Econom´ıa del riesgo
Jorge Ponce
Maestr´ıa en Econom´ıa Internacional dECON - FCS
Motivaci ´on
Decisiones involucrantiempo (futuro),incertidumbreyriesgo
I Privado: educaci ´on, salud, ahorro e inversi ´on, etc.
I P ´ublico: energ´ıa, inversi ´on p ´ublica, estabilidad financiera, etc.
Importantes sectores especializados en manejo de riesgos
I Banca, finanzas, seguros, fondos de pensi ´on, etc.
Conceptos y modelos de lateor´ıa del riesgoy de lateor´ıa de la decisi´onson instrumentos para otras ´areas
I Econom´ıa de la informaci ´on, finanzas, etc.
¿Qu´e es riesgo? (Knight, 1921)
Incertidumbre: decisiones implican un conjunto de posibles resultados (aleatorios)
I En certidumbre, distinguir acci ´on, decisi ´on o elecci ´on de resultado
no tiene sentido
Riesgo: la distribuci ´on de probabilidades sobre los posibles resultados es conocida
Modelizaci ´on de riesgo:
I Variable aleatoria
I Distribuci ´on de probabilidades I Loter´ıa
Modelizaci ´on de incertidumbre:
I Actualizaci ´on bayesiana (Bayes, 1750)
Principales objetivos del curso
Introducir los principales conceptos de la teor´ıa del riesgo
Manipular las t´ecnicas b´asicas para el tratamiento del riesgo
Analizar la teor´ıa de la decisi ´on en condiciones de riesgo ´Enfasis en principios econ´omicos e intuici´on
Programa
I. Introducci ´on
II. Modelizaci ´on del riesgo
III. Preferencias y utilidad esperada
IV. Aversi ´on al riesgo
V. Dominaci ´on estoc´astica
VI. Manejo de riesgos: decisiones sobre seguros
VII. Reparto eficiente de riesgos
VIII. Informaci ´on asim´etrica y la oferta de seguros
IX. Riesgo e informaci ´on
X. Prevenci ´on ´optima
XI. Irreversibilidad y precauci ´on
Algunas excelentes referencias
Dixit, Avinash K. y Pindyck, Robert S. (1994).Investment under uncertainty. Princeton University Press.
Gollier, Christian (2001).The economics of risk and time.The MIT Press.
* Eeckhoudt, Louis; Gollier, Christian y Schlesinger, Harris (2005).Economic and financial decisions under risk.Princeton University Press.
Laffont, Jean-Jacques (1989).The economics of uncertainty and information.The MIT Press.
Teor´ıa econ ´omica y modelos
Mucho de la teor´ıa econ ´omica es acerca de
I Explicar y anticipar decisiones y elecciones de los agentes (positiva) I Sugerir decisiones, elecciones y comportamientos (normativa)
Modelos
I Representaciones “manejables” (matem´aticas) de la realidad I El supuesto es (generalmente) que los agentes econ ´omicos eligen la
opci ´on m´as “deseada” o “preferida”
I Interpretaci ´on: los agentes se comportan (aunque no
deliberadamente) “como si” optimizaran alguna funci ´on objetivo
I Esto no es necesariamente cierto, pero es aceptado si ofrece una
Riesgo modelado como loter´ıas
Supuesto (hasta nuevo aviso): los resultados posibles forman un conjunto finito,X={xn}, n=1, . . . ,N
Las preferencias y la elecci ´on son sobre loter´ıas
Loter´ıa simple: una distribuci ´on de probabilidades L= (x1,p1; . . . ;xn,pN), conpn≥0 y∑Nn=1pn=1
Dado el conjunto de resultados posiblesX, una loter´ıa queda completamente defenida en funci ´on de las probabilidades L= (p1, . . . ,pN), conpn≥0 y∑Nn=1pn =1
Ejemplo: dadoX={1, 2, 3}
Loter´ıa compuesta
Loter´ıa compuesta: una loter´ıa cuyos resultados posibles son loter´ıasL= (L1,p1; . . . ;LK,pK), conpk≥0 y∑Kn=1pk=1 y donde
Lk, k=1, . . . ,KsonKloter´ıas simples definidas enX
Ejemplo: dadoX={1, 2, 3}
L1=
1 2,
1 2, 0
L2=
1 2, 0,
1 2
L=
L1,
1 2;L2,
1 2
Pascal y Fermat (1600s): los primeros modelos
El valor de una loter´ıa (riesgo) debe ser igual a su valor esperado
4000 12000 1 2 e x 1 2
(4000,12; 12000,12)
E(ex) =8000
4000 8000 12000 e y 1 4 1 2 1 4
(4000,14; 8000,12; 12000,14)
¿Por qu´e el valor esperado no es un buen modelo?
¿Qu´e riesgo prefiere usted,exoey?
¿Apostar´ıa $1 a n ´umero en el lanzamiento de una moneda? ¿Y $1.000.000?
Com ´unmente la gente compra seguros (transforma riesgo en su valor esperado) y todav´ıa paga una prima por ello
Existe premio por riesgo en los mercados financieros
La paradoja de San Petesburgo (Bernoulli, 1738)
Se lanza una moneda hasta que aparezca la primera cara
Si la primera cara aparece en la tiradan, entonces se paga 2n ducados
¿Cu´anto est´a dispuesto a pagar usted para participar de este juego?
¿Cu´al es la ganancia esperada en este juego?
∞
∑
n=1
(2n)×
1 2
n
¿Y la varianza?
¿Por qu´e no adoptar un criterio de “media-varianza”?
