11.

LA INCERTIDUMBRE

Hasta ahora nos hemos ocupado de la conducta del consumidor en ausencia de

incertidumbre. Sin embargo, muchas de las decisiones que toman los consumido-
res las adoptan en condiciones de incertidumbre. En el presente capítulo vemos
cómo puede utilizarse la teoría de la elección del consumidor para describir este
comportamiento.

11.1 Las loterías

La primera tarea consiste en describir el conjunto de opciones entre las que puede
elegir el consumidor. Imaginemos que éstas adoptan la forma de loterías. Una lotería
se representa por medio de p o x EB {1- p) o y, lo que significa que "la probabilidad de
que el consumidor reciba el premio x es p y la probabilidad de que reciba el premio
y es (1 - p)". Los premios pueden consistir en dinero, cestas de bienes o incluso
nuevas loterías. La mayoría de las situaciones en las que hay incertidumbre pueden
analizarse mediante este modelo de las loterías.
A continuación postulamos varios supuestos sobre la forma en que percibe el
consumidor las loterías entre las que puede elegir.

Ll. 1 o x EB (1 - 1) o y rv x. Recibir un premio con una probabilidad unitaria es

lo mismo que recibirlo con absoluta certeza.

L2. p o x EB (1 - p) o y rv (1 - p) o y EB p o x. Al consumidor le da igual el orden

en el que se describa la lotería.

L3. q o (p o x EB {1- p) o y) EB {1- q) o y rv (qp) o x EB (1 - qp) o y. La manera en que

perciba el consumidor una lotería depende únicamente de las probabilidades
netas de recibir los distintos premios.
204 / LA INCERTIDUMBRE (C. 11)

Los supuestos (Ll) y (L2) parecen inocuos. El (L3) denominado a veces "re-
ducción de las loterías combinadas" es algo dudoso, ya que existen algunos datos
que inducen a pensar que los consumidores se comportan de distinta manera ante
estas loterías que ante las que se juegan una vez. No obstante, aquí no analizaremos
esta cuestión.
Partiendo de estos supuestos podemos definir .C, el espacio de las loterías entre
las que puede elegir el consumidor. Se supone que éste tiene unas determinadas
preferencias sobre este espacio: dadas dos loterías cualesquiera, puede elegir entre
ellas. Suponemos como siempre que las preferencias son completas, reflexivas y
transitivas.
El hecho de que las loterías sólo tengan dos resultados no es restrictivo, puesto
que permitimos que los resultados sean nuevas loterías. De esa manera podemos
concebir loterías que tengan un número arbitrario de premios combinando loterías
de dos premios. Supongamos, por ejemplo, que queremos representar una situación
en la que hay tres premios, x, y y z y en la que la probabilidad de obtener cada uno
de ellos es de un tercio. Reduciendo las loterías combinadas, esta lotería equivale a
la lotería

2 o ¡1- o
-
3 2
X
2 l
EB -1 o y EB -1 o z.
3

De acuerdo con el supuesto L3 anterior, al consumidor sólo le interesan las probabi-

lidades netas, por lo que esta lotería equivale, de hecho, a la inicial.

11.2 La utilidad esperada

Partiendo de algunos otros supuestos secundarios puede aplicarse el teorema relativo

a la existencia de una función de utilidad descrito en el capítulo 7 (página 114) para
demostrar que existe una función u que describe las preferencias del consumidor; es
decir, p o x EB (1 - p) o y >- q o w EB (1 - q) o z si y sólo si

u(p o x EB (1 - p) o y) > u(q o w EB (1 - q) o z).

Naturalmente, esta función de utilidad no es única; cualquier transformación mo-

nótona podría desempeñar el mismo papel. Formulando algunas otras hipótesis,
podemos hallar una transformación monótona de la función de utilidad que tiene
una propiedad muy útil, la propiedad de la utilidad esperada:

u(p o x EB (1 - p) o y) = pu(x) + (1 - p)u(y).

 La utilidad esperada / 205

Según la propiedad de la utilidad esperada, la utilidad de una lotería es la

utilidad que se espera que reporten sus premios. Ésta puede calcularse tomando la
utilidad que reportaría cada uno de los resultados, multiplicándola por la probabili-
dad de que ocurriera ese resultado y sumando los resultados obtenidos. La utilidad
es aditivamente separable en cuanto a los resultados y lineal en las probabilidades.
Debe hacerse hincapié en que no se pone en duda la existencia de una función de
utilidad; cualquier ordenación regular de las preferencias puede representarse por
medio de una función de utilidad. Lo interesante es la existencia de una función de
utilidad que posee la útil propiedad antes citada. Para eso necesitamos estos axiomas
adicionales:

Ul. {p en [O; 1] : p o x EB (1 - p) o y t z} y {p en [O; 1] : z t p o x EB (1 - p) o y}

son conjuntos cerrados cualesquiera que sean x, y y z pertenecientes a ,C.

U2. Si x r- y, entonces p o x EB (1 - p) o z ,. . ., p o y EB (1 - p) o z.

El supuesto (Ul) es un supuesto de continuidad y es relativamente inocuo. El

(U2) indica que las loterías cuyos premios son indiferentes, también lo son ellas. Es
decir, si se nos da una lotería p o x EB (1 - p) o z y sabemos que x ,. . ., y, podemos
sustituir x por y y construir una lotería p o y EB (1 - p) o z que sea para el consumidor
equivalente a la inicial. Este supuesto parece bastante plausible.
Para evitar algunos detalles técnicos, postulamos otros dos supuestos.

U3. Existe una lotería b que es la mejor de todas y una lotería w que es la peor.
Cualquiera que sea x perteneciente a ,C, b t x t w.

U4. La lotería p o b EB (1 - p) o w se prefiere a la q o b EB (1 - q) o w si y sólo si

p > q.

El supuesto (U3) se adopta puramente por conveniencia. El (U4) puede dedu-

cirse de los demás axiomas. Afirma simplemente que si una lotería entre el mejor
premio y el peor se prefiere a otra, debe ser porque ofrece una mayor probabilidad
de conseguir el mejor premio.
Partiendo de estos supuestos, podemos formular el principal teorema.

Teorema de la utilidad esperada. Si (,C, t) satisface los axiomas anteriores, existe una
función de utilidad u definida en ,C que satisface la propiedad de la utilidad esperada:

'U(p o x EB (1 - p) o y) = pu(x) + (1 - p)u(y)

206 / LA INCERTIDUMBRE (C. 11)

Demostración. Sea u(b) = 1 y u(w) = O. Para hallar la utilidad de una lotería arbitraria
z, supongamos que u(z) = Pz, donde Pz viene definido por

Pz o b EB (1 - Pz) o w ,....., z. (11.1)

En esta construcción el consumidor se muestra indiferente entre z y un juego

entre el mejor resultado y el peor que ofrece la probabilidad Pz de conseguir el mejor
resultado.
Para asegurarnos de que este planteamiento está bien definido, debemos veri-
ficar dos cosas.

l. ¿Existe Pz? Los dos conjuntos {p en [O, 1] : p o b EB (1 - p) o w t z} y

{p en [O; 1]: z t pobEB(l-p)ow} soncerradosynovacíosytodopuntoperteneciente
a [O, 1] pertenece a uno u otro de los dos conjuntos. Dado que el intervalo unitario
es conexo, debe haber algún p que pertenezca a ambos, pero ése será precisamente
el p z que buscamos.

2. ¿Es Pz único? Supongamos que Pz y p: son dos números distintos y que

cada uno de ellos satisface la definición (11.1). En ese caso, uno debe ser mayor
que el otro. De acuerdo con el supuesto (U4), la lotería que ofrece una probabilidad
mayor de conseguir el mejor premio no puede ser indiferente a una que ofrezca una
probabilidad menor. Por lo tanto, Pz es único y u está bien definida.

