Referencias para definiciones particulares de riesgo e incertidumbre

Question

Tengo algunas dudas sobre el riesgo frente a la incertidumbre. He leído el hilo "Cuál es la diferencia entre riesgo, incertidumbre y ambigüedad" y he hojeado el libro de Knight "Riesgo, incertidumbre y beneficio" Capítulo VII (a partir de la p. 197). Parece que existen definiciones alternativas de estos conceptos, lo que resulta un poco confuso.

Tengo un ejemplo particular que define implícitamente el riesgo y la incertidumbre. Me gustaría saber si estas definiciones implícitas coinciden con alguna de las establecidas.

Ejemplo: En una lotería, la probabilidad de ganar es $p$ y la probabilidad de perder es $1-p$ . Si sé $p$ y participar en la lotería, me enfrento a riesgo . Si no sé $p$ y participar en la lotería, me enfrento a incertidumbre .

¿Coincide esto con alguna de las definiciones existentes de riesgo e incertidumbre?
¿Podría también obtener una referencia a un documento académico o a un libro de texto?

---

Editar 1: El usuario 123 señala correctamente que parece haber riesgo en ambos casos (tanto si conozco las probabilidades como si no, sigo participando en la lotería, que por sí misma es una fuente de riesgo). De ahí que el término incertidumbre parece incorporar el riesgo + el desconocimiento de las probabilidades. Esto puede sugerir que los términos riesgo y incertidumbre no son mutuamente excluyentes; cuando llamamos a algo incierto También puede incluir un elemento de riesgo; pero cuando identificamos algo como arriesgado Debemos conocer las probabilidades, por lo que no es incierto . Sí, es enrevesado...

Editar 2: Citando a Knight vía Wikipedia , una incertidumbre medible, o "riesgo" propiamente dicho, como utilizaremos el término... . Por tanto, basta con que la probabilidad sea medible en el ejemplo anterior y no es necesario que se conozca con precisión. Así que entiendo que las definiciones implícitas en el ejemplo anterior no coinciden con las knightianas.

Answer 1

El ensayo de Knight de 1921 no fue escrito en matemáticas formales (y tratar de formular una traducción directa a las matemáticas modernas puede ser bastante problemático). Desde la época de Knight, se ha desarrollado una literatura de teoría de la decisión formal que hace distinciones que al menos recuerdan a las de Knight.

Lars P. Hansen (2012), escribe "Motivados por las ideas de Knight (1921), los teóricos de la decisión utilizan los términos incertidumbre y ambigüedad para distinguirlos del riesgo". Hansen hace referencia a Gilboa et. al. (2008) que escriben:

En economía, se suele atribuir a Knight (1921) la distinción entre situaciones de "riesgo" y de "incertidumbre". En su formulación "riesgo" designa las situaciones en las que las probabilidades son conocidas, o conocidas, o conocibles en el sentido de que pueden estimarse a partir de datos pasados y calculadas mediante las leyes de la probabilidad. En cambio, la "incertidumbre" se refiere a situaciones en las que las probabilidades no se conocen ni pueden ni se pueden deducir, calcular o estimar de forma objetiva.

Gilboa y Schmeidler (1989) introdujeron una teoría de la utilidad máxima y mínima en la que, en lugar de limitarse a maximizar la utilidad esperada, los agentes resuelven un problema máximo y mínimo en el que, para modelar la aversión a la ambigüedad, el objetivo se minimiza en función de las distintas opciones. Este trabajo ha sido ampliado por Hansen y Sargent en su trabajo sobre robustez.

Dejando de lado a Knight y entrando en el tema más amplio de la teoría de la decisión, sería obligatorio hacer referencia al clásico de Leonard Savage, Fundamentos de la estadística donde introduce la noción de probabilidad subjetiva .

Su ejemplo particular (en la teoría de la decisión más moderna)

Usted tiene un Probabilidad de Bernoulli función para ganar la lotería.

• Para un estadístico frecuentista, $p$ es un valor escalar, un parámetro (aunque desconocido). Sólo hay un resultado posible para $p$ y así no hay aleatoriedad.

• Si eres un bayesiano en el espíritu de Savage, estás dispuesto a extender las herramientas de la probabilidad a modelar la incertidumbre en su propia mente ; tratará $p$ ¡como una variable aleatoria!