Posiblemente una buena aproximaci ´on en muchos casos
I riesgos “peque ˜nos”
¿Cu´al de estas loter´ıas prefiere?
ex: (−1,
999 1000; 999,
1 1000)
ey: (1,
999
1000;−999, 1 1000)
Pero igual media e igual varianza!
e
xtienen asimetr´ıa positiva eeynegativa
La idea de Bernoulli (1738): funci ´on de utilidad
Sempronius tiene bienes en casa por 4000 ducados y bienes en el extranjero por 8000 ducados. La ´unica forma de traer los bienes del extranjero es por barco. La experiencia muestra que uno de cada dos barcos naufragaSempronius enfrenta un riesgo en su riqueza final
¿C ´omo se representa este riesgo (loter´ıa) si utiliza un s ´olo barco?
ex: (4000, 1 2; 12000,
1 2)
¿C ´omo se representa este riesgo (loter´ıa) si utiliza dos barcos?
e
y: (4000,1 4; 8000,
1 2; 12000,
La funci ´on de utilidad de Bernoulli
El sentido com ´un indica que diversificar es una buena idea
Pero el valor esperado de la riqueza finalE(ex) =E(ey) =8000
Bernoulli: “satisfacci ´on” o “utilidad” esperada
I Lo que importaex postes la satisfacci ´on reportada por la riqueza I La relaci ´on riqueza-satisfacci ´on, utilidadu(x), puede no ser lineal
(La funci´on de utilidad de Bernoulli est´a definida sobre resultados ciertos)
I u(x)cumple propiedades de racionalidad, ej.u0(x)>0
I Si adem´asu(x)es c ´oncaca,u00(x)<0(la utilidad marginal de la
riqueza es decreciente), ej.u(x)≡√x,u(x)≡lnx, entonces se preferir´aeyaex:
Eu(ex) = 1
2
√
4000+1
2
√
12000=86,4
Preferencias sobre riesgos (loter´ıas)
%representa la relaci ´on de preferencias del agente sobre loter´ıas Axiomas de las preferencias
I Completas:Para cada par de loter´ıasL1yL2sucede queL1L2,
queL2L1, o ambas (L1∼L2)
I Transitivas:SiL1%L2yL2%L3, entoncesL1%L3 I Racionales:Si son completas y transitivas
I Continuas:Para todaL1%L2%L3existeα∈[0, 1]tal que
(L1,α;L3,(1−α))∼L2
I Estos axiomas tienen su correlato en la teor´ıa del consumidor en
Continuidad: ¿razonable o no?
El Axioma de continuidad implica que siL1%L2entonces una loter´ıa
“cercana” aL1(digamos a una corta distanciaαen direcci ´on aL3:
αL1+ (1−α)L3) seguir´a siendo preferida aL2
Suena razonable
Suponga ahora queL1es recibir 10 pesos seguro,L2es recibir nada
seguro yL3es morir seguro.
¿Existe para usted unα∈[0, 1]tal que(L1,α;L3,(1−α))∼L2?
Preferencias representadas por funciones de utilidad
Debreu (1960)
Si la relaci ´on de preferencias%es
Racional (completa y transitiva), y continua
Entonces
Existe una funci ´on de utilidad,v(L), que representa las preferencias%
Esto es, dadas dos loter´ıas cualesquieraL1= (p11, . . . ,p1N)y
L2= (p21, . . . ,p2N)sobreX={xn}, n=1, . . . ,N,
El (controversial) axioma de independencia
Sin paralelo en la teor´ıa del consumidor en certidumbre
Crucial para la teor´ıa de la utilidad esperada
Foco de las disputas
Independientes:Para todoα∈(0, 1),L1%L2si y s ´olo si
(L1,α;L3,(1−α))%(L2,α;L3,(1−α))
SiL1es preferida aL2, entonces la posibilidad deL1tambi´en es
preferida aL2siempre y cuando en ambos casos la otra
Teorema de la utilidad esperada
Von Neumann y Morgenstern (1944)
Si la relaci ´on de preferencias%es
Racional (completa y transitiva), continua
Cumple el axioma de independencia
Entonces
La representaci ´on de utilidad esperada
La relaci ´on de preferencias%admite una representaci ´on a trav´es de una funci ´on de utilidad “atractiva”
v(L) =
N
∑
n=1
unpn≡U(L)
Es posible asignar n ´umerosun ≡u(xn)tales que, para dos loter´ıas cualesquieraL1= (p11, . . . ,p1N)yL2= (p21, . . . ,p2N),
L1%L2 si y s ´olo si U(L1) =
N
∑
n=1
unp1n ≥ N
∑
n=1
unp2n=U(L2)
Preferencias tienen una representaci ´on lineal en probabilidades
u(.)es la funci ´on de utilidad de Bernoulli
Discusi ´on de la teor´ıa de la utilidad esperada
Ventaja t´ecnica: muy conveniente anal´ıticamente
Discusi ´on: la paradoja de Allais (1953)
X={2,500,000; 500,000; 0}
L1= (0, 1, 0)%
10
100,10089,1001
=L2
U(L1) =u(5)≥ 10010u(25) +10089u(5) +1001 u(0) =U(L2)
u(5) +10089u(0)−10089u(5)≥
10
100u(25) +10089u(5) + 1001 u(0) +10089u(0)−10089u(5) 11
100u(5) + 10089u(0)≥ 10010u(25) + 10090u(0)
U(L3=
0,10011,10089)≥U(L4=
10 100, 0,10090
)
L3=
0,10011,10089 %10010, 0,10090) =L4
Una explicaci ´on: Kahneman y Tversky (1979)
Problema 1
$ 55 $ 48 $ 0 L1 0.33 0.66 0
L2 0 1 0
EligeL2
Problema 2
$ 55 $ 48 $ 0
L3 0.33 0 0.67
L4 0 0.34 0.66
EligeL3
Muestre que esto viola el axioma de independencia
Discusi ´on: la paradoja de Machina (1987)
X={Venecia; Pel´ıcula; Casita}
Venecia%Pel´ıcula%Casita
L1=
999
1000,10001 , 0
%1000999, 0,10001 =L2
Infinitos resultados posibles y utilidad esperada
(Nuevo aviso) los resultados posibles forman un conjunto cuyo cardinal es infinito: dinero, riqueza, etc.
