Escolha sob Incerteza

Aula 6

Susan Schommer
Loterias
I Muitas escolhas feitas pelos consumidores ocorrem sob
condições de incerteza
I A primeira tarefa é a de descrever o conjunto de escolhas do
consumidor através de loterias
I Uma loteria simples
P L é uma lista L = (p1 , ..., pN ) com
pn ≥ 0 ∀n e n pn = 1 onde pn é interpretado como a
probabilidade do resultado n ocorrer.
Dada K loterias simples L k k
Pk = (p1 , ..., pN ) sendo k = 1, ..., K
I
e probabilidades αk com k αk = 1 a loteria composta
(L1 , ..., Lk ; α1 , ..., αk ) é o risco da loteria simples Lk com
probabilidade αk para k = 1, ..., K
I Para um loteria composta podemos calcular a correspondente
loteria reduzida que é pn = α1 p1n + ... + αk pkn
I Assumimos que somente a loteria reduzida sobre o resultado
final é relevante
Preferências sobre loterias

I Denotamos L o conjunto de todas loterias simples com

relação ao conjunto de resultados (C = X)

I Assumimos que a relação de preferências em L são racionais

quando comparamos pares de loterias

I Incluiremos duas hipóteses adicionais

I As % em L é contı́nua se para qualquer L, L0 , L00 ∈ L os
conjuntos
{α ∈ [0, 1] : αL + (1 − α)L0 % L00 } ⊂ [0, 1] e
{α ∈ [0, 1] : L00 % αL + (1 − α)L0 } ⊂ [0, 1] são fechados
I As % em L satisfaz o axioma da independência se para todo
L, L0 , L00 ∈ L e α ∈ (0, 1) nós temos:
L % L0 see αL + (1 − α)L00 % αL0 + (1 − α)L00
Utilidade esperada

Definição:
A função de utilidade U : L → R tem uma forma de utilidade
esperada se existe uma alocação de números (u1 , ..., uN ) para os
N resultados talque para todo L = (p1 , ..., pN ) ∈ L nós temos:
U (L) = u1 p1 + ... + un pn que é a chamada função de utilidade
esperada de von Neumann-Morgenstern (v.N-M).
Utilidade esperada

Teorema da utilidade esperada:

Suponha que as % racionais no espaço de loterias L satisfazem os
axiomas da continuidade e independência. Então, as % admitem
uma representação da utilidade esperada. Isto é, nós podemos
designar um número un para cada resultado n = 1, ..., N de forma
que para duas loterias L = (p1 , ..., pN ) e L0 = (p01 , ..., p0N ) nós
temos:

L % L0 see 0
P P
n un pn ≥ n un pn
Utilidade esperada
I Existem outras notações para a utilidade esperada
I Seja F : R+ → [0, 1] uma função (cumulativa) de distribuição;
i.e., se ỹ é uma variável aleatória que segue a lei de
distribuição de F , então F (y) = P r(ỹ ≤ y).
I Vamos interpretar F como sendo uma loteria com resultados
monetários, i.e., paga em renda nominal y (riqueza total).
I A função F pode representar tanto loterias com resultados
discretos quanto contı́nuos.
Ry
I Se a densidade f (y) existe, F (y) = 0 f (t)dt
I A utilidade esperada sobre loterias com payoffs monetários
pode ser escrita como
Z
U (F ) = u(y)dF (y)

onde em geral, vamos supor que u(·) é estritamente crescente

e contı́nua
Medidas de aversão ao risco

I Um
R indivı́duo é avesso
R ao risco se e somente se
u(y)dF (y) ≤ u( ydF (y)) para todo F (·)
I Um indivı́duo é avesso ao risco se e somente se u(·) é côncava
I O equivalente de certeza da loteria F (·) paraR um indivı́duo
com utilidade u(·) é definido por u(c(F, u)) = u(y)dF (y)
I O prêmio
R de risco P é uma quantidade de renda tal que
P = ydF (y) − c(F, u)
I O prêmio de probabilidade π(x, , u) para uma dada
quantidade fixa de dinheiro x e um número positivo  é
definido por
u(x) = [1/2 + π(x, , u)]u(x + ) + [1/2 − π(x, , u)]u(x − )
Medidas de aversão ao risco

