5IE312 Ekonomie a psychologie I

5IE312 Ekonomie a psychologie I Přednášející:

Petr Koblovský KIE NF VŠE

5. Potěšení ze sázky: Prospektová teorie II. – averze k riziku a k nejistotě, efekt jistoty, nelineární hodnocení pravděpodobností (+ reprezentativní a dostupnostní heuristika). + 6. Informační kaskády a úvod do ekonomie pozornosti. Specializace 5BE – Ekonomie a psychologie (garant: dr. Koblovský) Prezentace byla vytvořena i za pomoci grantu FRVŠ 861/G5/2013.

V(x) – (π vracíme se) • Referenční bod, averze ke ztrátě, klesající mezní citlivost a vážení pravděpodobností. • Prospekt=Vyhlídka (x, p; y, q) – x získáme s p, y získáme s q, 0 získáme s 1-p-q. – Striktně pozitivní, strikně negativní, regulární. – V(x, p; y, q)=π(p)v(x)+π(q)v(y) při v(0)=0, π(0)=0, π(1)=1

CC: BY NC SA by Houdek, Vranka

2

Zopakování/prohloubení heuristik rozhodování za rizika (Diskuze Tversky, Kahneman, 1974) • Reprezentativnost – Necitlivost k výchozím (apriorním) pravděpodobnostem – Necitlivost k velikosti vzorku – Špatné chápání náhodnosti – Necitlivost k (ne)předpověditelnosti – Iluze platnosti/validity – Nechápání regrese k průměru CC: BY NC SA by Houdek, Vranka

3

Zopakování/prohloubení heuristik rozhodování za rizika (Diskuze Tversky, Kahneman, 1974) • Dostupnost – Chyby ve vzpomenutelnosti příkladů (skupiny) – Snadnost vybavení/nalezení – Chyby představitelnosti – Iluzorní korelace


4

Zopakování/prohloubení heuristik rozhodování za rizika (Diskuze Tversky, Kahneman, 1974) • Upravování, ukotvení – Nedostatečné upravení – Chyby v hodnocení ne/podmíněných pravděpodobností – Ukotvení subjektivního pravděpodobnostního rozdělení jevů


5

Dostupnostní heuristika čili „if you can think of it, it must be important”

• Proč jsou lidé ochotni zaplatit za pojištění proti riziku letecké havárie způsobené „teroristickým útokem“ více, než za pojištění kryjící „všechny příčiny“? (imaginace ženy vs. muži?) CC: BY NC SA by Houdek, Vranka

6

Tvar užitkové funkce v PT Konkávní: rizikově averzní

Konvexní: riziko vyhledávající


7

Vážení pravděpodobností, π(p) • Měří dopad události na žádoucnost události (prospektu) a ne nutně pociťovanou pravděpodobnost dané události (je-li neznámá, je odhadována). – Tj. π(0,50)<0,50 – subjekt je rizikové averzní. – Původní 1979 KT vymezuje: subaditivu (subadditivity), subjistotu (subcertainty) a subproporcionalitu (subproportionality).


8

Vážení pravděpodobností, π(p) • “Subadivita” – Preferovali byste výhru (6000; 0,001) či (3000; 0,002)?


9

Vážení pravděpodobností, π(p) • “Subaddivity” – Preferovali byste výhru (6000; 0,001) či (3000; 0,002)? – π(0,001)v(6000)>π(0,002)v(3000), a protože – v(3000)>0,5v(6000) – π(0,001)v(6000)>π(0,002)v(3000)>π(0,002)0,5v(6000) • π(0,001)>0,5π(0,002) • π(0,5x0,002)>0,5π(0,002)

– π(rp)>rπ(p) pro 0
10

Vážení pravděpodobností, π(p) • “Subjistota” (Maurice Allais, 1953) – Preferovali byste výhru: (2400, 1) či (2500, 0,33; 2400, 0,66; 0, 0,01)? – Preferovali byste výhru (2400, 0,34; 0, 0,66) či (2500, 0,33; 0, 0,67)?