Una loter´ıa puede ser descripta por su funci ´on de distribuci ´on acumulada
F:R→[0, 1];F(x) = Z x
−∞f(t)dt
Bajo los supuestos del teorema, es posible asignar niveles de utilidad,u(x), tal que toda loter´ıa,F(.), puede ser evaluada por su utilidad esperada
U(F) = Z
u(x)dF(x)
Preferencias dependientes del estado de la naturaleza
Modelar el riesgo como loter´ıas sobre resultados es una simplificaci ´on ´util si no se est´a interesado en sus causas
Imagine que un resultado es una operaci ´on al coraz ´on,
claramente no es lo mismo si la causa ha sido un ataque card´ıaco
Un modelo m´as rico tendr´a en cuenta estos componentes:
I X=conjunto de resultados
I S=conjunto de estados de la naturaleza (fuera de la voluntad de quien decide)
Ejemplo
S={ataque, no ataque}
Este conjunto de resultados depende del estado X∗={x∗1=operaci ´on,x∗2= no operaci ´on} Este conjunto es independiente del estado
X={x1=ataque y operaci ´on,x2=ataque y no operaci ´on,x3=
Un poco de notaci ´on
Consideramos riesgo sobre la riqueza final de un agente
wes el nivel de riqueza cierta (actual) del agente
El riesgo est´a dado por una loter´ıa (una variable aleatoria) sobre su riqueza futura,ez
La riqueza final del agente esex=w+ez
Aversi ´on al riesgo
Definici ´on 1
Un agente esaverso al riesgosi, para todo nivel de riquezaw, el agente rechaza cualquier loter´ıa cuyo valor esperado es cero:
∀w, ∀ez con Eez=0, Eu(w+ez)≤u(w)
Definici ´on 2
Un agente esaverso al riesgosi, para todo nivel de riquezaw, prefiere recibir con certeza el valor esperado de una loter´ıa a la loter´ıa misma:
Sempronius es averso al riesgo
w=4000
e
z=0,12; 8000,12
Eu(w+ez) = 12u(4000) + 12u(12000)≤u(8000) =u(w+Eez)
Riqueza
Utilidad
4000 8000 12000
a
b
c d
Aversi ´on al riesgo y diversificaci ´on
Eu(w+ez) = 12u(4000) + 12u(12000)≤u(8000) =u(w+Eez) Entonces,u(12000)−u(8000)≤u(8000)−u(4000)
Diversifica porque la p´erdida por transferir probabilidades de 12000 a 8000 es menor que la ganancia de transferir
probabilidades de 4000 a 8000
Utilidad
u(4000) u(8000) u(12000)
P´erdida
Aversi ´on al riesgo y diversificaci ´on (cont.)
Sempronius es averso al riesgo:
Eu(w+ez) = 12u(4000) + 12u(12000)≤u(8000) =u(w+Eez) Pruebe que Sempronious prefiere diversificar su riesgo: que prefiere usar dos barcos y enfrentar una riqueza final
e
y=w+ze0: (4000,14; 8000,12; 12000,14)a usar s ´olo uno y enfrentar una riqueza finalex=w+ez: (4000,
1
2; 12000,12)
Eu(ey)−Eu(ex)≥0?
Eu(ey)−Eu(ex) =
Aversi ´on al riesgo y desigualdad de Jensen (1906)
Un agente es averso al riesgo si y s ´olo siEu(w+ez)≤u(w+Eez)
Jensen (1906): la funci ´onf(ex)es c ´oncava si y s ´olo siEf(ex)≤f(Eex) Entonces, un agente es
I averso al riesgo si y s ´olo siu(.)es c ´oncava
I amante del riesgo si y s ´olo siu(.)es convexa
Premio por riesgo:
π
¿Cu´anto de su riqueza est´a dispuesto a sacrificar un agente averso al riesgo para deshacerse del riesgo?
El premio por riesgo,π, es tal que
Eu(w+ez) =u(w+Eez−π)
Riqueza
Utilidad
4000 8000 12000
Eu(w+ez)
u(w+Eez) w=4000
w+Eez=8000 w+Eez−π
Equivalente cierto:
e
¿Qu´e incremento en la riqueza cierta de un agente averso al riesgo es equivalente al riesgo asumido?
El equivalente cierto,e, es tal que
Eu(w+ez) =u(w+e)
Eez=e+π
Utilidad
4000 8000 12000
Eu(w+ez) u(w+Eez)
w=4000 w+e
Grado de aversi ´on absoluta al riesgo:
A
(
w
)
Arrow (1963) y Pratt (1964)Sin p´erdida de generalidad asuma queEez=0
Premio por riesgo:Eu(w+ez) =u(w−π) Expansiones de Taylor:
I u(w−π)uu(w)−πu0(w)
I
Eu(w+ez) uE[u(w) +ezu 0(w) +1
2ez
2u00(w)]
=u(w) +Eezu 0(w) +1
2Eez
2u00(w)
=u(w) +12σ2u00(w)
Entonces,πu 12σ2
h
−uu000((ww))
i
A(w)≡ −u 00(w)
Equivalencias
Sin p´erdida de generalidad considere unriesgo puro:Eez=0. Las siguientes sentencias son equivalentes:
El agente es averso al riesgo
La funci ´on de utilidad,u(.), es c ´oncava
El premio por riesgo es positivo:π>0
El equivalente cierto es negativo:e<0
Grados de aversi ´on al riesgo: comparaci ´on entre
agentes
Definici ´on
Suponga que dos agentesu1yu2tienen la misma riqueza ciertaw.
