Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Eloy Ávalos
Online at https://mpra.ub.uni-muenchen.de/42339/
MPRA Paper No. 42339, posted 30. October 2012 14:31 UTC
CIEC
Centro de Investigaciones Económicas
Documento de Trabajo Nº 18
Eloy Ávalos
Mayo 29, 2011
Eloy ÁVALOS1
Universidad Nacional Mayor de San Marcos e IESR
Resumen
En este documento desarrollamos la teoría de la incertidumbre bajo un
contexto donde los riesgos que corre el individuo son medibles y soportables.
Utilizaremos fundamentalmente la idea de loterías para formular los
axiomas de las preferencias del consumidor, y su representación a través de
la función de utilidad von Neumann – Morgenstern. Estudiaremos el
teorema de la utilidad esperada y sus propiedades, las paradojas de elección
bajo incertidumbre y finalmente las medidas de aversión al riesgo a la luz de
las loterías monetarias.
Abstract
In this paper we develop the theory of uncertainty in a context where the
risks assumed by the individual are measurable and manageable. We
primarily use the definition of lottery to formulate the axioms of the
individual's preferences, and its representation through the utility function
von Neumann - Morgenstern. We study the expected utility theorem and its
properties, the paradoxes of choice under uncertainty and finally the
measures of risk aversion with monetary lotteries.
1 Contacto: Departamento de Economía, Universidad Nacional Mayor de San Marcos, Lima 01,
Teléfono 619-7000, Anexo 2210; y Centro de Investigaciones Económicas del Instituto de Estudios
Sociales del Rímac, Pueblo Libre. Email: eavalosa@unmsm.edu.pe.
[2]
1. DEFINICIONES: INCERTIDUMBRE Y RIESGO
La definición de incertidumbre, en el campo de la ciencia económica, ha llamado la
aquella situación donde el individuo o agente enfrenta sucesos de los que él desconoce su
agente.
frente a sí, resultados futuros estocásticos como consecuencia de una acción (elección)
incertidumbre,
eléctrico, ya que desconoce el tiempo de vida o la calidad del artefacto, por lo que en
[3]
En cuanto al riesgo, éste existe si el individuo opera bajo un contexto de
respecto:
proyecto B, dado que desconoce cuáles podrían ser los retornos futuros, corre el “riesgo”
Entonces, una situación de riesgo puede conllevar a pérdidas para el individuo. Pero
individuo puede tener cierto nivel de riqueza tal que le permita absorber las pérdidas
obtenidas; y en el segundo caso, las pérdidas pueden ser de tal magnitud que el
soportable. Un ejemplo del primer caso es cuando alguien juega una lotería de “resultado
futbolístico”, y del segundo cuando buena parte de la riqueza está expuesta a daños
Por otro lado, una situación de riesgo implica que el individuo decisor debe evaluar
los sucesos posibles. Podemos tener que el individuo conoce el mecanismo generador de
probabilidades. En ese caso, el riesgo puede ser medible. Luego, si el individuo está
donde las pérdidas están condicionadas por los resultados posibles del lanzamiento de
una moneda o de un dado al aire. Un riesgo no medible, sería el riesgo que corren las
[4]
inversiones de un agricultor frente a un clima cambiante o desastres naturales, como las
inundaciones.7
puede sintetizarse en la siguiente tabla, aquí que sigue la expuesta por Figueroa,8
decidir o realizar alguna acción en el presente pero cuyas consecuencias posibles son
decide elegir o realizar una acción y otro donde se hará efectivo uno de los resultados
posibles. Así, bajo incertidumbre existe una variable aleatoria que determina la obtención
de un resultado u otro.
[5]
posibles. Es decir, aquí supondremos que el individuo conoce la distribución de
probabilidades. 9
Ahora, en todo contexto de incertidumbre existen “estados del mundo, que son
mundo,
S = {e 1 , e 2 , … , e s , … , e S }
condicionados por el conjunto S . Además, dado que cada estado del mundo es posible
iii. El individuo diferencia los S estados del mundo y sabe finalmente cuál de ellos se
hace efectivo.