A continuación verificamos que u tiene la propiedad de la utilidad esperada,

para lo cual basta realizar unas sencillas sustituciones:

po X EB (1 - p) o y
"'1 p o [px o b EB (1 - Px) o w] EB (1 - p) o [py o b EB (1 - Py) o w]
"'2 [PPx + (1 - p)py] o b EB [l - PPx - (1 - p)py] o W
"'3 [pu(x) + (1 - p)u(y)] o b EB [1 - pu(x) - (1 - p)u(y)] o w.

La primera sustitución se basa en el axioma (U2) y en la definición de Px y

Py· La segunda se basa en el supuesto (L3), según el cual lo único que cuentan
son las probabilidades netas de obtener b o w. La tercera sustitución se basa en la
construcción de la función de utilidad.
De la forma en que se ha construido la función de utilidad se deduce que

u(p o x EB (1 - p) o y) = pu(x) + (1 - p)u(y).

Por último, verificamos que u es una función de utilidad. Supongamos que

x >- y.En ese caso,
 Unicidad de la función de utilidad esperada / 207

u(x) = Px tal que X "' Px o b EB (1 - Px) o w

u(y) = Py tal que y "' Pv o b EB (1 - Py) o w.
De acuerdo con el axioma (U4), debe cumplirse que u(x) > u(y).

11.3 Unicidad de la función de utilidad esperada

Ya hemos demostrado que existe una función de utilidad esperada u : .C ----+ R.

Naturalmente, cualquier transformación monótona de u también será una función
de utilidad que describa la conducta de elección del consumidor. Pero ¿preservará
esa transformación monótona la propiedad de la utilidad esperada? ¿ Caracteriza de
alguna manera la construcción antes descrita las funciones de utilidad esperada?
No es difícil ver que si u(·) es una función de utilidad esperada que describe
a un consumidor, también lo es v( ·) = au( ·) + e, donde a > O; es decir, cualquier
transformación afín de una función de utilidad esperada también es una función de
utilidad esperada, puesto que

v(p o x EB (1 - p) o y) = au(p o x EB (1 - p) o y)+ e

= a[pu(x) + (1 - p)u(y)] + e
= p[au(x) +e]+ (1 - p)[au(y) + e]
= pv(x) + (1 - p)v(y).
No es mucho más difícil ver la recíproca de la afirmación anterior: cualquier
transformación monótona de u que tenga la propiedad de la utilidad esperada debe
ser una transformación afín. En otras palabras,

Unicidad de la función de utilidad esperada. Una función de utilidad esperada es única

excepto por una transformación afín.

Demostración. De acuerdo con las observaciones anteriores, sólo tenemos que de-
mostrar que si una transformación monótona preserva la propiedad de la utilidad
esperada, debe ser una transformación afín. Sea f : R ----+ R una transformación
monótona de u que tiene la propiedad de la utilidad esperada. En ese caso,

f(u(p o x EB (1 - p) o y))= pf(u(x)) + (1 - p)j(u(y)),

o sea,

f (pu(x) + (1 - p)u(y)) = pf (u(x)) + (1 - p)f (u(y)).

Pero esta expresión es equivalente a la definición de una transformación afín (véase
el capítulo 26, página 565).
208 / LA INCERTIDUMBRE ( C. 11)

11.4 Otras notaciones para expresar la utilidad esperada

Hemos demostrado el teorema de la utilidad esperada en el caso en el que las

loterías tienen dos resultados. Como hemos indicado antes, es sencillo ampliar esta
demostración al caso en el que hay un número finito de resultados utilizando loterías
combinadas. Si la probabilidad de obtener el resultado Xi es Pi siendo i = 1, ... , n,
en ese caso la utilidad esperada de esta lotería es simplemente
n
LPiU(Xi). (11.2)
i=l

El teorema de la utilidad esperada también se cumple, añadiendo algunos deta-

lles técnicos de poca importancia, en el caso de las distribuciones de probabilidades
continuas. Si p(x) es una función de densidad definida con respecto a los resultados
x, la utilidad esperada de este juego puede expresarse de la siguiente manera:

J ·u(x)p(x) dx. (11.3)

Estos dos casos pueden aunarse utilizando el operador de las expectativas. Sea
X una variable aleatoria que adopta los valores representados por x. En ese caso,
la utilidad de X también será una variable aleatoria, u(X). La expectativa de esta
variable aleatoria, Eu(X) es simplemente la utilidad esperada correspondiente a la
lotería X. En el caso de una variable aleatoria discreta, Eu(X) viene dada por la
expresión (11.2) y en el caso de una variable aleatoria continua viene dada por la
(11.3).

11.5 La aversión al riesgo

Consideremos el caso en el que el espacio de las loterías consiste únicamente en

juegos cuyos premios son monetarios. Sabemos que si la conducta de elección del
consumidor satisface los distintos axiomas exigidos, podemos hallar una represen-
tación de la utilidad que tenga la propiedad de la utilidad esperada. Eso significa
que podemos describir la conducta del consumidor ante todos los juegos monetarios
si conocemos solamente esta representación de su función de utilidad del dinero.
Por ejemplo, para calcular la utilidad que espera obtener el consumidor del juego
p o x EB (1 - p) o y, basta examinar pu(x) + (1 - p)u(y).
Esta construcción se ilustra en la figura 11.1 en el caso en que p = !. Obsérvese
que en este ejemplo el consumidor prefiere obtener el valor esperado de la lotería. Es
decir, la utilidad de la lotería u(p o x EB (1 -.p) o y) es menor que la utilidad del valor
esperado de la lotería, px + (1 - p)y. Este tipo de conducta se denomina aversión al
 La aversión al riesgo / 209

riesgo. Un consumidor también puede ser amante del riesgo; en ese caso, preferirá
una lotería a su valor esperado.
Si un consumidor es contrario a correr riesgos en alguna región, la cuerda
trazada entre dos puntos cualesquiera del gráfico de su función de utilidad en esta
región debe encontrarse por debajo de ella. Esta afirmación equivale a la definición
matemática de una función cóncava. Por lo tanto, la concavidad de la función de
utilidad esperada equivale a la aversión al riesgo.

Figura 11.1

UTILIDAD

u(fx+ fy) --------------------

iu(x) + iu(y) ----------------

X y RIQUEZA

Utilidad esperada de un juego. La utilidad esperada del juego es !u(x) + !u(y).

La utilidad del valor esperado del juego es u(!x + h), En el caso descrito, la
utilidad del valor esperado es mayor que la utilidad esperada del juego, por lo
que el consumidor es contrario a correr riesgos.

Suele ser útil disponer de una medida de la aversión al riesgo. Intuitivamente,

cuanto más cóncava sea la función de utilidad esperada, más contrario a correr
riesgos será el consumidor. Por lo tanto, cabría pensar que la aversión al riesgo
puede medirse por medio de la segunda derivada de la función de utilidad esperada.
Sin embargo, esta definición no es independiente de las variaciones de la función
de utilidad esperada: si. multiplicamos la función de utilidad esperada por 2, la
conducta del consumidor no varía, pero sí nuestra medida propuesta de la aversión
al riesgo. Sin embargo, si normalizamos la segunda derivada dividiéndola por la
primera, obtenemos una medida razonable, conocida con el nombre de medida de
Arrow-Pratt de la aversión (absoluta) al riesgo:

u"(w)
r.(w) = - u'(w) ·
210 / LA INCERTIDUMBRE (C. 11)

El análisis siguiente aporta una justificación complementaria de esta medida.