Entoncesu1es m´as averso al riesgo queu2si, para cualquier nivel de
riquezaw,u1rechaza toda loter´ıa que es rechazada poru2.
Las siguientes sentencias son equivalentes:
u1es m´as averso al riesgo queu2
Au1(w)≥Au2(w)
πu1 ≥πu2
eu1 ≤eu2
Ejemplo - Ejercicio
Considere el problema de Sempronius:w=4000, ez:(0,
1
2; 8000,12)
1 Muestre queu
1(w)≡ln(w)es m´as averso al riesgo que
u2(w)≡
p
(w)
2 Calcule y compare
1 Au
1conAu2
2 πu1conπu2
3 eu
Riqueza y aversi ´on absoluta al riesgo
Generalmente, gente m´as rica toma mayores riesgos (posiblemente porque los puede afrontar)
Aversi ´on absoluta al riesgo decreciente (DARA)
Un agente presenta aversi ´on absoluta al riesgo decreciente (la funci ´on de utilidadu(.)es DARA) si la funci ´onA(w)es decreciente en la riquezaw.
Dado queπu 12σ2A(w), entoncesA0(w)<0 implicaπ0(w)<0
Ejemplo - Ejercicio
1 Considere el problema de Sempronius:u(.) =√.,
e
z:(0,12; 8000,12)
1 Calcule el premio por riesgo,π, y el grado de aversi ´on absoluta al
riesgo,A, paraw=100 y paraw=1,000,000
2 Considere que una moneda se lanzatveces. El juego termina
cuando aparece la primera cara o luego de lanzar la monedaT veces. El jugador paga 100 por participar de cada tirada y gana 200 si sale cara.
1 Escriba la descripci ´on extensiva del juego (´arbol) paraT=1 y T=2
2 Muestre que un jugador con una utilidad DARA que es indiferente
Grado de aversi ´on relativa al riesgo
Grado de aversi ´on absoluta al riesgo,A(w)≡ −uu000((ww)), mide la tasa a la cual la utilidad marginal decrece cuando la riqueza aumenta en una unidad
Entonces, est´a expresada en unidades de riqueza
Grado de aversi ´on relativa al riesgo mide la tasa a la cual la utilidad marginal decrece cuando la riqueza aumenta 1 %
Entonces, es una elasticidad
R(w)≡ −du 0(w)
u0(w) w dw =−
wu00(w)
Algunas funciones de utilidad
Cuadr´atica
u(w) =aw−1 2w
2, con w≤a
¿Por qu´ew≤a?
Calcule el grado de aversi ´on absoluta al riesgoA(w)
Algunas funciones de utilidad (cont.)
CARA (m´as normal = muy conveniente)
u(w) =−exp(−aw) a
Calcule el grado de aversi ´on absoluta al riesgoA(w)
Asuma que la riqueza final,ex, se distribuye normal con mediaµ y varianzaσ2y demuestre que
Eu(ex) =u(µ− 1 2aσ
Algunas funciones de utilidad (cont.)
CRRA
u(w) = w
1−γ
1−γ, para w>0
Calcule el grado de aversi ´on relativo al riesgoR(w)
Si un agente es averso al riesgo, ¿qu´e restricci ´on se impone aγ?
¿Qu´e pasa siγ=1? ¿Qu´e soluci ´on encuentra?
u(w) =
( w1−γ
Otra paradoja del modelo de utilidad esperada: Rabin
(2000)
Aversi ´on a riesgos medios implica una implausible aversi ´on a riesgos grandes
Esto es debido a que la concavidad (curvatura) de la funci ´on de utilidad debe ser muy grande
Aversi ´on a las p´erdidas: Kahneman y Tversky (1979)
Una explicaci ´on es que las personas tienden a sobrevalorar las p´erdidas
Entonces, ante una p´erdida de $100 por una ganacia de $110 las personas focalizan en la p´erdida. En cambio, una p´erdida de $1000 ante la posibilidad de ganar $10000000000000 no se escala de la misma manera (cosa que hace la teor´ıa de la utilidad esperada)
Prospect theory and regret aversion
Ejemplo: bajo utilidad esperada la decisi ´on de vender un activo est´a basada en el precio actual y las expectativas de precios futuros, no en los precios hist ´oricos. Sin embargo, para algunos vender un activo a $1800 cuando hace unos d´ıas estuvo a $2000 puede ser interpretado como una p´erdida
Prospect theory:
I Evaluar con un punto de referencia, por encima son ganancias, por
debajo son p´erdidas
I Apreciar ganancias menos que p´erdidas de igual tama ˜no I Despreciar p´erdidas tanto como para tomar mayores riesgos a
Una funci ´on de utilidad con regret aversion
“La felicidad de vender a $1800 es reducida por no haber vendido a $2000”
u(w) =v(w)−k×g(v(wmax)−v(w))
wes riqueza final
wmaxes la riqueza final que el individuo podr´ıa haber recibido de haber hecho la elecci ´on ´optima (Nota:wmaxdepende del estado de la naturaleza y es, por tanto, una variable aleatoria)
v(.)es la tradicional funci ´on de utilidad de Bernoulli g(.), cong0>0,g00>0, yg(0) =0, representa la alegr´ıa o el lamento por perder la mejor alternativa
Din´amica y apetito por riesgo
ex-ante
y
ex-post
Un agente con regret aversion observa una sucesi ´on de precios de su activo y en cada per´ıodo puede aceptar la oferta pero no reconsiderar las opciones pasadas
Regret y su anticipaci ´on afectan las decisiones por tres razones:
I Un precio alto en el pasado reduce la utilidad de aceptar hoy I El riesgo de menores precios en el futuro reduce el beneficio de
esperar
I Gambling for resurrectiones m´as atractivo ya que se podr´ıa evitar el
efectoregret
De funciones de utilidad a distribuciones de
probabilidades
Hasta ahora: comparaciones sobre funciones de utilidad (mismo riesgo, diferentes agentes)
Ahora: comparaciones sobre funciones de distribuci ´on, loter´ıa, (mismo agente, diferentes riesgos)
¿Bajo qu´e condiciones una loter´ıa genera, sin ambig ¨uedad, mayor retorno que otra?
