En la teoría de la decisión , al tomar decisiones en condiciones de incertidumbre, si la información sobre el mejor curso de acción llega después de tomar una decisión fija, la respuesta emocional humana de arrepentimiento se experimenta a menudo y se puede medir como el valor de la diferencia entre una decisión tomada y la decisión óptima.
La teoría de la aversión al arrepentimiento o el arrepentimiento anticipado propone que al enfrentar una decisión, los individuos pueden anticipar el arrepentimiento y así incorporar en su elección su deseo de eliminar o reducir esta posibilidad. El arrepentimiento es una emoción negativa con un poderoso componente social y de reputación , y es fundamental para la forma en que los humanos aprenden de la experiencia y para la psicología humana de la aversión al riesgo . La anticipación consciente del arrepentimiento crea un ciclo de retroalimentación que eleva el arrepentimiento del ámbito emocional, a menudo modelado como un mero comportamiento humano, al ámbito de lo racional. comportamiento de elección que se modela en la teoría de la decisión.
Descripción
La teoría del arrepentimiento es un modelo en economía teórica desarrollado simultáneamente en 1982 por Graham Loomes y Robert Sugden , [1] David E. Bell, [2] y Peter C. Fishburn . [3] Elección de modelos de teoría del arrepentimiento bajo incertidumbre teniendo en cuenta el efecto del arrepentimiento anticipado. Posteriormente, varios otros autores lo mejoraron. [4]
Incorpora un término de arrepentimiento en la función de utilidad que depende negativamente del resultado obtenido y positivamente del mejor resultado alternativo dada la resolución de la incertidumbre. Este término de arrepentimiento suele ser una función creciente, continua y no negativa que se resta del índice de utilidad tradicional. Este tipo de preferencias siempre violan la transitividad en el sentido tradicional, [5] aunque la mayoría satisface una versión más débil. [4]
Evidencia
Varios experimentos sobre opciones tanto incentivadas como hipotéticas dan fe de la magnitud de este efecto.
Los experimentos en las subastas de primer precio muestran que al manipular la retroalimentación que los participantes esperan recibir, se observan diferencias significativas en las ofertas promedio. [6] En particular, el "arrepentimiento del perdedor" puede inducirse revelando la oferta ganadora a todos los participantes en la subasta y, por lo tanto, revelando a los perdedores si habrían podido obtener una ganancia y cuánto podría haber sido (una El participante que tiene una valoración de $ 50, hace una oferta de $ 30 y descubre que la oferta ganadora fue de $ 35 también sabrá que podría haber ganado hasta $ 15 al hacer una oferta de más de $ 35). Esto a su vez permite la posibilidad de arrepentimiento y si los postores correctamente anticipar esto, tenderían a hacer una oferta más alta que en el caso en que no se proporcione información sobre la oferta ganadora para disminuir la posibilidad de arrepentimiento.
En las decisiones sobre loterías, los experimentos también proporcionan evidencia de apoyo del arrepentimiento anticipado. [7] [8] [9] Como en el caso de las subastas de primer precio, las diferencias en la retroalimentación sobre la resolución de la incertidumbre pueden generar la posibilidad de arrepentimiento y, si esto se anticipa, puede inducir preferencias diferentes. Por ejemplo, cuando se enfrenta a una elección entre $ 40 con certeza y un lanzamiento de moneda que paga $ 100 si el resultado se adivina correctamente y $ 0 en caso contrario, la alternativa de pago determinada no solo minimiza el riesgo, sino también la posibilidad de arrepentimiento, ya que normalmente la moneda no se lanzará (y, por lo tanto, la incertidumbre no se resolverá) mientras que si se elige el lanzamiento de la moneda, el resultado que paga $ 0 inducirá al arrepentimiento. Si la moneda se lanza al aire independientemente de la alternativa elegida, siempre se conocerá la recompensa alternativa y no habrá otra opción que elimine la posibilidad de arrepentimiento.
