PsychologiaDecyzje i błędy poznawcze

Znane ryzyko może być atrakcyjniejsze niż ryzyko, którego prawdopodobieństwa nie znamy

Ryzyko i niejednoznaczność to nie to samo. Przy ryzyku znamy lub przyjmujemy prawdopodobieństwa; przy ambiguity nie jesteśmy pewni nawet rozkładu szans. Paradoks Ellsberga pokazuje, że ludzie często preferują zakład z jawnymi szansami nad zakładem o nieznanej proporcji wyników, nawet gdy taki zestaw wyborów narusza klasyczny model subiektywnej oczekiwanej użyteczności. Sześć dekad badań rozwinęło z tego obszerną literaturę o ambiguity aversion. Efekt nie oznacza, że niepewne prawdopodobieństwa są zawsze odrzucane; postawy zależą m.in. od domeny, wiedzy i sposobu sformułowania problemu.

Ryzyko: nie znam wyniku. Ambiguity: nie znam nawet szans

W rzucie uczciwą monetą nie znasz następnego wyniku, ale znasz model: około 50–50. To ryzyko. Jeśli masz urnę z czerwonymi i czarnymi kulami, lecz nie wiesz, ile jest których, stajesz przed ambiguity — niepewnością co do samych prawdopodobieństw. Daniel Ellsberg pokazał, że ludzie często traktują te sytuacje inaczej, choć klasyczna teoria subiektywnego prawdopodobieństwa oczekiwałaby spójnego zestawu ocen.

Intuicja paradoksu Ellsberga

W klasycznym układzie część zakładów opiera się na znanej proporcji kolorów, a część na proporcji nieznanej. Ludzie często wybierają zakład o znanym prawdopodobieństwie, nawet gdy przejście między parami wyborów ujawnia niespójność z modelem oczekiwanej użyteczności opartym na jednym zestawie subiektywnych prawdopodobieństw.

Sześć dekad badań i wiele modeli

Przegląd z 2021 roku pokazuje, że ambiguity aversion stała się osobnym, dużym polem badań teoretycznych, eksperymentalnych i empirycznych. Rozwinięto modele, które nie wymuszają redukowania każdej niepewności do pojedynczej subiektywnej liczby. Badacze analizują m.in. rolę kompetencji, źródła niepewności, uczenia się i kontekstu.

Dlaczego ambiguity jest codziennością

Nowy rynek, nowa choroba, nieznana technologia albo produkt bez historii awarii nie dostarczają prostych, stabilnych prawdopodobieństw. W takich sytuacjach ludzie mogą preferować opcję gorzej wyglądającą liczbowo, ale lepiej poznaną. Czasem jest to rozsądne — brak wiedzy naprawdę może oznaczać dodatkowe ryzyko modelowe.

Ambiguity może być awersją do niewiedzy, a nie do samego ryzyka

Dwie opcje mogą mieć podobną oczekiwaną wartość, ale jedna opierać się na dobrze opisanym modelu, a druga na nieznanych parametrach. Dla decydenta druga sytuacja zawiera dodatkową warstwę: nie wie, czy jego model świata jest poprawny. W finansach i inżynierii nazywa się to czasem niepewnością modelu. Niechęć do ambiguity może więc częściowo odzwierciedlać rozsądną preferencję dla sytuacji, w której łatwiej ocenić, czy założenia są prawdziwe.

Nie każdy unika ambiguity

Badania znajdują także neutralność, a w niektórych warunkach nawet poszukiwanie niejednoznaczności. Zachowanie zależy od domeny, oczekiwanej wartości, wiedzy oraz od tego, czy nieznane prawdopodobieństwa mogą kryć pozytywną niespodziankę. Dlatego ambiguity aversion jest nazwą częstego wzorca, nie uniwersalnej cechy osobowości. To ważne również praktycznie: ktoś może unikać nieznanego rynku inwestycyjnego, a równocześnie lubić niepewność w grze, w której nieznany rozkład daje szansę na szczególnie dobrą nagrodę.

Ambiguity może maleć wraz z uczeniem się

Jeśli początkowo nie znamy rozkładu wyników, kolejne obserwacje mogą stopniowo redukować niejednoznaczność. To odróżnia ambiguity od niepewności nieusuwalnej: część niewiedzy da się zmniejszyć przez zbieranie danych. Decydent może więc wybierać nie tylko między dwiema opcjami, ale także między decyzją natychmiastową a inwestycją w informację. W realnych problemach to często najlepsza odpowiedź na ambiguity — zamiast zgadywać prawdopodobieństwo, sprawdzić, czy można najpierw zdobyć dane. Co więcej, samo źródło niewiedzy ma znaczenie. Niepewność wynikająca z małej liczby danych może być odbierana inaczej niż niepewność wynikająca z celowego ukrycia informacji przez drugą stronę. W drugim przypadku ambiguity może nieść również sygnał strategiczny: brak danych sam staje się informacją o sytuacji. W praktyce ambiguity aversion może prowadzić do premii za przejrzystość. Dwie inwestycje o podobnych przewidywanych wynikach mogą być oceniane różnie, jeśli dla jednej istnieje długa historia danych, a dla drugiej model dopiero powstaje. Taka różnica nie musi być błędem: zakres możliwych modeli jest realnym źródłem ryzyka. Psychologicznie interesujące staje się pytanie, czy niechęć do nieznanego pozostaje proporcjonalna do jakości brakującej informacji. Paradoks Ellsberga był ważny właśnie dlatego, że pokazał systematyczne preferencje, których nie dało się łatwo opisać jednym zestawem subiektywnych prawdopodobieństw.

#ambiguity aversion#Ellsberg#niepewność#prawdopodobieństwo#ryzyko
Źródła i weryfikacja
Otrzymuj codzienne losowe ciekawostki