Giełda  
 

 

Mikołaj Czajkowski
FINANSE BEHAWIORALNE - co to takiego?


I. Wstęp

Finanse behawioralne to nic innego niż wykorzystanie psychologii w finansach. Pewne powszechne błędy i uprzedzenia, wynikające z psychiki ludzkiej i z tego jak myślimy są powielane przez zarówno profesjonalistów jak i inwestorów indywidualnych, na tak różnych terytoriach finansów jak:
- prognozy przyszłego zachowania rynku
- analityków papierów wartościowych i ich 'zalecenia'
- zarządzających portfelami w ich wyborze papierów wartościowych
- menadżerów handlujących walutami
- banki inwestycyjne przeprowadzające wejście firm na giełdę
- indywidualnych inwestorów oszczędzających w celach emerytalnych
- doradców finansowych doradzających inwestorom
- zarządzających korporacjami gdy planują przejęcia

W pracy tej zwięźle omawiam dwa działy leżące u podstaw finansów behawioralnych, są to:
1. Błędy spowodowane podejściem heurystycznym
2. Zależność od oprawy.

Praca ta oparta jest w całości na książce Hersha Shefrina 'Beyond Greed and Fear' wydanej przez Harvard Business School Press w 2000 r. Z uwagi na obcojęzyczność pozycji uczulam na możliwe różnice w terminologii, za które z góry przepraszam. Tam gdzie to wydaje się potrzebne umieszczam terminy angielskie w nawiasach.

II. Błędy spowodowane podejściem heurystycznym (Heuristic-Driven Bias)

W rozdziale tym przedstawię podstawy błędu reprezentatywności, dostosowania-przy-zakotwiczeniu, nadpewności, uprzedzenia na tle dostępności czy awersji do niepewności. Ponieważ uczestnicy rynku finansowego polegają na heurezie, stają się podatni na popełnianie pewnych omówionych błędów. Poza omówionymi tutaj spotkać się można także z wieloma innymi, takimi jak nadmierny optymizm, złudzenie poprawności, pewność po fakcie, złudzenie kontroli czy błąd samoatrybucji.
Uprzedzenia na tle nauki przy wykorzystaniu heurezy wynikają z następujących błędów:
- ludzie zakładają istnienie ogólnych zasad takich, jakie wpływają na nich samych.
- polegają na heurezie, zasadzie kciuka, ekstrapolacji trendów aby wyciągać wnioski z już dostępnych informacji
- są podatni na pewne błędy, bo algorytmy heurystyczne, których używają są niedoskonałe
- wreszcie, ludzie po prostu popełniają błędy w pewnych sytuacjach

1. Zasada dostępności. (availability bias)
Jak wiadomo człowiek najchętniej korzysta z informacji, która jest już dostępna, a która nie koniecznie musi być poprawna. Przykładem może być pytanie: 'Czy częstszą przyczyna zgonu jest zabójstwo czy zadławienie?' Odpowiadając sobie na to pytanie sięgamy do własnych doświadczeń, informacji z mediów czy innych źródeł, które mamy już gotowe, przeprowadzając szybkie szacunkowe kalkulacje, które mogą być bliskie prawdy, ale z reguły mają tendencję do przeszacowywania w określonym kierunku. Prawidłowa odpowiedź to 11krotnie częściej przyczyną zgonu jest zadławienie. Pozostaje to w sprzeczności z dostępnymi większości ludzi informacjami z mediów, dla których przecież niusy o zabójstwach są ciekawsze niż o zadławieniach w restauracjach.

2. Zasada podobieństwa (representativeness)
Odnosi się do sądów na podstawie stereotypów, na przyjmowaniu zagadnienia jako reprezentanta jakiejś grupy, często zbyt pochopnie.

Oto ciekawy przykład.
Grupę badawczą poproszono o przewidzenie średnich ocen odpowiednich grup studentów na studiach, na podstawie ich średnich ocen w szkole średniej. Studentów podzielono na 3 grupy. Średnia ocen dla wszystkich studentów w szkole średniej wynosiła 3.44, zaś ich średnie wyniki na studiach wynosiły 3.08. Oto otrzymane wyniki dla trzech grup :

Średnia ocen w szkole średniej

Przewidywana średnia na studiach

Faktyczna średnia na studiach

2,20

3,00

3,80

2,03

2,77

3,46

2,70

2,93

3,30


To co obserwujemy to tzw. efekt zwycięzcy-przegranego (winner-loser effect). Obserwowany na giełdzie, pokazuje, że grupa spółek którym w ostatnim okresie (3 lat) szło najgorzej, w następnym okresie (3 lat) osiąga znacznie lepsze wyniki. Odwrotnie dzieje się ze zwycięzcami. Analitycy zaś, robią zaś przewidywania na podstawie ostatnich sukcesów, czyli są zbyt optymistyczni dla zwycięzców i zbyt pesymistyczni dla przegranych. Czego ludzie zwykle nie doceniają bądź nie umieją przewidywać to 'regresja do średniej' , którą wykazują wyniki w kolejnych okresach. Powrót do średniej w długim okresie nie oznacza, że zmienne muszą ją przekroczyć z przeciwnym znakiem. Taki błąd to 'błąd hazardzisty' (gambler's fallacy). Dla przykładu gracz może spodziewać się, że po 5 kolejnych orłach prawdopodobieństwo reszki w następnym rzucie jest większe od 1. Błąd ten bierze się z błędnej interpretacji prawa wielkich liczb - zastosowania go do małych próbek - stąd zwany jest także 'prawem małych liczb'.