Así, de acuerdo a este axioma, los estados del mundo cumplen las propiedades
9 Al respecto: “The approach here does not allow for the psychological sensations of vagueness or confusion
that people often suffer in facing situations with uncertain (risky) outcomes. In our model neither vague nor
confused. While recognizing that his knowledge is imperfect, so that he cannot be sure which state of the
world will occur, he nevertheless can assign exact numerical probabilities representing his degree of belief as
to the likelihood of each posible state.” Ver HIRSHLEIFER y RILEY (1992: p. 7 – 8).
10 Estos estados del mundo, también se les llamará indistintamente, como ocurrencias, escenarios o
sucesos posibles.
11 Exhaustivo por que el conjunto S contiene todos los estados del mundo que podrían darse para el
futuro, dada la acción realizada por el individuo. Y es mutuamente excluyente, porque en el
futuro no podrían hacerse efectivo dos o más estados del mundo a la vez.
[6]
- p [ e s ∪ e t ] = ρ s + ρ t , ∀s , t = 1,… , S ; s ≠ t .
- p [ e s ∩ e t ] = 0 , ∀s , t = 1,… , S ; s ≠ t .
S
- ∑ ρs = 1
s=1
Z = ∪ s∈S z s = ∪ k∈X z k
⋮ ⋮ ⋮ … ⋮ … ⋮
xk z 1k z k2 … z ks … z Sk
⋮ ⋮ ⋮ … ⋮ … ⋮
xn z n1 z n2 … z ns … z nS
[7]
De donde, los conjunto definidos líneas arriba, quedan respectivamente definidos
S = {e 1 , … , e s , … , e S }
X = { x 1 ,… , x k ,… , x n }
r = ( ρ 1 , ρ 2 ,… , ρ s ,… , ρ S )
- Los conjuntos de resultados posibles, según cada estado del mundo o según cada
alternativa elegida,
(
z s = z 1s , z 2s ,… , z ks ,… , z ns ) y z k = ( z 1k , z k2 ,… , z ks ,… , z Sk ) , ∀k = 1,… , n ∧ ∀s = 1,… , S .
{
Z = z11 ,… , z1s ,… , z1S , z 12 ,… , z 2s ,… , z 2S ,… , z 1k ,… , z ks ,… , z Sk ,… , z n1 ,… , z ns ,… , z nS }
Por ejemplo, la decisión de contraer matrimonio implica un contexto de
incertidumbre, ya que el resultado posible de esta decisión dependerá de qué estado del
14 A este nivel de análisis este conjunto puede identificarse con el espacio n – dimensional, si los
resultados son canastas de bienes, o simplemente con el conjunto de número reales, en el caso de
que se tratasen de resultados monetarios por ejemplo.
15 La distribución de probabilidades, por ejemplo, podríamos asumir que es conocida por el
individuo a través de la información existente de cuántos matrimonios se encuentran en una u
otra situación del total de la población.
[8]
Estados del mundo
Casado Separado Divorciado
ρ = 7 ρ = 1 ρ = 1
1 2 3
10 5 10
Alternativas Wi
Katherine Wi + WK Wi − m K
2
Silvia Wi Wi − mS Wi
7 1 W 1
- x K = Wi + WK , ; Wi − mK , ; i , ; donde
10 5 2 10
W 7 1 1
z K = Wi + WK , Wi − mK , i y r ( z K ) = , , .
2 10 5 10
4 1
- xS = Wi , ; Wi − mS , ; donde
5 5
4 1
zS = ( Wi , Wi − mS ) y r ( zS ) = , .
