Behavioral economics - Cheatsheet

Rationale Entscheidungsmodelle

Definition:

Modelle, in denen angenommen wird, dass Individuen stets rational und nutzenmaximierend entscheiden. Wichtiger Bestandteil der klassischen Ökonomie.

Details:

• Homo Oeconomicus: theoretisch rational handelnder Mensch.
• Nutzenmaximierung: Akteure wählen die Handlungsalternative, die ihren Nutzen (U) maximiert.
• Wahrscheinlichkeit und Erwartungswert: Entscheidungen basieren auf der Wahrscheinlichkeit von Ergebnissen und deren Nutzen.
• Formel: Erwartungsnutzen E(U) = \sum_{i} p_i \cdot U(x_i)
• Invarianz: Entscheidungen sollten unabhängig von der Darstellung der Alternativen sein.
• Transitivität: Wenn A besser als B und B besser als C, dann muss A besser als C sein.

Systematische Abweichungen vom Rationalverhalten

Definition:

Verhaltensweisen und Entscheidungen, die systematisch von der Annahme des rationalen Handelns abweichen.

Details:

• Begrenzte Rationalität: Menschen verwenden Heuristiken, was zu systematischen Fehlern führen kann.
• Prospect Theory: Menschen bewerten Gewinne und Verluste unterschiedlich (Verlustaversion).
• Framing-Effekte: Die Art und Weise, wie Informationen präsentiert werden, beeinflusst Entscheidungen.
• Zeitinkonsistenz: Präferenzänderungen über die Zeit, z.B. Hyperbolische Diskontierung.
• Selbstüberschätzung und Übervertrauen: Menschen überschätzen oft ihre Fähigkeiten und Wissen.
• Soziale Präferenzen: Fairness und Reziprozität spielen eine Rolle bei Entscheidungen.

Labor- vs. Feldexperimente

Definition:

Unterscheidung zwischen Labor- und Feldexperimenten in der Verhaltensökonomie.

Details:

• Laborexperimente: Kontrollierte Umgebung, hohe interne Validität, Nachteil: niedrige externe Validität (künstliche Umgebung).
• Feldexperimente: Natürliche Umgebung, hohe externe Validität, Nachteil: geringere Kontrolle über Variablen.
• Häufig verwendete Ansätze: Randomisierte Kontrollstudien.
• Trade-off zwischen Kontrolle und Realitätsnähe.
• Wichtige Konzepte: interne und externe Validität.

Kognitive Verzerrungen

Definition:

Systematische Abweichungen vom rationalen Denken.

Details:

• Treten in Urteilen und Entscheidungen auf
• Verursacht durch begrenzte Informationsverarbeitungskapazitäten
• Beispiel: Verfügbarkeitsheuristik, Anker-Effekt
• Führen oft zu suboptimalen wirtschaftlichen Entscheidungen

Erwartungswertmaximierung

Definition:

Erwartungswertmaximierung ist ein zentrales Konzept der Entscheidungstheorie, bei dem Individuen Entscheidungen basierend auf dem erwarteten Nutzen treffen, um ihren Gesamtnutzen zu maximieren.

Details:

• Erwartungswert (EW) einer Zufallsvariable: \(E(X) = \sum_i x_i \cdot P(x_i)\)
• Grundannahme: Entscheidungsakteure sind risikoneutral.
• Relevanz in der Verhaltensökonomik: Abweichungen der tatsächlichen Entscheidungen von der EW-Maximierung werden analysiert.
• Kritikpunkte: Ignoriert Risikoaversion und andere psychologische Faktoren.
• Nutzenfunktion: \(U = \sum P(x) \cdot U(x)\)

Markteffizienzanomalien

Definition:

Abweichungen von der Hypothese effizienter Märkte (EMH), bei denen Marktpreise nicht alle verfügbaren Informationen widerspiegeln.

Details:

• Kurzfristige Überreaktionen und langfristige Fehlbewertungen
• Beispiele: Januar-Effekt, Momentum-Effekt, Value-Effekt
• Behavioral Finance erklärt durch psychologische Faktoren, z.B. Übertreibung, Herdenverhalten

Soziale Präferenzen und Verhalten

Definition:

Untersucht, wie soziale Präferenzen (wie Altruismus und Fairness) das ökonomische Verhalten beeinflussen.

Details:

• Wichtige Konzepte: Altruismus, Fairness, Reziprozität, Ungleichheitsaversion
• Nutzenfunktion: \(U_i = U_i(x_i, x_j)\), wobei \(x_i\) der eigene Konsum und \(x_j\) der Konsum anderer ist.
• Experimente: Diktatorspiel, Ultimatumspiel, öffentliche Güter-Spiele
• Reziprozität: Positive Reaktionen auf positive Handlungen, negative auf negative
• Einfluss auf Märkte: Löhne, Verhandlungen, Kooperation

Bayesianische Entscheidungsmodelle

Definition:

Bayesianische Entscheidungsmodelle nutzen Bayes' Theorem, um Wahrscheinlichkeiten zu aktualisieren, basierend auf neuen Informationen.

Details:

• Bayes' Theorem: \[P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)}\]
• A-priori Wahrscheinlichkeit (prior): Die ursprüngliche Wahrscheinlichkeit eines Ereignisses bevor neue Daten vorliegen
• Likelihood: Die Wahrscheinlichkeit, dass die neue Information gegeben das Ereignis auftreten würde
• A-posteriori Wahrscheinlichkeit (posterior): Die aktualisierte Wahrscheinlichkeit nach Berücksichtigung neuer Daten
• Anwendung in Entscheidungsfindung: Entscheidung basierend auf aktualisierter Wahrscheinlichkeit, um optimale Ergebnisse zu erzielen