Jaka jest różnica między ryzykiem, niepewnością i dwuznacznością

Staram się określić różnicę między ryzykiem, niepewnością i niejednoznacznością.

Jak rozumiem, kiedy ekonomiści behawioralni mówią o wyborze w warunkach niepewności, mają na myśli wybór, gdy agenci stają w obliczu ryzyka (znany rozkład prawdopodobieństwa w zakresie wyników) w porównaniu do niejednoznaczności (nieznany rozkład prawdopodobieństwa). Tak więc niepewność jest ogólną koncepcją, którą można podzielić na ryzyko i dwuznaczność. Zobacz na przykład Dannenberg i in. (2014) .

Rozumiem również, że debata na temat znaczenia tych określeń sięga Knight (1921) i Ellsberg (1961). Czy istnieją jakieś konkurencyjne definicje do powyższej?

Oto teoretyczna formalizacja twoich definicji.

Zwykle ramy mówienia o obiektywnym ryzyku to sytuacja, w której decydent wyraża preferencje w stosunku do obiektywnych loterii. Formalnie jeśli$X$ jest miejscem z nagrodami, loterie obiektywne są zdefiniowane jako elementy przestrzeni $\Delta(X)$ rozkładów prawdopodobieństwa (zwykle ze skończonym wsparciem) ponad $X$. Na przykład osoba decyzyjna może zostać poproszona o określenie preferencji między loterią, która oferuje jej jabłko o prawdopodobieństwie 0,3, a pomarańczą o prawdopodobieństwie 0,7, a loterią, która oferuje jej jabłko o prawdopodobieństwie 0,5 i pomarańczą o prawdopodobieństwo 0,5. Standardowy wynik w tym obszarze (twierdzenie von Neumann-Morgenstern) dostarcza reprezentację, która identyfikuje stosunek agenta do obiektywnego ryzyka (jego / jego funkcji użyteczności), podczas gdy prawdopodobieństwa są podane jako prymityw modelu.

Zwykle ramy mówienia o dwuznaczności to sytuacja, w której decydent wyraża preferencje wobec niepewnych działań. Formalnie jeśli$X$ to miejsce z nagrodami i $S$ jest przestrzenią stanu, akty są mapowaniami $f:S \rightarrow X$ od $S$ do $X$. Na przykład osoba decyzyjna może zostać poproszona o określenie preferencji między ustawą, która oferuje jej jabłko, jeśli Novak Djokovic wygra Australian Open 2017, a pomarańczą w przeciwnym razie, a loterią, która oferuje jej jabłko, jeśli wygra Andy Murray Australian Open 2017 i pomarańczowy inaczej. Standardowy wynik w tym obszarze (twierdzenie von Neumann-Morgenstern) dostarcza reprezentację, która identyfikuje zarówno przekonania probabilistyczne agenta dotyczące stanów, jak i jego / jej stosunek do ryzyka (jego / jego funkcji użyteczności).

Istnieje trzecia szeroko stosowana koncepcja, zwana zwykle aktami Anscombe-Aumann lub wyścigami konnymi, która łączy zarówno obiektywne loterie, jak i niepewne działania. Formalnie, biorąc pod uwagę miejsce na nagrodę$X$, akt Anscombe-Aumann jest mapowaniem $f:S \rightarrow \Delta(X)$ która wiąże obiektywną loterię z dowolnym stanem w $S$.

Zauważ, że definicje obiektywnego ryzyka i niejednoznaczności są do pewnego stopnia subiektywne. Fakt, że ryzyko nazywane jest „obiektywnym”, opiera się w dużej mierze na założeniu, że decydent zgadza się z podstawowym modelem prawdopodobieństwa. Na przykład, jeśli zaobserwujesz wynik rzutu monetą, możesz uwierzyć, że główki zdarzają się z obiektywnym prawdopodobieństwem 0,5. Teoretycznie narzuca się, że decydent zgadza się z tym stwierdzeniem.

