La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Behavioral economics Economie comportementale Claudia Senik Université Paris-4 Sorbonne Paris School of Economics 2011-2012.

Présentations similaires


Présentation au sujet: "Behavioral economics Economie comportementale Claudia Senik Université Paris-4 Sorbonne Paris School of Economics 2011-2012."— Transcription de la présentation:

1 Behavioral economics Economie comportementale Claudia Senik Université Paris-4 Sorbonne Paris School of Economics

2 2 Plan I. Anomalies dans les choix I.1. en environnement certain I.2. en environnement incertain II. Anomalies dans les jugements III. Incertitude intra-individuelle et choix inter-temporels IV. Nudge V. Interactions sociales VI. Application aux marchés financiers

3 3 Autres biais cognitifs et anomalies dans les jugements Attention test de Daniel Simons and Christopher Chabris (nest slide) 2 modes de pensées (Thaler et Sunstein): Intuitif, automatique: système automatique (système 1), cerveau primitif Reflexif, rationnel: système réflectif (système 2),

4 4 Prononcez à voix haute la couleur de ce qui est écrit sur lécran le plus rapidement possible: JAUNE VERT BLEU ROUGE JAUNE ROUGE VERT

5 5 Dan Ariely (Duke University)

6 6 Exemple the cognitive reflexion test (Frederick Shane, 2005) Une raquette et une balle coûtent 1,10 en tout. La raquette coûte 1 de plus que la balle. Combien coûte la balle? 10 machines fabriquent 10 objets en 10 minutes. Combien faut-il de temps pour fabriquer 100 objets avec 100 machines? Dans un lac, il y a un ensemble de nénuphars. Chaque jour, les nénuphars doublent de taille. Il leur faut 48 jours pour couvrir létang entier. Combien leur faut-ils de jours pour couvrir la moitié du lac? Debilimètre sur iPhone

7 7 Humans and Econs (Thaler and Sustein) Homo oeconomicus : capable dopérer des choix rationnels, préférences cohérentes grande capacité cognitive et calculatoire, prévisions non biaisées choix optimaux reflètent préférences Humains: ont du mal à faire du calcul mental, oublient les anniversaires, ne peuvent se retenir de prendre un dessert à la fin du repas… https://danariely.qualtrics.com/SE/?SID=SV_06eCOQuSG2a4DhW 20% des Américains sont considérés comme obèses, 60 en sur-poids Risques cardiaques, diabète, espérance de vie réduite … Choix rationnel de tous ces Américains? Même raisonnement pour les comportements à risque Consommation dalcool, drogues, cigarettes Difficultés de self-control, recours à des tiers pour essayer darrêter

8 8 Heuristiques (Kahneman et Tversky) Tom Parker: Rules of thumb (collection de règles usuelles) Mais peuvent conduire à des erreurs. Exemple: anchoring, availability, representativeness biais cognitifs.

9 9 Anchoring Anchoring: ancres non pertinente Thaler et Sustein Prenez les 3 derniers chiffres de votre numéro de téléphone et ajoutez 200. Ecrivez ce nombre. Quand Attila et les Huns ont-ils envahi lEurope? Influence du numéro écrit Collecte de dons pour œuvres de charité Choix discrets entre 100, 250, 1000, 5000 ou 50, 75, 100 et 150 Les gens donnent plus dans le premier type de choix N égociations Partir de haut. Plus on commence avec un prix élevé, plus on obtient un prix élevé.

10 10 Anomalies - suite Availability and salience Les gens évaluent les risques de tempête, de tremblement de terre ou dattaque terroriste en fonction des exemples récents. Achat dassurances après réalisation de risques rares (inondations…) Évaluation des perspectives des actions en fonction de leur performance récente Representativeness Raisonnement par identification, par similarité. Stéréotypes. Mais similarité et fréquence peuvent diverger. Linda (voir exemple plus loin)

