Probabilidades y la incertidumbre del consumidor

Probabilidades y la incertidumbre del consumidor

Probabilidades e incertidumbre Una parte importante de la toma de decisiones en condiciones de incertidumbre es el cálculo de la utilidad esperada, que exige dos informaciones: el valor de la utilidad correspondiente a cada resultado (obtenido a partir de la función de uti- lidad) y la probabilidad de cada resultado. Aunque el enfoque de la utilidad es- perada parezca simple, en la práctica tendemos a tener dificultades para hacer esos cálculos, debido en parte a que muchos de nosotros carecemos de unos co- nocimientos básicos sobre la probabilidad. La gente a veces es propensa a un sesgo llamado ley de los pequeños números: tiende a sobreestimar la probabilidad de que ocurran ciertos acontecimientos • anclaje Tendencia a basarse principalmente en la información (sugerida) anterior cuando se toman decisiones. 28 Para una introducción a este tema, véase Amos Tversky y Daniel Kahneman, «Judgment un- der Uncertainty: Heuristics and Biases», Science, 1985, septiembre, 1974, págs. 1.124-1.131. 29 Tankim Hossain y John Morgan, «...Plus Shipping and Handling: Revenue (Non) Equivalence in Field Experiments on eBay», Advances in Economic Analysis & Policy, 6, 2, 2006. cuando tiene relativamente poca información de recuerdos recientes. Por ejem- plo, muchas personas tienden a sobreestimar la probabilidad de que ellas o al- guna otra persona que conocen mueran en un accidente aéreo o les toque la lo- tería. Recuérdese el jugador de la ruleta que apuesta al negro después de ver que sale rojo tres veces consecutivas: no ha tenido en cuenta las leyes de la proba- bilidad. Las investigaciones han demostrado que los inversores en la bolsa de valo- res a menudo tienen el sesgo de los pequeños números y creen que los elevados rendimientos obtenidos en los últimos años probablemente irán seguidos de ele- vados rendimientos en los próximos años, contribuyendo así al tipo de «conduc- ta gregaria» que hemos analizado en el apartado anterior. En este caso, los inver- sores evalúan el rendimiento probable de invertir observando el mercado durante un breve periodo de tiempo. En realidad, habría que estudiar los rendimientos de la bolsa durante muchas décadas para estimar con precisión el rendimiento esperado de las inversiones en acciones. Asimismo, cuando la gente evalúa la probabilidad de que los precios de la vivienda suban basándose en varios años de datos, las percepciones erróneas resultantes pueden provocar burbujas inmo- biliarias 30. Aunque los individuos conozcan en alguna medida las verdaderas probabi- lidades (como cuando lanzan una moneda al aire), surgen complicaciones cuan- do no se conocen las probabilidades. Por ejemplo, pocas personas saben cuál es la probabilidad de que ellas o un amigo tengan un accidente de automóvil o de avión. En esos casos, hacemos evaluaciones de las probabilidades subjetivas de que se produzcan esos acontecimientos. Nuestra estimación de las probabilida- des subjetivas puede ser cercana a las verdaderas probabilidades, pero a menu- do no lo es. La formación de probabilidades subjetivas no siempre es fácil y la gente ge- neralmente es propensa a varios sesgos. Por ejemplo, cuando se evalúa la proba- bilidad de un acontecimiento, el contexto en el que se hace la evaluación puede ser muy importante. Si ha ocurrido recientemente una tragedia como un acciden- te de avión, muchas personas tienden a sobreestimar la probabilidad de que les ocurra a ellas. Asimismo, cuando la probabilidad de que ocurra algo es muy, muy pequeña, muchas personas dejan de lado simplemente esa posibilidad cuando toman decisiones. Recapitulación ¿Dónde nos lleva esto? ¿Debemos desechar la teoría tradicional de los consumi- dores analizada en los Capítulos 3 y 4? En absoluto. De hecho, la teoría básica que hemos aprendido hasta ahora funciona bastante bien en muchas situaciones. Nos ayuda a comprender y evaluar las características de la demanda de los con- sumidores y a predecir los efectos que producen en ella las variaciones de los pre- cios o de la renta. Aunque no explica todas las decisiones de los consumidores, arroja luz sobre muchas de ellas. El nuevo campo de la economía de la conducta trata de explicar y de profundizar en las situaciones que el modelo básico de con- sumo no explica bien. 30 Véase Charles Himmelberg, Christopher Mayer y Todd Sinai, «Assessing High House Prices: Bubbles, Fundamentals and Misperceptions», Journal of Economic Perspectives, 19, otoño, 