kinh tế của Thủ tướng như: TS. Nguyễn Đức Kiên; TS. Trương Văn Phước; PGS.TS. Trần Hoàng Ngân; TS. Trần Du Lịch; TS. Vũ Thành Tự Anh… Các thành viên Hội đồng tư vấn chính sách tài chính, tiền tệ quốc gia như: GS.TS. Trần Ngọc Thơ; TS. Cấn Văn Lực… Cùng sự tham gia của các nhà khoa học, các nhà nghiên cứu trong nước và quốc tế, những người quan tâm. Hội thảo sẽ tập trung thảo luận những vấn đề định hình lại hệ thống tài chính toàn cầu và chiến lược cho Việt Nam như: Những thay đổi trong môi trường tài chính quốc tế gần đây. Việc tái định vị các trung tâm tài chính quốc tế. Các chính sách kinh tế mới của Trung Quốc, Mỹ. Sự dịch chuyển chuỗi cung ứng toàn cầu hay sự chuyển dịch dòng vốn đầu tư quốc tế. Những thay đổi trong hành vi con người từ tác động của đại dịch hay sự thay đổi trong hành vi lựa chọn việc làm theo xu hướng của nền kinh tế việc làm tự do (gig economy). Tác động của sự phát triển các đồng tiền kỹ thuật số đến vị thế của các đồng tiền mạnh trên thế giới, đến sự sự ổn định của hệ thống tiền tệ quốc tế, và Việt Nam. Những lợi ích, cơ hội và thách thức to lớn AI mang lại trong lĩnh vực tài chính. Vấn đề chủ quyền tài chính của các quốc gia (sự độc quyền, hoạt động rửa tiền, khủng bố, an toàn dữ liệu cá nhân, tính độc lập của các Ngân hàng Trung ương…). Nhận diện xu hướng, đánh giá các cơ hội và rủi ro từ việc định hình lại nền tài chính toàn cầu, các phản ứng thích hợp của các nhà hoạch định chính sách, giới đầu tư và doanh nghiệp; đề xuất chính sách thích nghi trong bối cảnh mới cho Việt Nam. Ban tổ chức trân trọng thông báo và rất mong nhận được bài viết của các nhà nghiên cứu tham gia hội thảo này. Các bài tham luận sẽ được Ban tổ chức tuyển chọn đăng trong Kỷ yếu hội thảo.

KỶ YẾU HỘI THẢO KHOA HỌC ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM 27 tháng 04 năm 2021 nhiều tác giả TRƯỜNG ĐẠI HỌC KINH TẾ TP HỒ CHÍ MINH KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM NHÀ XUẤT BẢN THÔNG TIN VÀ TRUYỀN THÔNG 2021 HỘI ĐỒNG BIÊN TẬP Ban đạo GS.TS Nguyễn Đơng Phong GS.TS Sử Đình Thành PGS.TS Phan Thị Bích Nguyệt GS.TS Nguyễn Trọng Hồi TS Bùi Quang Hùng Ban chuyên môn GS.TS Trần Ngọc Thơ TS Đinh Thị Thu Hồng PGS.TS Nguyễn Khắc Quốc Bảo TS Lê Đạt Chí PGS.TS Trần Thị Hải Lý TS Vũ Việt Quảng TS Nguyễn Thị Uyên Uyên PGS.TS Phùng Đức Nam PGS.TS Lê Thị Phương Vy TS Từ Thị Kim Thoa ThS Quách Doanh Nghiệp Thư ký ban chuyên môn ThS Lê Thị Hồng Minh ThS Hồ Thu Hoài ThS Tô Công Nguyên Bảo ThS Nguyễn Văn Thiện Tâm LỜI MỞ ĐẦU N hững thay đổi môi trường tài quốc tế gần đây, chẳng hạn sách kinh tế mà phủ Mỹ sử dụng nhằm nỗ lực vực dậy kinh tế suy giảm đại dịch Covid-19; tham vọng vươn toàn cầu quốc tế hóa đồng Nhân dân tệ Trung Quốc; thay đổi xu hướng chuyển dịch dịng vốn quốc tế chuỗi cung ứng tồn cầu; hay khả tái định vị trung tâm tài quốc tế cho có ảnh hưởng đáng kể đến kinh tế toàn cầu năm tới Bên cạnh đó, trí tuệ nhân tạo, cơng nghệ Blockchain… đưa đến thay đổi lớn chưa có lịch sử tài tiền tệ Sự phát triển đồng tiền kỹ thuật số Ngân hàng Trung ương nhiều quốc gia tổ chức phi phủ (ví dụ Trung Quốc đẩy nhanh trình mắt đồng tiền số Nhân dân tệ - DCEP; Facebook có kế hoạch tung đồng tiền số Diem), với biểu suy yếu hệ thống tiền tệ toàn cầu nay, đe dọa chi phối đồng la Mỹ giao dịch tài chính, thương mại, đầu tư, dự trữ quốc tế Những thay đổi tạo hội lẫn thách thức lớn Việt Nam Trước bối cảnh đó, Trường Đại học Kinh tế TP HCM Báo Sài Gịn Giải Phóng phối hợp tổ chức hội thảo “Định hình lại hệ thống tài toàn cầu chiến lược Việt Nam” nhằm tạo diễn đàn để nhà khoa học, chuyên gia, doanh nghiệp, tổ chức thảo luận chuyển động nói tác động đến hệ thống tài tồn cầu, Việt Nam cần có chiến lược để thích ứng với thay đổi Việc nhận diện hội rủi ro từ định hình lại hệ thống tài tồn cầu giúp nhà hoạch định sách, nhà đầu tư doanh nghiệp có chiến lược thích hợp Ban tổ chức nhận nhiều tham luận từ học giả, nhà nghiên cứu, nhà hoạch định sách, giảng viên nghiên cứu sinh Các viết Ban tổ chức chuyển tới nhà khoa học ý kiến phản biện, gần 70 tham luận có đóng góp lý luận thực tiễn cho chủ đề trọng tâm hội thảo chọn đăng Kỷ yếu Kỷ yếu kết cấu bảy phần Trong Phần 1, tham luận tập trung vào nội dung liên quan đến chủ đề Định hình lại hệ thống tài chính-tiền tệ tồn cầu, cấu trúc hệ thống tiền tệ, xu hướng chủ đạo hệ thống tài chính-tiền tệ tồn cầu, vị đồng đô la Mỹ, hệ thống tốn tồn cầu phân tích thảo luận Phần bao gồm viết luận bàn loại tiền kỹ thuật số với thách thức chúng hệ thống tiền tệ sách ngân hàng trung ương Phần thứ hai Kỷ yếu trình bày tham luận xoay quanh chủ đề Trung tâm tài quốc tế Các tham luận làm bật đặc trưng trung tâm tài quốc tế đưa gợi ý học kinh nghiệm cho việc xây dựng trung tâm tài quốc tế Phần thứ ba Kỷ yếu tham luận Chính sách vĩ mơ thị trường tài chính, đặc biệt giai đoạn Covid-19 Các viết chuyển dịch chuỗi cung ứng tồn cầu xu hướng dịng vốn đầu tư, thương mại trình bày Phần thứ tư với chủ đề Dòng vốn đầu tư thương mại quốc tế Các tham luận có nội dung Ổn định kinh tế vĩ mô phát triển bền vững; Công nghệ tài trình bày hai Phần Ngoài ra, tham luận Tiếng Anh Hệ sinh thái trí tuệ nhân tạo, mơ hình kinh doanh luật lệ trình bày Phần cuối Kỷ yếu Với hàm lượng nội dung này, Ban tổ chức kỳ vọng Kỷ yếu hội thảo tài liệu có ý nghĩa cho nhà nghiên cứu, nhà quản lý, doanh nghiệp quan tâm đến thay đổi lớn xảy hệ thống tài Ban tổ chức hội thảo chân thành cảm ơn đóng góp quý báu tác giả cho nội dung Kỷ yếu TRÂN TRỌNG BAN TỔ CHỨC HỘI THẢO MỤC LỤC PHẦN ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH - TIỀN TỆ TỒN CẦU Xu hướng chủ đạo hệ thống tài tồn cầu giải pháp chiến lược Việt Nam Cấn Văn Lực & cộng Các xu hướng thách thức toàn cậu hậu Covid-19 Nguyễn Khắc Quốc Bảo, Phan Thị Bích Nguyệt, Bùi Quang Hùng, Phạm Dương Phương Thảo 19 Cấu trúc hệ thống tiền tệ tồn cầu Lê Đạt Chí, Trần Thị Hải Lý, Đinh Thị Thu Hồng 33 Vị đồng USD nỗ lực tái định hình hệ thống tài tồn cầu Nguyễn Ngọc Định, Nguyễn Thị Diễm Kiều 57 MMT thách thức hệ thống tiền tệ tồn cầu Phan Thị Bích Nguyệt, Lê Đạt Chí, Phùng Thị Lan Nhi 72 Định hình hệ thống tốn tồn cầu vai trị Stablecoin Sử Đình Thành, Đinh Thị Thu Hồng 86 Tiền kỹ thuật số ngân hàng trung ương thách thức sách tiền tệ Nguyễn Hồng Thụy Bích Trâm, Trần Thị Thùy Linh 108 Đồng tiền số ngân hàng trung ương sách tiền tệ quốc gia Nguyễn Thanh Phúc, Hồng Minh Trí 117 Tiền mật mã: Cơ hội thách thức việc đổi hệ thống tiền tệ truyền thống Trương Trung Tài, Nguyễn Triều Đông 135 10 Tác động đồng tiền kỹ thuật số đến tỷ giá hối đoái 148 Nguyễn Hồng Nam PHẦN TRUNG TÂM TÀI CHÍNH QUỐC TẾ 11 Vấn đề đặc khu kinh tế trung tâm tài quốc tế Việt Nam Trần Ngọc Thơ 163 12 Mẫu hình đặc khu kinh tế thiết kế chiến lược phát triển kinh tế với hỗ trợ đặc khu kinh tế Nguyễn Hồng Thụy Bích Trâm, Trần Thị Thùy Linh 176 13 Kinh nghiệm xây dựng trung tâm tài khu vực góc nhìn từ hệ thống ngân hàng Hoàng Thị Phương Thảo, Trần Thị Ngọc Mai 185 14 Kinh nghiệm giới xây dựng trung tâm tài - Bài học từ Singapore Thượng Hải Lê Thị Hồng Minh, Huỳnh Thị Cẩm Hà, Lương Thị Thảo, Hoàng Thị Phương Anh 194 15 Cơ hội thách thức việc xây dựng trung tâm tài TP.HCM: Bài học kinh nghiệm rút từ trung tâm tài Singapore Hồng Kơng Mai Thị Phương Thảo 214 16 Tội phạm tài vấn đề nâng cao khả ứng phó Việt Nam chiến lược xây dựng phát triển thị trường tài Thomas Hung Tran 228 PHẦN CHÍNH SÁCH VĨ MƠ VÀ THỊ TRƯỜNG TÀI CHÍNH 17 Một số vấn đề an ninh kinh tế Việt Nam trước xu biến động toàn cầu trình chuyển đổi số Nguyễn Đơng Phong, Tơ Cơng Ngun Bảo, Nguyễn Khắc Quốc Bảo 243 18 Thao túng tiền tệ: Ngoại giao trừng phạt lợi ích chiến lược Hồ Quốc Tuấn, Nguyễn Thị Ngọc Trang, Trần Ngọc Thơ 265 19 Phân tích tác động dịch bệnh truyền nhiễm đến hoạt động kinh tế khía cạnh hành vi người Nguyễn Chí Đức 273 20 Mối quan hệ động đại dịch Covid-19 đến thị trường tài Việt Nam giới Nguyễn Thị Liên Hoa, Lê Vũ 287 21 Tác động đại dịch Covid-19 đến biến động thị trường chứng 306 khoán Việt Nam Võ Hoàng Oanh, Lê Thị Lanh, Lê Phan Thị Diệu Thảo 22 Tác động đại dịch Covid-19 lên thị trường chứng khốn 10 quốc gia có số ca nhiễm Covid-19 cao giới Nguyễn Sỹ Thắng, Lê Thị Phương Vy, Nguyễn Thị Ngọc Ánh 320 23 Tính khoản doanh nghiệp thời kỳ Covid-19 Phùng Đức Nam, Vũ Thị Kim Dung 339 24 Vai trị điều tiết văn hố quốc gia phản ứng thị trường chứng khoán trước đại dịch Covid-19: Bằng chứng thực nghiệm kinh tế phát triển Phùng Đức Nam, Nguyễn Thị Diễm Kiều 357 25 Đại dịch Covid-19 bất định dự báo lạm phát Nguyễn Trí Minh 369 26 Một số gợi ý sách tài khóa Việt Nam từ Covid-19 Phạm Quốc Việt 379 PHẦN DÒNG VỐN ĐẦU TƯ VÀ THƯƠNG MẠI QUỐC TẾ 27 Chuyển dịch chuỗi cung ứng toàn cầu hội cho Việt Nam Đoàn Thị Hồng Vân 389 28 Tái cấu trúc chuỗi cung ứng toàn cầu: Chiến lược cho thương mại Việt Nam? Tô Công Nguyên Bảo, Nguyễn Khắc Quốc Bảo, Nguyễn Thị Uyên Uyên, Hồ Thu Hoài 401 29 Nâng cao hiệu thu hút đầu tư trực tiếp nước 425 Võ Thanh Thu 30 Dòng vốn quốc tế: Những xu hướng 436 Võ Đình Trí 31 Những nhân tố ảnh hưởng đến tháo chạy dòng vốn - Nghiên cứu thực nghiệm quốc gia Đông Nam Á Lê Thị Hồng Minh 446 32 Xu hướng dịch chuyển nguồn vốn đầu tư trực tiếp nước ngoài: Cơ hội thách thức cho Việt Nam Nguyễn Thị Hồng Nhâm, Phạm Dương Phương Thảo 460 33 Xu hướng dịch chuyển dòng vốn quốc tế Nguyễn Văn Thiện Tâm, Nguyễn Tiến Hùng 470 34 Thay đổi lớn dòng vốn đầu tư quốc tế thách thức thu hút vốn đầu tư dựa vào giá lao động rẻ Việt Nam Nguyễn Hữu Lộc 485 35 Ngang giá lãi suất có phịng ngừa Việt Nam bối cảnh khủng hoảng Covid-19 Nguyễn Thị Hồng Nhâm, Trần Minh Hiếu 497 36 Vốn đầu tư trực tiếp nước địa bàn tỉnh Vĩnh Phúc trước tác động đại dịch Covid-19 Ngô Thái Hà, Nguyễn Đức Khiêm 510 PHẦN ỔN ĐỊNH KINH TẾ VĨ MÔ VÀ PHÁT TRIỂN BỀN VỮNG 37 Ổn định thị trường tài quốc gia phục vụ phát triển kinh tế - xã hội giai đoạn 2016-2020, kiến nghị cho thời kỳ 2021-2030: góc nhìn từ phát hành trái phiếu phủ thị trường vốn quốc tế 523 Nguyễn Đức Kiên, Chu Khánh Lân, Đào Minh Thắng 38 Đảm bảo ổn định tài quốc gia bối cảnh kinh tế Việt Nam Hồng Xn Hịa, Nguyễn Văn Đại, Trịnh Chi Mai, Phạm Thái Hà Anh 533 39 Điều giúp Việt Nam tiếp tục thành cơng? 553 Trần Ngọc Châu 40 Chính sách phát triển thị trường trái phiếu xanh Việt Nam hướng tới tăng trưởng xanh bền vững Đỗ Thị Thu Thủy, Trịnh Mai Vân 564 41 Tác động phát triển tài lên tăng trưởng kinh tế với số phát triển tài tổng hợp Nguyễn Khắc Quốc Bảo, Huỳnh Thị Thúy Vy, Phạm Dương Phương Thảo 578 42 Kích thích kinh tế lạm phát hậu Covid Quách Doanh Nghiệp, Nguyễn Văn Thiện Tâm 592 43 Hiểu đánh đổi lạm phát - thất nghiệp từ đường cong Phillips Nguyễn Trí Minh 603 44 Định vị hệ thống tài xanh kinh tế xanh - Kinh nghiệm quốc tế khuyến nghị cho Việt Nam Trần Thị Thanh Tú, Lê Hồng Hạnh, Nguyễn Thị Minh Huệ, Nguyễn Thị Hồng Thúy 613 45 Đầu tư vốn tăng trưởng kinh tế: Tiếp cận từ góc nhìn blockchain công nghệ thể chế niềm tin Dương Kha, Trần Hồi Nam 629 46 Đặc điểm tài định đầu tư doanh nghiệp: Vai trò sách tiền tệ Bùi Duy Khoa, Võ Quốc Toàn, Vũ Xuân Lộc, Đỗ Ngọc Quỳnh Anh, Nguyễn Văn Huy 645 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM open up new opportunities (Agrawal et al., 2019, p 4) With the use of AI, in the long run, society will be wealthier One could argue that AI’s effects are increasing competition since firms entering new areas outside their previous core business (Stevenson, 2019, p 195) However, some also warned that it could lead to super firms' creation that could have detrimental effects on the broader economy (Szczepański, 2019, p 2) In that context, competition law, as an instrument to maintain market competition, has to alter and develop to govern the consequences that AI can cause At the end of the day, how can it impact competition in the market? We can imagine the effects of AI and antitrust in both negative and positive ways On the one hand, AI could make independent decisions on its behalf by automatically investigating any market when it finds that the market has some competitive concerns However, on the other hand, AI itself also raises some anticompetitive concerns, leading to collusion or abusing market’s dominant position Among all anticompetitive