Arrepentimiento anticipado versus arrepentimiento experimentado
El arrepentimiento anticipado tiende a sobreestimarse tanto por las decisiones como por las acciones sobre las cuales las personas se perciben a sí mismas como responsables. [10] [11] Las personas son particularmente propensas a sobreestimar el arrepentimiento que sentirán cuando se pierdan un resultado deseado por un margen estrecho. En un estudio, los viajeros predijeron que sentirían más arrepentimiento si perdieran un tren por 1 minuto más que perder un tren por 5 minutos, por ejemplo, pero los viajeros que realmente perdieron su tren por 1 o 5 minutos experimentaron cantidades (iguales y) menores de arrepentimiento. Los viajeros parecían sobrestimar el arrepentimiento que sentirían al perder el tren por un estrecho margen, porque tendían a subestimar hasta qué punto atribuían la pérdida del tren a causas externas (por ejemplo, perder la billetera o pasar menos tiempo en la ducha). . [10]
Aplicaciones
Además de la configuración tradicional de opciones sobre loterías, la aversión al arrepentimiento se ha propuesto como una explicación de la sobreoferta típicamente observada en las subastas de primer precio, [12] y el efecto de disposición , [13] entre otros.
Arrepentimiento Minimax
El enfoque de arrepentimiento minimax es minimizar el arrepentimiento del peor de los casos, presentado originalmente por Leonard Savage en 1951. [14] El objetivo de esto es realizar lo más cerca posible del curso óptimo. Dado que el criterio minimax que se aplica aquí es el arrepentimiento (diferencia o proporción de las recompensas) en lugar de la recompensa en sí, no es tan pesimista como el enfoque minimax ordinario. Se han utilizado enfoques similares en una variedad de áreas, tales como:
Un beneficio de minimax (a diferencia del arrepentimiento esperado) es que es independiente de las probabilidades de los diversos resultados: por lo tanto, si el arrepentimiento se puede calcular con precisión, se puede utilizar de manera confiable el arrepentimiento minimax. Sin embargo, las probabilidades de resultados son difíciles de estimar.
Esto difiere del enfoque estándar minimax en que utiliza diferencias o proporciones entre los resultados y, por lo tanto, requiere mediciones de intervalo o proporción, así como mediciones ordinales (clasificación), como en el minimax estándar.
Ejemplo
Suponga que un inversor tiene que elegir entre invertir en acciones, bonos o el mercado monetario, y el rendimiento total depende de lo que suceda con las tasas de interés. La siguiente tabla muestra algunas posibles devoluciones:
Regreso | Las tasas de interés suben | Tasas estáticas | Caen las tasas de interés | Peor retorno |
---|---|---|---|---|
Cepo | −4 | 4 | 12 | −4 |
Cautiverio | −2 | 3 | 8 | −2 |
Mercado de dinero | 3 | 2 | 1 | 1 |
Mejor retorno | 3 | 4 | 12 |
La elección cruda de maximin basada en los rendimientos sería invertir en el mercado monetario, asegurando un rendimiento de al menos 1. Sin embargo, si las tasas de interés cayeran, el arrepentimiento asociado con esta elección sería grande. Este sería 11, que es la diferencia entre los 12 que se podrían haber recibido si el resultado se hubiera conocido de antemano y el 1 recibido. Una cartera mixta de aproximadamente el 11,1% en acciones y el 88,9% en el mercado monetario habría asegurado una rentabilidad de al menos 2,22; pero, si las tasas de interés cayeran, habría un arrepentimiento de alrededor de 9,78.
La tabla de arrepentimiento para este ejemplo, construida restando los rendimientos reales de los mejores rendimientos, es la siguiente:
Arrepentirse | Las tasas de interés suben | Tasas estáticas | Caen las tasas de interés | Peor arrepentimiento |
---|---|---|---|---|
Cepo | 7 | 0 | 0 | 7 |
Cautiverio | 5 | 1 | 4 | 5 |
Mercado de dinero | 0 | 2 | 11 | 11 |
Por lo tanto, al usar una opción minimax basada en el arrepentimiento, lo mejor sería invertir en bonos, asegurando un arrepentimiento no peor que 5. Una cartera de inversión mixta funcionaría aún mejor: 61,1% invertido en acciones y 38,9% en dinero. mercado produciría un arrepentimiento no peor que alrededor de 4.28.