Si ponemos una prioridad en $p$ ( p. ej. la distribución beta es un previo conjugado a la probabilidad de Bernoulli ), podemos calcular las probabilidades posteriores y tomar decisiones basadas en la norma utilidad esperada . Sin embargo, en términos de cómo nos comportamos, no hay diferencia entre una probabilidad del 20% que sea objetiva o subjetiva.

Sin embargo, bajo el modelo de aversión a la ambigüedad, max-min, podemos maximizar nuestra variable de control sobre la utilidad esperada, teniendo en cuenta que entonces se minimizará sobre múltiples priores: elegimos la variable de control $x$ para maximizar la utilidad y luego (después de observar nuestra elección $x$ ) un tipo medio elige el previo para minimizar la utilidad.

Referencias

Hansen, Lars P., 2012, "Desafíos en la identificación y medición del riesgo sistémico" , NBER

Hansen, Lars P. y Thomas Sargent, 2001, "Robust Control and Model Uncertainty," American Economic Review

Gilboa, Itzhak y David Schmeidler, 1989, "Maxmin Expected Utility with Non-unique Prior," Revista de Economía Matemática

Gilboa, Itzhak, Andrew W. Postlewaite y David Schmeidler, 2008, "Probabilidad e incertidumbre en Modelización económica" , Revista de Perspectivas Económicas

Savage, Leonard Jimmie, 1954, Fundamentos de la estadística

Answer 2

Finalmente encontré una referencia que define los términos riesgo y incertidumbre como lo hago yo. Sven Ove Hansson "Teoría de la decisión: Una breve introducción" (1994) escribe en las páginas 27-28:

En uno de los libros de texto más influyentes de la teoría de la decisión, los términos se definen como sigue:

"Diremos que estamos en el ámbito de la toma de decisiones bajo:
(a) Certeza si se sabe que cada acción conduce invariablemente a un resultado específico (también se utilizan las palabras perspectiva, estímulo, alternativa, etc.).
(b) Riesgo si cada acción conduce a uno de un conjunto de posibles resultados específicos, cada resultado ocurre con una probabilidad conocida. Se supone que el decisor conoce las probabilidades. Por ejemplo, una acción puede conducir a este resultado arriesgado: una recompensa de \$10 if a 'fair' coin comes up heads, and a loss of \$ 5 si sale cruz. Por supuesto, la certeza es un caso degenerado de riesgo donde las probabilidades son 0 y 1.
(c) Incertidumbre si cualquiera de las acciones o ambas tienen como consecuencia un conjunto de posibles resultados específicos, pero donde las probabilidades de estos resultados son completamente desconocidas o ni siquiera son significativas".
(Luce y Raiffa 1957, p. 13)

Estas tres alternativas no son exhaustivas. Muchos -quizá la mayoría- de los problemas de decisión se sitúan entre las categorías de riesgo e incertidumbre, según la definición de Luce y Raiffa. Por ejemplo, mi decisión de esta mañana de no llevar paraguas. No sabía la probabilidad de que lloviera, así que no era una decisión de riesgo. Por otro lado, la probabilidad de que lloviera no era completamente desconocida para mí. Sabía, por ejemplo, que la probabilidad era superior al 5% e inferior al 99%. Es habitual utilizar el término "incertidumbre" para abarcar también estas situaciones con conocimiento parcial de las probabilidades. Esta práctica se seguirá aquí. La incertidumbre más estricta a la que se refieren Luce y Raiffa se denominará, como también es habitual, "ignorancia". (Cf. Alexander 1975, p. 365) Tenemos entonces la siguiente escala de situaciones de conocimiento en los problemas de decisión:

  certainty      deterministic knowledge 
  risk           complete probabilistic knowledge 
**uncertainty**  partial probabilistic knowledge
  ignorance      no probabilistic knowledge

Es habitual dividir las decisiones en estas categorías, decisiones "bajo riesgo", "bajo incertidumbre", etc. Estas categorías se utilizarán en los siguientes capítulos.

(Los énfasis y asteriscos alrededor de uncertainty son mías).