behaviors, collusive agreements are something that most jurisdictions are trying to fight against It occurs when rival firms agree to work together; for example, fix selling prices for one product in a relevant market It is referred to as one of the most harmful anticompetitive practices known to competition law and is a prime target of competition authorities (Whish & Bailey, 2018, p 520) There are many negative impacts of collusion: high prices for consumers, high entry barriers, low incentives for innovation, and increased productivity This paper will link AI and collusion, and as a result, a new term as ‘collusive algorithm’ would be formed In the first part, this paper will introduce some fundamental concepts of AI and its underlying technologies: algorithms, machine learning (ML), and deep learning (DL) The second part will discuss the idea of collusion in general, tacit collusion in particular, and the economic part of them: why collusion exists and which factors determine collusion stability The third part will deal with the impact of algorithms and AI on the likelihood of collusion from both the supply side and demand side The last part will give some concluding remarks on this paper’s topic 1.2 Purposes Through this paper, the author’s primary purpose is to understand better novel algorithmic collusive agreements that use AI It consists of his research field and interest in competition law and computational law In reaching the goal, this paper is intended to provide an overview of AI and its underlying technology, thereby learning how it can affect the competition law in general and collusion in particular from a view of law and economics In doing this research, the paper would base on some articles about collusion 1038 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM by Edward Chamberlin, Nicolas Petit, Ariel Ezrachi, Maurice E Stucke, or some institutions such as OCED, OECD Committee, and Autorité de la concurrence & Bundeskartellamt (the competition authorities in France and Germany) 1.3 Methodologies This paper focuses on these main methods: ▪ Qualitative method: the qualitative method is the primary method in this article ▪ Analyzing and synthesizing theory method: from all academic sources such as books, reports, legal journals, and other legal and economic materials This paper would use this method to explain some technological and legal concepts (for instance, deep learning, machine learning, collusion, and so on) ▪ Normative approach: this method (primarily general normative research) will be used in Part 3: The economics of collusion and tacit collusion and Part 4: The economic impacts of AI on collusion ▪ Case study: some cases would be mentioned, i.e., the case of Asus (Case AT.40465), Trod and GBE, EGEL and Dyball, or some pieces of evidence in Germany, the Netherlands The general concept of AI All of the fundamentals of AI, ML, and DL are based on algorithms; hence, it is essential to understand this term’s concept ‘Algorithm’ is not a new word, as it has a long history and can be traced back to the 9th century by a Persian Muslim mathematician Besides, it seems to be that the term ‘algorithm’ does not have a clear consensus on its definition In the broadest sense of interpretation and the past, the word ‘algorithms’ referred to all definite procedures for solving problems or performing tasks (McFadden, 2017) However, since this paper only focuses on algorithms, which are the basis for AI, it just targets computer science Accordingly, it is related to “any well-defined computational procedure that takes some value, or set of values, as input and produces some value, or set of values, as output”, for instance, “a sequence of computational steps that transform the input into the output” (Cormen et al., 2009, p 45) There are many ways to classify the types of algorithms Some may divide them into supervised learning, unsupervised learning, semi-supervised learning, reinforcement learning, transduction, and learning to learn In the technological aspect, AI systems can be referred to as “self-training structures of ML predictors that automate and accelerate human tasks” (Taddy, 2019, p 62) In other words, it is the field that studies the synthesis and analysis of computational agents that act intelligently According to this definition, two terms need to be interpreted carefully, which are ‘intelligently’ and ‘computational’ ‘Intelligently’ can be seen as (i) 1039 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM an appropriate behavior or conduct in specific circumstances to fulfill its goals; (ii) flexible in changing environments and changing goals; (iii) learns from experience; and (iv) makes appropriate choices given its perceptual and computational limitations On the other side, a ‘computational’ agent is an agent who makes decisions that can be explained in terms of computation That is, the decision can be broken down into primitive operations that can be implemented in a physical device In AI, it is carried out in ‘hardware’ (Mackworth & Poole, 2010, p 3) Many people are confused with ML and AI, and some also think they are the same technology; in fact, they are pretty different ML can incredible things, but it is basically limited to predict a future that looks mostly like the past In contrast, an AI system can solve complex problems that humans have previously resolved In order to this, it breaks these problems into a bunch of simple prediction tasks, each of which can be attacked by a ‘dumb’ algorithm AI uses instances of ML as components of the more extensive system These ML instances need to be organized within a structure defined by domain knowledge, and they need to be fed data that helps them complete their allocated prediction tasks So, in essence, an AI system is ML-driven (Taddy, 2019, p 63) ML is implanted in every aspect of AI, and ML algorithms are the building blocks of AI within a broader context As can be seen, ML is simply a way of achieving AI (McClelland, 2017) On the other hand, DL is a subset of ML, which teaches computers to what comes naturally to humans: learn by example DL increases the original ML algorithms’ accuracy, using multiple layers in a neural network to analyze data in many different abstractions It was trained by using a massive labeled data pool without the need for manual feature extraction It has become popular in recent decades thanks to the rapid increase in the amount of digital data that humans have created, in addition to the increased processing power of computers while the cost has dropped DL has driven progress in various fields such as object perception and machine translation, which used to be very challenged by AI researchers (Brownlee, 2019) As analyzed above, these technologies are become more ‘intelligent’, thanks to the development of powerful processors, Big Data, Big Analysis, and digitalization This knowledge is necessary to understand the upcoming analysis of collusion and collusion using algorithms in this paper’s forthcoming parts We can see that AI is a new generalpurpose technology, that is, a technology that can affect an entire economy and open up new opportunities (Agrawal et al., 2019, p 4) It is ‘the invention of a method of invention’, and plays a crucial role in the market Therefore, to competition agencies, to conclude whether we should accept AI unconditionally or cautiously or in which way we should regulate AI, it is obvious to carefully analyze this technology in the light of 1040 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM competitive concerns in the market and protecting the consumers against the dominant market players The economics of collusion and tacit collusion 3.1 The economics of collusion In economics, collusion can be referred to as “a non-competitive, secret, and sometimes illegal agreement between rivals which attempts to disrupt the market’s equilibrium” (Young, 2019) Usually, companies will operate independently and compete with each other to attract customers However, under some circumstances, companies would collude to maximize profits and gain unfair conditions Markets are defined as where, at a minimum, undertakings in an industry that produce goods or provide services that are reasonably good substitutes for one another In the output markets, when pursuing the goal of maximizing profits, the behavior of all firms is the same: they must choose the output so that the marginal cost and the marginal revenue of the final output unit are equal Two extremes can take place in a market: perfect competition and monopoly In the perfect competition market, one or several businesses cannot affect the price of products or services since companies are constantly competing with each other At the opposite extreme, there is only one company in the market, which is limited only by the demand curve in determining prices However, in practice, all actions lie in the middle Most industries exist many firms, often of drastically varying sizes, with some or all having market power, which is the ability to raise prices higher than the price of competitors and still in buoyant demand Such situations are known as an oligopoly or imperfect competition In this case, the behaviors of a few firms would affect others, and these firms recognize that their actions will be taken into account by other firms For example, when one seller reduces its prices, other sellers will act in the same way As such, firms in an oligopoly recognize their interdependence in the market (Marshall & Marx, 2012, p 4) Also, since the monopoly outcome is not a noncooperative equilibrium, if firms can cooperate and agree to limit their production or prices, the profits of all can be increased That is the case of collusion The sustainability of collusion depends on many essential factors Regarding the scope of this paper, information exchange and punishment will be discussed as they are relevant to the application of AI First, the transfer of information is a vital feature of collusion, directly supporting the enforcement of any collusive agreements and structures (Church & Ware, 2000, p 308) Detection cheaters would be more natural if firms can observe the price and output of their rivals There is theoretical evidence support that information exchange would promote more significant collusion and is detrimental to 1041 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM society With communication, the probability that a price cut will trigger a punishment is significant (Awaya & Krishna, 2016, p 307) Second, since collusion is a definite game, firms compete against each other continuously Any firms in the collusion would recognize and act on their mutual independence and maximize joint profit However, firms also have incentives to cheat because they would ideally earn the total profits in the market instead of sharing them with other players As a result, the burden of enforcement falls on the firms, and it depends on the detection and punishment of deviators: “The stronger, the swifter, or the more certain punishment, the more likely a collusive agreement is sustainable” (Church & Ware, 2000, p 328) 3.2 The economics of tacit collusion In the oligopolist environment (a phenomenon that exists somewhere between monopoly and perfect competition), all firms recognize their mutual interdependence and the advantages of coordination Hence they will anticipate its price that would be in line with their competitors In the end, an undertaking will use a course of behaviors in the knowledge that it is mutually beneficial if all players in the market act as an undertaking These firms not need to enter into any formal arrangement, i.e., a contract or an agreement In terms of effects, it is likely as if there were collusion in the market, but there is no actual collusion in terms of forms It is the case of ‘tacit collusion’, which is a market failure It is contrary to the monopolists or atomistic firms; that is when firms choose their best