¿Bajo qu´e condiciones una loter´ıa es, sin ambig ¨uedad, m´as riesgosa que otra?
Dominaci ´on estoc´astica de primer orden
Definici ´on
La distribuci ´on de riqueza finalxe1domina axe2en el sentido de dominaci ´on estoc´astica de primer orden si todos los individuos con funciones de utilidad,u, no decrecientes prefierenxe1axe2:
E[u(xe2)]≤E[u(xe1)] para todo x1,x2
Restricciones sobre preferencias:
Dominaci ´on estoc´astica de primer orden (cont.)
Las siguientes condiciones son equivalentes:
e
x1domina axe2en el sentido de dominaci ´on estoc´astica de primer orden
e
x2se obtiene a partir dexe1mediante la transferencia de masa de probabilidades de los estados altos de riqueza final a los estados bajos
F2(x)≥F1(x)para todox
Ejercicio:
Muestre la segunda condici ´on
Dominaci ´on estoc´astica de primer orden (fin)
Notas:
FOSD no implica que los posibles retornos de la distribuci ´on dominante son mayores que los posibles retornos de la distribuci ´on dominada
FOSD implica queE[xe2]≤E[xe1]
Dominaci ´on estoc´astica de segundo orden
Definici ´on
Dadas dos distribuciones de riqueza finalxe1yxe2con la misma media, e
x1domina axe2en el sentido de dominaci ´on estoc´astica de segundo orden si todos los individuos con funciones de utilidad,u, no decrecientes yc´oncavasprefierenxe1axe2:
E[u(xe2)]≤E[u(xe1)] para todo x1,x2
Restricciones sobre preferencias:
I Soporten una representaci ´on de utilidad esperada I Que la funci ´on de utilidad de Bernoulli sea no decreciente I Que la funci ´on de utilidad de Bernoulli sea c ´oncava (el agente
Dominaci ´on estoc´astica de segundo orden (cont.)
Las siguientes condiciones son equivalentes:
e
x1domina axe2en el sentido de dominaci ´on estoc´astica de segundo orden
e
x2se obtiene agregando riesgo de media cero,eecon
E[ee|xe1=x1] =0 para todox1, axe1:
e
x2∼xe1+ee
e
x2se obtiene como una secuencia demean-preserving spreadsdexe1
S(x)≡Rx
Dominaci ´on estoc´astica de segundo orden (cont.)
Incremento en riesgo (Rothschild y Stiglitz, 1970, 1971)
Considere el problema de Sempronius:w=4000,
e
z:(0,12; 8000,21), entoncesxe1:(4000,
1
2; 12000,12)
Asuma que los bienes del extranjero son 8000 unidades
Se agrega riesgo: con igual probabilidad el precio es 0,5 o 1,5
e
e|x1=4000 :(0, 1), ee|x1=12000 :(−4000,
1
2; 4000,12)
Note queE[ee|xe1=x1] =0
e
x2∼xe1+ee, xe2:(4000,
1
2; 8000,14; 16000,14)
Note queE[xe1] =E[xe2] =8000
E[u(x˜1)] = 12
√
4000+12√12000=86,4 E[u(x˜2)] = 1
√
Dominaci ´on estoc´astica de segundo orden (cont.)
Reducci ´on en riesgo y diversificaci ´on
Sempronious prefiere diversificar su riesgo: que prefiere usar dos barcos y enfrentar una riqueza final
e
y=w+ze0 : (4000, 1 4; 8000,
1 2; 12000,
1 4)
a usar s ´olo uno y enfrentar una riqueza final
e
x=w+ez: (4000,1 2; 12000,
1 2)
Ejercicios:
Muestre que existe un incremento en riesgoeetal queex∼ey+ee
Muestre que dadosxe1iidxe2,
e
x1+xe2
Dominaci ´on estoc´astica de segundo orden (fin)
Mean-preserving spready la condici ´on de la integralUnmean-preserving spreades generado al transferir masa de probabilidades hacia los extremos de la distribuci ´on sin alterar la media
El incremento en riesgo anterior es unmean-preserving spread
f1
,
f2
4 8 12 16
1 4 1 2
f1
f2 F,1
F2
4 8 12 16
1 2 3 4
1
F1 ,F2
Ejercicio
Indique si es un incremento en riesgo
Prudencia o aversi ´on al riesgo en estados bajos
Considere el problema de Sempronius:w=4000,
e
z:(0,12; 8000,21), entoncesxe1:(4000,
1
2; 12000,12)
Considere que la incertidumbre en precio se da cuando el barco llega a puerto (estado alto):
I
e
x2:(4000,12; 8000,14; 16000,14)
I Esto es un riesgo
e
e:(−4000,12; 4000,12)en el estado alto
I O,
e
x2:(4000,12; 12000+ee,
1 2)
Considere el mismo riesgo en el estado bajo:
I
e
x3:(4000+ee,
1
2; 12000,12), oxe3:(0,
1
4; 8000,14; 12000,12)
Ejercicio: muestre quexe2yxe3no se dominan mutuamente
Prudencia
Prudencia si y s ´olo si
u
0(
.