I Para um determinado indivı́duo com uma função utilidade

sobre a renda u(·), as seguintes afirmações são equivalentes
(i) O indivı́duo é avesso ao risco
(ii) u(·) é côncava
R
(iii) c(F, u) ≤ ydF (y) para todo F
(iv) P ≥ 0 para todo F
(v) π(x, , u) ≥ 0 para todos x, 
Medidas de aversão ao risco

Definição:
Dada uma utilidade u(·) duas vezes diferenciável, temos que

u00 (y)
rA (y, u) = −
u0 (y)

é chamado de coeficiente de aversão absoluta ao risco (de

Arrow-Pratt)

I Maiores coeficientes significam um agente mais avesso ao risco

I O grau de aversão está relacionado com a curvatura de u(·)
I Para u(·) côncava temos r(y) > 0 aversão ao risco
I Para u(·) convexo temos r(y) < 0 propensão ao risco
I Para u(·) linear temos r(y) = 0 neutralidade ao risco
Medidas de aversão ao risco

I Dada duas funções de utilidade u1 (·) e u2 (·) quando podemos

dizer que o agente 2 é mais avesso ao risco do que o agente 1.
Temos vários meios:
(i) rA (y, u2 ) ≥ rA (y, u1 ) para todo y
(ii) Existe uma função côncava e crescente Φ(·) tal que
u2 (y) = Φ(u1 (y)) para todo y
(iii) c(F, u2 ) ≤ c(F, u1 ) para todo F (·)
(iv) P 2 ≥ P 1 para todo F (·)
(v) π(x, R , u2 ) ≥ π(x, , u1 ) para todoR x, 
(vi) Se u2 (y)dF (y) ≥ u2 (y), então u1 (y)dF (y) ≥ u1 (y) para
todos F (·) e y
Medidas de aversão ao risco
I Uma outra medida interessante é avaliar risco para resultados
que são perdas ou ganhos percentuais da riqueza atual

Definição:
Dada uma utilidade u(·) duas vezes diferenciável, temos que

u00 (x)
rR (x, u) = −x
u0 (x)

é chamado de coeficiente de aversão relativa ao risco

I A maneira como a aversão relativa ao risco responde a

variações na riqueza determina como o aumento da riqueza
influencia a proporção da riqueza investida em ativos
arriscados
I Assim como a aversão relativa ou risco determina a forma
como o aumento da riqueza determina o montante investido
em ativos arriscados.
Utilidade dependente do estado da natureza
I Seja S um número finito de estados da natureza s
I Cada estado da natureza s possui probabilidade (objetiva) de
ocorrência πs , s = 1, ...S

Definição:
Uma variável aleatória é uma função g : S → R+ que associa
estados a resultados monetários. Essa variável aleatória pode ser
representada por um vetor (x1 , x2 , ..., xS ) ∈ RS+

I Note que cada variável induz uma loteria sobre resultados

monetários descrita pela distribuição
X
F (x) = πs ∀x
{s;g(s)≤x}

I As preferências agora são definidas sobre variáveis aleatórias

x ∈ RS+ , o que torna o aparato formal semelhante ao utilizado
na teoria do consumidor.
Utilidade dependente do estado da natureza

Definição:
Dizemos que a relação de preferências possui uma representação
de utilidade esperada expandida se para todo s ∈ S existe uma
função us : R+ → R tal que para todo (x1 , x2 , ..., xS ) ∈ RS+ e
0 0 0 S
P1 , x2 , ..., xS ) ∈PR+ , (x1 , x0 2 , ..., xS ) % (x1 , x2 , ..., xS ) see
(x
s πs us (xs ) ≥ s πs us (xs )