response without acknowledging other players’ strategies When saying about tacit collusion and oligopoly, we often discuss the oligopoly problem (that is, the tacit collusion occurs in an oligopoly) Chamberlin stated that one would realize that his move has a considerable effect upon his rivals in an oligopolist The prices all move together, and it will be the monopoly price (Chamberlin, 1929, p 89) In light of the basic knowledge of microeconomics about game theory, tacit collusion can be understood as a classic prisoner’s dilemma: two players who cannot communicate with each other will choose for their self-interests and betray other players However, in a repeated game in which oligopolists can indeed communicate to each other, and there is an increase in the discount factor, the long-term profits of collusion will exceed the short-term profits earned by betraying each other Hence, in this kind of game, any oligopolist that decides to deviate faces the risk of retaliation in subsequent periods and may thus be driven out of such industry It is a clear example of a grim trigger In order to reach that equilibrium, four conditions should be satisfied: (i) oligopolists must share a common understanding of the price at which collusion should unveil; (ii) there must be a credible threat against deviators, (iii) there is a monitor mechanism to detect any cheaters, and (iv) the sustainability of tacitly collusive prices is conditioned on the 1042 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM oligopolists’ ability to discourage production by external firms (Petit, 2012, p 7) It is noted that boundaries between tacit collusion and parallel behavior in oligopolistic markets are not so clear (Polemis & Oikonomou, 2018, p 26) As the same with explicit collusion, tacit can cause adverse effects on consumer welfare since it can have a negative impact on allocative efficiency and productive efficiency The economic impacts of AI on collusion Many elements affect the stability and sustainability of collusion For instance, initiating an agreement will be more challenging if firms have different costs If firms have high average costs, they would prefer their products to be sold at a high price, lower aggregate output, and vice versa In this case, the two firms in a duopoly cannot divide output equally since the firm with lower costs has more incentives to cheat than the high-cost firm (Church & Ware, 2000, p 319) We can imagine AI would impact and change the structure of the industrial organization in many relevant characteristics That leads to some market that is more prone than others to have long-lasting collusion This part is aimed to examine these factors First, the relative number and size of participating companies are among the most critical characteristics that impact collusion risk (Ivaldi et al., 2003, p 12) Suppose a market has several participants in a collusive agreement more than the number of outside the agreement, and such participants have a significant market share In that case, there will be an enormous potential for collusion to create market power It will be more difficult in tacit collusion when firms mainly observe their rivals to adjust behaviors A large number of firms could obviously lead to more complicated to identify a focal point for coordination, and each player in collusion may receive a smaller share of profit Simultaneously, the incentives to cheat will increase In this way, AI can reduce the coordination costs by “facilitating the processing of information needed to implement coordination, thereby increasing the stability of collusion” (Autorité de la concurrence & Bundeskartellamt, 2019, p 18) However, the OECD Paper added that though the market concentration plays an important role, it is not a must condition for algorithmic collusion to occur (OECD, 2017, p 21) Second, barriers to entry The collusion will be challenging to sustain if there are low entry barriers to a particular market Players in the market would choose triggering strategies, hence reduce the profit of collusion However, the OECD claimed that the effects of AI on entry barriers are unclear since many industries are different and characterized by natural entry barriers Also, with AI's prediction ability, incumbent firms can use killer-acquisition to prevent entries (OECD, 2017, p 21) There would be more 1043 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM effective pricing strategies due to algorithms, but on the other hand, the vast data that AI needs can lead to a rise in entry barriers Third, frequency of interactions It is one of the essential factors that AI may cause to the market The more frequently firms interact with each other, the more comfortable they are to collude since they can respond more quickly with any cheated behaviors Hence, a cheating firm cannot take advantage of a long time, and their incentives to cheat will decrease (Ivaldi et al., 2003, pp 20–21) With the faster processing and predicting ability, and AI can increase interaction frequency and increase collusion stability Hence, the price will be updated in real-time, thus allowing an immediate punishment to deviators For instance, ML algorithms could make dynamic pricing faster and less costly Associated with the characteristic of market transparency, the sooner the competitors acknowledge the deviated conduct, the faster they will punish and retaliate In vertical agreements, AI also can be used Specifically, that is the case of retail price maintenance (RPM) There are three applications of AI in such agreements: (i) detecting any deviations from the minimum sales price, (ii) increasing price transparency through price monitoring software, thus limiting the incentive to deviate, and (iii) spreading high prices to other retailers who not engage in the RPM scheme In the case of Asus, the European Commission (EC) held that this manufacturer had infringed the EU Competition law by imposing fixed or minimum resale prices Asus used software