)
convexa:
u
000(
.
)
>
0
Prudencia si y s ´olo si
u
000(
.
)
>
0
Decisiones sobre seguros
Seguros son importantes en la vida corriente
I Agentes se cubre y/o intercambian riesgos I Inversi ´on y toma de riesgos
I Educaci ´on, capital humano y riesgo
Asegurador
I Diversifica riesgo por la Ley de los Grandes N ´umeros (siempre que
los riesgos individuales no est´en muy correlacionados)
I Puede ser considerado neutral al riesgo
I Principio de Mutualidad: en esencia, los demandantes de seguros
El problema
El riesgo a asegurar
I El agente tiene una riqueza ciertaw I Enfrenta una p´erdida aleatoria
ez≥0
I Por tanto, su riqueza final es
ex=w−ez El contrato de seguro
I Una prima (precio del contrato)P
I Una indemnizaci ´onI(z)para todoz∈soporte de
ez
I Valor actuarial del contratoEI(ez)
I Prima actuarialmente justa siP=EI(ez)
La optimalidad del seguro total
Seguro total:I(z) =zpara todoz∈soporte deez
Sin seguro:
Eu(w−ez) =u(w−e) =u(w−Eez−π)
Con seguro:
Eu(w−P−ez+I(ez)) =u(w−P)
=u(w−EI(ez))
=u(w−Eez)
Prima m´axima de un seguro total
Eu(w−ez) =u(w−Eez−π)
=u(w−Pmax)
Entonces
Pmax= Eez |{z}
valor actuarial
+ π
|{z}
premio por riesgo
Est´atica comparada
Pmax>Eez(valor actuarial) si el individuo es averso al riesgo
Pmaxcrece en el valor actuarial del contrato
Seguros parciales
En la pr´actica existen costos de transacci ´on
Costos de transacci ´on (loading factor)
I Indemnizaci ´onI(z)para todoz∈soporte deez
I Valor actuarial del contratoEI(ez)
I Prima incluye costos de transacci ´onP= (1+λ)EI(
e
z), conλ≥0 La decisi ´on ´optima puede implicar seguros parciales
I Co-seguro:I(z) =βz, con 0≤β≤1
I Deducible:
Co-seguro ´optimo
Riqueza final con seguro:xeI=w−P−ez+I(ez)
En el caso de co-seguro:xeI=w−(1+λ)βEez−ez+βez
El problema:
m´ax
0≤β≤1Eu(xeI)
Ejercicio:
I Calcule las condiciones de primer I Calcule las condiciones de segundo orden I Pruebe que, en el ´optimo,
cov[u0(xeI);ez]
E[u0(xeI)]
Co-seguro ´optimo
Teorema de Mossin (1968)
Siβ=0,cov[u0(xeI);ez]>0
Siβ=1,cov[u0(xeI);ez] =0 ∂cov[u0(xeI);ez]
∂β <0
β 1
λEez cov[u0(xeI);ez]
E[u0(
e xI)]
β∗
Seguro total,β∗ =1, es ´optimo si la prima es actuarialmente justa,λ=0
Seguro parcial,β∗<1, es ´optimo si la prima incluye costos de transacci ´on,λ>0
Co-seguro ´optimo
Est´atica comparada: mayor aversi ´on al riesgo
Considere dos individuos con funciones de utilidadu1yu2crecientes
y c ´oncavas. Siu1es m´as averso al riesgo queu2, entoncesβ∗1≥β∗2
β 1
λEez cov[u0
2(xeI);ez] E[u0
2(xeI)]
β∗2 cov[u01(xeI);ez]
E[u01(xeI)]
Co-seguro ´optimo
Est´atica comparada: incremento en riqueza
Un incremento en la aversi ´on al riesgo incrementa la demanda por seguros
Entonces, si DARA, un incremento en la riqueza reduce la demanda por seguros
Si DARA, seguros son bienes inferiores
Un incremento en la riqueza inicial (cierta)
Reduceβ∗siuexhibe aversi ´on al riesgo absoluta decreciente
Incrementaβ∗siuexhibe aversi ´on al riesgo absoluta creciente
Seguro con deducible
Deducible: I(z) =0 si z≤d I(z) =z−d si z>d O,I(z) = [z−d]+
P= (1+λ)EI(ez)
Muestre que hay una relaci ´on inversa entre deducible,d, y la prima,P. En particular, muestre que
∂P
Deducible ´optimo
Riqueza final con seguro:
e
xI= (
e
x1=w−P(d)−ez si z<d
x2=w−P(d)−d si z≥d
Muestre que el deducible ´optimo,d∗, es tal que
(1+λ)Eu0(xeI) =u
0(x
2)
Muestre que siλ=0, entoncesd∗=0 (un seguro total) y que si
La optimalidad de un seguro con deducible
Seguro ´optimo: seguro total sobre un deducible
Resumen parcial
Cuando las primas son actuarialmente justas, los individuos aversos al riesgo encuentran ´optimo adquirir un seguro total (Mossin, 1968)
Seguros parciales (total sobre un deducible) son ´optimos para un individuo averso al riesgo si hay costos de transacci ´on (λ>0), o riesgo moral (Holmstrom, 1979), o selecci ´on adversa (Rothschild y Stiglitz, 1976)
Aversi ´on a equivocarse -
Regret aversion
El contrato de co-seguro
Individuo con aversi ´on a equivocarse: u(w) =v(w)−k×g(v(wmax)−v(w)) Co-seguro con
I indemnizaci ´onI(z) =βz,β∈[0, 1]
El contrato de co-seguro: ejercicio