11 11 Self-defeating choices (Baumeister in Brocas et Carillo, 2003) Emotional distress problèmes dévaluation des choix alternatifs Les gens se mettent à choisir des stratégies plus risquées, même quand les chances de gagner sont faibles Atteintes à lestime de soi et à lidentité commune (rejet du groupe) Essai de restaurer leur image, de manière irrationnelle Decision-fatigue (trop de choix) Echec de lauto-régulation en situation de stress Interprétation: ressources décisionnelles, calculatoires limitées + conflit entre raisonnement et système émotionnel/affectif

12 12 Limitations cognitives, rationalité limitée Search and experiments (Camerer, p 670) Choix complexes et search avec choix multi-dimensionnels Jane vient dobtenir un nouveau job. Choix entre 3 bureaux. Optimal: visiter les 3, évaluer leurs différents aspects (clarté, proximité/ couloir, voisins, vue, taille) et pondérer limportance de chaque aspect « mettre une note synthétique » Compensatory strategy (aspects=substituts) Recherche de logement pour Jane qui vient dobtenir un job dans un nouvelle ville Jane ne peut pas suivre la même stratégie (visiter tous les logements) « elimination by aspect » (Tversky): Choisir un aspect (cf Soros) définir un seuil minimal, éliminer tout ce qui natteint pas le seuil. Répéter la procédures pour tous les aspects => réduire lensemble des choix et faire une évaluation compensatoire des « finalistes » Stratégie qui ne conduit pas nécessairement à loptimum Plus les choix sont nombreux et complexes, plus les gens ont recours à des stratégies simplificatrices

13 13 Heard behavior (comportement grégaire) Imitation, influence, modes 2 types dexplication: recherche dinformation et peer pressure (influence des pairs) Restaurant, bourse, nutrition Solomon Asch (1995), psychologue. Conformity experiment: On montre un segment, dire lequel parmi 3 autres est de longueur égale. Exercice très facile: personne ne se trompe quand fait lexercice seul. Traitement: exercice en groupe avec une majorité qui donne une réponse fausse: ¾ des sujets saligne sur la réponse fausse. Réplication dans différents pays: Zaire, Allemagne, France, Japon, Norvège, Liban, Kowait: les gens salignent sur les erreurs entre 20% et 40% des cas. Les gens se conforment plus quand ils savent quils sont observés par les autres.

14 14 Herd behavior - suite Expérience de Muzafer Sherif (1937):sujets placés dans une pièce sombre. Petite lumière rouge placée à une certaine distance. Immobile mais semble bouger (effet auto-cinétique). On demande aux sujets de quelle distance la lumière sest déplacée. Interrogés individuellement: pas de corrélation entre leurs réponses. Mais interrogés en groupe et publiquement: corrélation significative au sein des groupes. Norme de groupe. Stable dans le temps au sein de chaque groupe (quand expérience est répétée). Tradition On voit comment des normes, valeurs, croyances différentes peuvent se créer et se perpétuer dans le temps, au sein de groupes, villes, pays, etc. à partir dune petite déviation initiale. Culture, traditions arbitraires (port de la cravate) Variante: dans certains groupes, Sherif introduisait un complice qui donnait sa propre estimation de la distance. Influence significative sur la moyenne du groupe qui augmente ou diminue par rapport à sa valeur initiale (avant intervention du complice) caractère manipulable des foules

15 15 Herd behavior - suite Sondage. Quel est le problème le plus grave dans notre pays aujourdhui? La récession économique, lécole, le terrorisme, la santé mentale, le crime et la corruption. Interrogés individuellement, 12% des gens choisissent le terrorisme, mais placés devant un consensus de groupe ayant choisi cette réponse, 48% la choisissent aussi. Sondage: « la liberté dexpression est un privilège plutôt quun droit; il est légitime de la suspendre quand la société est menacée ». Interrogés individuellement: 19% des gens se disent daccord. Devant 4 personnes qui se disent daccord, 58% des gens se disent également daccord. Conformisme, contagion sociale Cascade dimitations parfois inconscientes (prénoms – site internet) Paniques financières