to observe and monitor online retailers If retailers did not follow RPM, they would be sanctioned or blocked of supply Notably, pricing algorithms were adapted by these retailers, which “may multiply the impact of price movements [ ], avoid price erosion across, potentially, its entire (online) retail network” (European Commission, 2018, p 14) As another example, in some markets, both online and offline, seem to a rapid increase in the use of pricing algorithms In 2013, Amazon conducted more than 2.5 million price changes every day, which is 50 times more than Walmart or Best buy did in a month (Profitero, 2013) In the offline environment, the use of AI leads to more data can be gathered, but it is challenging to observe the price in these markets due to the lack of transparency Nevertheless, some markets witness a rise in algorithmic pricing; for instance, the retail petrol providers already used algorithms to collude tacitly and potentially raised prices for consumers (CMA, 2018, p 19; Schechner, 2017) Fourth, market transparency When the market lacks transparency, players cannot quickly identify deviators since there is not enough information In other words, collusion is more difficult to sustain when prices are not observable Besides, the delay in obtaining data on costs and output also plays a vital role because if rivals receive the information 1044 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM promptly, they will have time to trace and punish deviants (OECD Competition Committee, 2010, p 148) Market transparency is seen as one benefit of AI on the market In this way, companies can collect data easily and quickly to foster collusion Therefore, real-time data can be automatically analyzed and converted into action (Autorité de la concurrence & Bundeskartellamt, 2019, p 18) Moreover, when more and more firms join the ‘algorithmic-driven’ game, the market would be more transparent, result in an increase in the chance of collusion and reducing strategic uncertainty In a paper, Ezrachi and Stucke used a gas station as an instance, as it can silently adjust the price to be compatible with other competitors in the same area For example, in Germany, an oligopoly of five firms, which has a significant market share in the offmotorway petrol station market In enhancing competition in this market, the German authorities required these stations to report their prices to the government’s transparency unit any price changes in real-time and then inform the consumers, aiming for them to find the cheapest station nearby However, as a result, this policy has the opposite effect while increasing the petrol price, rather than lowering it Therefore, instead of several hours for a price change, which algorithms, it only takes a few seconds to monitor and punish any deviators The competitors will have less incentive to discount (Ezrachi & Stucke, 2020) Also, tacit collusion is not illegal and will not trigger any intervention from the authorities They presented some experiments and concluded that firms have incentives to use algorithms to facilitate tacit collusion in the market Moreover, in the Hub-andspoke scenario, which can be defined as using a single pricing algorithm to determine the market price, which is charged by numerous users, the data points and values, the likelihood, and their dynamic pricing strategies for alignment increases An instance is the petrol market in Rotterdam (the Netherlands), where several petrol stations used the same provider for an advanced analytic tool to determine petrol prices (Schechner, 2017) Fifth, asymmetries between companies may lead to some negative impacts on the stability and likelihood of collusion The different costs can affect the incentives of the firms to cheat Moreover, the asymmetry in discount factors plays an essential role in determining whether punishment in the future can be efficient in preventing cheating today If the discount factor is high, a firm might think about colluding since their earnings in the future are more valuable than today, and vice versa Besides, firms or individuals may differ in their willingness to engage in illegal activities (Church & Ware, 2000, p 325) Firms are also different in capacity constraints, affecting the amount that it gains from undercutting its rival and retaliatory power (OECD, 2017, p 21) 1045 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM In 2016, the UK Competition & Markets Authority (CMA) fined Trod and GBE for their participation in an anti-competitive agreement and/or concerted practice by having a concurrence of wills and coordination of conduct between parties “not to undercut each other in certain specified circumstances on prices for posters and frames sold by both Parties on Amazon UK” (CMA, 2016) They used automated, repricing, and configuring software to implement their arrangement In the same year of 2016, the UK regulator of the energy sector (Ofgem) found EGEL and Dyball agreed not to target each other’s customers by sharing customer lists To effectively corporate, they had designed, implemented, and maintained common software and algorithms that allowed the acquisition of certain customers to be blocked and customer lists to be shared (Ofgem, 2019) In this way, we can see the impact of algorithms on the asymmetries between companies, frequency of interactions, and market transparency Sixth, product differentiation The other factor is related to the fact that firms often try to differentiate their products They may compete for market shares via other means, such as product quality or advertisement, which makes the tacit collusion become not sustainable, as the firm has less to fear from retaliation from its rivals Under the use of AI, collusion may be challenging to sustain from asymmetries in preferences and product heterogeneity This technology allows firms to differentiate their products, leading to difficulties in finding a ‘focal-point’ (Autorité de la concurrence & Bundeskartellamt, 2019, p 