11

Vážení pravděpodobností, π(p) • “Subjistota” – v(2400)>π(0,66)v(2400)+π(0,33)v(2500) – π(0,33)v(2500)>π(0,34)v(2400) – v(2400)>π(0,66)v(2400)+π(0,34)v(2400) – 1>π(0,66)+π(0,34) – π(p)+π(1-p)<1 Lidé jsou méně citliví na variace v objektivních pravděpodobnostech (součet vah dvou rizikových doplňujících událostí je menší než váha jisté události). CC: BY NC SA by Houdek, Vranka

12

Vážení pravděpodobností, π(p) • “Subproporcionalita” (vs. axiom nezávislosti) – Preferovali byste výhru (3000; 1) či (4000; 0,8)? – Preferovali byste výhru (3000; 0,25) či (4000; 0,2)?


13

Vážení pravděpodobností, π(p) • “Subproporcionalita” (vs. axiom nezávislosti) – Preferovali byste výhru (3000; 1) či (4000; 0,8)? – Preferovali byste výhru (3000; 0,25) či (4000; 0,2)?

• π(pq)/π(p)≤π(pqr)/π(pr) pro 0

14

Vážení pravděpodobností, w(p) • Klesající citlivost se týká i vážení pravděpodobností a mění se od daného (referenčního, tj. 0 či 1) bodu. – Tj. zvýšení pravděpodobnosti z 0,9 na 1 či z 0 na 0,1 je vnímáno jako intenzivnější než kupř. z 0,3 na 0,4 nebo z 0,4 na 0,5.

• w(p)=py/[(py+(1-p)y]1/y, y tak determinuje zakřivení křivky w(p) (+ lze očekávat, že je odlišný pro zisky a ztráty). CC: BY NC SA by Houdek, Vranka

15

Vážení pravděpodobností Konvexní

Konkávní


16

Náš experiment • A: Kolik zaplatíte za snížení pravděpodobnosti či rizika selhání vázání lyží a neodvratitelné zlomeniny z (5 z 10.000) na (0 z 10.000)? • B: Kolik zaplatíte za snížení pravděpodobnosti či rizika selhání vázání lyží a neodvratitelné zlomeniny z (15 z 10.000) na (5 z 10.000)? • Efekt jistoty (?).


17

Čtyřdílné chování Zisky

Ztráty

Nízká Vyhledávání pravděpodobnost rizika

Vysoká pravděpodobnost

Averze k riziku

Averze k riziku

Vyhledávání rizika

= loterie a pojištění současně

• Máme navíc tendenci přikládat vyšší váhu událostem, které jsou schopny vázat naši pozornost (z jakéhokoliv důvodu) – dostupnostní heuristika.


18

Fenomény nevysvětlené EUT Reálný fenomén

Popis

Vysvětlení

Sázení v loteriích

Při vyšších výhrách narůstá obrat sázek

Přeceňování nízké p(výhra)

Pojištění

Lidé kupují zjevně předražené pojistky/záruky

Přeceňování nízké p(ztráta)

Podstupování rizika v závěru

V závěru akce lidé vyhledávají riziko (sázky na nefavoritní koně, úspěch u baru)

Přeceňování nízké p(ztráta) + Chyba gamblera

Určování neznámých pravděpodobností

Velké chyby při odhadu (podmíněných) pravděpodobností

Dostupnostní heuristika (nikoliv Bayesovo pravidlo)


19

Bayesovo pravidlo • Uvažujme, že v EU existuje 120 organizací charakteru bank a 880 družstevních záložen s různými metodami vypořádání se s nesplácenými úvěry. • Klient se ze sdělovacího prostředku neurčitě dozví, že jedna z uvedených „zápůjčních“ organizací zvolila nepřiměřeně tvrdé postupy při exekuci majetku kvůli nespláceným dluhům u jednoho dlužníka. • Sám si pak danou zprávu ověří na 5 náhodně vybraných zprávách o postupu v téže věci u obou druhů organizací. Ve 4 z 5 (v 80%) případů byl „tvrdší“ postup u bank. Banky jsou tedy z 80% na své dlužníky přísnější, jak si své zjištění náš klient vyloží a přizpůsobí tomu i své budoucí chování. Jedinou informaci, kterou tito lidé zváží, je pouze ta skutečně „prožitá“ při porovnávání několika mála informací, resp. ověřování své pozorovací schopnosti.