16 16 Herd behavior - suite Conformisme et recettes fiscales Expérience dans le Minnesota (Thaler) Information envoyée aux contribuables Leurs impôts iraient à certaines biens publics (école, police etc.) Sanctions appliquées en cas de fraude fiscales Aide en cas de besoin pour remplir déclaration fiscale Information selon laquelle 90% des Minnesotiens avaient déjà rempli leur déclaration fiscale. La seule information influente = la dernière On transgresse davantage la loi lorsque lon pense que tout le monde le fait. Pour influencer le comportement des gens: attirer leur attention sur ce que font les autres. Pour accroître la participation au vote: surtout ne pas parler de labstention, mais au contraire du fort taux de participation

17 17 Erreurs et biais de jugements et heuristiques Limitation cognitive et calculatoire des individus dans leur évaluation et leur compréhension des situations économiques. Notamment les situations dincertitude. Problème dapplication des lois générales des probabilités et de la règle de Bayes. Les individus, plutôt que dappliquer un principe de maximisation dun objectif, mettent en œuvre des « heuristiques », cest-à-dire des routines simples.

18 18 Erreurs de jugement et heuristiques La « loi des petits nombres » Kahneman et Tversky (1982). Il y a 2 hôpitaux dans la même ville. Dans le plus grand, environ 45 bébés naissent chaque jour, alors que dans le plus petit, environ 15 bébés naissent chaque jour. 50% des bébés sont des garçons, cependant, le pourcentage exact sur une journée est variable: parfois il est supérieur à 50%, parfois inférieur. Sur une période dun an, chaque hôpital a enregistré les jours où plus de 60% des bébés nés sont des garçons. Selon vous quel hôpital a enregistré le plus de jours de ce type? Le plus grand [22%], les deux autant [56%], le plus petit [22%] La théorie des probabilités devrait conduire les sujets à répondre: le plus petit hôpital - qui a le plus de chance de séloigner du pourcentage théorique. Loi des grands nombres: la distribution de probabilité (le pourcentage) observé converge à linfini vers la loi de probabilité théorique (le pourcentage théorique)

19 19 Erreurs de jugement et heuristiques La « loi des petits nombres » Plus généralement, les individus ont tendance à inférer des généralités à partir dévénements peu fréquents, mais très marquants loi des petits nombres. Mauvaise perception des séquences aléatoires. séries temporelles aléatoires subjectives avec autocorrélation négative. « gambles fallacy ». ex. Loto: les paris sur un nombre donné diminuent de moitié dans les jours qui suivent sa sortie. Les gens corrigent la série pour se rapprocher de la série théorique que lon obtiendrait avec un grand nombre de tirage (mais le nombre de tirages est faible). De même, la croyance sur les séries de tirs au basketball « hot hands players » est erronée mais profondément ancrée. En réalité les coups consécutifs réussis et manqués par un même joueur sont indépendants. Implications économiques: volatilité des marchés boursiers en partie dûe aux réactions excessives des investisseurs aux dernières nouvelles économiques et financières.

20 20 Erreurs systématiques danticipations Interacted expectations and the curse of knowledge: 2 agents, lun plus informé que lautre. Difficulté pour le mieux informé de se représenter ce que lautre sait. Enseignement, manuels, interactions stratégiques… Hindsight bias (« je vous lavais bien dit »): mémoire déformée de ce que lon savait avant lexpérience biais dans les procès, évaluation des décisions des dirigeants dentreprise et politiques Utiliser ses propres goûts pour inférer ceux des autres erreurs commerciales (surestimation de la représentativité de ses propres préférences)

21 21 Illusion de contrôle Individus agissent souvent comme si des événements qui sont purement aléatoires dépendaient de leur effort ou intelligence. manière de jeter les dés, de parier sur certains nombres… Pensée magique, superstition? On a observé que ce biais était un signe de santé mentale les individus les moins sujets à lillusion de contrôle sont plus dépressifs que les autres (see Camerer) Peut être efficace de surestimer le résultat de son effort: modèles deffort à plusieurs équilibres Mais aussi sur-sanction des travailleurs lorsque le résultat de leur travail dépend moins deux quon ne le pense.

