Курс микроэкономики - Глава 12. Экономика информации, неопределенности и риска

Глава 12. Экономика информации, неопределенности и 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.

12.1. Выбор в условиях неопределенности

Неопределенность и риск

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 идентичных"1.

Вероятность второго типа можно определить лишь эмпирически. Например, вероятность возникновения пожара в данном конкретном здании. Конечно, имеется определенная статистика, однако она 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,

1 Knight F. Risk, Uncertainty and Profit Boston. Houghton Miffin Co 1921. P. 210—235 (Русский перевод: THESIS, 1994. Вып. 5 С 12—28)

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"1.

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.

Измерение риска

Вероятность (probability) возможность получения определенного результата. Следует различать объективную и субъективную вероятность. Объективная вероятность — 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.


E(x)=π1x12x2+...+πnxn1x1

(12.1)

                    

где   х — возможный результат,                                                          

p1 — вероятность соответствующего результата, 

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

1 Найт Ф. Понятие и неопределенности // THESIS, 1994 Вып 5 С  21

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.

Таблица 12—1

Модель "Шерлок Холмс ищет работу": сравнение вариантов при трудоустройстве


Вариант трудоустройства

В лучшем случае

В худшем случае

вероятность

доход, ф. ст.

вероятность

доход, ф. ст.

№ 1 Инспектор в Скотланд-ярде

0,5

100

0,5

50

№ 2 Частный детектив на Бейкер-стрит

0,8

90

0,2

15

Ожидаемый доход при обоих вариантах один и тот же: Е, = 100 х 0,5 + 50 х 0,5 = 75 ф. ст.; Е2 = 90 х 0,8 + 15 х 0,2 = 75 ф. ст.

Таблица 12—2

Модель "Шерлок Холмс ищет работу": отклонения от ожидаемых результатов


Вариант трудоустройства

В лучшем случае

В худшем случае

результат

отклонение, ф. ст.

результат

отклонение, ф. ст.

№ 1 Инспектор в Скотланд-ярде

100

25

50

25

№ 2 Частный детектив на Бейкер-стрит

90

15

15

60

Значит ли это, что для Шерлока Холмса оба варианта совершенно равноценны? Нет, и чтобы показать это, рассмотрим информацию об отклонениях от ожидаемых результатов (см. табл. 12—2), для чего используем критерии изменчивости- дисперсию и стандартное (среднеквадратичное) отклонение

В данном случае дисперсия равна:


Дисперсия — средневзвешенная величина квадратов отклонений действительных результатов от ожидаемых:

σ2 = p1[x1 - Е(х)]2 +π2[x2 - Е(х)]2,                                                                   (12.2)

где   σ2    — дисперсия;

х1     — возможный результат,

p1    — вероятность соответствующего результата;

Е(х) — ожидаемое значение.

В нашем случае показатели дисперсии для двух вариантов сильно различаются (см. табл 16—3) :

σ1 2 = 0,5(100 - 75)2 + 0,5(50 - 75)2 = 625;

σ22 = 0,8 х 225 + 0,2 х 3600 = 180 + 720 = 900.

Подсчитаем теперь стандартное отклонение. Стандартное (среднеквадратичное) отклонение это квадратный корень из дисперсии. В первом случае стандартное отклонение равно 25, а во втором — 30 (см. табл. 12—3). Это означает, что второй вариант для Шерлока Холмса связан с большим риском, чем первый. Почему же тогда Шерлок Хомс не идет работать в Скотланд-ярд? Может быть, это связано с его отношением к риску?

Таблица 12—3

Модель "Шерлок Холмс ищет работу": оценки риска


Вариант трудоустройства

Дисперсия

Стандартное отклонение

№ 1 Инспектор в Скотланд-ярде

625

25

№ 2 Частный детектив на Бейкер-стрит

900

30