<!-- google_ad_client = "pub-2416224910262877"; google_ad_width = 728; google_ad_height = 90; google_ad_format = "728x90_as"; google_ad_channel = ""; google_color_border = "E1771E"; google_color_bg = "FFFFFF"; google_color_link = "0000FF"; google_color_text = "000000"; google_color_url = "008000"; // -->
现实生活中有许多证据表明，不仅风险下的判断过程，就连决策过程也系统地偏离了传统经济学的基本假设。特别值得注意的是，许多风险下的决策明显地违背了预期效用理论的预测结果。早在1953年，Maurice Allais[1]率先指出风险下的决策偏离预期效用理论这一事实，也就是所谓的“阿利斯难题”(Allais paradox)，并凭借此发现获得了1988年度的诺贝尔经济学奖。具体而言，给定两个选择：a是无任何风险的3000元收益；b是参加一个抽奖：以80%的概率赢得4000元，但20%的概率一无所获。大部分的被试都会选择a而放弃b。但是，当被试面临另外两个选择：c是25%概率获得3000元（75%的概率得到零）；d是20%的概率得到4000元（80%的概率得到零），大部分人却会选择d而放弃c。被试所做的选择明显地违背了预期效用理论中的替换原理（注：具体而言，替换原理是指当决策者面临两个选择A和B时，如果决策者选择A而放弃B，则对任何选择C，决策者会选择概率组合pA+(1-p)C而放弃pB+(1-p)C。），因为选择c和d相对于选择a和b仅对概率的取值进行了同比例的压缩（从100%到25%及从80%到20%)，但人们却做出了前后截然相反的抉择。Kahneman在此基础上进一步提供了大量的证据表明，决策过程往往与预期效用理论背道而驰（详见Kahneman和Tversky于1979[9]，1991[18]和1992[19]年发表的系列论文）。Kahneman另外一个突出的发现是：相比于结果的绝对数值而言，人们通常对结果相对于一个参考水平的偏离程度更敏感。这种侧重于变化而非绝对水平的倾向与心理学的认知法则是一致的。也就是说，相对于外界条件（例如：光和温度等等）的绝对水平而言，人们对外界条件的变化更敏感。另外，人们对损失的痛恨程度往往大于收益所能带来的喜悦程度。换言之，一笔损失给人带来的痛苦大于等值的收益带来的快乐。Tversky和Kahneman在1992年的研究中发现，人们通常需要两倍于损失的收益才能弥补损失所带来的痛苦。这种损失和收益对人心理的的不对称影响就是所谓的“损失规避”。人们通常不屑参与小数额的博彩，例如，以零成本和50%-50%的机率赢取12元或输掉10元。但大额的博彩却对很多人有强烈的吸引力，而这种对大数额的风险追逐行为是传统的经济学分析所不能解释的，因为传统经济学是建立在风险规避假设(risk aversion)基础上的（注：给定两种选择A和B，A是一个期望值为x，有风险的（例如，50%的概率赢得2x，但50%的概率一无所获）；B是赢取无风险的收益x。如果决策者认为A和B具有同样的吸引力，我们定义他为风险中性(risk neutral)。如果决策者选择B而非A，则为风险规避(risk averse)。如果决策者选择A而非B，我们定义他为风险追逐(risk-loving)。）。例如，Kahneman和Tversky在他们1979年的研究中发现[8]，10个被试中有7个人选择以25%的概率损失6000元，而非以50%的概率同等可能地损失4000元或2000元（意即各25%）。因为我们知道两种选择的期望值完全相同，而前者有更大的风险。如果人们是传统意义上的风险规避，则不应该观察到上述的结果。
来源：
http://info.psychcn.com/psyhistory/200502/1650311539.shtml
其他文章：
<!-- google_ad_client = "pub-2416224910262877"; google_ad_width = 728; google_ad_height = 90; google_ad_format = "728x90_as"; google_ad_channel = ""; google_color_border = "FFFFFF"; google_color_bg = "FFFFFF"; google_color_link = "0000FF"; google_color_text = "000000"; google_color_url = "008000"; // -->