20

Bayesovo pravidlo • Správná pravděpodobnost určení organizace, která je „přísnější“, je však jiná. Nebýt klientova náhodného zjišťování, byla by z 88% určena za onu vinou (v) bezohledností organizaci záložna (Z) (apriorní pravděpodobnost 880 záložen z 1000 všech obdobných organizací). Klientovo krátké zjišťování upraví apriorní pravděpodobnost o tvrdém přístupu u bank (B) (12%), právě dle Bayesova pravidla, na 35,3%. „Tvrdší“ tedy s dvoutřetinovou pravděpodobností jsou spíše družstevní záložny.

• P(B)P(vB)/[P(vB)P(B)+P(vZ)P(Z)] – činitel je součet pozitivně oprávněných a pozitivně falešných výsledků (tj. apriorní pravděpodobnost viny). • 0,12x0,8/(0,12x0,8+0,88x0,2)x100=35,3% CC: BY NC SA by Houdek, Vranka

21

Odkud budete tahat míček? • Při vytažení červeného míčku získáváte 100,- Kč. Budete tahat z: – a) Deseti (9 černých a 1 červený) – b) Sta (93 černých a 7 červených)? • možnost b) volí 30-40% studentů

• Budete očkovat své dítě? – 0,001%, že bude mít nepříznivou reakci a bude trvale postiženo. – Jedno z 100.000 očkovaných dětí bude po vakcinaci trvale postiženo.

• Kdo předčasně propustí psychiatrického pacienta? – 20% předčasně propuštěných způsobí další kriminální čin. – Z každých 100 předčasně propuštěných jich 20 způsobí další kriminální čin. CC: BY NC SA by Houdek, Vranka

22

Ekonomie: “Riziko v EU” + pocity

Loewenstein et al. (2001) CC: BY NC SA by Houdek, Vranka

23

Riziko jako pocit • Kognitivní zpracování: – Velikost výsledku/akce/rozhodnutí + jeho pravděpodobnost. • Ovšem napříč volbami nestálé (pití, kouření, investování, změna zaměstnání + patologie, fóbie).

• Emoční reakce: – Hypotéza udržování nálady. • šťastní neriskují „ztrátu“ své dobré nálady

– Afekt-jako-informace, afektivní heuristika, risk as feelings • přímý vliv na chování, odklon od normativního rámce • emoce mohou vznikat i bez kognice, vliv kognice na chování může být mediován emocemi, které kognice vyvolává • lobotomie – oddělení emocí a kognice (úpadek rozhodování a plánování)

– Důležité faktory: • Představitelnost důsledků volby. • Osobní zkušenost s výsledky volby a učení. • Okolí (framing, kotva, atd.) CC: BY NC SA by Houdek, Vranka

24

Psychologie: “Riziko jako pocit”


25 Loewenstein et al. (2001)

Představitelnost • Lidé jsou ochotni zaplatit za pojištění proti riziku letecké havárie způsobené “teroristickým útokem” více než za pojištění kryjící “všechny příčiny”. Proč? – afektivní vs. dostupnostní heuristika – imaginace ženy vs. muži (?)

• Doporučení? (otázka míry? kupř. zubař) – – – – –

“Zákaz plavání.” “Panuje 0,0001% riziko utopení.” “Zvažte výhody plavání a nevýhody utopení.” “Zvažte nevýhody utopení a výhody plavání.” “Nebezpečí! V jezeře již utonulo 12 lidí.” + fotografie utonulých (Shane Frederick 2010) CC: BY NC SA by Houdek, Vranka 26

Emoce nemusí být kognitivně zpracovávány • Emoce jako zacílení snahy (úzkost coby podnět k plánování, bolest k vyhýbání se – somatické markery; u psychopatů nejsou?). – Rozhodujeme-li se „za obecné jedince“ či abstraktně, somatické markery mají malou intenzitu a převáží kognice (Hsee, Weber, 1997). – úzkostní lidé se vyhýbají riziku (depresivní se vyhýbají aktivitě), ale efekt se ztrácí, pokud mají rozhodovat za jiné (Eisenberg, Baron, Seligman, 1995)

• Některým akcím přiřazujeme valenci výhodnosti (ne/riziková), aniž známe jejich vlastnosti. CC: BY NC SA by Houdek, Vranka

27

Slovic et al., 2004


28

Emoce a subjektivní pravděpodobnosti • Emoce nejsou senzitivní k pravděpodobnostem (očekávaná výhra v loterii – pravděpodobnost vs. velikost výhry). – nerozlišuje se mezi možností a pravděpodobností

