Цифровая Институциональная Экономика

MiCA (Markets in Crypto-Assets) — это регламент ЕС, регулирующий криптоактивы.

Основные положения:

Лицензирование: криптосервисы должны получать лицензии

Резервы: стейблкоины должны иметь резервы

Раскрытие информации: эмитенты должны раскрывать информацию

Защита потребителей: права потребителей защищены

Эмпирика: MiCA вступил в силу в 2024 году, затронул 10 000+ криптокомпаний в ЕС.

1.4. Взаимоотношения между формальными и неформальными правилами в цифровой среде

Типы взаимоотношений

Гармония: формальные и неформальные правила усиливают друг друга

Конфликт: формальные и неформальные правила противоречат друг другу

Параллельное существование: формальные и неформальные правила действуют независимо

Замещение: неформальные правила заменяют формальные (или наоборот)

Кейс 13: Конфликт между GDPR и практиками социальных сетей

GDPR требует явного согласия на обработку данных. Социальные сети (Facebook, Instagram) используют «темные паттерны» для получения согласия.

Эмпирика:

90% пользователей не читают условия соглашения

«Темные паттерны» увеличивают согласие на 20-30%

Регуляторы (DPA) налагают штрафы за нарушение

Кейс 14: Гармония между DMA и практиками интероперабельности

DMA требует интероперабельности мессенджеров. WhatsApp (Meta) внедрил интероперабельность с другими мессенджерами.

Эмпирика:

WhatsApp имеет 2+ млрд пользователей

Интероперабельность с Telegram, Signal, Viber

Технические и регуляторные вызовы

Кейс 15: Параллельное существование формальных и неформальных правил в DeFi

DeFi (децентрализованные финансы) — это параллельная финансовая система, которая:

Не подчиняется традиционному регулированию (SEC, MiCA)

Создает собственные неформальные правила (код — закон)

Использует децентрализованные арбитражи (Kleros, Aragon Court)

Эмпирика: DeFi имеет $50+ млрд TVL, 5+ млн пользователей, 1000+ протоколов.

Выводы по Главе 1

Цифровые институты — это новая ткань социальной реальности, определяющая доступ к данным, контроль над алгоритмами и распределение выгод.

Ситуации, приводящие к возникновению цифровых институтов (дилемма заключенных, координация, неравенство), требуют новых механизмов принуждения (смарт-контракты, репутация, токены).

Институциональная структура цифрового общества включает как формальные (GDPR, DMA, MiCA), так и неформальные (netiquette, кодексы, репутация) правила.

Взаимоотношения между формальными и неформальными правилами могут быть гармоничными, конфликтными, параллельными или замещающими.

Авторская модель — матрица институциональной координации — позволяет систематизировать цифровые институты и анализировать их эффективность.

ГЛАВА 2. ЦИФРОВЫЕ ТРАНСАКЦИОННЫЕ ИЗДЕРЖКИ

Важность главы

Трансакционные издержки — это кровеносная система институциональной экономики. Коуз (1937) показал, что фирмы существуют потому, что рыночные трансакции не бесплатны. Уильямсон (1985) развил эту идею, показав, что специфичность активов определяет способ организации сделки.

В цифровой экономике трансакционные издержки трансформируются: одни снижаются (поиск информации, коммуникация), другие растут (кибербезопасность, верификация). Эта глава показывает, как цифровые институты влияют на трансакционные издержки и как это меняет экономику.