23) However, with AI’s ability, it helps companies analyze and react to other players more efficiently and sophisticatedly, which can increase collusion stability Seventh, innovation Firms are more challenging in reaching and sustaining an agreement in the market that there is product innovation rather than the market in which products are stable (Church & Ware, 2000, p 323) The firm will choose to betray to earn short-term profit rather than cooperate in obtaining long-term one In the digitalization era, AI can reduce the stability of collusion by promoting innovation and developing untraditional business models We can see that many companies have spent billions of dollars on Research and Development (R&D) activities in recent years, and a significant amount of money has been used to design the best algorithms In the enforcing and implementation period, AI helps firms overcome difficulties in the initiation phase since it can use its abilities to analyze other players' behaviors through potentially superior capabilities to deal with such industry With ML and DL, companies can compare and evaluate trade-offs when deciding whether or not they should collude and how they collude tacitly 1046 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM Conclusion Dealing with the research question: “How can AI impact collusion in the market?”, this paper began with explaining and evaluating AI and its impact on the market It is necessary to understand the fundamentals of this technology First, AI is a broad term but primarily refers to self-learning and automation, which does not involve human beings In most situations, the terms algorithm and AI are the same since AI is generally an advanced development algorithm ML is a subset of AI that emphasized the ability to predict the future based on past data DL is another essential subset, but it is more advanced since it is powered by multiple layers of neural networks that are able to learn by examples; hence, it increases the accuracy of the original ML algorithms We can see that AI brings both benefits and concerns to the market For instance, the increase in transparency and reduction of transaction costs are two typical examples On the other hand, it can tacitly collude with competitors, thus harming the consumers and reducing their welfare Then, it is essential to explain the economic concepts of collusion and tacit collusion In the implicit case, instead of communicating with others, firms will observe others’ behavior, adjust and adapt their conduct A firm may choose to co-operate with others in a repeated game rather than deviate and be sanctioned It is then vital to connect between technology and economics The stability and long-lasting of any collusive behaviors depend on many factors While the impacts of AI on the number of firms and entry barriers are ambiguous, it is essential to note that market transparency will increase with AI use In this case, competitors can easily track others’ pricing and strategies They can quickly identify deviators, foster collusion, as well as reduce strategic uncertainty Moreover, AI increases the frequency of interactions, which helps firms behave collusively by rapidly identifying any deviators, increasing the collusion’s sustainability However, in some aspects, AI impacts collusion negatively by raising the innovation and cost asymmetries It should be noted that the likelihood that tacit collusion using AI systems will occur in the future is very high, thanks to the advanced development in several technologies, such as supercomputers, blockchain, IoT, and Big Data We can expect the future in which supercomputers can execute ML or DL quickly with no delay Moreover, with supercomputing, the God view scenarios seem to become real in the antitrust perspective, as these computers of firms will reach the same outcome intelligently and simultaneously They would be ‘smarter’ to collude and find a focal point without human intervention tacitly 1047 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM The rising of blockchain, together with AI, also created a threat to the market, as it is able to prevent, monitor, and correct deviant behaviors efficiently Public blockchains let firms access a massive data pool and enhance their ability to observe others’ practices Besides, AI and blockchain can solve the conflicts between members of an agreement, as they avoid human biases by automating governance In terms of correcting deviant behaviors, blockchain and AI may coordinate and ensure a fair balance through a redistribution of extra profits (Schrepel, 2019, pp 144–149) IoT and Big Data also contribute to potential collusive practices as it provides more tools to trace and track other competitors’ behaviors, thus reducing the incentive to betray Firms now acknowledge that their conduct would be observed immediately Moreover, it enables machine-to-machine communication, leading to the Digital Eye scenario Also, the data that IoT devices collect would be a considerable resource to train the AI system and algorithms Big Data also plays a vital role As illustrated, AI needs data: the more data it learns, the more ability, intelligence, and accuracy it performs With more information, the transparency of the market will be increased The increasing popularity of algorithmic collusion and its dangerous consequences have led to a necessity in addressing this emerging phenomenon References Agrawal, A., Gans, J., & Goldfarb, A (2019) Introduction In A Agrawal, J Gans, & A Goldfarb (Eds.), The Economics of Artificial Intelligence: An Agenda (p 4) The University of Chicago Press Autorité de la concurrence & Bundeskartellamt (2019, November) Algorithms and Competition Bundeskartellamt.https://www.bundeskartellamt.de/SharedDocs/Publikation/EN/Berichte/A lgorithms_and_Competition_Working-Paper.pdf? blob=publicationFile&v=5 Awaya, Y., & Krishna, V (2016) On Communication and Collusion American Economic Review, 106(2), 285–315 https://doi.org/10.1257/aer.20141469 