Axioma:
(independência extendido) Para todo L, L0 , L00 ∈ L e α ∈ (0, 1),
temos que L % L0 ⇔ αL + (−α)L00 % αL0 + (−α)L00
Utilidade dependente do estado da natureza

Teorema:
Suponha que a relação de preferências satisfaça as propriedades
usuais (incluindo independência) no espaço L, então podemos
associar uma função utilidade por dinheiro us (·) em cada estado s
de tal forma que para qualquer L = (F1 , ..., FS ) e
L0 = (F 0 1, ..., FS0 ) tenhamos L % L0 see
XZ XZ
us (x)dFs (x) ≥ us (x)dFs0 (x)
s s
Maximização intertemporal de utilidade

I Por simplicidade consideramos dois perı́odos t = 0, 1 e que no

segundo perı́odo temos incerteza caracterizado com os S
estados da natureza.
I A utilidade intertemporal discreta pode ser representada como:
X
V (x) = β 0 u0 (x0 ) + β 1 ps us (xs ) ∀s = 1, ..., S
s

onde β t < 1 é o fator desconto no tempo para t = 0, 1

Utilidade esperada subjetiva

I Em geral indı́viduos fazem julgamentos sobre as possibilidades

dos eventos incertos que não é expresso de forma quantitativa.
I A clássica referência é Savage (1954), entretanto, usaremos a
idéia de Anscombe e Aumann (1963) que analisam loterias
com resultados aleatórios objetivos
I As probabilidades não são dadas, iremos deduzı́-las
I Possibilidades que os ganhos monetários no estado não são
certos, mas são loterias monetárias com distribuição objetiva
Fs
I Nosso conjunto de alternativas arriscadas, denotado por L é o
conjunto de todas S-tuples (F1 , ..., FS ) de funções de
distribuições
Utilidade esperada subjetiva
Definição:
As preferências no estado (%1 , ..., %S ) nas loterias no estado são
uniformes no estado se %s =%0s para qualquer s e s0

I Com a uniformidade, us e u0s podem diferenciar somente por

uma transformação linear crescente

Teorema da Utilidade esperada subjetiva

Suponha que as % em L satisfazem os axiomas da continuidade e
da independência extendida. Suponha, em adição que as
preferências no estado são uniformes. Então existem probabilidades
(π1 , ..., πS ) >> 0 e a função de utilidade u(·) em termos
monetários tal que para qualquer (x1 , ..., xS ) e (x01 , ..., x0S ) nós
temos
X X
(x1 , ..., xS ) % (x01 , ..., x0S ) see πs u(xs ) ≥ πs u(x0s )
s s
Mercado de ativos: equilı́brio sob certeza
I Em um mundo com certeza, a análise de mercado de ativos é
muito simples: o preço de um ativo é o valor presente
descontado de seu fluxo de retornos
I Se assim não fosse, haveria a possibilidade de arbitragem sem
risco
I Considere um modelo de dois perı́odos.
I Suponha que uma unidade monetária investida hoje no ativo 0
pagará com certeza R0 unidades monetárias amanhã, então a
taxa de retorno é r0 = R0 − 1
I Existe outro ativo a que terá um valor Va no próximo perı́odo.
Qual será o preço de equilı́brio do ativo a hoje?
I O preço do ativo a hoje deverá ser dado pelo seu valor
Va
presente pa = R 0
= r0V+1
a

I Se pa > Va /R0 amanhã pa R0 > Va e alguem estaria disposto

a vender o ativo a, isto segue que pa não é um preço de
equilı́brio
I Ou podemos escrever Ra = Vpaa = R0
Mercado de ativos: equilı́brio sob incerteza

I Em um mundo com incerteza, o retorno esperado do ativo

será diferente dependendo do grau de risco do ativo
I O retorno esperado do ativo a pode ser escrito como:
Ra = Ra + prêmio de risco do ativo a
I Para analisar este prêmio de risco temos que considerar
preferências dos consumidores, padrões dos retornos e
comportamento de outros ativos arriscados