---

Actualización: De la comunicación personal con el autor:

Las dos definiciones [es decir, las de riesgo e incertidumbre mencionadas anteriormente] que citas <...> pretenden describir el uso establecido. <...> No estoy seguro de que tenga sentido proponer nuevos términos para estos conceptos; estos términos están bien establecidos.

---

Referencias

• Alexander, E. R. (1975). Los límites de la incertidumbre: Una nota . Teoría y decisión, 6 (3), 363-370.
• Hansson, S.O. (1994). Teoría de la decisión: Una breve introducción .
• Luce, R.D., y Raiffa, H. (1957). Juegos y decisiones: Introducción y Estudio Crítico .

Answer 3

A riesgo de ser un poco repetitivo respecto a mis comentarios anteriores, creo que hay algunas advertencias y suposiciones notables en mi respuesta. Siempre que sea posible, trataré de resaltar las suposiciones que se han hecho y cómo afectan a mis opiniones. Dicho esto, cualquier aclaración que pueda aportar sobre el alcance y los objetivos exactos de su proyecto me permitirá refinar algunas de las sugerencias de la literatura y mis opiniones (por si sirve de algo, aunque no mucho, jaja).

El primer punto importante que hay que señalar es que realmente hay una gran variación en la terminología utilizada dentro del campo de la teoría de la decisión. Esto se debe en parte a los diferentes axiomas subyacentes en los que se basan los distintos modelos de utilidad. Utilizando un ejemplo relativamente conocido, los axiomas de Savage no suponen que deban existir probabilidades objetivas para la mayoría de los acontecimientos. Esto contrasta con la teoría de la utilidad esperada, por ejemplo, que requiere directamente alguna noción de probabilidad objetiva (conocida o no) de la probabilidad de que ocurra un evento. Por lo tanto, si su modelo/documento asume los axiomas de Savage, las definiciones de incertidumbre y riesgo no estarán necesariamente ligadas a los matices de lo conocida que sea una probabilidad (permite un poco más de flexibilidad a nivel de terreno real). En el otro extremo, la Teoría de la Utilidad Esperada, debido a la estricta dependencia de las probabilidades del axioma de la Independencia, asume que no hay una diferencia real entre una probabilidad conocida y una desconocida - a través de la reducción, cualquier incertidumbre de múltiples etapas se colapsa a una sola dimensión de incertidumbre.

No pretendo alejarme demasiado del tema que nos ocupa, pero creo que merece la pena tener en cuenta la gran dependencia del contexto que suelen tener las definiciones de estos términos: "riesgo" puede significar algo para Savage, pero algo ligeramente diferente para von Neumann, y otra cosa para Kahneman y Tversky.

La siguiente advertencia relacionada con esta terminología se refiere a la fluidez de las definiciones a lo largo del tiempo. Incluso más allá de las diferentes implicaciones que los términos tienen para las distintas estructuras de servicios públicos, diferentes autores han utilizado estos términos de diversas formas relacionadas, pero sutilmente diferentes. Creo que tus definiciones se ajustan razonablemente bien a las definiciones generales de estos términos. Siempre que definas explícitamente cómo vas a utilizar palabras como incertidumbre , riesgo y ambigüedad Creo que deberías estar bien.

**EDIT: PARA ACLARAR UN POCO MÁS ESTE PUNTO: Históricamente, varios trabajos han confundido directamente la ambigüedad y la incertidumbre, definiéndolas como un mismo concepto, contrastado con el riesgo. Aunque parece que esto ha caído un poco en desuso (utilizando más comúnmente la expresión ambigüedad/riesgo), seguiría siendo una definición históricamente correcta. Por lo tanto, el ejemplo de definición que proporcionas en la pregunta es correcto, pero quizás un poco anticuado. Dicho esto, aquí hay un ejemplo de 2012 que sí incluye la dualidad explícitamente en su definición :

En la vida real, por supuesto, la mayoría de las decisiones importantes presentan una mezcla de riesgo e incertidumbre. Desde que Keynes (1921), Knight (1921) y Ellsberg (1961) distinguieron entre riesgo (probabilidades conocidas) e incertidumbre/ambigüedad (probabilidades desconocidas), ha habido muchos estudios sobre las diferencias entre las actitudes de riesgo y ambigüedad.