Representemos un juego por medio de un par de números (x1, x2), en el que el
consumidor reciba x1 si ocurre el acontecimiento E y x2 si no ocurre E. En ese caso,
definimos el conjunto de aceptación del consumidor como el conjunto de todos los
juegos que aceptaría con un nivel inicial de riqueza w. Si el consumidor es contrario
a correr riesgos, el conjunto de aceptación será convexo. La frontera de este conjunto
-el conjunto de juegos indiferentes- puede expresarse por medio de una función
implícita x2(x1), como muestra la figura 11.2

Figura 11.2

----X1

Pendiente = - p/(1 - p)

El conjunto de aceptación. Este conjunto describe todos los juegos que serían
aceptados por el consumidor con su nivel inicial de riqueza. Si éste es contrario
a correr riesgos, el conjunto de aceptación será convexo.

Supongamos que la conducta del consumidor puede describirse por medio

de la maximización de la utilidad esperada. En ese caso, x2(x1) debe satisfacer la
siguiente identidad:

pu(w + x1) + (1 - p)u(w + x2(x1)) = u(w).

La pendiente de la frontera del conjunto de aceptación en el punto (O, O) se halla

diferenciando esta identidad con respecto a x1 y evaluando esta derivada en x1 = O:

pu'(w) + (1 - p)u'(w)x;(O) = O. (11.4)

 La aversión al riesgo / 211

Despejando la pendiente del conjunto de aceptación, tenemos que

xí(O) = __P __
1-p

Es decir, la pendiente del conjunto de aceptación en el punto (O, O) indica el cociente

de probabilidades (odds). Ésta es una buena manera de conocer las probabilidades:
hallar el cociente de probabilidades al que el consumidor está dispuesto a aceptar
una pequeña apuesta en relación con el acontecimiento en cuestión.
Supongamos ahora que tenemos dos consumidores cuyas probabilidades de
que ocurra el acontecimiento E son idénticas. Es natural decir que el consumidor
i es más contrario a correr riesgos que el j si el conjunto de aceptación del primero
está contenido en el conjunto de aceptación del segundo. Esta afirmación sobre la
aversión al riesgo tiene un carácter global, pues dice que j aceptará cualquier juego
que acepte i. Si nos limitamos a analizar los juegos pequeños, obtendremos una
medida más útil.
Es natural afirmar que el consumidor i es localmente más contrario a correr
riesgos que el j si su conjunto de aceptación está contenido en el de j en las cercanías
del punto (O, O), lo cual significa que j aceptará cualquier juego pequeño que acepte i.
Si está contenido en sentido estricto, i aceptará estrictamente menos juegos pequeños
quej.
No resulta difícil ver que el consumidor i es localmente más contrario a correr
riesgos que el j si su conjunto de aceptación es "más curvado" que el de j en las
cercanías del punto (O, O). Esto es útil, ya que podemos comprobar la curvatura del
conjunto de aceptación calculando la segunda derivada de x2(x1). Diferenciando la
identidad (11.4) una vez más con respecto a x1 y evaluando la derivada resultante
en cero, tenemos que

pu"(w) + (1 - p)u"(w)xí(O)x2(0) + (1 - p)u'(w)x2(0) = O.

Valiéndonos del hecho de que x2(0) = -p/(1 - p), tenemos que

· ,, p [ u"(w)l
Xz (O)= (1 - p)2 - u'(w) .

Esta expresión es proporcional a la medida de Arrow-Pratt de la aversión local

al riesgo que hemos definido antes. Podemos extraer la conclusión de que un agente
j aceptará más juegos pequeños que el i si y sólo si la medida de Arrow-Pratt de la
aversión local al riesgo de este último es mayor que la del primero.
212 / LA INCERTIDUMBRE (C. 11)

Ejemplo: La demanda de seguro

Supongamos que un consumidor tiene inicialmente la riqueza monetaria W. Existe

la probabilidad p de que pierda la cantidad L; por ejemplo, existe la probabilidad p
de que se queme su casa. Puede suscribir un seguro por el que percibirá q pesetas
si experimenta esta pérdida. La cantidad de dinero que ha de pagar a cambio de q
pesetas de cobertura del seguro es 1rq; 1r es la prima por peseta de cobertura.
¿Cuánta cobertura suscribirá el consumidor? Examinemos el problema de
maximización de la utilidad

max pu(W - L - 1rq + q) + (1 - p)u(W - n q).

Tomando la derivada con respecto a q e igualándola a cero, tenemos que

pu'(W - L + q*(l - 1r))(l - 1r) - (1 - p)u'(W - 1rq*)1r =O

u'(W - L + (1 - 1r)q*) (1 - p) 1r
u'(W - 1rq*) p 1 - 7r

Si ocurre el acontecimiento, la compañía de seguros recibe 1rq - q pesetas. Si

no ocurre, recibe 1rq pesetas. Por lo tanto, su beneficio esperado es

(1 - p)1rq - p(l - 1r)q.

Supongamos que la competencia existente en el sector de los seguros reduce estos

beneficios a cero. Eso significa que

-p(l - 1r)q + (1 - p)1rq = o,

de donde se deduce que 1r = p.
Partiendo del supuesto de que los beneficios son nulos, la compañía de seguros
cobra una prima actuarialmente justa: el coste de una póliza es precisamente su valor
esperado, por lo que p = 1r. Introduciendo este resultado en las- condiciones de
primer orden para la maximización de la utilidad, tenemos que

u'(W - L + (1 - 1r)q*) = u'(W - n q").

Si el consumidor es estrictamente contrario a correr riesgos, de tal manera que
u"(W) < O, la ecuación anterior implica que

W - L + (1 - 1r )q* = W - tt q"
de donde se deduce que L = q*. Por lo tanto, el consumidor se asegurará totalmente
contra la pérdida L.
 La aversión global al riesgo / 213

Este resultado depende de manera crucial del supuesto de que el consumidor

no puede influir en la probabilidad de experimentar una pérdida. Si lo que haga
no influye en ésta, es posible que las compañías de seguros sólo quieran ofrecer un
seguro parcial, por lo que el consumidor tendrá un incentivo para tener cuidado. En
el capítulo 25 (página 533) analizaremos un modelo de este tipo.

11.6 La aversión global al riesgo

La medida de Arrow-Pratt parece una interpretación razonable de la aversión local al

riesgo: un agente es más contrario a correr riesgos que otro si está dispuesto a aceptar
menos juegos pequeños. Sin embargo, en muchas circunstancias interesa disponer
de una medida global de la aversión al riesgo, es decir, interesa saber si un agente es
más contrario a correr riesgos que otro, cualquiera que sea el nivel de riqueza. ¿Cuál
es la manera natural de expresar esta condición?
La primera manera plausible consiste en formalizar la idea de que un agente
cuya función de utilidad sea A(w) es más contrario a correr riesgos que uno cuya
función de utilidad sea B(w) de la manera siguiente:

A"(w) B"(w)
- A'(w) > - B'(w)

en todos los niveles de riqueza w. Esta expresión significa simplemente que el agente
A tiene en todos los casos un grado mayor de aversión al riesgo que el B.
Otra manera sensata de formalizar la idea de que el agente A es más contrario
a correr riesgos que el B es decir que la función de utilidad del primero es "más
cóncava" que la del segundo. Más concretamente, decimos que la función de utilidad
del agente A es una transformación cóncava de la del agente B; es decir, existe una
función creciente y estrictamente cóncava G(·) tal que

A(w) = G(B(w)).
La tercera manera de recoger la idea de que A es más contrario a correr riesgos
que B es decir que A estaría dispuesto a pagar más por evitar un determinado riesgo
que B. Para formalizar esta idea, supongamos que E es una variable aleatoria cuya
esperanza matemática es ce�o: EE = O. En ese caso, decimos que 1r A (E) es la cantidad
máxima de riqueza a la que renunciaría la persona A para no tener que enfrentarse
a la variable aleatoria E, lo que en símbolos se expresa de la siguiente manera:

A(w - 1rA(E)) = EA(w + E).

