Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LA INCERTIDUMBRE
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.
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
U2. Si x r- y, entonces p o x EB (1 - p) o z ,. . ., p o y EB (1 - p) o z.
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.
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:
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
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.
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,
o sea,
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).
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
X y RIQUEZA
u"(w)
r.(w) = - u'(w) ·
210 / LA INCERTIDUMBRE (C. 11)
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.
xí(O) = __P __
1-p
· ,, p [ u"(w)l
Xz (O)= (1 - p)2 - u'(w) .
u'(W - L + (1 - 1r)q*) (1 - p) 1r
u'(W - 1rq*) p 1 - 7r
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
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:
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).
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.
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
(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
De esta definición se deduce que 1r(O) = O. Diferenciando dos veces la definición con
respecto a t, tenemos que
(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.
W = a(l + R) + w - a= aR + w.
Eu'(w + a(w)R)R = O.
Diferenciando con respecto a w, tenernos que
a )
a'(w) =_ Eu"(w + � � .
Eu"(w + aR)R2
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:
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.
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)
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
=w [o - tx,>Ro tx,R;] +
¿ xiCRi - Ro)]).
n
max Eu(w[Ro +
XJ,···,Xn
. i=l
=
- } - -
(11.11)
I
ERi Ro - Eu'(W) cov(u (W), Ri).
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.
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.
= 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)
La paradoja de Allais
Suponga el lector que se le pide que elija entre los dos juegos siguientes:
La paradoja de Ellsberg
Anote el juego que prefiere y examine a continuación los dos juegos siguientes:
p(R) = 1 - p( ,R)
(11.12)
p(B) = 1 - p(,B).
Notas
Ejercicios
11.1. Demuestre que la disposición a pagar por evitar un pequeño juego cuya
varianza es v es aproximadamente r( w )v /2.
11.3. ¿Qué forma tiene la función de utilidad esperada para que la inversión en un
activo incierto sea independiente de la 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.
(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).
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:
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?
11.12. 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
(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?)