Ejemplo: ajuste de estimación lineal
Lo que sigue es una ilustración de cómo se puede utilizar el concepto de arrepentimiento para diseñar un estimador lineal . En este ejemplo, el problema es construir un estimador lineal de un vector de parámetros de dimensión finitaa partir de su medición lineal ruidosa con estructura de covarianza de ruido conocida. La pérdida de reconstrucción dese mide utilizando el error cuadrático medio (MSE). Se sabe que el vector de parámetro desconocido se encuentra en un elipsoide centrado en cero. El arrepentimiento se define como la diferencia entre el MSE del estimador lineal que no conoce el parámetro, y el MSE del estimador lineal que conoce . Además, dado que el estimador está restringido a ser lineal, el MSE cero no se puede lograr en el último caso. En este caso, la solución de un problema de optimización convexa da el estimador lineal óptimo, minimax que minimiza el arrepentimiento, que se puede ver en el siguiente argumento.
Según los supuestos, el vector observado y el vector de parámetro determinista desconocido están vinculados por el modelo lineal
dónde es un conocido matriz con rango de columna completo , y es un vector aleatorio de media cero con una matriz de covarianza conocida .
Dejar
ser una estimación lineal de de , dónde es algo matriz. El MSE de este estimador viene dado por
Dado que el MSE depende explícitamente de no se puede minimizar directamente. En cambio, el concepto de arrepentimiento se puede utilizar para definir un estimador lineal con un buen desempeño de MSE. Para definir el arrepentimiento aquí, considere un estimador lineal que conoce el valor del parámetro, es decir, la matriz puede depender explícitamente de :
El MSE de es
Para encontrar el óptimo , se diferencia con respecto a y la derivada se equipara a 0 obteniendo
Luego, usando el lema de inversión de matriz
Sustituyendo esto de vuelta en , uno obtiene
Este es el MSE más pequeño que se puede lograr con una estimación lineal que conoce . En la práctica, este MSE no se puede lograr, pero sirve como límite para el MSE óptimo. El arrepentimiento de utilizar el estimador lineal especificado por es igual a
El enfoque de arrepentimiento minimax aquí es minimizar el arrepentimiento del peor de los casos, es decir, Esto permitirá un rendimiento lo más cercano posible al mejor rendimiento alcanzable en el peor de los casos del parámetro. . Aunque este problema parece difícil, es un ejemplo de optimización convexa y, en particular, se puede calcular de manera eficiente una solución numérica. [15] Se pueden utilizar ideas similares cuandoes aleatorio con incertidumbre en la matriz de covarianza . [16] [17]
Ver también
- Arrepentimiento competitivo
- Teoría de la decisión
- Teoría de la decisión de la brecha de información
- Función de pérdida
- Minimax
- Arrepentimiento (emoción)
- El modelo maximin de Wald
Referencias
- ^ Loomes, G .; Sugden, R. (1982). "Teoría del arrepentimiento: una teoría alternativa de la elección racional en condiciones de incertidumbre". Revista económica . 92 (4): 805–824. doi : 10.2307 / 2232669 . JSTOR 2232669 .
- ^ Bell, DE (1982). "Arrepentimiento en la toma de decisiones bajo incertidumbre". Investigación operativa . 30 (5): 961–981. doi : 10.1287 / opre.30.5.961 .
- ^ Fishburn, PC (1982). Los fundamentos de la utilidad esperada . Biblioteca de teoría y decisión. ISBN 90-277-1420-7.
- ^ a b Diecidue, E .; Somasundaram, J. (2017). "Teoría del arrepentimiento: una nueva base". Revista de teoría económica . 172 : 88-119. doi : 10.1016 / j.jet.2017.08.006 .
- ^ Bikhchandani, S .; Segal, U. (2011). "Lamento transitivo" . Economía teórica . 6 (1): 95–108. doi : 10.3982 / TE738 .
