Not logged in.

Quick Search - Contribution

Contribution Details

Type Bachelor's Thesis
Scope Discipline-based scholarship
Title Stochastische Modellierung von Risikoverhalten
Organization Unit
Authors
  • Pascal Zimmermann
Supervisors
  • Helga Fehr-Duda
Language
  • German
Institution University of Zurich
Faculty Faculty of Business, Economics and Informatics
Number of Pages 31
Date 2017
Zusammenfassung Eine Vielzahl von menschlichen Entscheidungen wird unter Unsicherheit bzw. Risiko getätigt. Die empirische Forschung hat zum Vorschein gebracht, dass menschliches Risikoverhalten nicht perfekt deterministisch zu sein scheint, sondern eine stochastische Komponente vorweist. Ökonomen und Ökonominnen (bspw. Hey (2005)) verwiesen in den vergangenen Jahren immer wieder auf die Wichtigkeit der Modellierung der stochastischen Komponente des menschlichen Verhaltens. In dieser Arbeit werden historisch relevante, sowie heute gebräuchliche und potentiell zukunftsträchtige Ansätze erörtert und einer kritischen Beurteilung unterzogen. Dies geschieht im Sinne einer Literaturarbeit, wobei die bestehenden Publikationen zusammengetragen und die Schlussfolgerung darauf aufgebaut wird. Beim Trembling Hand Modell (Harless & Camerer, 1994) handelt es sich um ein historisch relevantes Modell, in welchem die Personen mit einer konstanten Rate fälschlicherweise die nicht präferierte Alternative wählen. Für dieses Modell spricht ihre Einfachheit, jedoch kann zusammengefasst werden, dass es menschliches Verhalten nur schlecht abbildet (bspw. bezüglich stochastischer Dominanz). Das populäre Fechner Modell (Fechner, 1860; Becker, et al., 1963) geht davon aus, dass bei der Evaluierung des subjektiven Nutzens einer Lotterie ein Fehlerterm addiert wird. Diverse Publikationen beschäftigen sich mit der Spezifizierung der Struktur dieses Fehlers. Insbesondere werden homoskedastische und heteroskedastische Spezifikationen gepaart mit unterschiedlichen Kerntheorien verglichen (Hey, 1995; Buschena & Zilberman, 2000). Dieser Literaturzweig kommt zum Schluss, dass die Erwartungsnutzentheorie unter Heteroskedastie besser abschneidet und den generelleren Kerntheorien ebenbürtig ist, was unter Homoskedastie nicht der Fall ist. Somit existiert eine gewisse Interdependenz zwischen der Wahl der Kerntheorie und der Spezifikation des Fehlerterms. Eine häufig gemachte Annahme in diesem Modell ist jene der Unabhängigkeit, welche aufgrund der Publikation von Butler, et al. (2012) klar in Frage gestellt werden muss. Das Fechner Modell stellt sicherlich eine deutliche Verbesserung gegenüber dem Trembling Hand Modell dar, scheitert jedoch genauso in der Vorhersage von Verletzungen stochastischer Dominanz. Diese Schwachstellen werden durch die Stochastic Expected Utility Theory (Blavatskyy, 2007), Contextual Utility Modell (Wilcox, 2011) und Model of Probabilistic Choice (Blavatskyy, 2011) adressiert. Einen anderen Weg schlägt das Random Preference Modell (Becker, et al., 1963; Loomes & Sugden, 1995) ein, welches das Zufallselement bereits bei der Festlegung der Präferenzen einführt. Im Gegensatz zu den ersten beiden Modellen prognostiziert dieses Modell, nicht zu häufig eine Dominanzverletzung, sondern schliesst solche komplett aus. Aktuelle Erkenntnisse (Apesteguia & Ballester, i. E.) zeigen, dass Monotonie von stochastischen Entscheidungsmodellen in vielen Fällen verletzt wird, beispielsweise durch das Fechner Modell, was nicht zu unterschätzende Probleme im Zusammenhang mit empirischer Forschung mit sich bringt. Das Random Preference Modell erfüllt diese gewünschte Anforderung an ein stochastisches Modell. Die Arbeit kommt zum Schluss, dass die wissenschaftliche Gemeinschaft die Relevanz der stochastischen Modellierung von Risikoverhalten erkannt hat. Die Entwicklung diverser Modelle hat zum besseren Verständnis von menschlichem Verhalten unter Unsicherheit beigetragen. Es muss aber angemerkt werden, dass sich bislang kein Modell durchzusetzen vermochte.
Export BibTeX