顶刊科普:房子越抢手,定价软件反而越沉默

房子越抢手，定价软件反而越沉默

Collusion with Optimal Information Disclosure

Sugaya, T. and Wolitzky, A. (2026), "Collusion with Optimal Information Disclosure", The Quarterly Journal of Economics, 141(3), 2555-2595.

本解读由frowang.com的AI系统生成,仅供辅助参考,请以原文为准。frowang.com 提供超越Zotero的论文阅读体验,通过API key与本地agent结合,frowang.com还可以帮助您自动化管理文献,进行文献综述。目前内测阶段使用免费，访问 frowang.com 即可领取邀请码并注册。本篇论文已收入 frowang 论文库：微信内长按识别右侧二维码（或访问 https://frowang.com/s/uiGQUfGfVy9wAGdDrefjg-UQzTtj2kdmuuTUzGBLAfA ），即可把这篇论文加入你自己的论文库。

2024年8月，美国司法部和八个州的检察长把一家叫 RealPage 的公司告上了法庭。这家公司卖一套软件，专门给公寓房东出定价建议，全美最大的二十家公寓管理公司都是它的客户，而它手里握着单个房东看不到的数据：这一带最近租出去多少套房、实际成交租金是多少。起诉书说，正是这些建议让房东们不再互相压价。来自斯坦福大学商学院的 Takuo Sugaya 和麻省理工学院的 Alexander Wolitzky 搭了一个模型，模拟一群抢同一批租客的房东在同一套软件指挥下会怎么定价，得到的答案有点别扭：软件最赚钱的做法，是把一部分消息瞒着不说。

最自然的解释：知道得越多，价格定得越准

房东们面对的市场时好时坏。毕业季、搬家季，来看房的人排成长队；到了冬天，房子可能空上几个月。难的是，单个房东很难判断眼下到底有多旺，他只知道自己的房子租得怎么样，不知道对门那家是正好租满还是刚好空着。RealPage 这类软件解决的正是这个问题：它从一大堆房东那里收集数据，算出这片街区眼下大概有多少人在找房，然后给出一个建议价。按最顺的想法，这就是把信息用起来——需求旺就报高一点，需求淡就报低一点，房东少受空置的损失，租客也知道什么时候该出手。如果软件只是"消息更灵通"，很难说它做错了什么。

说实话的代价

麻烦在于，房东们不是各做各的生意，而是在抢同一批租客。假设软件在旺季老老实实告诉每个人："这个月需求特别旺。"对其中一家房东来说，眼下只要把租金定得比邻居低一点点，整片街区的租客都会跑过来。旺季抢一次抢到的钱，比老实合作好几个月赚的还多。只要有一家这么想，其他人就得防着，最后大家一起降价，谁都赚不到。

经济学里对这件事有过一个经典分析：串通起来的商家在需求最旺的时候反而会打价格战。道理是，既然旺季抢客的诱惑最大，那就干脆把旺季的价格压低，让抢客变得没那么划算。这个结论有一个前提——价格该定在什么水平，大家心里都清楚，因为相关的信息是公开的。可如果价格背后的信息，是由别人转述给他们的呢？

如果由软件决定你知道什么

Sugaya 和 Wolitzky 注意到，RealPage 这类软件比上面那个前提多了一项权力：它决定告诉房东什么、瞒住什么。房东只能看到软件给的建议价，看不到软件背后的判断。真正的问题于是变成：一个既能看清市场、又能决定说什么的软件，会怎么用这项权力？

这道题难在两件事叠在一起：房东是在一场没完没了的重复较量里做决定（今天抢了客人，明天就要面对别人的报复），而他们看到的信息又由软件设计。一般情形下，这样的题没法直接算。作者的办法是把"未来每一期还能赚多少"压缩成一个固定数字，把一场长期较量变成一道静态的题：软件只要选一套"什么该说、什么该瞒"的规则，让房东不动手就行。

先说是，然后闭嘴

算出来的规则很好记。需求低于某条线，软件照实说，报出这条需求下最合适的价；需求高于这条线，软件一律说成"需求还可以"，报同一个价。研究者把这套规则叫作"上端审查"——上边那一段被审查掉了。

图1 画的就是这条规则。横轴是需求旺不旺，从左到右越来越旺；蓝线是"每种需求下，一个说了算的房东最多能赚多少钱"，它随需求上升。水平的红色虚线是一道天花板：赚得比它更多，合作就维持不住，会有人动手抢客。两条线交在 s* 处，而左边的 ŝ 才是软件真正开始闭嘴的地方——需求低于 ŝ 就照实说，高于 ŝ 就瞒住。（中间那条绿色虚线是作者证明结论用的辅助线，看不懂可以跳过。）

这样做的结果有两层。一层是价格僵住：需求再旺，报出来的价也不动，因为所有高于 ŝ 的情况被说成了同一句话。另一层更反直觉：在需求中等偏旺的时候，软件报的价会高于那些时候真正最合适的价格，房东反而少赚了。为什么不干脆多赚一点？因为如果软件在这些时候如实说出"需求只是中上"，那它在需求真正爆棚的时候就顶不住同一个高价了。为了在最旺的时候收得高，它宁可在次旺的时候少收一点。

租客在每个季节都多付了钱

把选择性说话的软件和"把知道的全说出来"的软件放在一起比，结论很干净：前者让每一种需求状态下的租金都更高，租客在每个季节都要多掏钱。作者还发现，软件预测得越准，价格上的灵活调整就越多，但在最常见的需求设定下，租客并不会因此受益，反而更吃亏。

这一点和以前的研究不一样。过去有人发现，算法把需求预测做得更准，未必对消费者不利——因为预测准了又全盘托出，旺季会触发价格战，反倒便宜了租客。但那些研究都假设算法会把知道的一五一十讲出来。如果算法能挑着说，这种好事就没有了。

作者还推出一条时间上的规律。如果需求有惯性——这个月旺，下个月大概率还旺——那么软件在上个月行情差的时候会说得更细，上个月行情好的时候会更沉默。原因还是那一条：房东觉得接下来的行情不错，抢客的念头就强，软件只好少说话。反过来，行情整体下行的那段时间，房东本来就不指望能高价出租，抢客的心思淡，软件多说几句也不会出事。

模型说到哪一步

这终究是一个模型，不是对某个案件的判决。它的假设很干净：所有房东面对同一个市场，需求只有一种起伏，房东也不会自己决定要不要用这套软件。作者明确说，现实里用这类软件的房东远没有覆盖全部市场，模型没有处理"用的人和不用的人同场竞争"，也没有处理房东要不要购买软件的决定。

至于 RealPage 案，现有公开证据有限，但和模型的机制对得上：一项针对该案的研究发现，采用软件的房东在金融危机期间降价幅度明显更大，平时则变化温和；司法部的起诉材料里也提到，RealPage 反复强调自己的价值是让房东在行情下行时"保持定价纪律"。还有一个细节值得注意：房东索要竞争对手的具体数据时会被拒绝。软件为什么不肯给，公开材料给的理由是规避反垄断风险，而不是防止房东降价——模型的机制是另一种可能的解释。

回到开头那家公司。它卖的不是"更准的价格"，而是"该沉默的时候沉默"。当一个中间人比它的客户知道得多，又能决定让客户知道多少时，最赚钱的做法常常不是把知道的都说出来，而是在客户最想动手的那一刻，把话咽回去。对房东来说这是好事，对正在找房子的人来说不是。