Brownlee, J (2019, December 20) What is Deep Learning? Machine Learning Mastery https://machinelearningmastery.com/what-is-deep-learning/ Chamberlin, E H (1929) Duopoly: Value Where Sellers Are Few The Quarterly Journal of Economics, 44(1), 63–100 Church, J R., & Ware, R (2000) Industrial organization: A strategic approach (International ed) Irwin McGraw-Hill CMA (2016, August 12) Decision of the Competition and Markets Authority—Online sales of posters and frames—Case 50223 https://assets.publishing.service.gov.uk/media/57ee7c2740f0b606dc000018/case-50223final-non-confidential-infringement-decision.pdf 1048 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM CMA (2018, October 8) Pricing algorithms—Economic working paper on the use of algorithms to facilitate collusion and personalised pricing https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_dat a/file/746353/Algorithms_econ_report.pdf Cormen, T H., Leiserson, C E., Rivest, R L., & Stein, C (2009) Introduction to Algorithms, Third Edition (3rd ed.) The MIT Press European Commission (2018, July 24) Case AT.40465—ASUS - Antitrust procedure Council Regulation (EC) 1/2003 https://ec.europa.eu/competition/antitrust/cases/dec_docs/40465/40465_337_3.pdf Ezrachi, A., & Stucke, M E (2020) Sustainable and unchallenged algorithmic tacit collusion NW J Tech & Intell Prop., 17, 217 Ivaldi, M., Jullien, B., Rey, P., Seabright, P., & Tirole, J (2003) The Economics of Tacit Collusion—Final Report for DG Competition, European Commission [Final Report for DG Competition, European Commission] https://ec.europa.eu/competition/mergers/studies_reports/the_economics_of_tacit_collusion _en.pdf Mackworth, A K., & Poole, D L (2010) Artificial Intelligence and Agents In Artificial Intelligence: Foundations of Computational Agents (pp 3–42) Cambridge University Press; Cambridge Core https://doi.org/10.1017/CBO9780511794797.002 Marshall, R C., & Marx, L M (2012) The economics of collusion: Cartels and bidding rings MIT Press http://www.dawsonera.com/depp/reader/protected/external/AbstractView/S9780262 01503 McClelland, C (2017, December 4) The Difference Between Artificial Intelligence, Machine Learning, and Deep Learning Medium https://medium.com/iotforall/the-differencebetween-artificial-intelligence-machine-learning-and-deep-learning-3aa67bff5991 McFadden, C (2017, January 30) The Origin of Algorithms We Use Every Single Day Interesting Engineering https://interestingengineering.com/origin-algorithms-use-every-day OECD (2017) Algorithms and Collusion: Competition Policy in the Digital Age www.oecd.org/competition/algorithms-collusion-competition-policy-in-the-digital-age.htm OECD Competition Committee (2010) Information Exchanges between Competitors under Competition Law http://www.oecd.org/competition/cartels/48379006.pdf Ofgem (2019, July 26) Infringement by Economy Energy, E (Gas and Electricity) and Dyball Associates of Chapter I of the Competition Act 1998 with respect to an anti-competitive agreement Ofgem https://www.ofgem.gov.uk/system/files/docs/2019/07/decision_on_economy_energy e_gas_and_electricity dyball_associates_infringement_of_chapter_i_ca98_doorstep_sale s_redacted_decision_document_26_july_2019.pdf Petit, N (2012) The Oligopoly Problem in EU Competition Law SSRN Electronic Journal https://doi.org/10.2139/ssrn.1999829 1049 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM Polemis, M L., & Oikonomou, A (2018) Tacit collusion or parallel behaviour in oligopolistic markets? The two faces of Janus European Competition Journal, 14(1), 1–37 https://doi.org/10.1080/17441056.2018.1426926 Profitero (2013, December) Profitero Price Intelligence: Amazon makes more than 2.5 million daily price changes Profitero https://www.profitero.com/2013/12/profitero-reveals-thatamazon-com-makes-more-than-2-5-million-price-changes-every-day/ Schechner, S (2017, May 8) Why Do Gas Station Prices Constantly Change? Blame the Algorithm The Wall Street Journal https://www.wsj.com/articles/why-do-gas-stationprices-constantly-change-blame-the-algorithm-1494262674 Schrepel, T (2019) Collusion by Blockchain and Smart Contracts Harv J.L & Tech., 33, 117 Stevenson, B (2019) Artificial Intelligence, Income, Employment and Meaning In A Agrawal, J Gans, & A Goldfarb (Eds.), The Economics of Artificial Intelligence: An Agenda (p 194) The University of Chicago Press Szczepański, M (2019, July) Economic impacts of artificial intelligence (AI) Europarl https://www.europarl.europa.eu/RegData/etudes/BRIE/2019/637967/EPRS_BRI(2019)6379 67_EN.pdf Taddy, M (2019) The Technological Elements of Artificial Intelligence In A Agrawal, J Gans, & Avi Goldfarb (Eds.), The Economics of Artificial Intelligence: An Agenda (p 61) The University of Chicago Press Whish, R., & Bailey, D (2018) Competition Law (Ninth Edition) Oxford University Press Young, J (2019, May 11) https://www.investopedia.com/terms/c/collusion.asp 1050 Collusion Investopedia KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TOÀN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM Chịu trách nhiệm xuất bản, nội dung Giám đốc - Tổng biên tập: TRẦN CHÍ ĐẠT Biên tập nội dung: NGUYỄN TIẾN PHÁT, BÙI HỮU LỘ Trình bày: TƠ CƠNG NGUN BẢO Biên tập sách điện tử: NGUYỄN TIẾN PHÁT, BÙI HỮU LỘ Thiết kế bìa: PHẠM THU HƯƠNG Số đăng ký kế hoạch xuất bản: 1387 - 2021/CXBIPH/2 - 48/TTTT Số định xuất bản: 33/QĐ - NXB TTTT ngày 26 tháng 04 năm 2021 Nộp lưu chiểu Quý II năm 2021 Mã ISBN: 978-604-80-5415-1 ... LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM PHẦN ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH - TIỀN TỆ TỒN CẦU HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC... điểm Việt Nam (đối với 69 quốc gia) 15 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM Một số giải pháp chiến lược Việt Nam Hệ thống tài Việt Nam có... tồn cầu, tài số, tài xanh, trung tâm tài quốc tế, tài Việt Nam *Viện Đào tạo Nghiên cứu BIDV 1 HỘI THẢO KHOA HỌC QUỐC GIA ĐỊNH HÌNH LẠI HỆ THỐNG TÀI CHÍNH TỒN CẦU VÀ CHIẾN LƯỢC CỦA VIỆT NAM Xu