5 5
el problema,
- X = { x K , xS }
- {
Z = Wi + WK , Wi − mK ,
Wi
2
, Wi , Wi − mS }
3. LOTERÍAS
[9]
A continuación trataremos el contexto de incertidumbre bajo análisis, limitando
nuestro conjunto X a un conjunto cuyos elementos son loterías. Es decir, las alternativas
sobre las que el individuo debe elegir son loterías. Pero, ¿qué es una lotería?, ¿qué
propiedades posee? Y ¿qué relación posee respecto a las preferencias del individuo
elector?
a. Lotería simple
Por ejemplo, si lanzamos una moneda, tal que si resulta “cara” se gana 10 u. m. y si sale
1 1
L = 10, ; −5,
2 2
L k = z k , r ( z k ) , k = 1,… , n .
Donde:
( ) y ρ s ≥ 0 , ∀s = 1,2,…, S ; con ∑ ρ
S
z k = z 1k , z k2 ,… , z ks ,… , x Sk s = 1.
s=1
Luego, dados los S estados del mundo, es decir, dado el conjunto S, es posible que
algunos resultados se repitan para dos o más estados del mundo; por tanto algunos
resultados tendrán una probabilidad dada por ( ρ s + ρ t ) > 0 , mientras tanto también es
posible que para algunos estados del mundo no exista probabilidad de hacerse efectiva,
ρs = 0 .
[10]
Por comodidad notacional, supondremos que no se repite algún resultado para
diferentes estados del mundo; por tanto ∀s, t = 1,…, S; ρ s ≠ ρt . Así, a cada estado del
mundo le corresponde un resultado diferente, pudiendo ser este igual a cero. Entonces,
para los conjuntos S y z k ⊆ Z dados, las loterías se pueden interpretar como una
T
( )
= L π1 ,… π s ,… , πT , 1 ≥ π s ≥ 0 ∧ ∑ π s = 1
L
s=1
(
L π 1 ,… , π s ,… , π S )
Donde, π T +1 = … = π S = 0 .19
(
L π1 , π 2 , π 3 )
Esta lotería se podría representar en el simplex 3 – dimensional. Sin embargo,
{( )
∆ = π1 , π 3 ∈ ℝ 2+ : 1 − π1 − π 3 ≤ π2 }
Gráficamente se observa la representación de la lotería L ( π 1 ,0, π 3 ) , que es el caso
cero. Por otro lado, la lotería L ( 0,0,1) indica que el resultado correspondiente al estado
19 Entonces, bajo la simplificación que hemos realizado se tiene que ρ s = π s , ∀s = 1,… , S . Más
adelante, esto no tiene porqué seguir cumpliéndose.
[11]
del mundo e 3 ocurrirá con certeza. A esta última lotería se le conoce como lotería
degenerada.20
π3
1 L ( 0,0,1 )
(
L π1 ,0, π 3 )
π3
(
L π1 , π2 , π3 )
0 π1 1
π1
b. Lotería compuesta
Es aquella que tiene como resultados posibles otras loterías. Así, la lotería L ∗ es
aquella lotería compuesta que genera la lotería L con probabilidad α y la lotería L con
L ∗ = α L ⊗ ( 1- α ) L 22
∀L, L ∈ L ∧ α ∈ [
0,1] , L ∗ = αL ⊗ ( 1 − α ) L ; L ∗ ∈ L .23
20 Al respecto: “If the lottery is on a edge of the triangle, one of the probabilities is zero. Id it at a corner, the
lottery is degenerated, i. e., it takes one of the values x 1 , x 2 , x 3 with probability 1.” Ver GOLLIER (Ob.
Cit.: p. 14).
21 Por el momento la naturaleza de la probabilidad denotada con α es diferente a la probabilidad
denotada con π .
22 “A componound lottery is a convex combination of simples lotteries.” GOLLIER (Ídem.: p. 15).
[12]
Entonces, si identificamos cada una de las alternativas o acciones que el individuo
puede emprender en el presente con loterías, X = L ; entonces luego podemos denotar las
(
L k = π1k , π 2k ,… , π sk ,… , π Sk ) , ∀k = 1,… , n .