- ^ Filiz-Ozbay, E .; Ozbay, EY (2007). "Subastas con arrepentimiento anticipado: teoría y experimento" . American Economic Review . 97 (4): 1407–1418. doi : 10.1257 / aer.97.4.1407 . S2CID 51815774 .
- ^ Zeelenberg, M .; Beattie, J .; Van der Pligt, J .; de Vries, NK (1996). "Consecuencias de la aversión al arrepentimiento: efectos de la retroalimentación esperada en la toma de decisiones arriesgadas" . Comportamiento organizacional y procesos de decisión humana . 65 (2): 148-158. doi : 10.1006 / obhd.1996.0013 .
- ^ Zeelenberg, M .; Beattie, J. (1997). "Consecuencias de la aversión al arrepentimiento 2: evidencia adicional de los efectos de la retroalimentación en la toma de decisiones" . Comportamiento organizacional y procesos de decisión humana . 72 (1): 63–78. doi : 10.1006 / obhd.1997.2730 .
- ^ Somasundaram, J .; Diecidue, E. (2016). "Teoría del arrepentimiento y actitudes de riesgo". Revista de riesgo e incertidumbre . 55 (2–3): 1–29. doi : 10.1007 / s11166-017-9268-9 .
- ^ a b Gilbert, Daniel T .; Morewedge, Carey K .; Resucitado, Jane L .; Wilson, Timothy D. (1 de mayo de 2004). "Mirando hacia adelante a mirar hacia atrás la predicción errónea del arrepentimiento". Ciencia psicológica . 15 (5): 346–350. CiteSeerX 10.1.1.492.9980 . doi : 10.1111 / j.0956-7976.2004.00681.x . ISSN 0956-7976 . PMID 15102146 .
- ^ Sevdalis, Nick; Harvey, Nigel (1 de agosto de 2007). "Predicción sesgada del efecto posdecisional". Ciencia psicológica . 18 (8): 678–681. doi : 10.1111 / j.1467-9280.2007.01958.x . ISSN 0956-7976 . PMID 17680936 .
- ^ Engelbrecht-Wiggans, R. (1989). "El efecto del arrepentimiento en la licitación óptima en las subastas". Ciencias de la gestión . 35 (6): 685–692. doi : 10.1287 / mnsc.35.6.685 . hdl : 2142/28707 .
- ^ Fogel, SOC; Berry, T. (2006). "El efecto de disposición y las decisiones de los inversores individuales: los roles del arrepentimiento y las alternativas contrafactuales". Revista de finanzas conductuales . 7 (2): 107-116. doi : 10.1207 / s15427579jpfm0702_5 .
- ^ Salvaje, LJ (1951). "La teoría de la decisión estadística". Revista de la Asociación Estadounidense de Estadística . 46 (253): 55–67. doi : 10.1080 / 01621459.1951.10500768 .
- ^ Eldar, YC; Ben-Tal, A .; Nemirovski, A. (2004). "Linear Minimax lamenta la estimación de parámetros deterministas con incertidumbres de datos acotadas". IEEE Trans. Proceso de señal . 52 (8): 2177–2188. Código Bibliográfico : 2004ITSP ... 52.2177E . doi : 10.1109 / TSP.2004.831144 .
- ^ Eldar, YC; Merhav, Neri (2004). "Un enfoque competitivo Minimax para la estimación robusta de parámetros aleatorios". IEEE Trans. Proceso de señal . 52 (7): 1931-1946. Código bibliográfico : 2004ITSP ... 52.1931E . doi : 10.1109 / TSP.2004.828931 .
- ^ Eldar, YC; Merhav, Neri (2005). "Estimación Minimax MSE-Ratio con incertidumbres de covarianza de señal". IEEE Trans. Proceso de señal . 53 (4): 1335-1347. Código Bibliográfico : 2005ITSP ... 53.1335E . doi : 10.1109 / TSP.2005.843701 .
enlaces externos
- "TUTORIAL G05: Teoría de la decisión" . Archivado desde el original el 3 de julio de 2015.