2.1. Определение понятия «цифровые трансакционные издержки»

Классическое определение

Трансакционные издержки — это издержки, возникающие при осуществлении транзакций. Они включают:

Издержки поиска информации

Издержки измерения

Издержки ведения переговоров

Издержки контроля

Издержки защиты контрактов

Цифровая трансформация

В цифровой экономике трансакционные издержки:

Снижаются за счет автоматизации, алгоритмов, платформ

Растут за счет новых рисков (кибербезопасность, необратимость, сложность)

Трансформируются в новые формы (газовые сборы, комиссии протоколов)

Авторская модель: Формула цифровых трансакционных издержек

TC_digital = TC_search + TC_measurement + TC_negotiation + TC_enforcement + TC_security + TC_compliance

где:

TC_search — издержки поиска (снижаются)

TC_measurement — издержки измерения (трансформируются)

TC_negotiation — издержки переговоров (снижаются)

TC_enforcement — издержки принуждения (трансформируются)

TC_security — издержки безопасности (растут)

TC_compliance — издержки соответствия (растут)

Кейс 16: Сравнение трансакционных издержек в традиционной и цифровой экономике

Тип издержек

Традиционная экономика

Цифровая экономика

Поиск информации

Высокие (газеты, звонки)

Низкие (поисковики, маркетплейсы)

Измерение

Средние (осмотр, тесты)

Трансформируются (рейтинги, верификация)

Переговоры

Высокие (встречи, юристы)

Низкие (смарт-контракты)

Контроль

Высокие (менеджеры, аудит)

Трансформируются (алгоритмы, DAO)

Защита

Средние (суды, полиция)

Трансформируются (арбитражи, репутация)

Безопасность

Низкие

Высокие (кибератаки)

Compliance

Средние

Высокие (GDPR, DMA)

Эмпирика: По оценкам, цифровые технологии снизили трансакционные издержки на 30-50% в розничной торговле, но увеличили на 10-20% в финансовом секторе (за счет compliance).

2.2. Рыночные цифровые трансакционные издержки и способы их экономии

2.2.1. Издержки поиска информации в цифровой среде

Теоретическая основа

Стиглер (1961) показал, что поиск информации — это инвестиция, которая имеет предельную доходность. В цифровой экономике поиск информации радикально трансформируется.

Цифровые механизмы снижения издержек поиска:

Поисковые системы (Google, Bing)

Маркетплейсы (Amazon, eBay)

Агрегаторы (Skyscanner, Booking)

Рекомендательные системы (Netflix, Spotify)

Кейс 17: Google как механизм снижения издержек поиска

Google обрабатывает 8.5+ млрд поисковых запросов в день, что радикально снижает издержки поиска информации.

Эмпирика:

Среднее время поиска информации сократилось с 30 минут до 30 секунд

Google экономит пользователям $100+ млрд в год (оценка)

Рекламная модель Google генерирует $200+ млрд в год

Кейс 18: Amazon как механизм снижения издержек поиска

Amazon агрегирует 300+ млн товаров, что снижает издержки поиска для покупателей.

Эмпирика:

Amazon имеет 300+ млн активных покупателей

70% покупок начинаются с поиска на Amazon

Amazon экономит покупателям $50+ млрд в год

Авторская модель: Оптимальный поиск в цифровой среде

Пусть пользователь ищет товар с ценой P. Издержки поиска C(s) зависят от количества проверенных вариантов s. Полезность поиска:

U(s) = P - C(s) - δ(s)

где δ(s) — убывающая функция (лучший вариант находится с вероятностью δ(s)).

Оптимальное s* достигается, когда: C'(s) = δ'(s)

В цифровой среде C(s) снижается, что увеличивает s* и улучшает результат.

2.2.2. Издержки измерения в цифровых сделках

Теоретическая основа

Барзел (1982) показал, что измерение качества товаров — это ключевая проблема трансакционных издержек. В цифровой экономике измерение трансформируется.

Цифровые механизмы измерения:

Репутационные системы (eBay, Airbnb)

Верификация (KYC, AML)

Сертификация (SSL, ISO)

Алгоритмическая оценка (кредитный скоринг)

Кейс 19: Репутационные системы как механизм измерения

eBay создал репутационную систему, которая позволяет покупателям оценивать продавцов.