El primer miembro de esta expresión es la utilidad que genera la reducción de la
riqueza en 1r A (E) y el segundo es la utilidad esperada del juego E. Es natural decir
214 / LA INCERTIDUMBRE (C. 11)

que la persona A es (globalmente) más contraria al riesgo que la B si 7fA (E) > tt B (E)
cualquiera que sea E.
Tal vez parezca difícil elegir entre estas tres plausibles y razonables interpre-
taciones de lo que podría significar que un agente es "globalmente más contrario al
riesgo" que otro. Afortunadamente, no es necesario elegir: las tres definiciones son
equivalentes. Para demostrarlo necesitamos el siguiente resultado, que es de suma
utilidad para analizar las funciones de utilidad esperada.

Desigualdad de Jensen. Sea X una variable aleatoria y f (X) una función estrictamente
cóncava de esta variable aleatoria. En ese caso, E f(X) < f(EX).

Demostración. Esta proposición es cierta en general, pero es más fácil demostrarla

en el caso de una función cóncava diferenciable. Una función de ese tipo posee la
propiedad de que en cualquier punto ii; f(x) < f(x) + f'(x)(x - x). Suponiendo que
X es el valor esperado de X y tomando esperanzas matemáticas en cada uno de los
miembros de esta expresión, tenemos que

E f (X) < f (X) + J' (X)E(X - X) = f (X),

de donde se deduce que

E f(X) < f(X) = f(EX).

Teorema de Pratt. Sean A(w) y B(w) dos funciones de utilidad esperada de la riqueza
diferenciables, crecientes y cóncavas. En ese caso, las propiedades siguientes son equivalentes.

l. -A"(w)/A'(w) > -B"(w)/ B'(w) cualquiera que sea w.

2. A(w) = G(B(w)) en el caso de alguna función creciente y estrictamente cóncava G.

3. tt A (E) > tt B (E) en el caso de todas las variables aleatorias E tales que E E = O.
Demostración.
(1) implica (2). Definamos G(B) implícitamente por medio de A(w) = G(B(w)).
Obsérvese que la monotonicidad de las funciones de utilidad implica que G está
bien definida, es decir, a cada valor de B le corresponde un único valor de G(B).
Diferenciando dos veces esta definición, tenemos que

A'(w) = G'(B)B'(w)
A"(w) = G"(B)B'(w)2 + G'(B)B"(w).
 La aversión global al riesgo / 215

Dado que A'(w) > O y B'(w) > O, la primera ecuación establece que G'(B) > O.
Dividiendo la segunda ecuación por la primera, tenemos que

A"(w) G"(B) , B"(w)

A'(w) = G'(B) B (w) + B'(w) .
Reordenando, tenemos que

G"(B) , B"(w) A"(w)

G'(B) B (w) = B'(w) - A'(w) < O,
donde la desigualdad se deduce de (1). Queda demostrado que G"(B) < O, como
queríamos.

(2) implica (3), como se deduce de la siguiente cadena de desigualdades:

A(w - 1r A) = EA(w + E) = EG(B(w + E))

< G(EB(w + m = G(B(w - 7rB))
= A(w - 7rB).

Todas estas relaciones se deducen de la definición de la prima por el riesgo con la

salvedad de la desigualdad, que se deduce de la desigualdad de Jensen. Comparando
el primer término y el último, vemos que 7rA > 7rB·

(3) implica (1). Dado que (3) se cumple en el caso de todas las variables aleatorias E
cuya media es cero, debe cumplirse en el caso de todas las variables aleatorias arbi-
trariamente pequeñas. Tómese una variable E y considérese la familia de variables
aleatorias definida por iE, tales que t pertenece al intervalo [O, 1]. Sea 1r(t) la prima
por el riesgo en función de t. El desarrollo en serie de Taylor de segundo orden de
1r(t) en torno a t = O viene dado por

(11.5)

Calcularemos los términos de esta serie de Taylor para ver cómo se comporta
1r(t) cuando t es pequeño. La definición de 1r(t) es

A(w - 1r(t)) = EA(w + a).

De esta definición se deduce que 1r(O) = O. Diferenciando dos veces la definición con
respecto a t, tenemos que

-A' (w - 1r(t))1r' (t) = E[A' (w + tE)E]

A"(w - 1r(t))1r'(t)2 - A'(w - 1r(t))1r"(t) = E[A"(w + Wi].
216 / LA INCERTIDUMBRE (C. 11)

(Es posible que algunos lectores no estén familiarizados con la forma de diferen-
ciar una esperanza matemática, pero tomar esperanzas no es más que otra notación
de una suma o una integral, por lo que se aplican las mismas reglas: la derivada de
una esperanza es la esperanza de la derivada.)
Evaluando la primera expresión cuando t = O, vemos que 7í1(0) =O.Evaluando
la segunda cuando t = O, vemos que

,, EA"(w)i A"(w) 2
7í (O) =- A'(w) =- A'(w)ª'
donde a2 es la varianza de E. Introduciendo las derivadas en la ecuación (11.5) de
7í(t), tenemos que

A"(w) ª2
7í(t) �o+ o - ---t2 .
A'(w) 2

Eso implica que cuando los valores de t son arbitrariamente bajos, la prima por
el riesgo depende monótonamente del grado de aversión al riesgo, que es lo que
queríamos demostrar.

Ejemplo: Estática comparativa de un sencillo problema de cartera

Apliquemos lo que hemos aprendido al análisis de un sencillo problema de cartera

de dos periodos en el que hay dos activos, uno cuyo rendimiento es incierto y uno
cuyo rendimiento es seguro. Dado que la tasa de rendimiento del activo incierto es
incierta, la representamos por medio de la variable aleatoria R.
Sea w la riqueza inicial y a 2: O la cantidad monetaria invertida en el activo
incierto. La restricción presupuestaria implica que w - a es la cantidad invertida en
el activo seguro. Suponemos para mayor comodidad que el activo seguro tiene una
tasa de rendimiento nula.
En este caso, la riqueza correspondiente al segundo periodo puede expresarse
de la siguiente manera:

W = a(l + R) + w - a= aR + w.

Obsérvese que la riqueza correspondiente al segundo periodo es una variable aleato-

ria dado que también lo es R. La utilidad esperada de invertir a en el activo incierto
puede expresarse de la siguiente manera:

v(a) = Eu(w + aR),

y las dos primeras derivadas de la utilidad esperada con respecto a a son
 La aversión global al riesgo / 217

v'(a) = Eu'(w + aR)R

v"(a) = Eu"(w + aR)R2.
Obsérvese que la aversión al riesgo implica que v" (a) es siempre negativo, por lo que
se satisface automáticamente la condición de segundo orden.
Examinemos, en primer lugar, las soluciones de esquina. Evaluando la primera
derivada en a = O, tenernos que v'(O) = Eu'(w)R = u'(w)ER, de donde se deduce
que si ER � O, v'(O) � O, y, dada la estricta aversión al riesgo, v'(a) < O cualquiera
que sea a > O. Por lo tanto, a = O es una situación óptima si y sólo si ER � O. Es
decir, una persona contraria a correr riesgos decidirá no invertir nada en el activo
incierto si y sólo si su rendimiento esperado no es positivo.
En cambio, si ER > O, se deduce que v'(O) = u'(w)ER > O, por lo que el
individuo generalmente querrá invertir una cantidad positiva en el activo incierto.
La inversión óptima satisfará la condición de primer orden

Eu'(w + aR)R = O, (11.6)

lo que requiere simplemente que la utilidad· marginal esperada de la riqueza sea

igual a cero.
Examinemos la estática comparativa de este problema de elección. En primer
lugar, veamos cómo varía a cuando varía w. Sea a(w) la elección óptima de a en
función de w; ésta debe satisfacer idénticamente la condición de primer orden

Eu'(w + a(w)R)R = O.
Diferenciando con respecto a w, tenernos que

Eu"(w + aR)R[l + a'(w)R] = O,

o sea,

a )
a'(w) =_ Eu"(w + � � .
Eu"(w + aR)R2

Corno es habitual, el denominador es negativo debido a la condición de segundo

orden, por lo que vernos que

signo de a'(w) = signo de Eu"(w + aR)R.

