DNES: Celostránkový rozhovor s místopředsedou ČSSD Zdeňkem Škromachem a to s Atulkem "Máme svůj rozum".
• Z.Š: Tady někdo neustále někoho straší, tak říkám: nestrašme se, jak naše děA a vnuci budou plaAt naše dluhy. To přece taky není pravda. Otázka: A kdo je bude pla-t? Z. Š.: PlaAt je bude výkonná ekonomika. Tak to přece funguje. Otázka: Aha. Ekonomika přijde a zapla8, nebo -, kdo v ní pracují, budou muset odvést daně, které porostou? Z. Š.: Ale nikdo nic za nikoho plaAt nebude. Je to otázka určité míry solidarity ve společnosA.
Behaviorální ekonomie a právo Behavioral Law and Economics Petr Koblovský
Petr Koblovský, Ph.D., LL.M.
[email protected] www.ilaw.cz www.inbes.org kie.vse.cz www.whitecase.com
Podmínky absolvovaní • Napsání seminární práce na zvolené téma • Rozsah – 10 stran textu + 1 strana úvod + 1-2 strany literatura (celkově max 20 normostran) • Téma musí postihovat oblast řešitelnou/ postižitelnou poznatky behaviorální ekonomie, psychologie a práva • Účast na seminářích či na přednáškách nikoliv nezbytná
Termíny pro odevzdání práce - 4 týden abstrakt – ½ strany až 1 strana textu – musí obsahovat nápad – 8 týden první draft 6-8 stran, práce musí být strukturovaná tak jak bude ve své finální podobě, práce bude distribuovaná dvěma dalším studentům, kteří poskytnou do 9. týdne podrobné připomínky – 12 týden deadline pro pre-finalní práci /práce by měla být hotova, připravena k odevzdání vyučujícímu/ – 13 týden – krátká presentace cca 5 minut – 3. týden zkouškového finální odevzdání – verse distribuovaná Ing. Houdkovi k nestrannému ohodnocení. Nejlepší 2 práce budou doplněny, rozšířeny a podány k publikaci
Hodnocení • Primárně s ohledem na kvalitu práce cca 70 procent
• Sekundárně s ohledem na vypracované posudky cca 10-15 procent
• Terciálně s ohledem na aktivitu v hodinách cca 15-20 procent
Alternativa k psaní práce • Absolvování zkoušky – Výstupem bude paper o rozsahu minimálně 6 stran, zkouška bude pátek 12.00 – Neděle 24.00 ve zkouškovém období na jedno ze dvou alternativních témat – Příklad témata „Za použití poznatků BLE vyřešte problém penzijní reformy“
Informace ke kurzu • www.ilaw.cz (Stránky budou zprovozněny do příští přednášky) • Kontakt
[email protected] • Konzultační hodiny dle dohody
Opakování – (neo)klasická ekonomie • Koncept postavený na následujících premisách: – Plně racionální hráč/ jedinec – Snažící se maximalizovat užitek v podmínkách vzácnosti – Konstantní preference – Měnící se omezení – Nulové transakční náklady
Otázky kladené BE • Chová se člověk opravdu racionálně ? • Maximalizují lidé svůj užitek ? (v konkrétnějším slova smyslu) • Zpracováváme veškeré informace ?
Koncept BE • BE je pleonasmus • Návrat ekonomie ke svým kořenům – ke zkoumání zevšeobecněného lidského chování
Snaha/Cíle BE • Zreálnění ekonomie jako vědy – zreálnění jejích vstupů ale i závěrů • „Zlepšení“ ekonomické teorie • Zlepšení odhadu vysledků experimentů • Zlepšení případných návrhů opatření pro dosahovaní vytýčených cílů (BLE) • Vysvětlení dosud nevysvětlitelných problémů v ekonomii
Omezená racionalita / Bounded raAonality • Proč uvažovat v ekonomických modelech s konceptem omezené racionality jednotlivce ? • Obrovská základna empirických dat – Osvědčená “platnost” modelu se zakomponovanou BR – Nepřesvědčivost standardních ekonomických modelů – Existence nezohledněných nákladů přemýšlení
HeurisAky a biasy • Za „chybami“ v rozhodování stojí heurisAky – důsledkem HEURISTIK jsou biasy (předpojatosA) • Obojí jsou “opAma” rozhodovacího procesu (zjednodušeně řečeno) – opAma mezi náklady rozhodovaní a ziskem z rozhodnutí • Otázkou (zejména pro BLE) je, zdali můžeme být DEBIASOVANI snadným neintruzivním způsobem – např. vystavením tržním silám (V. Smith)
Historie • Adam Smith – Theory of moral senAments – Odkazuje na psychologickou povahu mnohých rozhodnuj činěných jednotlivci
• Po 1. WW odklon zaměření ekonomie od studia o člověku a o jeho rozhodování – Zájmem ekonomie začala být makroekonomie a poliAcká ekonomie
• v 50. letech H. Simon /bounded ra*onality/ , V. Smith / experimental economics/ atd. • Složitý návrat ke studiu lidského rozhodování až Kahneman, Tversky, Thaler – Prospect Theory 1979
Metodologie a metody • Z počátku jsou používány k analýze zejména výstupy z proběhnuvších experimentů • Ekonomové se snaží o popsání psychology odpozorovaných systemaAckých vzorců chování za používání ekonomických metod • Dnes – tvorba experimentů (nezaměňovat BE s experimentální ekonomií – kdo dochází k navozování umělých situací v laboratořích či mimo ně – BE využívá ekon. modelu a rozšiřuje je o psychologické poznatky a předpoklady, nemá vlastní metodologii, tools (nástroje)), field data, počítačové simulace a i např. brain scany (přesah do neuroekonomie)
Koncepty • Zjednodušeně – BE a BLE studuje 2 základní koncepty – JUDGMENTS – posuzovaní, hodnocení – jak lidé určují a posuzují jednotlivosA (např pravděpodobnosA) a – CHOICE – výběr, rozhodnutí, volby – jakým mechanismem lidé čini svá rozhodnutí, jakým způsobem a co zohlednují při výběru
Probability judgments / rozhodnutí o pravděpodobnostech • Je zřejmé, že hodnocení jednotlivých možnosj je v procesu rozhodování KRUCIÁLNÍ ‐‐ neboť determinuje výstup/volbu. • Přístup klasické ekonomie – staAsAka a snaha o empirické určení pravděpodobnosA spolu s Bayesovskym (Bayes) opravovaním odhadu na základě nových informací.