• Velikost rizika hraje v obavách nevýznamnou roli (u emočně nabitých situací – kupř. el. šoky), s výjimkou nulového rizika (další vysvětlení efektu jistoty?) (Rottenstreich, Hsee, 2002) – Vysvětlení přeceňování (nízkých) pravděpodobností (obavy u ztrát a naděje u zisků)? – Vysvětlení proč lidé hrají hazard (extáze) a zároveň se pojišťují (klid mysli)? (Jak jsou obě služby nabízeny/reklamovány?)

• Pojištění nemusí být důsledkem averze k riziku, resp. ke ztrátě či přeceňováním malých pravděpodobností, ale důsledkem preference „klidné mysli“, tj. absence neg. emocí / obav / CC: BY NC SA by Houdek, Vranka 29 úzkosti.

Čím je volba emočnější, tím menší důraz je kladen na pravděpodobnost • Vysvětlení přeceňování (nízkých) pravděpodobností (obavy u ztrát a naděje u zisků)? • Vysvětlení proč lidé hrají hazard (extáze) a zároveň se pojišťují (klid mysli)? (Jak jsou obě služby nabízeny/reklamovány?) – Opět otázka framingu u velkých pravděpodobných ztrát (= zisk)? Můžeme měřit ochotou vyčkávání … CC: BY NC SA by Houdek, Vranka

30

Vliv časové vzdálenosti a vyvolaného strachu


31

“Omezený hrnec strachu” • Lidé se často chovají jako by měli omezenou kapacitu vnímání rizik, tj. jakmile jedno dosáhne intenzivnějšího subjektivního zdůraznění, ostatní rizika budou podceňována (ač se objektivně nezmění). – Zemědělci v Argentině a La Nina (0-10 rizika): • • • •

Politická situace a vliv na daně. Klima a počasí. Ceny vstupů. Prodejní ceny výpěstků. CC: BY NC SA by Houdek, Vranka

Hansen et al. (2004) 32

Magické myšlení (Tykocinski, 2008)


33

Příklady kaskád • Best seller (The Discipline of Market Leader) v NY Times • Postavení se v divadle, potlesk, • Výběr restaurace podle “jak je plno” • Machiavelli (1514) wrote: "Men nearly always follow the tracks made by others and proceed in their affairs by imitation." • Výběr partnerů – od rybiček k ženám • Pozorování matters – umožňuje např sdružování. Přináležitost, ochranu, observační či sociální učení. CC: BY NC SA by Houdek, Vranka

34

Milgram et al., 1969


35

Informační kaskády • Rozhodování neprobíhá na základě informací (výnosů a rizik), ale na základě pozorování lidí, kteří se rozhodli v minulosti (na základě čeho?) = učení sledováním. – „Skočíš z okna, budou-li skákat všichni?“ – Omezený počet alternativ (souhlas v. nesouhlas). – Čím je kaskáda silnější, tím náročnější je nesouhlasit, vzniká problém rostoucích nákladů odmítnutí - “reputační kaskády”. Hung, Plott (2001)


36

Travers, Milgram, 1969 – 6 stupňů separace


37

Informační kaskády • • • •

Laboratorní experimenty Obchodní strategie Spotřebitelský marketing (klamavá reklama) Kriminální a neetické chování (vliv násilných filmů na násilí) • Politika (vliv protestů) • Medicínské chyby • Další? CC: BY NC SA by Houdek, Vranka

38

Nicméně – informační chyba • Informační chyba a „hodnota“ informací (Baron et al., 1998). – „Pacientka má příznaky s 80% pravděpodobností ukazující na globomu. Není-li to globoma, tak trpí popitis nebo flapemiou. Každá z nemocí má vlastní léčení nepomáhající proti jiným. „ET“ vyšetření může určit, zda má pacientka popitis – vyjde-li pozitivní – nebo flapemiu – vyjde-li negativní.“ – Vyšetříme pacientku pomocí ET? Proč? CC: BY NC SA by Houdek, Vranka

39

Nákladnost pozornosti, její směřování Diskuze Huberman, Regev 2001


40

5IE312 Ekonomie a psychologie I

Recommend Documents