218 / LA INCERTIDUMBRE (C. 11)

El signo de la expresión del segundo miembro no es totalmente evidente. Sin

embargo, en realidad depende de la conducta de la aversión absoluta al riesgo, r(w).

La aversión al riesgo. Eu"(w + aR)R es positivo, negativo o cero cuando r(w) es

decreciente, creciente o constante.

Demostración. Demostramos que r'(w) < O implica que Eu"(w + aR)R > O, ya que
éste es el caso más razonable. Las demostraciones de los demás son similares.
Consideremos primero el caso en el que R > O. En este caso, tenemos que

- u"(w + aR)
r(w + aR) = - _ < r(w),
u'(w + aR)
que puede expresarse también de la forma siguiente:

u"(w + aR) > -r(w)u'(w + aR). (11.7)

Dado que R > O,

u"(w + aR)R > -r(w)u'(w + aR)R. (11.8)

Consideremos ahora el caso en el que R < O. Examinando (11.7), vemos que el

hecho de que la aversión absoluta al riesgo sea decreciente implica que

u"(w + aR) < -r(w)u'(w + aR).

Dado que R< O, tenemos que

u"(w + aR)R > -r(w)u'(w + aR)R.

Comparando esta desigualdad con la ecuación (11.8), vemos que (11.8) debe cum-
plirse tanto en el caso en el que R > O como en el caso en el que R < O. Por lo tanto,
tomando la esperanza con respecto a todos los valores de R, tenemos que

Eu"(w + aR)R > -r(w)Eu'(w + aR)R = O,

donde la última igualdad se deduce de las condiciones de primer orden.

El lema nos da nuestro resultado: la inversión en el activo incierto es creciente,

constante o decreciente con respecto a la riqueza cuando la aversión al riesgo es
decreciente, constante o creciente con respecto a la riqueza.
A continuación vemos cómo varía la demanda del activo incierto cuando varía
la distribución de probabilidades de su rendimiento. Una manera de parametrizar los
desplazamientos de la tasa aleatoria de rendimiento consiste en formular la expresión
 La aversión global al riesgo / 219

(1 + h)R, donde hes una variable de traslación. Cuando h = O, tenemos la variable

aleatoria inicial; si h es positivo, significa que todos los rendimientos conseguidos
son un h por ciento mayores.
Sustituyendo R por (1 +h)R en la ecuación (11.6) y dividiendo los dos miembros
de la expresión por (1 + h), tenemos que

Eu' (w + a(l + h)R)R = O. (11.9)

Podríamos diferenciar esta expresión con respecto a h y averiguar el signo del re-
sultado, pero es mucho más fácil ver qué ocurre con a cuando varía h. Sea a(h) la
demanda del activo incierto en función de h. Afirmo que

a(h) = a(Oh ).
1+
La demostración consiste simplemente en introducir esta fórmula en la condición de
primer orden (11.9).
Intuitivamente, si la variable aleatoria se multiplica por 1 + h, el consumidor
reduce simplemente sus tenencias en 1/(1 + h) y restablece exactamente la misma
pauta de rendimientos que teníamos antes de que se produjera el desplazamiento
de la variable aleatoria. Este tipo de desplazamiento lineal de la variable aleatoria
puede contrarrestarse perfectamente alterando la cartera del consumidor.
Un desplazamiento más interesante de la variable aleatoria es lo que se conoce
como dispersión que preserva la media, que aumenta la varianza de R pero mantiene
constante su media. Una manera de parametrizar esa variación consiste en formular
la siguiente expresión: R + h(R - R). El valor esperado de esta variable aleatoria es
R, pero la varianza es h2a�, por lo que un aumento de h no altera la media, pero
aumenta la varianza.
Esta expresión también puede formularse de la siguiente manera: (1 + h)R- hR,
lo que demuestra que puede considerarse que este tipo de dispersión que preserva
la media lo que hace es multiplicar la variable aleatoria por 1 + h y a continuación
restar ut: De acuerdo con nuestros resultados anteriores, multiplicar la variable
aleatoria por 1 + h reduce la demanda dividiéndola por 1 + h y restar una cantidad
de la riqueza la reduce aún más, suponiendo que la aversión absoluta al riesgo es
decreciente. Por lo tanto, este tipo de dispersión que preserva la media reduce la
inversión en el activo incierto más que proporcionalmente.

Ejemplo: Fijación de los precios de los activos

Supongamos ahora que hay muchos activos inciertos y uno seguro. Cada uno de
los activos inciertos tiene un rendimiento total aleatorio tt; siendo i = 1, ... , n, y
el activo seguro tiene un rendimiento total Ro (el rendimiento total, R, es uno más
220 / LA INCERTIDUMBRE (C. 11)

la tasa de rendimiento; en el apartado anterior hemos utilizado el símbolo R para

representar la tasa de rendimiento). El consumidor tiene inicialmente la riqueza w
y decide invertir la proporción Xi en el activo i siendo i = O, ... , n. Por lo tanto, la
riqueza que posee el consumidor en el segundo periodo -cuando se consiguen los
rendimientos aleatorios- viene dada por
n
W = w ¿xdii (11.10)
i=Ü

Suponemos que el consumidor quiere elegir (xi) con el fin de maximizar la utilidad
esperada de la riqueza aleatoria W.
La restricción presupuestaria correspondiente a este problema es ¿�=O Xi = 1.
Dado que Xi es la proporción de la riqueza del consumidor invertida en el activo i, la
suma de las proporciones invertidas en todos los activos existentes debe ser l. Esta
restricción presupuestaria también puede expresarse de la siguiente manera:
n
xo +¿xi= 1,
i=l

porlo que xo = 1- ¿�=l Xi. Introduciendo esta expresión en la (11.10) y reordenando

los términos, tenemos que

W=w [xoRo + t x,R;]

t=l

=w [o - tx,>Ro tx,R;] +

= w [Ro+ tx,(Íl; - Ro)] .

t=l
Con esta reordenación de la restricción presupuestaria, ahora tenemos un pro-
blema de maximización sin restricciones en x1, ... , Xn.

¿ xiCRi - Ro)]).
n
max Eu(w[Ro +
XJ,···,Xn
. i=l

Diferenciando con respecto a Xi tenemos las condiciones de primer orden

Eu' (W)(it - Ro) = o,

siendo i = 1, ... , n. Obsérvese que es esencialmente la misma expresión que obtuvi-
mos en el apartado anterior.
 La aversión relativa al riesgo / 221

También puede expresarse de la siguiente manera:

Eu' (W)Ri = RoEu' (W).

Utilizando la identidad de la covarianza en el caso de variables aleatorias, cov(X, Y) =
EXY - EX EY, podemos transformar esta expresión en

cov(u'(W), Ri) + E.Ri Eu'(W) = RoEu'(W).

Reordenándola, tenemos que

=
- } - -
(11.11)
I
ERi Ro - Eu'(W) cov(u (W), Ri).