22 22 Biais de jugements et heuristiques La règle de Bayes Règle de Bayes: révision des probabilités lorsque lindividu reçoit des informations nouvelles (rationalité). En incorporant ces informations dans son évaluation, il passe des probabilités a priori aux probabilités a posteriori. Selon cette règle, la probabilité attribuée à lévénement X, conditionnellement à lobservation de M, est calculée comme suit: p(X|M)=p(M|X).p(X) / p(M) p(X) est la probabilité de réalisation de X p(M) est la probabilité de réalisation de M où p(X|M) est la probabilité de X conditionnellement à lobservation de M de X p(M|X) est la probabilité de M conditionnellement à la réalisation de X.

23 23 La règle de Bayes (Kahneman et Tversky, 1972) Un taxi est impliqué dans un carambolage de nuit. Deux compagnies de taxi, les Verts et les Bleus, opèrent en ville. On vous donne les données suivantes: 85% des taxis en ville sont Verts et 15% sont bleus Un témoin a identifié le taxi responsable comme bleu Le tribunal a observé que les témoins identifient correctement les couleurs dans 80% des cas et se trompent dans 20% des cas. Quelle est la probabilité pour que le taxi impliqué dans laccident soit un Bleu? Réponse médiane=80%. Donc les sujets pensent que le jugement du témoin est représentatif de la couleur du taxi. Cela les conduit à confondre p(identifier Bleu|Bleu)=0,8 (vrai daprès tribunal) et probabilité demandée: p(Bleu|identifier Bleu)

24 24 Règle de Bayes Selon la rège de Bayes: p(Bleu | id Bleu)=p(id Bleu|Bleu).p(Bleu) / [P(id Bleu|Bleu).p(Bleu) + p(id Bleu|Vert).p(Vert) ] = (0,8 * 0,15) / [ (0,8 * 0,15) + (0,2 * 0,85) ] = 0,41 Le décalage tient au fait que la règle de Bayes prend en compte la probabilité a priori que le taxi soit bleu p(Bleu)=0,15, alors que la plupart des sujets ignorent cette grandeur ainsi que les probabilités a priori. Tendance à la sous-estimation des probabilités a priori confirmée par dautres études expérimentales. De plus, lapprentissage de la règle de Bayes par les sujets est lent.

25 25 Illusion monétaire Shafir et al. (1997). Questions hypothétiques posées à des passants et étudiants Deux jeunes filles, Anne et Barbara, sont diplômées de la même université, mais à une année dintervalle. Après leur diplôme, elles ont trouvé un travail similaire dans des entreprises dédition. Anne a démarré avec un salaire annuel de Durant sa première année de travail, il ny a pas eu dinflation. Pour sa seconde année, Anne a obtenu une augmentation de salaire de 2% (600). Barbara a également démarré avec un salaire annuel de Durant sa première année de travail, il y a eu une inflation de 4%. Pour sa seconde année, Barbara a obtenu une augmentation de salaire de 5% (1500 ). Question: lorsquelle ont démarré leur 2è année de travail, laquelle des jeunes filles était le plus avantagée? La majorité des sujets (64%) répond Barbara. Alors que cest Anne qui a eu laugmentation de salaire réel la plus élevée (2% contre 1%). Illusion nominale: confusion entre valeur nominale et valeur réelle (pouvoir dachat).

26 26 Overconfidence (excès de confiance en soi, excès doptimisme) Une bonne évaluation des probabilités devrait reproduire ou prédire la réalité. Courbe de calibration = relation entre probabilité prédite et proportion réalisée (exemple: pluviométrie) Calibration = proximité des points du graphique / diagonale. Résolution (discrimination)= degré auquel les probabilité permettent de distinguer entre les événements probables et non-probables. Une prévision à haute résolution met des poids plus proches de 0 et 1 sur un grand nombre dévénements (et pas un grand nombre dévénements estimés à 50%. La recherche montre que les individus sont sur-confiant (overconfident) et sous-estiment lampleur des intervalles de confiance.

