Teoria perspektywy

Finanse behawioralne Monika Czerwonka 1

psychologia socjologia

finanse klasyczne

Finanse behawioralne

Finanse behawioralne Monika Czerwonka 2

 „Ekonomista może próbować
ignorować psychologię, ale w
żadnym wypadku nie uda mu się
zignorować ludzkiej natury...”

J. M. Clark (1918)

Finanse behawioralne Monika Czerwonka 3

 Finanse
behawioralne

analiza zachowania analiza zachowania

jednostek rynku; anomalie:

teoria perspektywy sezonowe

heurystyki fundamentalne

zw. z nadreaktywnością
efekt predyspozycji
rynku

Finanse behawioralne Monika Czerwonka 4

Nagroda Nobla (2002)
Daniel Kahneman

Finanse behawioralne Monika Czerwonka 5

Anomalie w kształtowaniu się
preferencji

Finanse behawioralne Monika Czerwonka 6

 Anomalie w kształtowaniu się
preferencji

• Motywacja altruizmu (postulat spójności)

• Efekt pewności (postulat substytucji)
• Efekt odwrócenia
• Efekt izolacji (postulat niezmienności)

Finanse behawioralne Monika Czerwonka 7

Postulat spójności

motywacja altruizmu
nasycenie dobrem

Finanse behawioralne Monika Czerwonka 8

 2 osoby muszą dokonać między sobą
podziału 100$
• Podział może być całkowicie dowolny
• Jedyny warunek: oboje muszą zaakceptować
podział- inaczej żadne z nich nic nie otrzyma
• Pierwsza osoba-proponuje podział
• Druga osoba-może przyjąć lub odrzucić
podział

Finanse behawioralne Monika Czerwonka 9

 Nasycenie dobrem
• Eksperyment Mazura

Finanse behawioralne Monika Czerwonka 10

Efekt pewności
(certainty effect)
Paradoks Allaisa (1953)

Dokonaj wyboru pomiędzy loteriami:

A:
– 3000$ z p-stwem 80%
– 0$ z p-stwem 20%

B: pewną wygraną 2000$.

Finanse behawioralne Monika Czerwonka 11

 A teraz zdecyduj ponownie i wybierz
pomiędzy loteriami:
C:
– 3000$ z p-stwem 20%
– 0$ z p-stwem 80%
D:
– 2000$ z p-stwem 25%
– 0$ z p-stwem 75%

Finanse behawioralne Monika Czerwonka 12

 Paradoks Allaisa (1953)
przykład 2
LOTERIA X KWOTA (j.p.) Prawdopodobieństwo

OPCJA 1 1000 1,00

OPCJA 2 1000 0,89

5000 0,10
0 0,01
LOTERIA Y KWOTA (j.p.) Prawdopodobieństwo

OPCJA 3 1000 0,11

0 0,89
OPCJA 4 5000 0,10
0Finanse behawioralne Monika Czerwonka 0,90 13
 Oczekiwane użyteczności
LOTERIA X

OPCJA 1 0,01u(1000) + 0,10u(1000) + 0,89u(1000)

OPCJA 2 0,01u(0) + 0,10u(5000) + 0,89u(1000)

LOTERIA Y

OPCJA 3 0,01u(1000) + 0,10u(1000) + 0,89u(0)

OPCJA 4 0,01u(0) + 0,10u(5000) + 0,89u(0)

Finanse behawioralne Monika Czerwonka 14

 Efekt pewności c.d
Masz do wyboru 2 opcje:

A: 50% szansę wygrania 3 tyg.wycieczki po

Anglii, Francji i Włoszech

B: tygodniowa wycieczka po Anglii (na 100%)

Finanse behawioralne Monika Czerwonka 15

C: 5% szansa wygrania 3 tyg.wycieczki po Anglii,
Francji i Włoszech

d: 10% szansa wygrania tygodniowejwycieczki

po Anglii

Finanse behawioralne Monika Czerwonka 16

 Niedoszacowanie wysokich
prawdopodobieństw

Loteria :

A: (4000; 0,8) [ 20%] B: (3000; 1,0) [ 80%]

EV= 3200

Finanse behawioralne Monika Czerwonka 17

 Przewartościowanie niskich
prawdopodobieństw

Loteria I: A: (5000; 0,001) > B: (5; 1)

kupony lotto

Loteria II: C: (-5000; 0,001) <D: (-5; 1)

koszt polisy ubezpieczeniowej

Finanse behawioralne Monika Czerwonka 18

 Efekt odwrócenia
(reflection effect)
loterie zdefiniowane dla zysków loterie zdefiniowane dla strat

Loteria A (4000; 0,80) < (3000; 1 ) Loteria A’ (-4000; 0,80) > (-3000; 1 )
[20%] [80%] [92%] [8%]

Loteria B (4000;0,20)>(3000;0,25) Loteria B’ (-4000;0,20)<(-3000;0,25 )

[65%] [35%]
[42%] [58%]
Loteria C (3000;0,90)>(6000;0,45 ) Loteria C’ (-3000; 0,90)<(-6000;0,45 )
[86%] [14%]
[8%] [92%]
Loteria D (3000;0,002)<(6000;0,001) Loteria D’ (-3000;0,002)>(-6000;0,001 )
[27%] [73%] [70%] [30%]

Finanse behawioralne Monika Czerwonka 19

Efekt izolacji
(isolation effect / framing)

Różne formy prezentacji danego problemu

decyzyjnego mają wpływ na dokonywane
wybory.