Esta ecuación nos dice que el rendimiento esperado de un activo cualquiera

puede expresarse como la suma de dos componentes: el rendimiento libre de riesgo
más la prima por el riesgo. Esta última depende de la covarianza entre la utilidad
marginal de la riqueza y el rendimiento del activo (obsérvese que se trata de un
concepto de prima por el riesgo distinto al que analizamos en la demostración del
teorema de Pratt; desgraciadamente, se utiliza el mismo término para referirse a
ambos conceptos).
Consideremos un activo cuyo rendimiento está correlacionado positivamente
con la riqueza. Dado que la aversión al riesgo implica que la utilidad marginal de la
riqueza disminuye conforme aumenta ésta, un activo de ese tipo estará correlacionado
negativamente con la utilidad marginal. Por lo tanto, un activo de ese tipo deberá
tener un rendimiento esperado mayor que la tasa libre de riesgo, para compensar su
riesgo.
En cambio, un activo correlacionado negativamente con la riqueza tendrá un
rendimiento esperado menor que la tasa libre de riesgo. Intuitivamente, un activo
correlacionado negativamente con la riqueza es un activo especialmente valioso para
reducir el riesgo y, por lo tanto, la gente estará dispuesta a sacrificar los rendimientos
esperados con el fin de tener un activo de ese tipo.

11. 7 La aversión relativa al riesgo

Consideremos el caso deun consumidor cuya riqueza es w y supongamos que se

le ofrece la posibilidad de participar en el siguiente tipo de juegos: recibir un x por
ciento de su riqueza actual con una probabilidad p; recibir un y por ciento de su
riqueza actual con una probabilidad (1 - p). Si el consumidor evalúa las loterías
basándose en la utilidad esperada, la utilidad de esta lotería será

pu(xw) + (1 - p)u(yw).
222 / LA INCERTIDUMBRE (C. 11)

Obsérvese que este juego multiplicativo tiene una estructura diferente de la que
tienen los juegos aditivos antes analizados. No obstante, este tipo de juegos relativos
surge con frecuencia en los problemas económicos. Por ejemplo, el rendimiento de
las inversiones suele formularse en relación con el nivel de inversión.
Cabe preguntarse, al igual que antes, cuándo aceptará un consumidor más
juegos relativos pequeños que otro con un determinado nivel de riqueza. Realizando
el mismo tipo de análisis que antes, observamos que la medida adecuada es la medida
de Arrow-Pratt de la aversión relativa al riesgo:

u"(w)w
p =- .
u'(w)
Es razonable preguntarse cómo variarían la aversión absoluta al riesgo y la
relativa si variara la renta. Es bastante plausible suponer que la aversión absoluta al
riesgo disminuye conforme aumenta la riqueza: una persona está dispuesta a aceptar
más juegos expresados en pesetas absolutas a medida que se enriquece. La conducta
de la aversión relativa al riesgo plantea más problemas; ¿está más o menos dispuesta
una persona a arriesgarse a perder una parte de su riqueza a medida que aumenta
ésta? Suponer que la aversión relativa al riesgo es constante probablemente no es un
supuesto excesivamente malo, al menos cuando se trata de pequeñas variaciones de
la riqueza.

Ejemplo: La media y la varianza de la utilidad

En general, la utilidad esperada de un juego depende de toda la distribución de

probabilidades de los resultados. Sin embargo, en algunas circunstancias la utilidad
esperada de un juego depende únicamente de determinados estadísticos que resu-
men la distribución. El ejemplo más corriente es el de la media y la varianza de la
función de utilidad.
Supongamos, por ejemplo, que la función de utilidad esperada es cuadrática,
por lo que u(w) = w - bw2. En ese caso, la utilidad esperada es

Eu(w) = Ew - bEw2 = w - bw2 - be/;.

Por lo tanto, la utilidad esperada de un juego es únicamente una función de la media

y la varianza de la riqueza.
Desgraciadamente, la función de utilidad cuadrática tiene algunas propiedades
poco recomendables: es una función decreciente de la riqueza en algunos intervalos
y muestra una aversión absoluta al riesgo creciente.
Un caso más útil en el que está justificado el análisis de la media y la varianza
es aquel en el que la riqueza sigue una distribución normal. Es bien sabido que la
 La utilidad que depende del estado de la naturaleza / 223

media y la varianza caracterizan totalmente una variable aleatoria normal; por lo

tanto, la elección entre las variables aleatorias que siguen una distribución normal se
reduce a una comparación de sus medias y varianzas.
Un caso de especial interés es aquel en el que el consumidor tiene una función
de utilidad de la forma u(x) = =e:"?", Puede demostrarse qqe en el caso de esta
función de utilidad la aversión absoluta al riesgo es constante. Además, cuando la
riqueza sigue una distribución normal

Eu(w) =- ! «r= f(w) dw = -e-rl-w+riu�/21.

(Para realizar la integración, o bien desarróllese el cuadrado, o bien obsérvese que

se trata esencialmente del cálculo que se realiza para hallar la función generadora
de momentos correspondiente a la distribución normal.) Obsérvese que la utilidad
esperada es creciente en w - ra�/2. Eso significa que podemos tomar una transfor-
mación monótona de la utilidad esperada y evaluar las distribuciones de la riqueza
valiéndonos de la función de utilidad u(w, a�)= w - ;a�. Esta función de utilidad
tiene la útil propiedad de que es lineal en la media y la varianza de la riqueza.

11.8 La utilidad que depende del estado de la naturaleza

En nuestro análisis inicial de la elección en condiciones de incertidumbre, los premios

eran simplemente cestas abstractas de bienes. Posteriormente nos especializamos en
las loterías que sólo tenían resultados monetarios. Sin embargo, este supuesto no
es tan inocuo como parece, pues, al fin y al cabo, el valor de una peseta depende
de los precios vigentes; una descripción completa del resultado de un juego cuyos
resultados se expresan en términos monetarios debe comprender no sólo la cantidad
de dinero disponible en cada resultado sino también los precios vigentes en cada
uno.
En términos más generales, la utilidad de un bien suele depender de las circuns-
tancias o del estado de la naturaleza en el que puede disponerse de él. Un paraguas
puede parecer muy distinto a un consumidor cuando está lloviendo que cuando no
lo está. Estos ejemplos muestran que en algunos problemas de elección es importante
distinguir los bienes por el estado de la naturaleza en que puede disponerse de ellos.
Supongamos, por ejemplo, que hay dos estados de la naturaleza, calor y frío,
que representamos mediante los subíndices e y f. Sea x¿ la cantidad de helado que
se vende cuando hace calor y x ¡ la que se vende cuando hace frío. En ese caso, si la
probabilidad de que haga calor es p, podemos formular una determinada lotería de
la manera siguiente: pu(h, xc) + (1 - p)u(c, x ¡ ). En este caso, la cesta de bienes que
se obtiene en un estado está formada por "calor y x¿ unidades de helado" y "frío y
x ¡ unidades de helado" en el otro estado.
224 / LA INCERTIDUMBRE (C. 11)

Un ejemplo más serio es el del seguro médico. El valor de cien pesetas puede
muy bien depender de la riqueza: ¿cuánto valdrían para una persona cien millones
de pesetas si estuviera en coma? En este caso, podríamos muy bien expresar la
función de utilidad de la manera siguiente: u(h, m8), dondes es un indicador de la
salud y m es una determinada cantidad de dinero. Éstos son ejemplos todos ellos de
funciones de utilidad que dependen del estado de la naturaleza, lo cual significa
simplemente que las preferencias por los distintos bienes considerados dependen
del estado de la naturaleza en que puedan conseguirse.