L ∗ = (L 1 , α 1 ; L 2 , α 2 ;… ; L n , α n )
Es decir,
L ∗ = α 1L 1 ⊗ α 2 L 2 ⊗ … ⊗ α n L n
Así,
L ∗ = ( M 1 , M 2 ,… , M s ,… , M S )
Donde,
(
M s = α 1π 1s + α 2 π s2 + … + α k π sk + ⋯ + α n π ns ) , ∀s = 1,… , S .
1 1
Veamos el ejemplo siguiente, donde tenemos las dos loterías siguientes, L = ,0,
2 2
1 3
y L = ( 0,1,0 ) . Luego, la lotería compuesta L ∗ viene dada por L ∗ = L ⊗ L , quedando
4 4
determinada como,
1 1 1 3 1 3 1
L ∗ = ,0, + ( 0,1,0 ) = , , 24
4 2 2 4 8 4 8
Gráficamente,
23 Nótese que la operación de combinación de loterías está definida sobre un tipo específico del
conjunto X . Es decir, sobre X = L , que es el conjunto de loterías.
1 3 1
24 Nótese que + + = 1 .
8 4 8
[13]
π3
L ( 1 2 ,0, 1 2 )
3
4
1
4 L∗ ( 1 8 , 3 4 , 1 8 )
L ( 0,1,0 ) 1
π1
α 1L ⊗ ( 1- α 1 ) L = ( 1- α 1 ) L ⊗ α 1L
ii. Una lotería cualquiera es una composición de sí misma con un nivel de certeza total,
Formalmente,
L = 1L ⊗ 0L
α 1L ⊗ ( 1- α 1 ) L = L
iv. La composición de una lotería compuesta y una lotería simple puede expresarse
distribución).
[14]
α 1 α 2 L ⊗ ( 1- α 2 ) L ⊗ ( 1 − α1 ) L = α 1α 2 L ⊗α 1 ( 1- α 2 ) L ⊗ ( 1- α1 ) L
( α 1 + α 2 ) L ⊗ (1- α 1 - α 2 ) L = α 1L ⊗ α 2 L ⊗ ( 1- α 1 - α 2 ) L
denomina espacio de loterías, sobre el cual el individuo debe elegir. Para ello, debe
ordenar este espacio de acuerdo a sus preferencias. Por tanto, asumiremos que el
individuo establece sobre este espacio, tomando las loterías de par en par, una relación
de preferencia débil, ≿i , la que se lee como: “… es al menos tan buena como . . .”.25
Definición 1. (Indiferencia)
(
∀L , L ∈ L , L ∼ i L ⇔ L ≿ i L ∧ L ≿ i L )
Definición 2. (Preferencia fuerte)
25 Esta relación de preferencia débil, como ya hemos estudiado en la teoría de la elección bajo un
contexto de certidumbre total, es el primitivo de la teoría y posee las propiedades de reflexividad,
completitud y transitividad. Ver ÁVALOS (2010: p. 7).
[15]
(
∀L , L ∈ L , L ≻ i L ⇔ L ≿ i L ∧ ¬ L ≿ i L )
Luego, las preferencias del individuo, ≿ i , cumplen los siguientes axiomas de
racionalidad y de análisis,
Axioma 1. Completitud
∀L , L ∈ L ; L ≿ i L ∨ L ≿ i L
Axioma 2. Transitividad
( )
∀L , L , L ∈ L , L ≿i L ∧ L ≿i L ⇒ L ≿i L
Continuidad
∀L , L , L ∈ L , L ≿ i L ≿ i L , ∃! α∈ [ 0,1] : L ∼ i αL ⊗ ( 1- α ) L 26
Independencia
∀L , L , L ∈ L ∧ α∈[ 0,1] , L ≿ i L ⇔ αL ⊗ ( 1- α ) L ≿ i αL ⊗ ( 1- α ) L 27
4. La Utilidad Esperada
representar las preferencias del individuo mediante una función matemática que tiene
26 Ver LAFFONT (Ob. Cit.: p. 10). Varian plantea este axioma de continuidad de la siguiente manera,
{ } { }
∀L,L,Lɶ ∈L , α∈[0,1] : αL ⊗ ( 1- α ) L ≿ Lɶ y α∈[0,1] : Lɶ ≿ αL ⊗ ( 1- α ) L son conjuntos cerrados.