27 27 Overconfidence (Thaler et Sustein) Thaler et Sustein: MBA students. Question: Dans quel décile pensez-vous tomber en matière de notes à la fin de ce semestre? (10% plus élevé, etc.) Résultat: moins de 5% de la classe pense être dans les 50% les plus faibles. Plus de 50% de la classe pense être dans les 20% les plus élevés. Le groupe le plus nombreux se place dans le 2è décile. 90% des automobilistes pensent conduire mieux que la moyenne. Les gens sont particulièrement optimistes dans les enjeux sont importants 50% des mariages finissent en divorce, mais la plupart des couples qui se marient pensent que ce ne sera pas leur cas (absence de précaution dans les contrats de mariage, etc.) Taux de faillite très élevé des nouvelles PME, mais enquête: Quel sont les chances de succès pour une entreprise comme la vôtre? (50%) Quelle est la probabilité que vous réussissiez? (90%)

28 28 Conséquence de lexcès doptimisme Sous-investissement en assurance et contrats flexibles. Conséquences sur les marchés fonciers, types demprunts bancaires, investissements en technologies flexibles, assurances, retraites, mariage et divorce, etc. Sous-estimation des risques (des variations possibles): explique peut-être le grand nombre de faillites des PME pour problèmes de trésorerie (cash-flow) Optimisme irréaliste prise de risque excessive Protection insuffisante contre MST même pour ceux qui connaissent les statistiques Les gens jouent au loto car ils surestiment énormément leurs chances de gagner Optimisme irréaliste peut être atténué par rappel des risques réels

29 29 Biais de jugements dus au language (Information implicite linguistique) Tversky et Kahneman 1983: « The Linda problem » Linda is 31 years old, single, outspoken, and very bright. She majored in philosophy. As a student, she was deeply concerned with issues of discrimination and social justice, and also participated in anti-nuclear demonstrations. Please rank the following statements by their probability: Linda is a teacher in an elementary school Linda works in a bookstore and takes Yoga classes Linda is active in the feminist movement (F) Linda is a psychiatric social worker Linda is a member of the League of Women Voters Linda is a bank teller (T) Linda is an insurance salesperson Linda is a bank teller and is active in the feminist movement (F&T)

30 30 Linda - suite Théorie: (F&T) est moins probable que F ou T car proba(F&T)=p(F)*p(T) et les p(.)<1 Résultats de lexpérience: 90% des sujets classent F&T comme plus probable que lun des deux évenements F et (surtout) T. Explication: F&T est plus « représentatif » de la description de Linda. Confusion entre représentatitivé et probabilité.

31 31 Biais de confirmation (Confirmation bias) Peut faire obstacle à lapprentissage Watson (1968) On vous montre 4 cartes portant chacun un inscription: K, E, 4, 7 Chaque carte porte un chiffre sur un côté et une lettre sur lautre côté On vous donne la règle suivante: chaque carte portant une voyelle dun côté porte un nombre pair de lautre côté Quelles cartes devez-vous retourner pour savoir si la règle est vraie ou fausse? Théorie: E et 7 Réponses expérimentales: peu de sujets retournent la carte 7. Interprétation: pour vérifier une idée, les gens cherchent à confirmer leurs croyances plutôt que de chercher à les infirmer. (ex: retourner uniquement la carte 4 ne peut pas révéler si la règle est toujours vraie) Prédictions auto-réalisatrices. Croyances action production de faits conformes à la prédiction (série biaisée) renforcement de la croyance. Cf paniques financières, bulles spéculatives.

32 32 Conclusion sur les erreurs de jugements Règles heuristiques biaisées utilisées par les agents: Effet de mémoire et de similarité pour juger des proba et des corrélations Confiance excessive (overconfidence) Anticipations adaptatives (reflètent observations passées) plutôt que rationnelles Anticipations itérées (entre agents) biaisées par connaissance personnelles Surestimation de leur pouvoir de contrôle par les individus Les expériences de marché montrent que les marchés réduisent les erreurs mais ne les éliminent pas complètement.

