Economic analysis in EU merger control : a natural language processing approach

Abstract

Has economic analysis in EU merger control advanced as policymakers promised since the modernization in 2004? Based on a novel data set obtained by web scraping and optical character recognition, I find that there was indeed, an increase in the usage of quantitative techniques typically involving economists. This could be explained by the trend to longer and more complex cases, which I document. Moreover, adoption of new techniques occurred timely, which suggests that the Commission quickly follows up on the latest economic research. I also propose using Latent Dirichlet Allocation to delineate topics within merger decisions. Since the number of cases is driven by a small set of industries, topic allocation is overly influenced by industry-specific vocabulary. Thus, and also because economic and legal analysis co-occur, they cannot be separated into different topics by the given machine learning algorithm.Ha avançat, tal i com van prometre els responsables polítics, L’anàlisi econòmica del control de fusions de la UE, des de la seva modernització l’any 2004? Basant-me en un nou conjunt de dades obtingut mitjançant el web scraping i el reconeixement òptic de caràcters, trobo que realment hi va haver, un augment en l'ús de tècniques quantitatives que típicament involucren als economistes. Això es podria explicar vista la tendència de casos més llargs i complexos, que documento. A més, l’adopció de noves tècniques va donar-se en el moment oportú, cosa que suggereix que la Comissió realitza un ràpid seguiment de les últimes investigacions econòmiques. També proposo utilitzar la Latent Dirichet Allocation per delinear temes dins de les decisions sobre fusions. Donat que el nombre de casos és impulsat per un petit conjunt d’indústries, l’assignació de temes està massa influïda per vocabulari específic d’aquestes indústries. Per tant, i donat alhora perquè les anàlisis econòmica i legal es donen en paral·lel, no poden ser separades en diferents temes pel seu algoritme d’aprenentatge automàtic.