Jeśli chodzi o dwuznaczność, możesz sam uwierzyć, że czyn „otrzymaj jabłko, jeśli Novak Djokovic wygra Australian Open 2017” jest bardzo niejednoznaczny, ponieważ nie masz pojęcia, jak obliczyć subiektywne prawdopodobieństwo tego wydarzenia. To powiedziawszy, inny decydent może bardzo pewnie wierzyć, że Djokovic ma 74% szansy na wygraną w turnieju, w którym to przypadku on / on wcale nie uważa tego czynu za dwuznaczny. Dwuznaczność jest pojęciem subiektywnym, które wynika z preferencji i zachowań ludzi, a nie z samej sytuacji wyboru.

Jak dotąd nie masz odpowiedzi na ostatnie pytanie dotyczące poglądu Knighta i innych na ryzyko i niepewność. W rzeczywistości istnieje dość radykalne rozróżnienie między poglądem niepewności w Knight (i Keynes) a przedstawionym w odpowiedzi Oliv.

W skrócie, według Knight (1921) ryzyko odnosi się do sytuacji, w których klasyfikacja stanów, zdarzeń lub alternatyw jest obiektywna i znana, a ich prawdopodobieństwa można obiektywnie określić. Na przykład, w kontekście polisy ubezpieczeniowej domu, zdarzeniami mogą być „spalenie domu” lub „dom się nie pali”, które to prawdopodobieństwa można w mniejszym lub większym stopniu obiektywnie stwierdzić, opierając się na cechach domu / środowiska / indywidualnych cech.

Natomiast dla Rycerza niepewność wynika z „niemożności wyczerpującej klasyfikacji stanów” ( Langlois i Cosgel 1993 , s. 459). Zatem niezależnie od tego, czy prawdopodobieństwa zdarzeń są obiektywne czy subiektywne , natura / ekonomia może być tak złożona, że ​​wszystkie możliwe stany po prostu nie są znane. Jako taka, każda kategoryzacja zdarzeń stosowana do przewidywania przyszłości opiera się na intencji i osądzie , a zatem jest subiektywna.

Ten pogląd na niepewność podziela Keynes i jest niezbędny w jego teorii o „duchach zwierząt”. Właśnie dlatego, że przyszłość jest nieznana - nie tylko prawdopodobieństwo zdarzeń, ale także zakres zdarzeń, które mogą się zdarzyć, oczekiwania w decyzjach inwestycyjnych nie są jedynie obliczeniem matematycznym. Jak powiedział Keynes, decyzje inwestycyjne podejmowane są „w wyniku duchów zwierząt - spontanicznej potrzeby działania, a nie bezczynności, a nie jako wynik średniej ważonej korzyści ilościowych pomnożonych przez prawdopodobieństwa ilościowe ” (Keynes 2008 [1936] : 144, nacisk jest mój). Co ciekawe, podejście podkreślone kursywą jest tym, co opisuje Oliv w swojej odpowiedzi, i podstawą dużej części neoklasycznej teorii inwestycji w warunkach niepewności.

W kręgach post-keynesowskich niepewność ta nazywana jest „niepewnością radykalną, fundamentalną lub ontologiczną”, w przeciwieństwie do neoklasycznego poglądu na niepewność opisanego w odpowiedzi Oliv'a, który jest czasem nazywany „niepewnością epistemologiczną”. Na przykład patrz tutaj .

Wreszcie, jeśli chodzi o dwuznaczność, według mojej wiedzy pojęcie to nie jest używane we wczesnej literaturze na ten temat.

Oliv, myślę, że to, o czym mówisz w tej części:

Zwykle ramy mówienia o dwuznaczności to sytuacja, w której decydent wyraża preferencje wobec niepewnych działań. Formalnie, jeśli jest to przestrzeń nagród i przestrzeń państwowa, akty są mapowaniami od do. Na przykład osoba decyzyjna może zostać poproszona o określenie preferencji między aktem, który oferuje jej jabłko, jeśli Novak Djokovic wygra Australian Open 2017, a pomarańczą w przeciwnym razie, a loterią, która oferuje jej jabłko, jeśli wygra Andy Murray Australian Open 2017 i pomarańczowy inaczej. Standardowy wynik w tym obszarze (twierdzenie von Neumann-Morgenstern) dostarcza reprezentację, która identyfikuje zarówno przekonania probabilistyczne agenta dotyczące stanów, jak i jego / jej stosunek do ryzyka (jego / jego funkcji użyteczności).