Muestre que la riqueza final del individuo es w(β) =w0−(1+λ)βE[ez]−(1−β)z
Muestre que
I la decisi ´on ´optimaex postes un seguro total (β=1) si
z>(1+λ)E[ez], y no seguro (β=0) en otro caso
I el nivel ´optimoex postde riqueza final es
wmax=w0−m´ın{z,(1+λ)E[ez]}
Muestre que el individuo decidir´a por un seguro parcial (β∗<1) aunque el precio sea actuarialmente justo (λ=0)
Contrato con deducible
VI. Manejo de riesgos:
decisiones sobre
El problema de portafolio
Riqueza inicialw
Posibilidades de inversi ´on: libre de riesgo con retornory con riesgozcon distribuci ´onF
Invirtiendoaen el activo riesgoso:az+ (w−a)r
Derive la condici ´on de primer orden
Explique qu´e har´ıa un inversor neutral al riesgo
Demuestre que un inversor averso al riesgo invertir´a algo en el activo riesgoso si este tiene una tasa de retorno esperada superior a la tasa libre de riesgo
Algunas puntualizaciones previas
Hasta ahora se ha considerado un ´unico individuo
Ahora se considera el reparto eficiente de riesgo entre agentes
Reparto de riesgos: un ejemplo
Recuerde que Sempronius prefiere diversificar su cargamento en dos barcos,yeS : (4000,
1
4; 8000,12; 12000,14), a utilizar s ´olo uno,
e
xS: (4000,12; 12000,12)
Asuma que Jacobus es averso al riesgo y enfrenta el mismo problema que Sempronius pero en una ruta independiente
Muestre que ambos preferir´an utilizar s ´olo un barco cada uno y repartir la mercader´ıa (riesgo) en partes iguales, xeS+xeJ
2 , a utilizar
s ´olo un barco y no repartir el riesgo,xeiparai=S,J
¿Qu´e pasa si los riesgos est´an correlacionados (las rutas no son independientes)?
El modelo: una econom´ıa de intercambio
nagentes aversos al riesgo:ui,i=1, . . . ,ncrecientes y c ´oncavas
Riesgo:
I Ex antenadie conoce qu´e estado de la naturaleza prevalecer´a I El estado de la naturaleza es una v.a. discreta,
es, con soporte finito
I La riqueza futura de los agentes dependen del estado de la
naturaleza:xi(s)6=xi(s0)
I Para cada estadosla riqueza futura total de la econom´ıa es:
X(s) =∑ni=1xi(s)
Definiciones
Reparto
posible
de riesgos
Un reparto de riesgos es posible si
ning ´un agente finaliza con una riqueza final negativa:yi(s)≥0
la riqueza final de todos los agentes es igual a la riqueza total en la econom´ıa:∑n
i=1yi(s) =X(s)para todosen el soporte dees
Reparto
eficiente
de riesgos
Un reparto de riesgos es eficiente si
es posible
Caracterizaci ´on de un reparto eficiente de riesgos
m´axy1(.),...,yn(.)∑n
i=1Eui[yi(es)]sujeto a∑ n
i=1yi(s) =X(s)para todo
sen el soporte dees
m´axy1(.),...,yn(.)E[∑
n
i=1ui[yi(es)]]sujeto a∑ n
i=1yi(s) =X(s)para todosen el soporte dees
La soluci ´on a este programa puede ser obtenida resolviendo la secuencia de soluciones para cada uno de los estados:
m´ax y1(s),...,yn(s)
n
∑
i=1
ui[yi(s)]sujeto a n
∑
i=1
Caracterizaci ´on de un reparto eficiente de riesgos
(cont.)
m´axy1(s),...,yn(s)∑n
i=1ui[yi(s)]sujeto a ∑ni=1yi(s) =X(s)
Ł=u1[y1(s)] +· · ·+un[yn(s)]−µ(s) [y1(s) +· · ·+yn(s)−X(s)] CPO
u0i[yi(s)] =µ(s)para todoi=1, . . . ,ny para todos los estadoss
La condici ´on de Borch (1962) para un reparto eficiente
Las tasas marginales de sustituci ´on entre dos estadossys0 cualesquiera tienen que ser iguales para dos agentesiyj cualesquiera:u0i[yi(s)] u
0
El Principio de Mutualidad
Note que
SiX(s) =X(s0), entoncesyi(s) =yi(s0)para todoi=1, . . . ,n
yi(s)no depende dexi(s), pero si deX(s)
El Principio de Mutualidad
Un reparto Pareto eficiente de riesgos tiene la particularidad de que en cada estado la riqueza final de cualquier agente,yi(s), solamente depende de la riqueza total en la econom´ıa,X(s), y no de la riqueza individual de cada agente
Reparto eficiente de riesgo no diversificable
CPO:u0i[yi(s)] =µ(s) =u0j[yj(s)]Principio de Mutualidad (normalizaci ´on):yi(s) =yi(X(s))
Entonces:u0i[yi(X(s))] =uj0[yj(X(s))]
Diferenciando respecto aX(s):
u00i[yi(X(s))]y0i(X(s)) =u00j[yj(X(s))]y0j(X(s))
Entonces: u 00 i[yi(X(s))]
u0
i[yi(X(s))]y 0
i(X(s)) =
u00j[yj(X(s))]
u0
j[yj(X(s))]y 0
j(X(s))
Aversi ´on al riesgo y reparto eficiente
Reparto eficiente de riesgo no diversificable (cont.)