Эмпирика:

eBay имеет 100+ млн активных покупателей

Репутация увеличивает цену товара на 5-10%

Плохая репутация снижает продажи на 50%

Кейс 20: Airbnb и доверие в цифровой экономике

Airbnb создал систему доверия, которая позволяет незнакомцам доверять друг другу.

Эмпирика:

Airbnb имеет 150+ млн пользователей

80% бронирований происходят без личной встречи

Система верификации включает: ID, телефон, email, соцсети

Проблема: «Размывание» репутации (fake reviews, review bombing).

Решение: Децентрализованные репутационные системы (Blockchain-based).

2.2.3. Издержки ведения переговоров и заключения смарт-контрактов

Теоретическая основа

Коуз (1960) показал, что переговоры — это ключевой источник трансакционных издержек. Смарт-контракты автоматизируют переговоры.

Преимущества смарт-контрактов:

Автоматическое исполнение: не требует третьей стороны

Прозрачность: код доступен для аудита

Неизменность: после развертывания нельзя изменить

Экономия: нет юристов, нотариусов, судов

Недостатки:

Негибкость: нельзя адаптировать к непредвиденным обстоятельствам

Ошибки: ошибки в коде необратимы

Газовые сборы: каждая транзакция стоит денег

Кейс 21: Uniswap как смарт-контракт для обмена токенов

Uniswap — децентрализованная биржа, работающая на смарт-контрактах.

Эмпирика:

Uniswap обрабатывает $1+ млрд в день

Комиссия: 0.3% (против 0.1-0.5% на централизованных биржах)

Нет KYC, нет регистрации, нет посредников

Кейс 22: Проблема негибкости смарт-контрактов

The DAO — первый крупный DAO, который был взломан из-за ошибки в смарт-контракте.

Эмпирика:

The DAO собрал $150 млн в 2016 году

Хакер нашел уязвимость и вывел $50 млн

Сообщество Ethereum решило сделать hard fork, чтобы вернуть средства

Это привело к расколу на Ethereum и Ethereum Classic

Вывод: Смарт-контракты снижают издержки переговоров, но создают новые риски.

2.2.4. Издержки контроля и предупреждения оппортунистического поведения в цифровых экосистемах

Теоретическая основа

Уильямсон (1975) показал, что оппортунистическое поведение — это ключевая проблема трансакционных издержек. В цифровой экономике оппортунизм принимает новые формы.

Новые формы оппортунизма:

Манипуляция алгоритмами (SEO-спам, накрутка рейтингов)

Sybil-атаки (создание фейковых аккаунтов)

Отравление данных (data poisoning)

Фронтраннинг (front-running в DeFi)

MEV (Maximal Extractable Value)

Кейс 23: Фронтраннинг в DeFi

Фронтраннинг — это практика, при которой майнеры или боты видят транзакцию в мемпуле и выполняют свою транзакцию перед ней, чтобы получить прибыль.

Эмпирика:

MEV составляет $1+ млрд в год на Ethereum

Фронтраннинг увеличивает издержки пользователей на 5-10%

Решения: Flashbots, MEV-Burn, приватные мемпулы

Кейс 24: Sybil-атаки в DAO

Sybil-атака — это создание множества фейковых аккаунтов для влияния на голосование.

Эмпирика:

В 2022 году Optimism потерял $20 млн из-за Sybil-атаки

Решения: proof-of-personhood, стейкинг, репутация

Авторская модель: Оптимальный контроль в цифровых экосистемах

Пусть экосистема имеет N агентов. Издержки контроля C(k) зависят от уровня контроля k. Потери от оппортунизма L(k) снижаются с ростом k. Общие издержки:

TC(k) = C(k) + L(k)

Оптимальный уровень контроля k* достигается, когда: C'(k) = -L'(k)

В цифровой среде C(k) снижается (алгоритмы), но L(k) растет (новые формы оппортунизма).