Finanse behawioralne Monika Czerwonka 20

• Sytuacja 1
Wyobraźmy sobie, że Polska przygotowuje się do wybuchu epidemii, która ma
pochłonąć 600 tys. ofiar. Istnieją dwa alternatywne programy walki
z zarazą. Szacowane konsekwencje tych programów są następujące:

Jeśli uruchomiony zostanie program A, można

być pewnym, że 200 tys. osób zostanie
uratowanych
Jeśli uruchomiony zostanie program B, z p-
stwem 1/3 uratowanych zostanie 600 tys.
osób, zaś z p-stwem 2/3 wszyscy zginą

Finanse behawioralne Monika Czerwonka 21

• Sytuacja 2
Wyobraźmy sobie, że Polska przygotowuje się do wybuchu epidemii, która ma
pochłonąć 600 tys. ofiar. Istnieją dwa alternatywne programy walki
z zarazą. Szacowane konsekwencje tych programów są następujące:

Jeśli uruchomiony zostanie program C, 400 tys.

osób poniesie pewną śmierć
Jeśli uruchomiony zostanie program D, z p-
stwem 1/3 nie zginie nikt, zaś z p-stwem 2/3
śmierć poniesie 600 tys. osób.

Finanse behawioralne Monika Czerwonka 22

• Opcje A i C, oraz B i D są tożsame pod
względem konsekwencji (liczba
ofiar/ocalonych).
• Kwestia przedstawienia problemu- liczba
zgonów czy liczba ocalonych osób
• Sytuacja 2- punkt odniesienia-”zero ofiar”

Finanse behawioralne Monika Czerwonka 23

Sytuacja 1:
Na pierwszym etapie, z 75% p-stwem, możesz
zakończyć grę, nic nie wygrywając, lub z 25%
p-stwem przejść do drugiego etapu. Wówczas
będziesz musiał dokonać wyboru pomiędzy:
A: (4000; 0,80) lub B: (3000; 1).
Wybór musi zostać podjęty przed rozpoczęciem gry.

Sytuacja 2:
A: (4000; 0,20) lub B: (3000; 0,25).

Finanse behawioralne Monika Czerwonka 24

Finanse behawioralne Monika Czerwonka 25
Niezależnie od tego co posiadasz otrzymałeś
dodatkowo 1000 zł. Dokonaj wyboru między:

A: wygraną 1000 z p-stwem 50%

B: pewną wygraną 500 zł

Finanse behawioralne Monika Czerwonka 26

Niezależnie od tego co posiadasz otrzymałeś
dodatkowo 2000 zł. Dokonaj wyboru między:

C: stratą 1000 zł z p-stwem 50%

D: pewną stratą 500 zł

Finanse behawioralne Monika Czerwonka 27

• Efekt pewności – niedoszacowanie i
przewartościowanie p-stw
• Efekt odwrócenia – ostrożność (zyski),
ryzykanctwo (straty); efekt predyspozycji
• Efekt izolacji – zależność decyzji od formy
przedstawienia problemu

Finanse behawioralne Monika Czerwonka 28

 Efekt pewności

Efekt odwrócenia
Efekt izolacji

Teoria perspektywy

Finanse behawioralne Monika Czerwonka 29

 Teoria perspektywy
(1979)
Daniel Kahneman Amos Tversky
ur.1934 (1937-1996)

Finanse behawioralne Monika Czerwonka 30

 Prospect theory

• Deskryptywna teoria podejmowania decyzji w

warunkach niepewności
• Model opisujący faktyczne wybory
dokonywane przez ludzi

Finanse behawioralne Monika Czerwonka 31

 Teoria perspektywy
ujęcie modelowe
Jeśli regularna loteria (x,p; y,q)
to osoba podejmująca decyzję przypisze jej
wartość:
V(x,p; y,q)= π(p) v(x) + π(q)v(y),
gdzie:
π(*)- waga decyzyjna
v(*) – postrzegana wartość danej realizacji

Finanse behawioralne Monika Czerwonka 32

 Elementy składowe prospect theory

• S-kształtna funkcja wartości v(x)

• Funkcja wag prawdopodobieństwa π(p)