Aunque, de nuevo, este trabajo se sale un poco del núcleo central de la teoría de la decisión (aplicando el campo a la sanidad y la medicina). **

La última fuente importante de variación terminológica que he observado se refiere al formato del proyecto. Por ejemplo, los artículos de revistas de economía de élite publicados recientemente (a continuación se ofrecen algunos ejemplos) tienden a ajustarse más a la definición de consenso emergente en los trabajos recientes de teoría de la decisión en materia de actitudes de riesgo y ambigüedad, y a las implicaciones teóricas. Por otro lado, si su proyecto es para unas notas de clase o un capítulo de un libro, entonces tiene mucha más libertad de acción para delimitar estos conceptos similares, siempre y cuando sea claro al principio. Si se escribe para un artículo de una revista en un campo relacionado, como las finanzas o la ciencia de la gestión, entonces es muy posible que haya convenciones en esas revistas que no se ajustan a mi experiencia. Hablo desde una base de teoría económica bastante pura, y aunque no he leído todo lo que hay sobre el tema claramente, he pasado bastante tiempo trabajando con un subconjunto decente.

Así que ¿Cuáles son las definiciones adecuadas según mi experiencia? Tradicionalmente, se puede considerar una forma de dividir el conjunto de todos los modelos de decisión en: decisiones con incertidumbre como problemas en los que no se conocen necesariamente todos los resultados, y decisiones sin incertidumbre donde todos los resultados son conocidos de forma determinista (y no hay "loterías económicas" en ninguna etapa). Aunque, por supuesto, hay muchas formas adicionales de dividir estos dos subconjuntos de problemas, se puede considerar problemas de incertidumbre como compuesto por:

i) problemas en los que las probabilidades de cada resultado son conocidas por el agente como modelos de riesgo y

ii) problemas en los que algunas probabilidades no están identificadas puntualmente para el agente que compone los modelos con ambigüedad .

De nuevo, por supuesto, estos dos subconjuntos no siempre tienen un sentido intuitivo: si todos los agentes siguen la teoría de la utilidad esperada, entonces no hay diferencia entre (i) y (ii) desde la perspectiva de la utilidad. Cualquier incertidumbre sobre las probabilidades (es decir ambigüedad ) al que se enfrenta el agente se reduce a una simple lotería compuesta (es decir, un modelo de riesgo ). Este es, por ejemplo, el tema La paradoja de Ellsburg "explota" para mostrar un fallo intuitivo de la teoría de la utilidad esperada.

Las definiciones "modernas" se basan en El documento de referencia de Ellsburg de 1961 (a partir de la página 657) Aunque hay que tener en cuenta que aquí las nociones de "ambigüedad" y "riesgo" no están especialmente delimitadas, sino que se definen como he descrito anteriormente. Otros modelos de utilidad empezaron a considerar la "ambigüedad" como una característica propia e independiente de las preferencias, sobre todo a partir de finales de la década de 1980. La definición de "ambigüedad" se aclara un poco más en Segal 1987, a partir de la página 176, y luego hasta la 177

Las probabilidades ambiguas (es decir, las situaciones en las que los responsables de la toma de decisiones no conocen los valores exactos de las probabilidades) tienen una clara relevancia económica Otras situaciones en las que la ambigüedad de las probabilidades puede desempeñar un papel importante se dan en los problemas de búsqueda o en los problemas de inversión óptima. En todos estos casos, los responsables de la toma de decisiones tienen alguna información sobre las probabilidades objetivas, pero no conocen sus valores exactos. En este trabajo se sugiere que la lotería ambigua (x, S; 0, S) (ambigua en el sentido de que el decisor no conoce la probabilidad de S) debe considerarse una lotería de dos etapas, en la que la primera, imaginaria, es sobre los posibles valores de la probabilidad de S.

(Y se define con mucho más detalle a partir de la página 183).

Otro ejemplo destacado de la incorporación de esta sensibilidad a la ambigüedad en el marco de la modelización se encuentra en Segal 1988 que utiliza implícitamente las definiciones de "ambigüedad" y "riesgo" que he definido anteriormente.

