Qual è la differenza tra rischio, incertezza e ambiguità

Sto cercando di individuare la differenza tra rischio, incertezza e ambiguità.

A quanto ho capito, quando gli economisti comportamentali parlano di scelta in condizioni di incertezza, significano scelta quando gli agenti affrontano il rischio (distribuzione di probabilità nota su una gamma di risultati) rispetto all'ambiguità (distribuzione di probabilità sconosciuta). Quindi l'incertezza è un concetto generale che può essere scomposto in rischio e ambiguità. Vedi ad esempio Dannenberg et al (2014) .

Capisco anche che c'è un dibattito sul significato di questi termini che risalgono a Knight (1921) e Ellsberg (1961). Ci sono definizioni concorrenti rispetto a quella sopra?

Ecco una formalizzazione teorica delle tue definizioni.

Il solito schema per parlare di rischio oggettivo è la situazione in cui un decisore esprime preferenze rispetto alle lotterie oggettive. Formalmente, se è uno spazio premio, le lotterie oggettive sono definite come elementi dello spazio delle distribuzioni di probabilità (di solito con supporto finito) suΔ ( X ) $X$$\Delta(X)$$X$. Ad esempio, al decisore potrebbe essere chiesto di formare le preferenze tra la lotteria che gli offre una mela con probabilità 0,3 e un'arancia con probabilità 0,7, e la lotteria che le offre una mela con probabilità 0,5 e un'arancia con probabilità 0,5. Il risultato standard in quell'area (teorema di von Neumann-Morgenstern) fornisce una rappresentazione che identifica l'atteggiamento dell'agente nei confronti del rischio oggettivo (la sua funzione di utilità), mentre le probabilità sono date come una primitiva del modello.

Il solito schema per parlare di ambiguità è la situazione in cui un decisore esprime preferenze rispetto ad atti incerti. Formalmente, se è uno spazio premio e uno spazio stato, gli atti sono mappature da aS f : S → X S $X$$S$$f:S \rightarrow X$$S$$X$. Ad esempio, al decisore potrebbe essere chiesto di formulare preferenze tra l'atto che gli offre una mela se Novak Djokovic vince l'Australian Open 2017 e un'arancia altrimenti, e la lotteria che gli offre una mela se vince Andy Murray gli Australian Open 2017 e un'arancia altrimenti. Il risultato standard in quell'area (teorema di von Neumann-Morgenstern) fornisce una rappresentazione che identifica sia le credenze probabilistiche dell'agente riguardo agli stati sia il suo atteggiamento nei confronti del rischio (la sua funzione di utilità).

Esiste un terzo concetto ampiamente usato, di solito chiamato Anscombe-Aumann o corse di cavalli, che associa lotterie oggettive e atti incerti. Formalmente, dato un premio spazio , un atto Anscombe-Aumann è una mappatura che associa una lotteria obiettivo di qualsiasi stato .f : S → Δ ( X ) $X$$f:S \rightarrow \Delta(X)$$S$

Si noti che le definizioni di rischio oggettivo e ambiguità sono in qualche misura soggettive. Il fatto che il rischio sia chiamato "obiettivo" si basa molto sul presupposto che il decisore concorda con il modello di probabilità sottostante. Ad esempio, se osservi il risultato di un lancio di una moneta, potresti credere che le teste avvengano con una probabilità obiettiva di 0,5. È implicitamente imposto nella teoria che il decisore concorda con questa affermazione.

Per quanto riguarda l'ambiguità, potresti credere che l'atto "ricevi una mela se Novak Djokovic vince l'Australian Open 2017" è molto ambiguo perché non hai idea di come calcolare una probabilità soggettiva per questo evento. Detto questo, un altro decisore potrebbe credere con molta fiducia che Djokovic abbia una probabilità del 74% di vincere il torneo, nel qual caso non percepisce affatto questo atto come ambiguo. L'ambiguità è una nozione soggettiva, data dalle preferenze e dal comportamento delle persone e non dalla situazione scelta.

Finora non hai avuto risposta alla tua ultima domanda, riguardo Knight e l'opinione degli altri sul rischio e l'incertezza. In effetti, esiste una distinzione abbastanza radicale tra la visione dell'incertezza in Knight (e Keynes) e quella presentata nella risposta di Oliv.

In breve, secondo Knight (1921) il rischio si riferisce a situazioni in cui la classificazione di stati, eventi o alternative è oggettiva e nota e le loro probabilità possono essere determinate in modo obiettivo. Ad esempio, nel contesto di una polizza assicurativa sulla casa, gli eventi potrebbero essere "la casa brucia" o "la casa non brucia", le cui probabilità possono essere più o meno affermate obiettivamente, sulla base delle caratteristiche casa / ambiente / individuo.

Al contrario, per Knight l' incertezza deriva dall'impossibilità di una classificazione esaustiva degli stati ( Langlois e Cosgel 1993 , p.459). Pertanto, indipendentemente dal fatto che le probabilità degli eventi siano oggettive o soggettive , la natura / economia può essere così complessa che semplicemente tutti i possibili stati non sono noti. Pertanto, qualsiasi categorizzazione di eventi utilizzati per predire il futuro si basa sull'intenzione e sul giudizio , essendo quindi soggettiva.

