Está en la página 1de 3

TARGET MOTAD PARA LOS AMANTES DEL RIESGO Por Francis Mc. Cmaley y Richard K.

Rudel

RESUMEN Aunque los anlisis de riesgo de las alternativas discretas suelen identificar por lo menos un conjunto eficiente para las personas que prefieren el riesgo, la preferencia por el riesgo tiende a ser ignorado cuando las variables de decisin son continuas. En este trabajo se presenta una versin de Target MOTAD que se puede utilizar cuando hay preferencia por el riesgo.

TARGET MOTAD para los amantes del Riesgo Los economistas agrcolas utilizan diversas tcnicas para evaluar las alternativas de riesgo. Cuando las variables de decisin son continuas, la neutralidad de riesgo o aversin de riesgo es casi siempre asumido y la programacin matemtica se utiliza para encontrar soluciones ptimas. Por el contrario, cuando el nmero de opciones es pequeo, los supuestos sobre las preferencias de riesgo son algunas veces menos restrictivas y los criterios de dominancia estocstica se aplican con frecuencia. Es bastante comn identificar los conjuntos eficientes para los tomadores de decisiones que prefieren el riesgo, as como para los que tienen aversin al riesgo y / o aproximadamente neutrales al riesgo. El reciente estudio realizado por Larson y Mapp es uno de los varios que ha hecho. Friedman y otros han sugerido que el comportamiento de bsqueda de riesgo debe ser poco comn (o limitado) en la toma de decisiones financieras o de produccin ya que es posible comprar riesgo a precios muy bajos por azar. Esta opinin est apoyada en parte por los estudios empricos de las conductas de riesgo. Estos estudios suelen encontrar que los tomadores de decisiones son ms adversos al riesgo que amantes del riesgo (Tauer; Love and Robison, Rey y Oamek). Es conveniente prestar ms atencin a la aversin al riesgo que arriesgarse a buscar. Sin embargo, no parece razonable tener en cuenta tanto la aversin al riesgo y la preferencia por el riesgo cuando algunas alternativas discretas son factibles, pero ignorar casi por completo la preferencia por el riesgo cuando las variables de decisin son continuas. Este artculo sugiere que a menudo es posible considerar la preferencia por riesgo an cuando las variables de decisin son continuas. Una forma de hacerlo es aplicar una versin ms general del modelo Target MOTAD. Dos ejemplos simples: Comenzaremos por considerar dos ejemplos sencillos que ilustran algunos, pero no todos, los aspectos del problema de encontrar soluciones Target MOTAD para los tomadores de decisiones que prefieren el riesgo.

Para el primer ejemplo, hay dos estados de naturaleza igualmente probables y dos empresas. Sean X1 y X2 niveles de actividad (no negativo) de las empresas. El retorno neto recibido si el primer estado de la naturaleza se produce es (1) y1 = 100x1 + 40x2. Si el segundo estado de la naturaleza se produce, el retorno neto recibido es de (2) y2 = 80x1 + 120x2

Supongamos que la suma de X1 ms x2 no puede ser mayor que uno. Estas hiptesis implican que el conjunto de posibles combinaciones de y1 e y2 es el tringulo 0AE en la figura 1. La Tabla 1 presenta las coordenadas de los puntos marcados en la figura 1.

El modelo Target Motad es consistente con la hiptesis de utilidad marginal positiva del retorno neto. Esta hiptesis es razonable para amantes del riesgo. Esto significa que solo las combinaciones de retorno neto asociadas con la lnea AE deben ser consideradas. TABLA1: Soluciones factibles seleccionadas para el ejemplo.

El modelo target MOTAD tradicional maximiza el retorno neto esperado sujeto a un lmite superior sobre (el valor absoluto de) las desviaciones negativas esperadas (desde el Nivel objetivo). Esto puede ser ilustrado suponiendo un objetivo de 98 y un lmite superior de 7 en las desviaciones esperadas. La solucin ptima es D. Es tentador adoptar un enfoque anlogo para los que prefieren el riesgo. Podramos maximizar el rendimiento esperado sujeto a un lmite inferior sobre las desviaciones negativas esperadas o un lmite inferior de las desviaciones positivas esperadas con respecto al nivel objetivo. Supongamos que el nivel objetivo es 98 y se requiere que las desviaciones negativas esperadas sean al menos 18,5. B maximiza el rendimiento neto esperado sujeto a las restricciones de desviaciones esperadas. Aunque la maximizacin de utilidad indirecta de esta clase trabaje bien cuando se sume la aversin de riesgo, hay al menos dos problemas con ello cuando la preferencia para el riesgo es asumida. El primer problema es que aunque la programacin lineal pueda ayudar a encontrar soluciones ptimas, el enfoque en s no es un programa lineal. Esta dificultad puede ser inevitable; parece " ir con el territorio " cuando la preferencia para el riesgo es asumida. El segundo problema es que las soluciones obtenidas de este modo a menudo no maximizan la utilidad esperada para ningn miembro de la clase relevante de las funciones de utilidad. B puede maximizar la utilidad esperada para alguna funcin de utilidad pero es probablemente no maximiza la funcin de utilidad esperada para ninguna funcin de utilidad compatible con la preferencia para el riesgo. Esto seguramente no maximiza la utilidad esperada para ninguna funcin de utilidad que pertenece a la familia de las funciones de utilidad que es anloga (a y la extensin de) la familia de funciones de utilidad compatibles con el Objetivo convencional MOTAD. La b es asociada con un mximo local de utilidad esperada para el miembro de la familia de funciones de utilidad