Jest czysto subiektywnym światem Savage przedstawionym w Savage „Podstawy statystyki”.

Moja interpretacja terminów to:

Ryzyko : podejmowanie decyzji z danym / obiektywnym prawdopodobieństwem. Zauważ, że dwa warunki nie są równe. Nie zamierzam się tym zajmować, ponieważ nie jest to omawiany temat, ale biorąc pod uwagę prawdopodobieństwa $\Rightarrow$ obiektywne prawdopodobieństwa . Odniesieniem do tego jest Gilboa „Teoria decyzji pod niepewnością”. Oznacza to, że pierwotne elementy problemu to zarówno prawdopodobieństwa, jak i preferencje. Standardowym modelem jest oczekiwane narzędzie VnM.

Niepewność : podejmowanie decyzji z subiektywnymi prawdopodobieństwami . Oznacza to, że biorąc pod uwagę wydarzenie, dwie osoby mogą mieć inne przekonania probabilistyczne w stosunku do niego, przy czym żadna z nich nie może przekonać drugiej osoby o wyższości własnej oceny probabilistycznej. W tym przypadku prymitywne problemy decyzyjne to tylko relacja preferencji (wyprowadza się z niej przekonania). Standardowym modelem jest Savages Subiektywne oczekiwane narzędzie

Mieszanka obu : oto gdzie Anscombe Aumann wchodzi na scenę. Aksjatyzują funkcję preferencji, w której występują zarówno subiektywne, jak i obiektywne prawdopodobieństwa. Podejmując decyzję, osoba podejmująca decyzje ma podwójne oczekiwania (w stosunku do loterii i stanów świata)

Niejednoznaczność : obecnie scenariusze niejednoznaczne to takie, w których decydent nie gromadzi wystarczających informacji, aby mieć całkowitą pewność, że jego (unikalne) przekonanie jest prawidłowe. Cytując Cerreię Vioglio i in. „Niejednoznaczność i solidna statystyka”,

Niejednoznaczność odnosi się do przypadku, w którym DM nie ma wystarczających informacji, aby określić za pomocą pojedynczego rozkładu prawdopodobieństwa stochastyczny charakter problemu, przed którym stoi "

Tak więc naturalnym sposobem modelowania dwuznaczności są zestawy priorytetów , w których de DM nie jest zmuszony powiedzieć „prawdopodobieństwo zdarzenia E wynosi x%” (jak w dzikim świecie), kamera mówi „prawdopodobieństwo zdarzenia E jest pomiędzy$[ x\%, y\%]$

Zauważ, że z definicji scenariusze niejednoznaczności muszą mieć ramy subiektywne, dlatego naturalnym sposobem na modelowanie w tym przypadku jest posiadanie preferencji względem aktów Savage'a $f:S \rightarrow X$ lub Anscombe Aumann działa $f:S \rightarrow \Delta (X)$

• Ryzyko  - prawdopodobieństwo narażenia na utratę lub uszkodzenie
• Niepewność  - stan niepewności czegoś
• Dwuznaczność  - niejasności z racji posiadania więcej niż jedno znaczenie

Porozmawiajmy o terminach laika.

Dwuznaczność to brak wyraźnego kontekstu. Kucharz otrzymuje mąki, jajka, cukier, sól, przyprawy. Jeśli poprosisz kucharza, aby „zrobił z niego jedzenie”, to jest to dwuznaczność.

Niepewność to losowe wyniki spowodowane niejednoznacznymi instrukcjami / kierunkami. Np. Użyj powyższej niejednoznacznej instrukcji, rezultatem może być makaron, ciasta, herbatniki, węgiel drzewny itp. Wynik jest „niepewny”.

Ryzyko jest możliwym namacalnym dostępnym „złym” wynikiem / zdarzeniami przez prawdopodobieństwa związane z konkretnymi działaniami, zależy od kontekstu.
Np. Gdy leżysz płasko, twoje szanse na upadek są niewielkie. Ale to nie znaczy, że nie możesz upaść: co, jeśli ziemia pod tobą rozpadnie się z powodu trzęsienia ziemi. (mruga)