Questa visione dell'incertezza è condivisa da Keynes, ed è essenziale nella sua teoria degli "spiriti animali". Proprio perché il futuro è sconosciuto - non solo nella probabilità degli eventi, ma anche nella gamma di eventi che potrebbero accadere, le aspettative nelle decisioni di investimento non sono solo una questione di calcolo matematico. Come ha detto Keynes, le decisioni di investimento sono prese "a seguito di spiriti animali - di un impulso spontaneo all'azione piuttosto che all'inerzia, e non come il risultato di una media ponderata dei benefici quantitativi moltiplicata per le probabilità quantitative " (Keynes 2008 [1936] : 144, l'enfasi è mia). È interessante notare che l'approccio evidenziato in corsivo è ciò che Oliv descrive nella sua risposta e il fondamento di gran parte della teoria degli investimenti neoclassici in condizioni di incertezza.

Tra i circoli post-keynesiani, questa incertezza è chiamata "incertezza radicale, fondamentale o ontologica", in contrasto con la visione neoclassica dell'incertezza descritta nella risposta di Oliv, che a volte viene chiamata "incertezza epistemologica". Ad esempio, vedi qui .

Infine, per quanto riguarda l'ambiguità, per quanto ne so, il concetto non viene utilizzato nella prima letteratura in materia.

Oliv, penso che ciò a cui ti riferisci in questo paragrafo:

Il solito schema per parlare di ambiguità è la situazione in cui un decisore esprime preferenze rispetto ad atti incerti. Formalmente, se è uno spazio premio ed è uno spazio stato, gli atti sono mappature da a. Ad esempio, al decisore potrebbe essere chiesto di formulare preferenze tra l'atto che gli offre una mela se Novak Djokovic vince l'Australian Open 2017 e un'arancia altrimenti, e la lotteria che gli offre una mela se vince Andy Murray gli Australian Open 2017 e un'arancia altrimenti. Il risultato standard in quell'area (teorema di von Neumann-Morgenstern) fornisce una rappresentazione che identifica sia le credenze probabilistiche dell'agente riguardo agli stati sia il suo atteggiamento nei confronti del rischio (la sua funzione di utilità).

È il puro mondo soggettivo di Savage, come presentato in Savage "Foundations of Statistics".

La mia interpretazione dei termini sono:

Rischio : processo decisionale con probabilità date / oggettive . Si noti che i due termini non sono uguali. Non ho intenzione di approfondire questo perché non è l'argomento in discussione, ma date le probabilità probabilità oggettive . Il riferimento per questo è Gilboa "Teoria della decisione sotto incertezza". Ciò significa che le primitive nel problema sono sia probabilità che preferenze. Il modello standard è l'utilità attesa di VnM.$\Rightarrow$

Incertezza : processo decisionale con probabilità soggettive . Ciò significa che, dato un evento, due persone potrebbero avere convinzioni probabilistiche diverse su di esso, dove nessuna può convincere l'altra della superiorità della propria valutazione probabilistica. In questo caso il primitivo dei problemi di decisione è solo la relazione di preferenza (le credenze ne derivano). Il modello standard è l' utilità attesa soggettiva di Savages

Miscela di entrambi : ecco dove entra in scena Anscombe Aumann. Assiomatizzano una preferenza funzionale dove sono presenti probabilità sia soggettive che oggettive . Nella loro rappresentazione il decisore prende una doppia aspettativa (oltre le lotterie e gli stati del mondo)

Ambiguità : ora, gli scenari ambigui sono quelli in cui il decisore non ha informazioni sufficienti per essere completamente sicuro che la sua (unica) convinzione sia quella corretta. Citando Cerreia Vioglio et.al "Ambiguity and Robust Statiatics",

L'ambiguità si riferisce al caso in cui un DM non dispone di informazioni sufficienti per quantificare attraverso una singola distribuzione di probabilità la natura stocastica del problema che sta affrontando "

Quindi, un modo naturale per modellare l'ambiguità è attraverso insiemi di priori , in cui de DM non è costretto a dire "la probabilità dell'evento E è x%" (come nel mondo selvaggio), una telecamera dice "la probabilità dell'evento E è tra$[ x\%, y\%]$

Si noti che, per definizione, gli scenari di ambiguità devono avere quadri soggettivi, quindi il modo naturale di modellare in questo caso è avere preferenze sugli atti selvaggi o Anscombe Aumann agiscef : S → Δ ( X $f:S \rightarrow X$$f:S \rightarrow \Delta (X)$

• Rischio  : la probabilità di essere esposti a perdita o danno
• Incertezza  : lo stato di incertezza di qualcosa
• Ambiguità  - non chiarezza in virtù del fatto di avere più di un significato

Parliamo di termini laici.

L'ambiguità è la mancanza di contesto esplicito. A un cuoco vengono date farine, uova, zucchero, sale, spezie. Se chiedi al cuoco di "ricavarne del cibo", questa è ambiguità.

L'incertezza è un esito casuale causato da istruzioni / indicazioni ambigue. Ad esempio, utilizzare sopra le istruzioni ambigue, i risultati possono essere una pasta, torte, biscotti, carbone, ecc. Il risultato è "incerto".

Il rischio è tutto possibile risultati / eventi "cattivi" accessibili tangibili per probabilità associate ad attività specifiche, dipende dal contesto.
Ad esempio, quando ti trovi su un terreno pianeggiante, le possibilità di cadere sono basse. Ma ciò non significa che non puoi cadere: e se la terra sotto di te si spezzasse a causa del terremoto. (strizzatine d'occhio)