객체지향 베이지안 네트워크를 활용한 반독점 집행 의사결정 지원 시스템

본 논문은 반독점 정책과 기업 전략 사이의 상호작용을 정량적으로 분석하기 위해 두 개의 베이지안 네트워크를 설계하고 이를 객체지향 베이지안 네트워크(OOBN) 형태로 통합한 의사결정 지원 시스템을 제안한다. 연구 배경으로는 기업들이 합병·인수를 통해 시장 지배력을 확대하려는 경우가 빈번하지만, 반독점당국(AA)의 감시와 개입이 이러한 전략을 억제한다는 점을 들었다. 기존 연구에서는 AA의 판단 기준이 명시적으로 모델링되지 않았으며, 기업들의 전략적 행동 역시 단일 단계 게임으로 단순화되는 경우가 많았다. 첫 번째 파트에서는 AA의 의사결정 과정을 베이지안 네트워크로 모델링한다. 데이터는 1991년부터 2003년까지 이탈리아 AA가 조사한 6,920건의 합병 사례이며, 변수는 연도, 산업코드(ATECO), 시장 규모(Geo size), 구매자 파워, 진입장벽, 수직효과, HHI 변동, 사후 시장점유율, 그리고 최종 개입 여부(Intervention)이다. 그래프 구조는 NPC(Necessary Path Condition) 알고리즘을 사용해 데이터와 전문가 제약을 동시에 반영해 도출하였다. 주요 결과는 AA 개입이 HHI 변동, 수직효과, 사후점유율, 지리적 규모, 진입장벽에 직접 의존한다는 점이다. 조건부 확률표는 EM 알고리즘으로 학습했으며, 비현실적인 0확률을 방지하기 위해 비정보적 사전분포를 적용하였다. 두 번째 파트에서는 두 기업의 전략을 반복 죄수의 딜레마(Repeated Prisoner’s Dilemma) 형태로 모델링한다. 전통적인 베이지안 네트워크는 시간적 전이를 표현하기 어렵지만, OOBN은 “Stage” 객체를 재귀적으로 연결해 다기간 게임을 직관적으로 구현한다. 각 단계에서 기업은 협력(C) 또는 배신(D) 행동을 선택하고, 그 보상은 표준 죄수의 딜레마 보상 행렬(a, b, c, d)로 정의된다. 또한, 각 단계의 상태 변수(예: 신뢰도, 기대 보상)는 이전 단계의 행동에 따라 업데이트된다. 세 번째 파트에서는 두 네트워크를 하나의 OOBN으로 통합한다. AA 네트워크의 출력인 ‘Intervention’은 기업 네트워크의 입력 증거로 삽입되어, 감시 강도가 기업의 전략 선택에 미치는 영향을 시뮬레이션한다. 반대로 기업들의 전략 선택이 AA 네트워크에 새로운 증거(예: 진입장벽 존재, 사후점유율 상승)로 제공될 수 있어, 정책 입안자가 실제 시장 상황을 반영한 역동적 의사결정을 할 수 있다. 통합 모델을 활용한 실험에서는 세 가지 시나리오를 제시한다. 1) 진입장벽이 존재할 경우 AA 개입 확률이 0.0189에서 0.5790으로 크게 상승한다. 2) HHI 변동이 0–500 구간에 있을 때 개입 확률이 0.0189에서 0.7741로 증가한다. 3) AA가 개입했을 때 가장 가능성이 높은 원인으로 진입장벽(63.7%↑), 수직효과(45.4%↑), 사후점유율이 20% 미만인 경우가 감소하는 것을 확인한다. 이러한 결과는 정책 입안자가 특정 시장 특성(예: 진입장벽, 수직통합 위험)과 HHI 수준을 사전에 파악해 감시 강도를 조절하거나, 기업이 감시 위험을 최소화하기 위한 전략(예: 시장점유율 낮게 유지, 진입장벽 회피)을 설계하는 데 실질적인 근거를 제공한다. 또한, OOBN의 모듈화와 확장성을 강조한다. 추가적인 변수(예: 국제 규제, 소비자 선호)나 다기업 다단계 게임을 손쉽게 삽입할 수 있으며, 베이지안 게임 이론과 결합해 서브옵티멀 전략 분석도 가능하다. 이는 기존의 정형 경제학 모델이 다루기 어려운 복합적인 정책·시장 상황을 포괄적으로 평가할 수 있게 한다. 결론적으로, 본 연구는 실제 데이터에 기반한 베이지안 네트워크와 객체지향 구조를 결합해 반독점 감시와 기업 전략 사이의 피드백 루프를 정량화함으로써, 정책 입안자와 기업 모두에게 의사결정 지원 도구를 제공한다. 향후 연구에서는 국제 데이터셋을 활용한 일반화, 실시간 데이터 스트리밍을 통한 동적 업데이트, 그리고 다국적 기업 간 협력·경쟁 구조를 포함한 확장 모델을 개발할 계획이다.