11.9 La teoría de las probabilidades subjetivas

En el análisis de la teoría de la utilidad esperada hemos sido bastante vagos respecto

a la naturaleza exacta de las "probabilidades" que entran en la función de utilidad es-
perada. La interpretación más sencilla es que se trata de probabilidades "objetivas",
como sucede en el caso de las probabilidades calculadas a partir de algunas frecuen-
cias observadas. Desgraciadamente, en los problemas de elección más interesantes
las probabilidades son subjetivas: se trata de las percepciones de un determinado
agente de la probabilidad de que ocurra un acontecimiento.
En el caso de la teoría de la utilidad esperada, nos hemos preguntado qué
axiomas sobre la conducta de elección de una persona implicarían la existencia de
una función de utilidad esperada que representara esa conducta. Del mismo modo,
podemos preguntamos qué axiomas sobre la conducta de elección de una persona
pueden utilizarse para deducir la existencia de probabilidades subjetivas, es decir, la
conducta de elección de una persona puede concebirse como si estuviera evaluando
los juegos de acuerdo con su utilidad esperada con respecto a algunas medidas de
las probabilidades subjetivas.
Da la casualidad de que estos conjuntos de axiomas existen y de que son
razonablemente plausibles. Las probabilidades subjetivas pueden construirse de la
misma manera que la función de utilidad esperada. Recuérdese que hemos definido
la utilidad de un juego x como el número u(x) tal que

x ""' u(x) o b EB (1 - u(x)) o w.

Supongamos que estamos tratando de conocer la probabilidad subjetiva para un

individuo de que llueva en una determinada fecha. En ese caso, podemos preguntar-
nos con qué probabilidad p será indiferente el individuo entre el juego po bEB (1- p) o w
y el juego "recibir b si llueve y w en caso contrario".
En términos más formales, sea E un acontecimiento y p(E) la probabilidad
(subjetiva) de que ocurra. Definimos la probabilidad subjetiva de que ocurra E por
medio del número p(E) que satisface la condición siguiente:
 La teoría de las probabilidades subjetivas / 225

p(E) o b EB (1 � p(E)) o w rv recibir b si ocurre E y w en caso contrario.

Puede demostrarse que partiendo de determinados supuestos sobre la regula-

ridad, las probabilidades definidas de esta forma tienen todas las propiedades de
las probabilidades objetivas ordinarias. En concreto, cumplen las reglas habituales
necesarias para la manipulación de las probabilidades condicionadas, lo cual tiene
algunas útiles implicaciones para la conducta económica.
Examinemos brevemente una de esas implicaciones. Supongamos que p(H)
es la probabilidad subjetiva para una persona de que sea cierta una determinada
hipótesis, de que E es un acontecimiento que se ofrece como prueba de que H es
cierto. ¿ Cómo debería ajustar un agente económico racional su creencia sobre las
probabilidades de que ocurra H a la luz de la evidencia E? Es decir, ¿cuál es la
probabilidad de que sea cierto H, condicionada a la observación de la evidencia E?
La probabilidad conjunta de observar que E y H son ciertos puede expresarse
de la siguiente manera:

p(H, E)= p(HIE)p(E) = p(EIH)p(H).

Reordenando los términos de esta ecuación, tenemos que

= p(EIH)p(H)
P (HIE) p(E) .

Ésta es una forma de la ley de Bayes que relaciona la probabilidad anterior, p(H),
es decir, la probabilidad de que la hipótesis sea cierta antes de observar la evidencia,
con la probabilidad posterior, es decir, con la probabilidad de que la hipótesis sea
cierta después de observar la evidencia.
La ley de Bayes se deduce directamente de la mera manipulación de la probabi-
lidad condicionada. Si la conducta de una persona satisface suficientes restricciones
para garantizar la existencia de probabilidades subjetivas, esas probabilidades deben
satisfacer la ley de Bayes. Esta ley es importante porque muestra cómo debería actua-
lizar una persona racional sus probabilidades a la luz de la evidencia y, por lo tanto,
sirve de base a la mayoría de los modelos de la conducta racional de aprendizaje.
Por consiguiente, tanto la función de utilidad como las probabilidades subjeti-
vas pueden construirse a partir de la conducta de elección observada, en la medida
en que esta última cumpla determinados axiomas intuitivamente plausibles. Sin
embargo, debe hacerse hincapié en que aunque los axiomas son intuitivamente plau-
sibles, eso no quiere decir que sean descripciones precisas del comportamiento real
de las personas. Esa determinación debe basarse en datos empíricos.
226 / LA INCERTIDUMBRE (C. 11)

Ejemplo: La paradoja de Allais y la paradoja de Ellsberg

La teoría de la utilidad esperada y la teoría de las probabilidades subjetivas se basan

en el supuesto de que la conducta es racional. Los axiomas subyacentes a la teoría de
la utilidad esperada parecen plausibles, así como la construcción que hemos utilizado
en el caso de las probabilidades subjetivas.
Desgraciadamente, la conducta real de los individuos parece que viola sis-
temáticamente algunos de estos axiomas. He aquí dos famosos ejemplos.

La paradoja de Allais

Suponga el lector que se le pide que elija entre los dos juegos siguientes:

Juego A. Una probabilidad de un 100% de recibir 1 millón.

Juego B. Una probabilidad de un 10% de recibir 5 millones, una probabilidad de un

89% de recibir 1 millón y una probabilidad de un 1 % de no recibir nada.

Antes de seguir adelante elija uno de estos juegos y anótelo. A continuación

examine los dos juegos siguientes.

Juego C. Una probabilidad de un 11 % de recibir 1 millón y una probabilidad de un

89% de no recibir nada.

Juego D. Una probabilidad de un 10% de recibir 5 millones y una probabilidad de

un 90% de no recibir nada.

Elija de nuevo el juego que prefiera y anótelo.

Muchas personas prefieren A a By Da C. Sin embargo, estas elecciones violan
los axiomas de la utilidad esperada. Para verlo, basta formular la relación de utilidad
esperada que implica A t B:

u(l) > O, 1 u(S) + O, 89u(l) + O, 1 u(O).

Reordenando esta expresión, tenemos que

O, llu(l) > O, lu(S) + O, lu(O),

y añadiendo O, 89u(O) a cada uno de los miembros, tenemos que

O, llu(l) + O, 89u(O) > O, lu(S) + O, 90u(O).

 La teoría de las probabilidades subjetivas / 227

Por lo tanto, un maximizador de la utilidad esperada debe preferir el juego C al D.

La paradoja de Ellsberg

La paradoja de Ellsberg se refiere a la teoría de las probabilidades subjetivas. Suponga

el lector que se le dice que una urna contiene 300 bolas. Cien son rojas y doscientas
son azules o verdes.

Juego A. Se reciben 1.000 pesetas si la bola es roja.

Juego B. Se reciben 1.000 pesetas si la bola es azul.

Anote el juego que prefiere y examine a continuación los dos juegos siguientes:

Juego C. Se reciben 1.000 pesetas si la bola no es roja.

Juego D. Se reciben 1.000 pesetas si la bola no es azul.

Normalmente la gente prefiere estrictamente A a By Ca D. Pero estas prefe-

rencias violan la teoría convencional de las probabilidades subjetivas. Para ver por
qué, supongamos que Res el acontecimiento en el que la bola es roja y ,Res el
acontecimiento en el que no es roja y definamos B y ,B de la misma manera. De
acuerdo con las reglas ordinarias de la probabilidad,

p(R) = 1 - p( ,R)
(11.12)
p(B) = 1 - p(,B).

Normalicemos y supongamos que u(O) = O para facilitar la exposición. En ese

caso, si se prefiere A a B, debe cumplirse la siguiente condición: p(R)u(lOOO) >
p(B)u(lOOO), de donde se deduce que

p(R) > p(B). (11.13)

Si se prefiere Ca D, debe cumplirse la condición: p(,R)u(lOOO) = p(,B)u(lOOO), de

donde se deduce que

p( ,R) > p( ,B) (11.14)

Sin embargo, es evidente que las expresiones (11.12), (11.13) y (11.14) son in-
compatibles.
La paradoja de Ellsberg parece que se debe al hecho de que la gente piensa que
es "más seguro" apostar por o en contra de R que apostar por o en contra de "azul".
228 / LA INCERTIDUMBRE (C. 11)

Existen discrepancias sobre la importancia de las paradojas de Allais y Ellsberg.