2005. EJEMPLO 5.7 Los taxistas de la ciudad de Nueva York La mayoría de los taxistas alquilan por una cantidad diaria fija los taxis de una compa- ñía que posee una flota de automóviles. Pueden decidir conducir el taxi tanto como quieran durante un periodo de 12 horas. Al igual que ocurre con muchos servicios, el negocio varía mucho de un día a otro, de- pendiendo del tiempo meteorológico, de las averías del metro, de las fiestas, etc. ¿Cómo responden los taxistas a estas variaciones, muchas de las cuales son en gran medida impredecibles? En muchas ciudades, las tarifas de los taxis están reguladas y no cambian de un día a otro. Sin embargo, en los días en los que hay mucho movimiento los taxistas pueden ganar más porque no tienen que pasar mucho tiempo bus- cando clientes. La teoría económica tradicional predeciría que los taxistas tra- bajarán más horas los días de mucho movimiento que los días de poca activi- dad; en una hora más un día de mucha actividad pueden ganar 20 dólares, mientras que en una hora más un día de poca actividad pueden ganar 10 so- lamente. ¿Explica la teoría tradicional la conducta real de los taxistas? En un estudio reciente se analizan los datos de la New York Taxi and Limousine Commission sobre el número real de trayectos realizados por los taxis en la primavera de 1994 31. La tarifa diaria de alquiler de un taxi era en- tonces de 76 dólares y la gasolina costaba alrededor de 15 dólares al día. Sorprendentemente, los investigadores han observado que la mayoría de los ta- xistas condujeron más horas los días de poca actividad y menos los días de mu- cha actividad. En otras palabras, existe una relación negativa entre el salario efec- tivo por hora y el número de horas diarias trabajadas; cuanto más alto es el salario, más pronto dejan de trabajar los taxis. La economía de la conducta pue- de explicar este resultado. Supongamos que la mayoría de los taxistas tienen un objetivo de renta para cada día. Ese objetivo es, de hecho, un punto de re- ferencia. La fijación de un objetivo diario de renta tiene sentido desde el pun- to de vista de la conducta. Es una sencilla regla de decisión para los taxistas, ya que solo tienen que tener un registro de las carreras realizadas durante el día. También ayuda a los taxistas que pueden tener problemas de autocontrol; sin un objetivo, muchos días un taxista podría decidir irse antes simplemente para evitar las complicaciones del trabajo. En el estudio de 1994, parecía que el ob- jetivo era de alrededor de 150 dólares al día. Otros estudios ponen en cuestión esa explicación basada en la economía de la conducta. Un estudio diferente, también de los taxistas de la ciudad de Nueva York que alquilaban sus taxis, llegó a la conclusión de que el modelo económi- co tradicional sí aporta importantes ideas sobre la conducta de los taxistas 32. El estudio llegó a la conclusión de que los ingresos diarios solo tenían una pe- queña influencia en la decisión del taxista sobre el momento de dejar de traba- 31 Colin Camerer, Linda Babcock, George Loewenstein y Richard Thaler, «Labor Supply of New York City Cabdrivers: One Day at a Time», Quarterly Journal of Economics, mayo, 1997, págs. 404-441. 32 Henry S. Farber, «Is Tomorrow Another Day? The Labor Supply of New York City Cabdrivers», Journal of Political Economy, 113, 2005, págs. 46-82. jar. La decisión de dejar de trabajar parece que se basa más bien en el número acumulado de horas ya trabajadas ese día y no en el cumplimiento de un ob- jetivo específico de renta. ¿A qué se deben estos resultados aparentemente contradictorios? Los dos estudios utilizaron técnicas diferentes para analizar e interpretar los registros de carreras de los taxis. Aunque los modelos de la conducta, como los que tie- nen puntos de referencia u objetivos, a menudo tienen interesantes implicacio- nes para la teoría económica, el modelo tradicional puede explicar en gran me- dida lo que observamos frecuentemente.


Señales de trading

Fuentes:

Burgos Baena, Agustín (2017). Análisis bursátil avanzado


Sobre el autor

Datos de contacto del autor

Agustín Burgos Baena
Agustín Burgos Baena

Doctor en Administración y Máster en finanzas en dirección financiera de empresas, análisis bursátil, valoración de empresas y gestión de activos financieros y bancarios.





Citar:

Burgos Baena, Agustín. (2017). Probabilidades y la incertidumbre del consumidor. Recuperado de: http://www.xprttraining.com/microeconomia/probabilidades_incertidumbre_consumidor.html

         

Experts Training (2017)