2.2.5. Издержки защиты цифровых контрактов

Теоретическая основа

Защита контрактов — это ключевая функция институтов. В цифровой экономике защита контрактов осуществляется через:

Смарт-контракты (автоматическое исполнение)

Децентрализованные арбитражи (Kleros, Aragon Court)

Репутационные системы (потеря репутации)

Государственные суды (для традиционных контрактов)

Кейс 25: Kleros как децентрализованный арбитраж

Kleros — это децентрализованная система разрешения споров, которая использует краудсорсинг и теорию игр.

Как работает:

Стороны заключают смарт-контракт с условием арбитража в Kleros

При споре случайно выбираются присяжные из пула

Присяжные голосуют, делая ставки токенами

Честные присяжные получают вознаграждение, нечестные теряют ставки

Эмпирика:

Kleros обработал 1000+ дел

Среднее время разрешения спора: 2-3 дня (против 1-2 лет в суде)

Стоимость: $100-1000 (против $10 000+ в суде)

Кейс 26: Aragon Court как альтернатива Kleros

Aragon Court — еще один децентрализованный арбитраж, который использует схожие механизмы.

Эмпирика:

Aragon Court обработал 500+ дел

Фокус на DAO-спорах

Интеграция с Aragon DAO

Сравнение с классикой

Аспект

Уильямсон (1985)

Кляйн (1978)

Наша модель (2025)

Защита контракта

Иерархия, репутация

«Заложник»

Смарт-контракт, арбитраж, репутация

Механизм принуждения

Государство, фирма

Частный

Алгоритмический, децентрализованный

Пример

Вертикальная интеграция

Франчайзинг

Kleros, Aragon Court

2.3. Цифровые трансакционные издержки и типы экономического обмена в платформенной экономике

Три типа обмена

Норт (1990) выделил три типа экономического обмена:

Персонализированный (малые сообщества)

Неперсонализированный без защиты третьей стороной (средние рынки)

Неперсонализированный с защитой третьей стороной (современные рынки)

В платформенной экономике эти типы трансформируются:

Тип обмена

Традиционная экономика

Платформенная экономика

Персонализированный

Деревня, община

Малые DAO, Discord-сообщества

Неперсонализированный без защиты

Средневековые ярмарки

DeFi, крипто-биржи

Неперсонализированный с защитой

Современные рынки

Регулируемые платформы (Amazon, Uber)

Кейс 27: Сравнение трансакционных издержек в разных типах обмена

Тип обмена

Пример

TC_search

TC_measurement

TC_enforcement

Персонализированный

Деревня

Низкие

Низкие

Низкие

Неперсонализированный без защиты

DeFi

Низкие

Высокие

Высокие

Неперсонализированный с защитой

Amazon

Низкие

Низкие

Средние

Вывод: Цифровые институты (репутация, смарт-контракты, арбитражи) снижают трансакционные издержки, но создают новые риски.

Выводы по Главе 2

Цифровые трансакционные издержки — это новая категория, которая включает как традиционные издержки (поиск, измерение, переговоры, контроль, защита), так и новые (безопасность, compliance).

Цифровые технологии снижают издержки поиска, переговоров и контроля, но увеличивают издержки безопасности и compliance.

Смарт-контракты снижают издержки переговоров и защиты, но создают новые риски (негибкость, ошибки, газовые сборы).

Децентрализованные арбитражи (Kleros, Aragon Court) снижают издержки защиты контрактов, но их эффективность зависит от качества присяжных и стимулов.

Авторская модель — формула цифровых трансакционных издержек — позволяет систематизировать и анализировать издержки в цифровой экономике.

ГЛАВА 3. ЭКОНОМИЧЕСКАЯ ТЕОРИЯ ЦИФРОВЫХ ПРАВ СОБСТВЕННОСТИ

Важность главы

Права собственности — это краеугольный камень институциональной экономики. Коуз (1960) показал, что при нулевых трансакционных издержках распределение прав не влияет на эффективность. Однако в реальном мире трансакционные издержки положительны, и распределение прав имеет значение.