Unos economistas piensan que estas anomalías exigen la elaboración de nuevos
modelos que describan la conducta de los individuos. Otros piensan que estas
paradojas parecen "ilusiones ópticas". Aun cuando juzguemos mal las distancias
en algunas circunstancias, eso no significa que tengamos que inventar un nuevo
concepto de distancia.

Notas

La función de la utilidad esperada se debe a Neumann y Morgenstern (1944). Nuestro

análisis se basa en el de Herstein y Milnor (1953). Las medidas de la aversión al
riesgo se deben a Arrow (1970) y Pratt (1965). Nuestro análisis se basa en el de Yaari
(1969). Para una descripción de los trabajos recientes sobre las generalizaciones de
la teoría de la utilidad esperada véase Machina (1982). Nuestro breve análisis de la
probabilidad subjetiva se basa en Anscombe y Aumann (1963).

Ejercicios

11.1. Demuestre que la disposición a pagar por evitar un pequeño juego cuya
varianza es v es aproximadamente r( w )v /2.

11.2. ¿Qué forma tiene la función de utilidad esperada si la aversión al riesgo es

constante? ¿ Y si lo es la aversión relativa al riesgo?

11.3. ¿Qué forma tiene la función de utilidad esperada para que la inversión en un
activo incierto sea independiente de la riqueza?

11.4. Considere el caso de una función de utilidad esperada cuadrática. Demuestre

que en un determinado nivel de riqueza la utilidad marginal es decreciente. De-
muestre, lo que es más importante, que la aversión absoluta al riesgo es creciente en
todos los niveles de riqueza.

11.5. Supongamos que tiramos una moneda al aire y que hay una probabilidad p de
que salga cara. Se nos invita a participar en una apuesta en la que recibiremos 2001
pesetas si sale cara por primera vez en la j-ésima ocasión que se tira al aire.

(a) ¿ Cuál es el valor esperado de esta apuesta cuando p = 1 /2?

(b) Suponga que su función de utilidad esperada es u(x) = lnx. Exprese la
utilidad que tiene para usted este juego en forma de suma.
 Ejercicios / 229

(c) Evalúe la suma (para ello necesita conocer algunas fórmulas de manipulación
de sumatorios).

(d) ¿Cuál es la cantidad máxima de dinero que estaría dispuesto a pagar por
participar en este juego?

11.6 Esperanza es una maximizadora de la utilidad esperada desde que tenía cinco
años. Como consecuencia de la estricta educación que recibió en un oscuro internado
británico, su función de utilidad u es estrictamente creciente y estrictamente cóncava.
Ahora, cuando tiene algo más de treinta años, está evaluando un activo que tiene un
resultado estocástico R que sigue una distribución normal con una media µ y una
varianza cr2. Por lo tanto, su función de densidad viene dada por

f(r)
1
= -exp --
crv'2:ii { 1 (-)
2
r-µ
o 2} .
(a) Demuestre que la utilidad que espera obtener de R Esperanza es una función
deµ y cr2 solamente. Demuestre, pues, que E[u(R)] = cp(µ, cr2).

(b) Demuestre que e/>(·) es creciente enµ.

(c) Demuestre que cp( ·) es decreciente en cr2.

11.7. Sean R1 y R2 los rendimientos aleatorios de dos activos. Suponga que están
distribuidos de manera independiente e idéntica. Demuestre que un maximizador
de la utilidad esperada dividirá su riqueza entre los dos activos siempre que sea
contrario a correr riesgos y la invertirá toda en uno de ellos si es amante del riesgo.

11.8. Suponga que un consumidor se enfrenta a dos riesgos y sólo es posible eliminar
uno de ellos. Sea w = w1 con una probabilidad p y w = w2 con una probabilidad 1 - p.
Sea E= O si w = w2. Si ib = w1, E= E con una probabilidad de 1/2 y E= -E con una
probabilidad de 1/2. Definamos ahora una prima por el riesgo 7íu correspondiente a
? tal que satisfaga la siguiente condición:

E[u(w - 1ru)l = E[u(w + E)] (*)

(a) Demuestre que si E es suficientemente pequeña,

230 / LA INCERTIDUMBRE (C. 11)

[Pista: Tome expansiones de Taylor de los órdenes adecuados en ambos miembros

de (*): de primer orden en el primero y de segundo orden en el segundo.]

(b) Sea u(w) = -e-aw y v(w) = -e-bw_ Calcule la medida de Arrow-Pratt de u

yv.

(c) Suponga que a > b. Demuestre que si p < 1, existe un valor de w1 - w2

suficientemente grande para que 1r v > 1r u. ¿ Qué sugiere esto sobre la utilidad de
la medida de Arrow-Pratt en el caso de los problemas en los que el riesgo sólo se
reduce parcialmente?

11.9. Una persona tiene una función de utilidad esperada de la forma u(w) = y'w.
Inicialmente posee una riqueza de 400 pesetas. Tiene un billete de lotería que valdrá
1.200 pesetas con una probabilidad de 1/2 y nada con una probabilidad de 1/2.
¿Cuái es su utilidad esperada? ¿Cuál es el precio más bajo pal que se desprendería
del billete?

11.10. Un consumidor tiene una función de utilidad esperada que viene dada por
u(w) = lnw. Se le brinda la oportunidad de apostar en un juego en el que se tira una
moneda al aire y hay una probabilidad 1r de que salga cara. Si apuesta x pesetas,
tendrá w + x si sale cara y w - x si sale cruz. Halle el valor óptimo de x en función
de tt . ¿Cuál es la elección optima de x cuando 1r = 1/2?

11.11. Un consumidor tiene una función de utilidad esperada de la forma u( w) =

-1 / w. Se le ofrece la posibilidad de participar en un juego en el que recibirá una
riqueza de w1 con una probabilidad p y w2 con una probabilidad 1 - p. ¿Cuánta
riqueza necesitaría ahora para mostrarse indiferente entre quedarse con su riqueza
actual y aceptar este juego?

11.12. Considere el caso de una persona a la que le preocupan los resultados mone-
tarios en los estados de la naturaleza s = 1, ... , S que pueden ocurrir en el siguiente
periodo. Represente el rendimiento monetario correspondiente al estado s por me-
dio de X8 y la probabilidad de que ocurra ese estado por medio de p8• Se supone
que el in dividuo elige x = (x1 , ... , x s) con el fin de maximizar el valor esperado des-
contado del rendimiento. El factor de descuento se representa por medio de a; es
decir, a= 1/(1 + r), donde res la tasa de descuento. El conjunto de rendimientos se
representa por medio de X, que suponemos que es un conjunto no vacío.
 Ejercicios / 231

(a) Formule el problema de maximización del individuo.

(b) Suponga que v(p, a) es el valor esperado descontado máximo que puede
lograr el individuo si las probabilidades son p = (p1, ... , ps) y el factor de descuento
es a. Demuestre que v(p, a) es homogénea de grado 1 en a (pista: ¿se parece v(p, a)
a algo que haya visto antes?)

(c) Demuestre que v(p, a) es una función convexa de p.

(d) Suponga que puede observar un número arbitrariamente elevado de eleccio-

nes óptimas de x correspondientes a diferentes valores de p y a. ¿Qué propiedades
debe tener el conjunto X para que sea recuperable a partir de la conducta de elección
observada?