i i
[16]
La función de utilidad U : L →ℝ tiene una forma de utilidad esperada si existe una
asignación de números ( u 1 , u 2 ,… , u s ,… , u S ) para los s resultados tal que para cada lotería
simple L = ( π 1 , π 2 ,… , π s ,… , π S ) ∈ L se tiene
S
U ( L ) = ∑ π su s
s=1
Una función U : L →ℝ con la forma de utilidad esperada es llamada como una función
Proposición 1.
Una función U : L →ℝ tiene una forma de utilidad esperada si y sólo si esta es lineal,
n n
U ∑ α k L k = ∑ α kU ( L k )
k =1 k =1
n
∀L k ∈ L , k = 1,… , n ∧ ( α 1 ,… , α k ) ≥ 0 , ∑ α k = 1 .30
k =1
Proposición 2
n
compuesta es L = ∑ α k L k . En consecuencia,
k=1
n n S
n n S n
U ∑ α k L k = ∑ α k L k = ∑ u s ∑ α k π sk = ∑ α k ∑ π sk u k = ∑ α kU ( L k ) .
k =1 k =1 s =1 k =1 k =1 s =1 k =1
[17]
otra función de utilidad von Neumann – Morgenstern para ≿i sí y sólo si existen
( )
L ′ = π′ 1 ,… , π′ s ,… , π′ S , se tiene
S S
L ≿ i L ′ ⇔ ∑ π su s ≥ ∑ π′ su′s
s =1 s =1
***
( ) ( )
U ( L ) = α 1U L + α U L∗ + ( 1 − α 1 − α ) U ( L )
S
31 Sea Uɶ ( L ) = aU ( L ) + b ; a > 0 . Y dado que U ( L ) = ∑ π s u s ; entonces se tiene,
s =1
S
Uɶ ( L ) = a ∑ π s u s + b
s =1
S
Y dado que ∑π s
= 1 , obtenemos
s=1
S
Uɶ ( L ) = ∑ π s ( au s + b )
s =1
Quedando,
S
Uɶ ( L ) = ∑ π s uɶ s , uɶ = ( au s + b ) .
s =1
32 MAS COLELL et al. (Ob. Cit.: p. 176).
[18]
4.3 La función de utilidad de Bernoulli y el equivalente cierto de la lotería
Luego, si se tiene que los resultados de una lotería se pueden expresar como
resultado certeros (loterías degeneradas), tal que estos resultados son de índole
esperada,
S S
( )
L ≿ i L ⇔ ∑ π su m s ≥ ∑ π su m s ( )
s=1 s=1
respectivamente como la peor y la mejor lotería, se tiene un único α∈[ 0,1] , tal que
∀L ∈ L 34
U ( L ) = α ⇔ L ∼ i α L ⊗ ( 1- α ) L
( ) ( ) ( )
U ( L ) = π1u m 1 + π 2 u m 2 + π 3u m 3
como aquella cantidad de dinero que el individuo tendría con certeza, de tal manera que
se mostraría indiferente entre tener esta cantidad de dinero o aceptar la lotería. Es decir,
33 Al respecto: “Daniel Bernoulli’s explanation of this paradox is that agents have decreasing marginañl
utility for Money, and so they evaluate any lottery by the expected utility of its different consequences. For a
utility function over the consequences, Bernoulli proposes the logarithmic function . . .”. Ver LAFFONT (Ob.
Cit.: p. 8).