Aiy0i(X(s)) =Ajy0j(X(s)) ∑n
i=1yi(X(s)) =X(s) Entonces:∑ni=1yi0(X(s)) =1 Y, por tanto: 1= Ajy
0 j(X(s))
∑iAi
El riesgo debe ser repartido en proporci ´on a la tolerancia
Un reparto eficiente de riesgo no diversificable implica que el riesgo debe ser repartido en forma proporcional a la tolerancia la riesgo de los agentesy0j(X(s)) =
VIII. Informaci ´on
Selecci ´on adversa: elementos del modelo
La riqueza final de un agente esex=w+ez
e
ztiene soporte en{−L, 0}
Agentes id´enticos excepto en su probabilidad de p´erdida:
0<pG <pB<1
La probabilidad de p´erdida es informaci ´on privada de cada agente
La proporci ´on de agentes malos es 0<α<1
Las primas son actuarialmente justas,λ=0
Aseguradores pueden diversificar riesgos, son neutrales al riesgo
Selecci ´on adversa: informaci ´on perfecta, seguro total
Informaci ´on perfecta + prima justa = seguro total (Mossin)
Primas:PB=pBLy
PG=pGL
Contratos de seguro en equilibrio
Definici ´on: Rothschild y Stiglitz (1976)
Un conjunto de contratos de seguro est´a en equilibrio si
todos los contratos (primaP, co-seguroβ) ofrecen un beneficio esperado de cero para el asegurador
Contratos
pooling
no son de equilibrio
Un equilibrio de Rothschild y Stiglitz bajo selecci ´on adversa no puede contener un contratopooling
Contratos
separadores
Cada contrato obtiene un beneficio esperado igual a cero
Contratos
separadores
(cont.)
Cada contrato obtiene un beneficio esperado igual a cero
El contrato para los buenos asegurados no tiene que ser elegido por los malos (compatibilidad de
Contratos
separadores
pueden no existir
Si la proporci ´on de malos asegurados es baja,αes peque ˜no
Contratos de seguro en equilibrio
Riesgo moral: elementos del modelo
La riqueza final de un agente esex=w+ez
e
ztiene soporte en{−L, 0}
Agentes id´enticos
La probabilidad de p´erdida depende del esfuerzo del asegurado:
0<pE=pN−e<pN<1
Esfuerzo cuestacunidades de utilidad
Las primas son actuarialmente justas,λ=0
Aseguradores pueden diversificar riesgos, son neutrales al riesgo
Riesgo moral y contratos de seguros
Cada contrato obtienen un beneficio esperado igual a cero
Riesgo moral y prima no lineal:
P(β) = (
βpEL si β≤βD βpNL si β>βD
El valor de la informaci ´on privada
La riqueza final de Semproniusex:(4000,
1
2; 12000,12)
Seguro total a 4400 (λ=10 %)
Con seguro:Eu(.) =√12000−4400=87178
p0es la creencia de ´exito de Sempronius sin acceso a informaci ´on
Sin seguro: Eu(.) =p0
√
12000+ (1−p0)
√
4000=46299p0+63246
V(p0) =m´ax{87178; 46299p0+63246}
El valor de la informaci ´on privada (cont.)
Asuma quep0=0,5, entonces compra seguro yV(p0) =87178
Informaci ´on: con probabilidadq=0,5 recibe una buena se ˜nal, e.g. no hay piratas (pG =0,75), y con probabilidad 1−q=0,5 recibe una mala se ˜nal (pB=0,25)
Buena se ˜nal:V(pG) =46299×0,75+63246=97970
Mala se ˜nal:V(pB) =87178
Ex ante:VI=qV(pG) + (1−q)V(pB) =92574>87178=V(p0)
El efecto Hirshleifer
Asuma que existe un mercado de seguros tal que todo riesgoez puede ser asegurado a una prima justa (λ=0)
En el primer ´optimo todos los agentes adquieren un seguro total a la prima justa
Asuma ahora que se introduce una tecnolog´ıa quehace p ´ublicala informaci ´on sobre qui´en sufrir´a una p´erdida y su tama ˜no
Ya no habr´a nada que asegurar; los aseguradores no pueden asegurar riesgos realizados
Prevenci ´on o auto-protecci ´on
En muchos casos es posible alterar la distribuci ´on de riesgos
I control de p´erdidas I prevenci ´on I auto-protecci ´on
Prevenci ´on ´optima bajo neutralidad al riesgo
Considere un agente neutral al riesgo
Enfrenta una p´erdidaLcon probabilidadp
Puede realizar una inversi ´onepara prevenir el riesgo:pes una funci ´on dee,p(e), conp0 <0 yp00≥0
El nivel de prevenci ´on ´optima,e∗, es tal que
e∗∈arg m´ın
e≥0e+p(e)L
La condici ´on de primer orden es necesaria y suficiente
Prevenci ´on ´optima bajo aversi ´on al riesgo
A priori podr´ıa pensarse que un individuo averso al riesgo preferir´a un nivel de prevenci ´on superior ae∗
Mayor prevenci ´on hace los mejores estados m´as probables
Mayor prevenci ´on reduce la riqueza final en todos los estados de la naturaleza
Entonces, un agente averso al riesgo puede encontrar la
Irreversibilidad y precauci ´on
Algunas decisiones implican acciones irreversibles
I Por ejemplo, la obra civil para instalar una planta fabril
Precauci ´on: diferir la decisi ´on a la espera de mejores condiciones o nueva informaci ´on
Ejemplo: ¿cu´ando invertir?
t=0 t=1 t=2
200
250
312,5
187,5 150
112,5
Ejemplo: ¿cu´ando invertir? (cont.)
t=0 t=1 t=2
20
70
132,5
7,5 0
0
Ejemplo: ¿cu´ando invertir? (cont.)
t=0 t=1
46,5
78,6
4,3
Ejemplo: ¿cu´ando invertir? (fin)
t=0 t=1 t=2
Esperar
Esperar
Invertir
Invertir Esperar
No Invertir
Ejercicio: ¿cu´ando abandonar?
t=0 t=1 t=2
553
679
832
553 451
368