基于距离的反垄断市场定义算法

本文提出了一种基于距离的算法，用于定义反垄断市场上的银行合并特定地理市场。该算法利用合并方分支机构的距离来划定市场，并应用于超过一千次假设的银行合并。研究发现，与美联储定义的市场相比，基于距离的市场在集中度指标上存在广泛的一致性，但也显示出潜在改进空间。

核心观点：

1. 算法原理：假设客户愿意在距离其住所或工作地点不超过$r$英里（本文采用8公里）范围内选择银行，以此构建分支机构的辐射范围（catchment area）。当两个分支机构距离在$2r$英里内时，其辐射范围重叠，可能减少该区域内的竞争。
2. 算法步骤：
   • 识别距离在$2r$英里内的分支机构对，并绘制$r$英里半径的圆圈代表各自的辐射范围。
   • 取辐射范围的交集，确定潜在客户群体。
   • 在交集区域绘制$r$英里半径的缓冲区，包含对客户有吸引力的第三方分支机构，形成最终市场区域。
   • 计算该区域内所有分支机构的存款集中度指标（如HHI）。

关键数据：

• 数据来源：美国社区调查（ACS）和存款机构竞争分析与结构来源工具（CASSIDI）。
• 应用范围：美国48个州内1415个美联储市场，生成1057次假设合并。
• 市场数量：涉及6422个美联储市场和191757个基于距离的市场。
• 半径选择：$r = 8$公里（约5英里），符合经济证据。

研究结论：

1. 一致性：25%的美联储市场未超过集中度阈值，但包含至少一个超过阈值的基于距离的市场，表明美联储市场可能掩盖局部竞争问题。
2. 改进空间：8%的超过集中度阈值的美联储市场不包含超过阈值的基于距离的市场，提示美联储市场可能高估竞争损害。
3. 案例验证：以纽约市为例，该美联储市场未超过集中度阈值，但其中围绕纽黑文存在多个集中度较高的基于距离的市场，说明局部市场定义有助于识别竞争问题。
4. 应用价值：该算法可推广至其他行业，并有助于在合并审查中确定更有效的剥离候选对象。

讨论：

• 算法局限性：统一半径可能忽略人口密度差异；部分重叠区域客户稀少；紧密分支可能导致重复计数。
• 未来方向：探索动态半径设置；结合人口或商业密度数据；优化重复计数问题。