34 En este caso la función de Bernoulli estará acotada superiormente por 1 e inferiormente por 0.
[19]
mc ∼i L
O también,
( )
u m c = U (L )
Así,
( ) ( ) ( ) ( )
u m c = π 1u m 1 + π 2 u m 2 + π 3u m 3
( ) ( ) ( ) ( )
0 = u m 1 d π 1 − u m 2 d π 1 − u m 2 d π 3 + u m 3 dπ 3
De donde,
( ) ( ) ( ) ( )
u m 2 − u m 3 dπ 3 = u m1 − u m 2 dπ1
curva de indiferencia,
=
( ) ( )
dπ3 u m − u m
1 2
>0
( ) ( )
dπ1 u m2 − u m3
lineales paralelas, y en la medida que la lotería elegida nos dé un resultado m 3 con una
35 Recuérdese que el triángulo de Machina es un conjunto de loterías para las cuales el conjunto de
resultados está dado, ya que se tratarían de sucesos ciertos (loterías degeneradas); y partir de las
cuáles derivar un número infinito de loterías compuestas según las propiedades del operador
interno de composición de loterías. Entonces, en estricto deberíamos definir las preferencias sobre
un subconjunto C ⊆ L . Véase VILLAR (1996: p. 213).
[20]
π3
−
π2
π3
π1 π1
conjunto de resultados dado de la lotería. Por otro lado, sea el ingreso esperado de una
m e = π 1m 1 + π 2 m 2 + π 3 m 3
dπ 3 m 1 − m 2
= >0
dπ 1 m 2 − m 3
Gráficamente, las isoclinas serán líneas rectas y paralelas, donde cada una de ellas
[21]
π3
π1
mc < me
En consecuencia,
( )
U (L ) < u m e
Lo que quiere decir que el individuo valora la lotería por debajo de su ingreso
esperado. Esto significa que el individuo es averso al riesgo. Por tanto, la ordenación de
preferencias sobre las loterías no estaría basada en los ingresos esperados de los
indiferencia tienen una pendiente mayor en relación a las isoclinas. Es decir, frente a
diferentes loterías, tal que no se modifica el ingreso esperado (a lo largo de una isoclina),
( ) ( )
u mc < u me
36 Podemos adelantar los casos, donde m c > m e y m c = m e , serían casos donde el individuo es
amante y neutral al riesgo respectivamente.
[22]
Así, un movimiento a los largo de la isoclina, a partir de L , afecta negativamente la
utilidad.37 Gráficamente,
π3
π1
5. PARADOJAS
1 1
me = × 2 + 2 × 2 2 +…
2 2
1 1
me = × 2 + × 4 +…
2 4
m = 1 + 1 +…
e
me = ∞
37 Cuando se tiene una lotería que no modifica el ingreso esperado, se dice que estamos frente a una
apuesta justa. Por tanto, decir que un individuo es averso al riesgo, equivale a decir que rechaza
una apuesta justa.
[23]
Sin embargo, nadie está dispuesto a pagar por el juego. Daniel Bernoulli, como ya
Específicamente,
u = ln m
se obtiene,
∞
1
u = lim ∑ n
ln 2 n = ln 4
n=1 2
Siendo esta la cantidad que estaría dispuesta a pagar el individuo para entrar al
juego.38
- Dos jugadores, A y B.
50 bolas ? bolas
verdes verdes
50 bolas ? ? bolas
rojas
rojas
Urna 1 Urna 2
Luego,
[24]
A elige rojo, B evalúa dónde es mayor la probabilidad de elegir verde. Elige urna 1.