Los trabajos más recientes acortan tradicionalmente sus definiciones a un tema común. Utilizando un conjunto relativamente aleatorio de documentos que he visto recientemente, este documento de trabajo de 2011 define los términos:

los desarrollos en la teoría de la toma de decisiones bajo ambigüedad (es decir, incertidumbre subjetiva sobre las probabilidades) reconocen que la ambigüedad no siempre se trata igual que un riesgo conocido

Este capítulo del Manual de 2014 define de forma similar la toma de decisiones bajo riesgo y ambigüedad:

En muchas decisiones en condiciones de incertidumbre, el responsable de la toma de decisiones sólo dispone de una vaga información sobre las probabilidades de los posibles resultados de sus acciones. Siguiendo a Ellsberg (1961), estas situaciones con probabilidades desconocidas o inciertas suelen denominarse ambiguas, para distinguirlas de las situaciones con probabilidades objetivamente conocidas, que suelen denominarse arriesgadas.

Los trabajos experimentales recientes, que intentan medir las actitudes (normalmente en diferentes entornos específicos) hacia el riesgo y la ambigüedad, también han seguido esta tendencia de definición general. Por ejemplo, este trabajo en Econometrica en 2017 La medición de los efectos de los distintos tipos de ambigüedad en la toma de decisiones observada pone de manifiesto la diferencia entre el "riesgo compuesto" (sólo un conjunto de dos loterías con probabilidades conocidas de ganar en una fila) y la "ambigüedad" (en la que una etapa llevó a la incertidumbre sobre la verdadera probabilidad de ganar en esa etapa, que varía de forma exógena y desconocida para el individuo). Por ejemplo, un ejemplo de lotería con riesgo compuesto es:

Etapa 1: lanzar una moneda justa. Si sale cara, ve a Etapa 2a. Si se trata de colas, vaya a paso 2b

Etapa 2a. Roba una carta de una baraja estándar de 32 cartas perfectamente barajada. Si la tarjeta no es una pala Entonces, gane \$100. Else, win \$ 0

Etapa 2b. Roba una carta de una baraja estándar de 52 cartas perfectamente barajada. Si la tarjeta est una pala Entonces, gane \$100. Else, win \$ 0.

Como puede ver, aunque las probabilidades pueden depender de los sorteos anteriores, la probabilidad objetiva se conoce en todas las etapas. Un ejemplo de "lotería ambigua", entonces, podría ser:

Etapa 0: Dibujar un número $n$ al azar entre $0$ y $50$ pero no muestran al individuo que juega a la lotería. Entonces defina el número de bolas rojas en una urna como $25+n$ y el número de bolas amarillas en la urna como $75-n$ .

Etapa 1: Saca una bola al azar de la urna y lanza una moneda justa. Si el resultado es o bien $(red, heads)$ o $(yellow, tails)$ Entonces, gane \$100. Else, win \$ 0.

Tenga en cuenta que, por supuesto, en ambos casos la probabilidad global de ganar es del 50/50 en cualquiera de las loterías. Sin embargo, a veces encontramos que los individuos prefieren una lotería sobre la otra, lo que sugiere que las preferencias están parcialmente formadas en alguna otra dimensión.

Siento que esto se haya alargado. Volveré a resumir y añadir unas cuantas referencias más en un rato, pero espero que esto pueda iniciar la conversación un poco. Si tienes algún detalle sobre el proyecto que tienes en mente, ¡puedo intentar adaptar lo que añado!

Answer 4

A riesgo de hacer spam con esta pregunta, esta respuesta se centra más en los documentos que he encontrado para los modelos de incertidumbre, riesgo y ambigüedad en el panorama financiero más amplio. Nota: esta no es mi principal área de estudio, por lo que es casi seguro que no es una muestra completa, o incluso necesariamente representativa del trabajo allí. Del mismo modo, es más probable que estos trabajos estén, al menos, vinculados a la literatura económica, pero también lo está el campo más amplio de la teoría de la decisión.