Finanse behawioralne Monika Czerwonka 33

 Funkcja wartości

(subiektywna)
wartość v

relatywna strata relatywny zysk x

punkt referencyjny

Finanse behawioralne Monika Czerwonka 34

 Funkcja wartości przyjęła następującą postać
funkcyjną:
xα dla x ≥ 0

V (x) =
- λ(- x)β dla x < 0
gdzie:
v (x) – postrzegana wartość;
x – relatywny zysk/ relatywna strata;
λ - współczynnik awersji do strat (λ > 1);
α, β - parametry, gdzie: 0 < α, β ≤ 1

Finanse behawioralne Monika Czerwonka 35

1. relatywne
postrzeganie wartość
względem punktu
odniesienia
2. malejąca wrażliwość
na zmiany relatywna strata relatywny zysk
3. awersja do strat
punkt referencyjny

Finanse behawioralne Monika Czerwonka 36

1
• Zmiany w poziomie bogactwa (zyski/straty) a
nie absolutny poziom bogactwa są nośnikami
postrzeganej wartości

Finanse behawioralne Monika Czerwonka 37

Finanse behawioralne Monika Czerwonka 38
2
Malejącą wrażliwość na dodatkowe zyski
lub straty wywołuje ostrożność w obszarze
zysków oraz ryzykanctwo w obszarze strat

Finanse behawioralne Monika Czerwonka 39

3
Losses loom larger than gains
Straty bolą bardziej niż cieszą zyski tych samych
bezwzględnych rozmiarów

Finanse behawioralne Monika Czerwonka 40

 Kształt funkcji wartości

Koncepcja dotycząca kształtu funkcji wartości

oparta była na analizie sytuacji decyzyjnych
badanych jednostek

Finanse behawioralne Monika Czerwonka 41

 Sytuacja 1:
A: (6000, 0,25) lub B: (4000, 0,25; 2000, 0,25)
N = 68 [18%] [82%]
EV w obu przypadkach = 1500

Sytuacja 2:
C: (-6000; 0,25) lub D: (- 4000, 0,25; - 2000,0,25)
N = 64 [70%] [30%]

Finanse behawioralne Monika Czerwonka 42

 v

60
50
30

-6000 -4000 -2000 2000 4000 6000

x

-30
-50
-60

Finanse behawioralne Monika Czerwonka 43

 Niechęć jednostek do przyjmowania symetrycznych
zakładów, w formie (x, 0,50; - x, 0,50).
Jeśli x > y ≥ 0, to zakład (y, 0,50; - y, 0,50) jest
preferowany nad zakład (x, 0,50; - x, 0,50).

Zgodnie z teorią Kahnemana i Tversky’ego, wartość

v przypisana danej loterii (x, p; y, q) może zostać
zapisana w następujący sposób:
V (x, p; y, q) = π (p) * v(x) + π (q) * v(y).

Finanse behawioralne Monika Czerwonka 44

Kahneman i Tversky, na podstawie
badań empirycznych, wyliczyli
wartość współczynnika awersji do
strat λ (λ = 2,25)

Finanse behawioralne Monika Czerwonka 45

Funkcja wag prawdopodobieństwa

Finanse behawioralne Monika Czerwonka 46

 Funkcja wag prawdopodobieństwa

0,8

0,6

Waga
0,4
decyzyjna
π (p)
0,2

0
0 0,2 0,4 0,6 0,8 1

Wyznaczone prawdopodobieństwo p

Finanse behawioralne Monika Czerwonka 47

Finanse behawioralne Monika Czerwonka 48
 Wybierz pomiędzy opcjami:
A: 2500 zł z p-stwem 33%
2400 zł z p-stwem 66%
0 z p-stwem 1%

B: 2400 zł z p-stwem 100%

Finanse behawioralne Monika Czerwonka 49

 Wybierz pomiędzy opcjami:
C: 2500 zł z p-stwem 33%
0 z p-stwem 67%

D: 2400 zł z p-stwem 34%

0 z p-stwem 66%

Finanse behawioralne Monika Czerwonka 50

 Łącząc obie części teorii perspektywy otrzymujemy
deskryptywny model podejmowania decyzji w warunkach
ryzyka:

Subiektywna oczekiwana wartość=

SV = π (p) v (x)

π (p) – waga decyzyjna

v(x) – postrzegana wartość

Finanse behawioralne Monika Czerwonka 51

 Wnioski

Finanse behawioralne Monika Czerwonka 52

 teoria oczekiwanej użyteczności przedstawia
racjonalne zachowanie jednostek

teoria perspektywy (TP) -rzeczywiste

zachowanie człowieka

• TP nie powinna być postrzegana jako teoria

konkurencyjna
• Jest ona raczej rozszerzeniem i modyfikacją
tradycyjnego myślenia o wyborach w
warunkach niepewnej przyszłości

Finanse behawioralne Monika Czerwonka 53