В цифровой экономике права собственности трансформируются: появляются новые объекты (данные, алгоритмы, токены), новые субъекты (DAO, платформы), новые режимы (общедоступные, коллективные, частные, государственные).

3.1. Определение понятия «цифровые права собственности»

Классическое определение

Права собственности — это отношения между людьми, которые возникают вследствие ограниченности ресурсов и относятся к их использованию (Alchian, Demsetz, 1973).

Цифровые права собственности

Цифровые права собственности — это отношения между людьми по поводу использования цифровых активов (данных, алгоритмов, токенов, цифровых объектов).

Пучок прав:

Право использования (usus)

Право получения дохода (usus fructus)

Право изменения (abusus)

Право отчуждения (продажа, дарение, завещание)

Особенности цифровых прав:

Нематериальность: цифровые активы не имеют физической формы

Неограниченность: цифровые активы могут использоваться без истощения

Легкость копирования: цифровые активы легко копируются

Сетевые эффекты: ценность цифровых активов зависит от количества пользователей

Кейс 28: Права собственности на данные

Данные — это новый актив, который создается пользователями, но контролируется платформами.

Вопрос: Кто владеет данными?

Ответы:

Пользователи: создают данные

Платформы: собирают, хранят, обрабатывают данные

Государство: регулирует использование данных

Эмпирика:

GDPR дает пользователям право на доступ, удаление, портируемость данных

CCPA дает пользователям право знать, какие данные собраны, и запретить их продажу

DMA требует от платформ предоставлять доступ к данным

Кейс 29: Права собственности на алгоритмы

Алгоритмы — это ключевой актив цифровых платформ.

Вопрос: Кто владеет алгоритмами?

Ответы:

Компании: разрабатывают алгоритмы

Разработчики: создают алгоритмы

Общество: алгоритмы влияют на общество

Эмпирика:

Google владеет алгоритмом PageRank

Meta владеет алгоритмом ленты Facebook

TikTok владеет алгоритмом рекомендаций

Проблема: Непрозрачность алгоритмов (black box).

Решение: Регулирование алгоритмической прозрачности (DSA, EU AI Act).

3.2. Спецификация и «размывание» цифровых прав собственности

Спецификация прав

Спецификация — это определение субъекта, объекта и способа наделения собственностью.

В цифровой экономике:

Субъект: пользователь, платформа, DAO, государство

Объект: данные, алгоритмы, токены, цифровые объекты

Способ: регистрация, верификация, смарт-контракт

Размывание прав

Размывание — это неточное определение и плохая защита прав.

Примеры:

Данные: пользователи создают данные, но не контролируют их использование

Алгоритмы: компании владеют алгоритмами, но не несут ответственности за их решения

Цифровые объекты: NFT подтверждают владение, но не защищают от копирования

Кейс 30: Размывание прав на данные

Пользователи создают данные, но платформы монетизируют их без компенсации.

Эмпирика:

Google зарабатывает $200+ млрд в год на рекламе, основанной на данных пользователей

Facebook зарабатывает $100+ млрд в год на рекламе

Пользователи не получают компенсацию за свои данные

Решение: Data trusts, data cooperatives, токенизация данных.

3.3. Теорема Коуза в цифровой экономике

Теорема Коуза

Формулировка: Если права собственности четко определены, и трансакционные издержки равны нулю, то распределение ресурсов будет эффективным независимо от первоначального распределения прав.

Цифровые внешние эффекты

Внешние эффекты — это воздействие одной стороны на другую без компенсации.

Примеры цифровых внешних эффектов:

Положительные: сетевые эффекты, открытый код, общедоступные данные

Отрицательные: загрязнение цифровой среды (спам, дезинформация), алгоритмическая дискриминация, киберугрозы

Кейс 31: Сетевые эффекты как положительный внешний эффект

Сетевые эффекты — это положительный внешний эффект, при котором ценность платформы растет с ростом числа пользователей.