TRABAJOS EXPERIMENTALES

Aquí proponemos un marco conductual, la aversión a la ambigüedad, para ayudar a entender mejor la causa del sesgo de la casa del mercado de valores. En pocas palabras, sostenemos que la aversión a la ambigüedad impide que la gente invierta en empresas desconocidas. A diferencia de estudios anteriores, utilizamos un diseño experimental con activos del mundo real y probamos la aversión a la ambigüedad en lugar de utilizar activos ficticios o simplemente mostrar el sesgo de hogar sin una explicación... Los teóricos de la decisión han definido y modelado la ambigüedad de varias maneras. La forma más intuitiva de definir la ambigüedad es que el individuo no está seguro de la distribución del riesgo (Knight 1921). Una mayor incertidumbre del individuo sobre la distribución implica un mayor nivel de ambigüedad. [Énfasis mío]

De Aversión a la ambigüedad en el mercado de activos: Estudio experimental del sesgo casero (2009) (Uso de la aversión a la ambigüedad para explicar el rompecabezas de la preferencia por el hogar en las finanzas)

Las preferencias por la ambigüedad son importantes para explicar la toma de decisiones humanas en muchos ámbitos de la economía y las finanzas... En muchas circunstancias de la vida cotidiana, las personas toman decisiones en entornos inciertos. En la mayoría de las situaciones, las probabilidades de los posibles resultados sólo son vagamente conocidas por los responsables de la toma de decisiones, si es que lo son. Desde los trabajos seminales de Knight (1921) y Ellsberg (1961), la ausencia de información precisa sobre las probabilidades se denomina ambigüedad, y se ha reconocido como una forma de incertidumbre distinta de la noción estándar de riesgo. Las preferencias hacia la ambigüedad -y la aversión a la ambigüedad en particular- han demostrado ser un importante determinante de la toma de decisiones individual.1 La incorporación de las preferencias por la ambigüedad en los modelos económicos ayuda a explicar una serie de fenómenos en economía y finanzas que no pueden atribuirse únicamente a la aversión al riesgo...

De Medición de las preferencias de ambigüedad: Un nuevo módulo de preferencias de ambigüedad, 2016

DOCUMENTOS EMPÍRICOS GENERALES:

Los hogares deben tener en cuenta tanto el riesgo como la ambigüedad a la hora de tomar decisiones de inversión. El riesgo se refiere a los acontecimientos para los que se conocen las probabilidades de los resultados futuros; la ambigüedad se refiere a los acontecimientos para los que se desconocen las probabilidades de los resultados futuros. Ellsberg (1961) sostiene que la mayoría de las personas son adversas a la ambigüedad, es decir, que prefieren una lotería con probabilidades conocidas a una lotería similar con probabilidades desconocidas, y numerosos estudios teóricos exploran las implicaciones de la ambigüedad en el comportamiento económico. En particular, un amplio conjunto de teorías sugiere que la aversión a la ambigüedad puede explicar varios rompecabezas de elección de carteras de los hogares.

De La aversión a la ambigüedad y los rompecabezas de elección de cartera de los hogares: Evidencia empírica (2016)

Presentamos un instrumento sencillo y fácil de aplicar para elicitar conjuntamente las actitudes de riesgo y ambigüedad. Utilizando este instrumento, estimamos estructuralmente un modelo de preferencias de dos parámetros. Nuestros resultados indican que la aversión a la ambigüedad está significativamente sobrevalorada cuando se asume la neutralidad al riesgo. Esto pone de manifiesto la interacción entre las actitudes de riesgo y de ambigüedad, así como la importancia de la estimación conjunta... Los individuos se enfrentan diariamente a la incertidumbre. Las personas deben evaluar la probabilidad de resultados futuros inciertos, como por ejemplo si una empresa tendrá éxito o fracasará, el rendimiento futuro de una acción o si sus vacaciones se verán arruinadas por la lluvia. En los casos en los que los resultados no van acompañados de probabilidades objetivas, se ha utilizado tradicionalmente el enfoque normativo de la teoría de la utilidad subjetiva esperada (SEU) introducida por (Savage, 1954). En este marco, un individuo se comporta como si mantuviera una única previsión (subjetiva) sobre todos los estados del mundo y maximiza el valor esperado de la utilidad dada esta previsión. Sin embargo, Ellsberg (1961) propuso que la mayoría de los individuos tratan la incertidumbre ambigua de forma diferente al riesgo objetivo.1 En particular, argumentó que las personas muestran un grado significativo de aversión a la ambigüedad, poniendo una prima en los resultados para los que se conocen las probabilidades.