33 33 Choix versus jugement: invariance procédurale? Les économistes assimilent choix et jugements: invariance procédurale. Les préférences sont indépendantes de la manière dont elles sont révélées. Or certaines expériences montrent le contraire: les préférences peuvent être renversées lorsquon demande aux sujets de choisir puis dévaluer une loterie. Renversement des préférences.

34 34 Le renversement des préférences: expérience de Lichtenstein et Slovic (1971)et Grether et Plott (1979) On vous donne 7 $ au début de lexpérience. Décision 1. Vous devez choisir entre 2 loteries. Jouer à une loterie consiste à tirer au sort une boule dans une urne contenant 36 boules numérotées de 1 à 36. Le numéro de la boule tirée au sort déterminera si vous avez perdu ou gagné de largent. Vous pouvez jouer à lune des 2 loteries suivantes: Loterie A: vous perdez 1$ si la boule numéro 1 est tirée, et vous gagnez 4 si vous tirez une boule portant un autre numéro. Loterie B: vous perdez 1,5$ si vous tirez une boule dont le numéro est inférieur ou égal à 25, et vous gagnez 16$ si le numéro de la boule est supérieur à 25. A quelle loterie préférez-vous jouer? Décision 2. on vous donne un ticket pour chacune des loteries précédentes. Vous pouvez soit jouer à la loterie, soit vendre votre ticket. Quel est le prix minimum P A auquel vous acceptez de vendre votre ticket pour la loterie A? Quel est le prix minimum P B auquel vous acceptez de vendre votre ticket pour la loterie B?

35 35 Le renversement des préférences- suite La plupart des gens choisissent la loterie A mais exigent un prix supérieur pour la loterie B. Or, si lon accepte lhypothèse selon laquelle lindividu est indifférent entre la loterie et son prix de vente minimum, on est obligé dadmettre un renversement de préférences entre la situation de choix entre les loteries A et B et la situation dévaluation de ces mêmes loteries (les options ne sont pas classées de la même manière selon quil sagit de les choisir ou de les vendre). Expérience menée un grand nombre de fois, par psychologues et économistes, en modifiant les enjeux, avec rémunérations hypothétiques et réelles leffet de renversement des préférences semble robuste. Mais moins robuste avec des objets réels (voitures doccasion à la valeur incertaine) ou avec joueurs expérimentés.

36 36 Le renversement des préférences- suite Interprétation (Lommes et Sugden, 1983): « théorie du regret » les gens évaluent leurs options non pas isolément, en référence à un système de préférences invariants et préexistant, mais relativement aux autres options présentes au moment du choix. Lorsquun individu évalue deux options, il tient compte pour chacune du manque à gagner par rapport à lautre (coût dopportunité). Il anticipe lintensité de son « regret » davoir choisi une option plutôt quun autre. On comprend pourquoi un individu peut préférer jouer à la loterie A mais vendre plus cher la loterie B qui lui procure potentiellement un plus grand regret (en cas de gain de son acheteur). Quelle que soit linterprétation, le phénomène de renversement des préférences invalide la propriété dinvariance procédurale.

37 37 Renversement de préférences - suite Implications du renversement de préférences: Choix entre des lots de biens (commodity bundles) dépendra du bien qui est choisi comme numéraire (référence) Négociations sur des paquets de droits ou des ensembles de conditions: dépendront du bien utilisé pour faire lajustement.

38 38 Descriptive invariance McNeil, Pauker et Tversky (1988) On donne à des médecins des tables de survie et de mortalité correspondant à 2 traitements du cancer du poumon. Formulation différente de la même information statistique. Framing effect Tableau p653 Camerer (prochain slide)

39 39 Tableau p 653 Camerer (Individual decision-making) Résultats: Parmi ceux qui reçoivent la formulation en termes de survie:16 à 20% choisissent la radiothérapie. Parmi ceux qui reçoivent la formulation en terme de mortalité, 50% choisissent la radiothérapie. Ceux qui reçoivent les 2 tables: choisissent la radiothérapie à 40%


Télécharger ppt "Behavioral economics Economie comportementale Claudia Senik Université Paris-4 Sorbonne Paris School of Economics 2011-2012."

Présentations similaires


Annonces Google