mayor probabilidad de obtener la bola ver en la urna 1. Esto se debe a que no considera la
Sea una situación en la que existen cuatro loterías, cuyos resultados monetarios
Que representa una urna de 100 bolas enumeradas, de 0 a 99. Luego, el individuo
evalúa entre L y L ,
1 89 1
L = ( 50,1) ≻i L = 0, ; 50, ; 250,
100 100 10
9 1 89 11
L = 0, ; 50,0; 250, ≻i L = 0, ; 50, ; 250,0
10 10 100 100
[25]
1 89 1
0 × u ( 0 ) + 1 × u ( 50 ) + 0 × u ( 250 ) > × u (0 ) + × u ( 50 ) + × u ( 250 )
100 100 10
De donde,
89 89 1 89 1 89 89
1 × u ( 50 ) + × u (0 ) − × u ( 50 ) > × u (0 ) + × u ( 50 ) + × u ( 250 ) + × u (0 ) − × u ( 50 )
100 100 100 100 10 100 100
Quedando,
89 11 9 1
×u(0) − × u ( 50 ) > × u ( 0 ) + 0 × u ( 50 ) + × u ( 250 )
100 100 10 10
Por tanto,
L ≻i L
π3
L
1
10
L
L
L 1 89 9
100 100 10
π1
(
L = m1 , π1; m2 , π2 ,…; mS , πS )
[26]
Donde m es una cantidad monetaria. Así X = ℝ . Además consideramos la función de
utilidad de Bernoulli,
u = u ms ( ) , ∀s = 1, 2,… , S.
Donde u′ ( m s ) > 0 .
Sea S = 2 ; entonces,
U ( L) = π1u m1 +π2u m2 ( ) ( )
Donde,
( ) ( )
2 2
µ L = π1m1 + π2 m2 y σL =π m −µL +π2 m2 −µL .
2 1 1
U ( L ) . Así, si
S S
U ∑ πsms > ∑ πsu ms ( )
s=1 s=1
[27]
Para nuestro ejemplo,
( )
U π1m1 +π2m2 > π1u m1 +π2u m2 ( ) ( )
Gráficamente, para el caso en el que el individuo es averso al riesgo,
u = (m)
( )
u m2
u (µ L )
U ( L)
( )
u m1
m1 µL m2 m
U ( L ) = U ( c L ,1) = u ( c L )
Gráficamente
40 c L es la cantidad de dinero que equivale a una lotería que si se juega, se obtendría con certeza
esta cantidad de dinero.
[28]
u
u = (m)
u (cL ) = U (L)
m 1 cL µ L m2 m
PR ( L ) = µ L − c L
pagar como máximo para evitar los riesgos que implicarían si es que aceptase la lotería.
Ahora, nótese que cuando el individuo es averso al riesgo, se tiene u ( µ L ) > U ( L ) . Por
PR ( L ) > 0
i. u (µ L ) > U (L )
iii. PR ( L ) > 0
[29]
iv. Rechaza apuestas justas
Tipificaremos las medidas de aversión del riesgo mediante su relación con la prima
PR ( L ) = µ L − c L
uµ L − PR ( L) = u ( µ L ) − u′ ( µ L ) PR ( L )
S S S ∑ π su′′ ( µ L )
∑ π su µ L + ( m s −µ L ) = ∑ π su ( µ L ) + ∑ π su′ ( µ L ) ( m s −µ L ) + s=1 ( m s −µ L )
2
S S S
Y como, sabemos que ∑ π s = 1 , ∑ π s ( m s − µ L ) = 0 , ∑ π s ( m s − µ L ) = σ 2L ; además
s= 1 s =1 s=1
41 Teorema de Taylor. Si f tiene derivadas continuas hasta de orden n + 1 inclusive sobre el intervalo
J , entonces, para cualquier x∈J , si x 0 ∈ J se tiene
n
f (k) ( x0 )
f ( x) = ∑ ( x − x 0 ) k + Rn ( x )
k =0 k!
1 x
Donde R n ( x ) = ∫ f ( n+1) ( t )( x − t ) dt .
n
n ! x0
Véase: HAASER et al. (1977: p. 704).