De Estimación de la aversión individual a la ambigüedad: Un enfoque sencillo, 2015

Introducimos un método manejable para medir las actitudes de ambigüedad, que requiere sólo tres observaciones y cinco minutos por sujeto, y aplicamos este método en una gran muestra representativa. Además de la aversión a la ambigüedad, confirmamos la insensibilidad a, un nuevo componente de la ambigüedad encontrado recientemente en estudios de laboratorio. La insensibilidad a significa que la gente no discrimina suficientemente entre los diferentes niveles de probabilidad, tratando a menudo todas las probabilidades como si fueran al cincuenta por ciento, lo que resulta en la sobreponderación de los eventos extremos. Nuestras mediciones de la ambigüedad pueden predecir las decisiones económicas reales de los sujetos; concretamente, la insensibilidad a tiene una relación negativa con la participación en el mercado de valores y la propiedad de empresas privadas. Sorprendentemente, la aversión a la ambigüedad no está relacionada de forma significativa con la participación en el mercado de valores, excepto cuando la percepción de la ambigüedad es alta.

De Actitudes de ambigüedad en una gran muestra representativa, 2015

Comparamos los datos de los paneles administrativos sobre la elección de carteras con los datos de las encuestas sobre las preferencias por la ambigüedad. Demostramos que los inversores con aversión a la ambigüedad asumen más riesgos, debido a la falta de diversiÖcación. En particular, muestran una forma de sesgo de origen que conduce a una mayor exposición al mercado de valores nacional en relación con el internacional. Aunque son más sensibles a los factores del mercado, sus rendimientos son por término medio más elevados, lo que sugiere que los inversores con aversión a la ambigüedad no tienen por qué ser expulsados del mercado de activos de riesgo... La ambigüedad ha sido ampliamente estudiada tanto teórica como experimentalmente en las últimas décadas...

De Preferencias de ambigüedad y elecciones de cartera: Evidence from the Field (2017)

DOCUMENTOS TEÓRICOS:

Presentamos un nuevo enfoque que permite a los inversores buscar una política razonablemente robusta para la selección de carteras en presencia de una realización rara pero de alto impacto de la incertidumbre del momento. En la práctica, los gestores de carteras se enfrentan a la dificultad de buscar un equilibrio entre confiar en su conocimiento de un modelo financiero de referencia y tener en cuenta la posible ambigüedad del modelo. Basándonos en el concepto de optimización robusta de la distribución (DRO), introducimos un nuevo marco de penalización que proporciona a los inversores flexibilidad para definir modelos de referencia previos utilizando información de momentos y tiene en cuenta la ambigüedad del modelo en términos de incertidumbre "extrema" de momentos.... Así, surge la necesidad de tener en cuenta niveles adicionales de incertidumbre: la incertidumbre del modelo, también conocida como "ambigüedad" del modelo. Ellsberg [14] también ha descubierto que los responsables de la toma de decisiones mantienen de hecho actitudes de aversión hacia la ambigüedad de los modelos. Como ejemplo clásico, incluso con una rentabilidad esperada más baja, los inversores tienen una mayor preferencia por las inversiones que están geográficamente más cerca debido a su mejor comprensión de la distribución de la rentabilidad.

De Selección de carteras bajo incertidumbre de modelo: un enfoque de optimización penalizado basado en momentos (2013)

En este trabajo, consideramos el problema de encontrar carteras óptimas en casos en los que el modelo de probabilidad subyacente no es perfectamente conocido. En aras de la solidez, se aplica un enfoque maximin que utiliza un "conjunto de confianza" para la distribución de probabilidad. El enfoque muestra el compromiso entre la rentabilidad, el riesgo y la robustez en vista de la ambigüedad del modelo... En su libro Knight [1921], el economista estadounidense Frank Knight hizo una famosa distinción entre "riesgo" e "incertidumbre". En opinión de Knight, el "riesgo" se refiere a situaciones en las que el responsable de la toma de decisiones puede asignar probabilidades matemáticas a la aleatoriedad a la que se enfrenta. En cambio, la "incertidumbre" de Knight se refiere a situaciones en las que esta aleatoriedad no puede expresarse en términos de probabilidades matemáticas específicas. Desde los tiempos de Knight, los términos han cambiado. Como introdujo Ellsberg [1961], hoy nos referimos al problema de la ambigüedad si el modelo de probabilidad es desconocido y al problema de la incertidumbre, si el modelo es conocido, pero las realizaciones de las variables aleatorias son desconocidas. [Las negritas son mías, quizás sean las más directas a su pregunta]

