Выбор в условиях неопределенности

Тема 12. Экономика информации, неопределенности и риска

12.1. Выбор в условиях неопределенности

12.2. Дисперсия. Стандартное отклонение

12.3. Снижение риска

12.4. Рынки с асимметричной информацией

12.5.Аукционы

12.6. Спекуляция и ее роль в экономике

12.7. Риск инвестиционных решений

12.8.Прибыль в условиях риска

Жизнь не стоит на месте. Каждый день приходится принимать новые решения. Важным условием принятия рациональных решений является информация. Однако, как и все экономические блага, информация, как правило, ограничена. Принятие решений в условиях неполной информации имеет свои последствия. Одно из них заключается в том, что приходится рисковать. Риск — это часть нашей жизни. Неудивительно, что будущее далеко не всегда развивается в соответствии с нашими прогнозами. Принятые решения часто оказываются ошибочными, выгоды — скромнее, а затраты — большими, чем мы ожидали. За ошибки приходится платить. Кроме того, приходится платить и за то, чтобы застраховать себя от ошибок.

Это касается всех: потребителей и производителей, покупателей и продавцов. Неопределенность становится серьезным барьером на пути к эффективному рынку, приводит к значительным расходам сил, средств, времени и энергии, неоптимальному распределению товаров и ресурсов.

Одним из первых ученых, обративших внимание на проблему неопределенности в рамках современной экономической теории, был американский экономист Фрэнк Найт (1885—1974). Он различал два типа вероятности: 1) математическую, или априорную, и 2) статистическую.

Вероятность первого типа определяется общими заранее заданными принципами. Например, вероятность выпадения цифры, обозначенной на игральной кости, равна одной шестой. "Априорная вероятность, — пишет Ф. Найт, — это абсолютно однородная классификация случаев, во всем идентичнъкс".

Вероятность второго типа можно определить лишь эмпирически. Например, вероятность возникновения пожара в данном конкретном здании. Конечно, имеется определенная статистика, однакоона относится к другим зданиям города, каждое из которых имеет свою специфику. Здесь трудно отделить случайное от необходимого и практически невозможно устранить все случайные факторы. Здесь нет полной однородности внутри выделяемого класса, отсутствуют равновероятные альтернативы и поэтому нельзя точно определить вероятность с помощью априорных математических вычислений. Статистическая вероятность, считает Ф.Найт, это "эмпирическая оценка частоты проявления связи между утверждениями, неразложимыми на изменчивые комбинации одинаково вероятных альтернатив".

Первый тип вероятности очень редко встречается в бизнесе, второй типичен для деловой сферы. Первый тип поддается однозначному измерению, для измерения второго требуются субъективные оценки.

Риск — это оцененная любым способом вероятность, а неопределенность — это то, что не поддается оценке.

В данной теме мы прежде всего будем рассматривать риск. Хотя такой подход не отражает всю сложность проблемы выбора в условиях неопределенности, он тем не менее помогает подойти к ее пониманию.

Вероятность (probability) — возможность получения определенного результата. Следует различатьобъективную и субъективную вероятность.

Объективнаявероятность — это вероятность, базирующаяся на расчете частоты, с которой происходит данный процесс или явление. Объективная вероятность определяет среднее значение вероятности.

Субъективная вероятность — это вероятность, основанная на предположении о возможности получения данного результата.

Ожидаемое значение (expected value) — это средневзвешенное значение всех возможных результатов.

Допустим, билет в автобусе стоит 10 руб., а штраф за безбилетный проезд — 100 руб. Если вероятность проверки билета 1/10, то ожидаемое значение результата от безбилетного проезда

Е(х) = 0,9 х 10 - 0,1 х 100 = -1руб.

Таким образом, ездить "зайцем" в данных условиях нерационально — убытки, скорее всего, превысят выгоду.

Отклонение — это разница между действительным результатом и ожидаемым. Если мы не располагаем необходимой информацией, то ожидаемый результат может значительно отличаться от действительного.

Допустим, один человек знает, что в урне находятся только белые и черные шары. Для него субъективная вероятность вытащить белый или черный шар равна 50%. Если другой человек точно знает, что в урне белых шаров в 4 раза больше, чем черных (80% — белых и 20% — черных), то для него субъективная вероятность вытащить белый шар равна уже не 50, а 80%, и черный — соответственно не 50, а 20%.

Рассмотрим другой пример. Допустим, что великий английский сыщик Шерлок Холмс стоит перед дилеммой: пойти на работу на государственную службу в Скотланд-ярд или оставаться частным детективом-консультантом на Бейкер-стрит. Если он станет инспектором полиции, то будет получать твердый оклад 100 ф. ст., но если повздорит с начальством (а вероятность этого события при его характере довольно высока — 50%), то будет получать лишь пособие по безработице в размере 50 ф. ст

Если же Шерлок Холмс продолжит заниматься частным сыском, то при успешном раскрытии дел (а это происходит в восьми случаях из десяти) он получит гонорар 90 ф. ст.; если же великий сыщик потерпит неудачу, то клиент заплатит лишь 15 ф. ст. Какой же выбор сделает Шерлок Холмс, склонный, как известно, к сугубо рациональному мышлению? Запишем информацию о вариантах выбора в виде табл. 12—1.

Ожидаемый доход при обоих вариантах один и тот же:

Е₁ = 100 х 0,5 + 50 х 0,5 = 75 ф. ст.;

Е₂ = 90 х 0,8 + 15 х 0,2 = 75 ф. ст.

Дата добавления: 2015-05-26