[30]
S u′′ ( µ L ) σ L2
( )
∑ π su µ L + m s − µ L = u ( µ L ) + 2
s=1
u′′ ( µ L ) σ L2
u ( µ L ) − u′ ( µ L ) PR ( L ) = u ( µ L ) +
2
u′′ ( µ L ) σ L2
PR ( L ) = −
2u′ ( µ L )
Así,
u′′ ( µ L )
θL = −
u′ ( µ L )
Arrow – Pratt. 42 Sin embargo, dado que este índice depende de las unidades en que se
u′′ ( µ L )
θ rL = − µL
u′ ( µ L )
Lo que es igual a,
42 Esta medida del riesgo no es adecuada ya que dependerá de las unidades con que se mida el
ingreso. Por ejemplo, si asumimos la función especificada de Bernoulli, se tiene que u m = ln m ;
s s
( )
( )
de donde u′ m s =
1
s y ( )
u′′ m s = −
1
. Entonces, el coeficiente absoluto de aversión al riesgo
( )
2
m ms
1
será θ L = . Por tanto, mientras m s se mida en unidades mayores, menor será el coeficiente
ms
absoluto de aversión al riesgo.
[31]
θ rL = θ Lµ L 43
θ L σ L2
PR ( L ) =
2
θ rL σ L2
PR ( L ) =
2µ L
PR ( L )
PRr ( L ) =
µL
Así,
θ rL σ L2
PRr ( L ) =
2µ L2
6.4 Seguros
individuo es averso al riesgo y enfrenta una lotería, donde el valor de su riqueza sí que
ocurre una desgracia será de 0 y de W i si no ocurre nada,
43 Este coeficiente se puede entender como una medida de sensibilidad, es decir, de elasticidad de la
utilidad marginal del ingreso respecto al ingreso esperado,
∂u′ ( µ L ) µ L
θ rL = −
∂µ L u′ ( µ L )
Por tanto, mientras mayor sea la sensibilidad de la utilidad marginal respecto a un cambio del
ingreso esperado, entonces mayor será la aversión al riesgo; ya que el individuo estará dispuesto a
pagar una prima mayor de riesgo.
[32]
L = 0, α; Wi , ( 1 −α )
Luego, como el individuo es averso al riesgo, estará dispuesto a pagar una prima de
Si existe una empresa de seguros que ofrece una cobertura que garantiza el valor de
su riqueza, W i , a cambio de una prima P . Entonces la decisión de aceptar o no el
Por otro lado, la empresa de seguro, ofrecerá la póliza sí y sólo si, el costo de
µ L > Wi − P > c L
REFERENCIAS
[1] ARROW, K (1984), The Economics of information. Cambridge: Harvard University Press.
[ 2] ÁVALOS, E. (2010), La teoría del consumidor: preferencias y utilidad. Documento de Trabajo
Nº 7. Lima: Centro de Investigaciones Económicas del Instituto de Estudios Sociales del
Rímac.
[ 3] FIGUEROA A. (1993), Crisis distributiva en el Perú. Lima: Fondo Editorial de la Pontificia
Universidad Católica del Perú.
[ 4] GEORGESCU – ROEGEN, N. (1967), Analytical economics. Cambridge: Harvard University
Press.
[ 5 ] GOLLIER, C. (1999), The economics of risk and time. Cambridge: The MIT Press.
[ 6 ] HAASER, N.; LASALLE, J. y J. SULLIVAN (1977), Análisis matemático 1. México: Editorial
Trillas.
[7 ] HIRSHLEIFER, J. y J. RILEY (1992), The analytics of uncertainty and information. Cambridge:
Cambridge University Press.
44 O también, W i − P > c L .
[33]
[ 8 ] KNIGHT, F. (1921), Risk, uncertainty and profits. New York: Houghton Mifflin.
[ 9 ] LAFFONT, J. – J. (1989), The economics of uncertainty and information. Cambridge: The MIT
Press.
[10] MAS – COLELL, A.; WHISTON, M. y J. GREEN (1995), Microeconomic theory. Oxford: Oxford
University Press.
[11] VARIAN, H. (1992), Análisis microeconómico. 3ra. Edición. Barcelona: Antoni Bosch Editor.
[12] VILLAR, A. (1996), Curso de microeconomía avanzada. Un enfoque de equilibrio general.
Barcelona: Antoni Bosch Editor.
[34]