De Ambigüedad en la selección de carteras

El modelo más conocido de elección bajo incertidumbre sigue a Savage (1954) al plantear que los agentes maximizan la utilidad esperada de acuerdo con las previsiones subjetivas. Sin embargo, Knight (1939), Ellsberg (1961) y otros argumentan que los agentes distinguen entre riesgo (probabilidades conocidas) y ambigüedad (probabilidades desconocidas), y pueden mostrar aversión a la ambigüedad, al igual que muestran aversión al riesgo.1 La literatura financiera, aunque admite la posibilidad de que algunos individuos puedan tener aversión a la ambigüedad, ha ignorado en gran medida las implicaciones para los mercados financieros.

De Ambigüedad en los mercados de activos: Teoría y experimento

La paradoja de Ellsberg sugiere que las personas se comportan de manera diferente en situaciones de riesgo -cuando se les dan probabilidades objetivas- que en situaciones ambiguas cuando no se les dicen las probabilidades (como es típico en los mercados financieros). Este comportamiento es incompatible con la teoría de la utilidad subjetiva esperada (SEU), el modelo estándar de elección en situaciones de incertidumbre en economía financiera. Este artículo revisa los modelos de aversión a la ambigüedad. Demuestra que dichos modelos -en particular, el modelo de preferencias múltiples de Gilboa y Schmeidler- tienen implicaciones para la elección de carteras y la fijación de precios de los activos que son muy diferentes de las de la SEU y que ayudan a explicar características de los datos que de otro modo serían desconcertantes.

De AMBIGÜEDAD Y MERCADOS DE ACTIVOS, 2010

A diferencia del enfoque bayesiano del error de estimación, en el que suele haber una única prioridad y el inversor es neutral a la ambigüedad, consideramos el caso en el que el inversor tiene múltiples prioridades y es averso a la ambigüedad... Ilustramos cómo utilizar el modelo de priorización múltiple con aversión a la ambigüedad considerando el problema de la cartera de un gestor de fondos que asigna su riqueza en ocho índices de renta variable internacional; nuestro análisis empírico sugiere que las carteras que incorporan la aversión a la incertidumbre de los parámetros y del modelo tienden a sobreponderar el activo libre de riesgo, son más estables a lo largo del tiempo y ofrecen un ratio de Sharpe fuera de la muestra más elevado que las carteras de los modelos clásico y bayesiano... Sin embargo, se supone que el responsable de la toma de decisiones bayesiano sólo tiene una única prioridad o, lo que es lo mismo, que es neutral a la incertidumbre en el sentido de Knight (1921). Dada la dificultad de estimar los momentos de los rendimientos de los activos, la sensibilidad de las ponderaciones de la cartera a la elección de una prioridad particular y la evidencia sustancial de los experimentos de que los agentes no son neutrales a la ambigüedad (Ellsberg (1961)), es importante considerar a los inversores con múltiples prioridades que son aversos a esta ambigüedad y, por lo tanto, desean reglas de cartera robustas que funcionen bien para un conjunto de modelos posibles.

De Selección de carteras con incertidumbre de parámetros y modelos: A Multi-Prior Approach, 2007

CONCLUSIÓN

Lamento que haya mucho texto, pero he tratado de extraer las primeras secciones que pueden dar una idea de sus definiciones de los diferentes términos y de cómo los aplicaban. Si hay alguna más grande, me aseguraré de actualizarla. Espero que esto te ayude en tu proyecto.

Answer 5

Es incorrecto decir que la incertidumbre es una extensión del riesgo, porque (entre otras posibilidades) si hay incertidumbre, sigue existiendo el caso de que el riesgo sea nulo pero simplemente no lo sabes.

El "riesgo" implica una matriz de pagos conocida con probabilidades específicas para resultados concretos. La "incertidumbre" puede implicar una matriz de resultados incompletamente definida o indefinida, con respecto a las probabilidades de los resultados. En el primer caso, se puede calcular con precisión un valor esperado; en el segundo, no.

La realización de algunos de los ejercicios más sencillos de uno o varios libros de texto (por ejemplo, las ediciones recientes que hay en la biblioteca) podría ayudar a demostrarlo.