Problém s konceptem NeoEcon • Bayes – nepředpokládající konAnuální získávání informací (pouze ve vlnach), a častou nemožnost oddělení pravdepodobnostní situace a užitku, který tato situace může přinést (objekAvnost rozhodování) – nerozeznává se důležitost pořadí získávaných informací a pořadí jejich zpracování • ALE
HeurisAky a Biasy • Lidé dávají větší (často zásadní) váhu (důraz) nedávno získaným informacím – Availability bias/heuris;ka – "if you can think of it, it must be important." – např. spadnutí letadla se zdá být “častejší” než smrt v automobilu – Smrt stařím je častější než smrt chybou lékaře
• Obojí je ve skutečnosA naopak
Avail.heurisika ‐ Hindsight bias • Hindsight bias
– Lide, kteri jsou seznameni s Am, ze se ve skutecnosA neco stalo, prikladaji vysledku daleko vetsi pravdepodobnost nez takovemuto vysledku urcovali bez takove vedomosA/znalosA – lide kteri ziskaji znalost o nejake udalosA si neuvedomuji jak se zmenilo jejich vnimani o existenci teto udalosA
• Gurka Case in Nepal, vysledky voleb, pravdepodnost ucasA na dopravni nehode, znalost okradeneho cloveka determinujici “nebezpecnost” mesta, vnimani znacky automobilu, sebevrazednost u depresivnich pacientu atp. • Problem v pravu – determinace pravdepodobnosA, determinace jedinecnosA atp.
Avail.heurisAka ‐ RepresentaAvness • Velmi casty bias • Lide s charakterisAkou A patrici do skupiny X determinuji ze kdokoliv majici charakterisAku A “musi byt z dane skupiny” (Cikani, Zide, SkoA, Irove, atp) • 2 skupiny 30 pravniku, 70 inzenyru (a vice versa) – urcete jednotliveho kandidata • Linda case ‐ Linda is 31 years old, single, outspoken, and very bright. She majored in philosophy. As a student, she was deeply concerned with issues of discriminaAon and social jusAce, and also parAcipated in anA‐nuclear demonstraAons.
85 procent lidi se domniva ze Linda je vice pravdepodobne bankovni urednice a feministka, nez pouze bankovni urednice
Avail.heurisAka ‐ RepresentaAvness 2 • Problem v pravu: pripad taxiku • 85 procent zlutych, 15 procent modrych. • Modry je idenAfikovany jako puvodcem DN • Pravdepodobnost urceni barvy je 80 procent – jaka je pravdepodobnost, ze autor DN ridil modry vuz ?
Avail.heurisAka ‐ RepresentaAvness 3 • 40 procent je skutecna pravdepodobnost • 80 procent je median odpovedi lidi
Avail.heurisAka ‐ RepresentaAvness 4 • Stejny pocet taxiku (50:50) • 85 procent nehod zpusobi zluA, 15 procent modri • Chyba idenAfikace je shodna (80 procentni pravdepodobnost spravneho urceni) • S jakou pravdepodobnosA dojde k urceni skutecneho skudce ?
Avail.heurisAka ‐ RepresentaAvness 5 • Skutecna pravdepodobnost je opet 40 procent • Referovana je 60 procent
Avail.heurisika – law of small numbers • Tihneme ke zevseobecnovani na zaklade maleho vzorku – lide v populaci jsou stejni jako nasi kamaradi a rodina. • Gambler`s fallacy, Sparta MUSI vyhrat ! Atp. • Jaka je pravdepodobnost ze z 5 a 20 hodu padne v 80 procentech panna ?
Avail.heurisika – law of small numbers 2 • Mnozi predpokladaji ze se jedna o stejnou pravdepodobnost, nicmene v pripade 5 hodu se jedna o 20 procenA pravdepodobnost, v pripade 20 hodu o 1 procentni pravdepodobnost.
Avail.heurisika – law of small numbers 3 • Priklad‐ 2 porodnice ve meste – jedna odrodi 45 a druha 15 deA, staAsAcky se narodi chlapci x divky 50:50, nemocnice si delaji zaznamy o dnech kdy se narodi vice nez 60 procent chlapcu – ktera zaznamena vice takovych dni ?
Avail.heurisika – law of small numbers 4 • V procentech – 22 odpovi ze ve vetsi nemocnici – 56 stejny pocet dni v obou nemocnicich – 22 odpovi ze v mensi nemocnici
• Jaka je pravdepodobnost ze se narodi z 1000 deA v dane zemi v dany den 750 chlapcu ?
Avail.heurisika – law of small numbers 5 • Skutecna pravdepodobnost je mene nez 1 procento • Referovana pravdepodobnost je cca 10 procent
Avail.heurisAka – confirmaAon bias