3. Nadmierna pewność (overconfidence)
Przypadek ten najłatwiej wyjaśnić na przykładzie.
Na koniec 1998 roku wartość Dow Jones Industrial Average wyniosła 9181, wartość ta nie uwzględnia jednak dywidend. Gdyby Dow miał być przeliczony na nowo, tak aby uwzględniać reinwestowanie wszystkich dywidend od maja roku 1896 (gdy miał wartość 40) to jaka byłaby jego wartość na koniec 1998 roku? Dodatkowo proszę zaznaczyć górną i dolną granicę spodziewanego przedziału, tak aby być w 90 % pewnym.
Gdyby ludzie byli dobrze 'wykalibrowani' to 90% ich przedziałów zawierałaby właściwą odpowiedź, którą jest 652230.
Wniosek - ludzie są źle skalibrowani i zbyt pewni (ustawiają zbyt wąskie granice pewności). W rezultacie są zaskakiwani znacznie częściej niż się tego spodziewają.

4. Pierwotna decyzja i niedostateczne dopasowanie (anchoring-and-adjustment).
Załóżmy, że mamy 100 worków, w każdym z których znajduje się 1000 żetonów. W 45 workach znajduje się 700 czarnych i 300 czerwonych, w 55 jest 300 czarnych i 700 czerwonych. Jakie jest prawdopodobieństwo, że w wylosowanym worku jest większość czarnych żetonów ? To proste - 45%.
Teraz jednak wybieramy losowo worek, a z niego losujemy ze zwrotem 12 żetonów. Są to 8 czarnych i 4 czerwone. Jakie teraz jest prawdopodobieństwo, że w worku jest większość czarnych? Proszę oszacować tę wielkość i jak poprzednio podać górną i dolną granicę z 90 % pewnością.
Około 55% ludzi odpowiada 45% lub 67% (studenci kursu MBA na uniwersytecie Santa Clara). Odpowiadający 45% po prostu nie umieją wykorzystać nowej informacji i tym samym niedoreagują (underreact). U większości ludzi górny przedział nie przekracza 75%, podczas gdy poprawna odpowiedź to 96.04%. Dlaczego? Uważa się, że ludzie 'zakotwiczają' się przy pierwotnym stosunku worków (45%) i później nie potrafią się dostatecznie dostosować do nowej informacji.
Analogiczne do losowania żetonów z nieznanego worka jest ogłaszanie zysków kwartalnych. Jeśli ludzie mają już jakieś zdanie na temat firmy (lub znają np. prognozowane zyski za ten kwartał) to później niedostatecznie zmieniają swoje opinie, nie potrafią odpowiednio wykorzystać nowej informacji. Ma to oczywisty wpływ na kurs akcji spółki.

5. Awersja do niejasności (aversion to ambiguity).
Wyobraźmy sobie sytuację, w której ktoś proponuje nam grę, w której możemy wybrać - albo dostać 1000$, albo uzależnić nasz zysk od rzutu monetą. Z prawdopodobieństwem 1 (powiedzmy orzeł) dostaniemy 0, a odpowiednio za reszkę dostaniemy 2000$. W tej sytuacji około 40 % ludzi decyduje się zagrać.
Zmieniamy nieco zasady, tak że moneta jest nieznacznie niesprawiedliwa, nie wiadomo jednak w którą stronę. W tej sytuacji wielu wcześniejszych zwolenników gry wycofuje się i decyduje się jednak na pewne 1000$, a przecież prawdopodobieństwo wygranej pozostaje takie samo.
To zjawisko znane jest właśnie jako awersja do niepewności.

6. Błąd samoatrybucji (self-attribution error)
Polega najprościej mówiąc na tendencji do przypisywania sobie korzystnych efektów działań lub zdarzeń czysto losowych i jednoczesnej tendencji do spychania na innych (np. doradców inwestycyjnych) odpowiedzialności za decyzje chybione.

III. Zależność od oprawy (Frame dependence).

Forma używana do opisania warunków problemu decyzyjnego nazywana jest ramą. Zależność ramowa mówi właśnie o różnicach między formą a treścią. W skrócie, zależność ramowa pokazuje, że zmiany w ramach mogą prowadzić do zmian w treści. Wynika to z mieszanki elementów emocjonalnych, sposobu w jaki ludzie postrzegają i organizują mentalnie informacje, zwłaszcza kodując wyniki jako zysk lub stratę. Do gry wchodzi tu kilka aspektów, najważniejszym z których jest chyba to, że strata dotyka ludzi znacznie bardziej, niż adekwatnej wielkości zysk (awersja do straty - loss aversion). Dlatego też ludzie wolą postrzegać w ramach, które mogą być niewłaściwe, ale maskują o ile to możliwe straty. Angażują się też w 'hedonistyczne redagowanie' (hedonic editing), gdyż mają tendencję do odczuwania strat tym dotkliwiej, jeśli nie mogą przypisać odpowiedzialności innym.

1. Awersja do straty (loss aversion).
Większość ludzi postawionych przed wyborem pewnej straty 7500$ lub straty 10000$ z prawdopodobieństwem 75% lub niczego z prawdopodobieństwem 25% wybiera to drugie rozwiązanie. Dzieje się tak dlatego, że ludzie nie lubią tracić, a druga opcja niesie z sobą szansę niestracenia.
To zjawisko objawia się np. niechęcią do sprzedaży akcji ze stratą, zakończeniem złych projektów, czy tendencją do zwiększenia ryzyka operacji przez menadżerów, którzy ostatnio ponieśli straty.

2. Równoczesne decyzje (concurrent decisions).
Zależność decyzji od ramy w jakiej się ją widzi dobrze pokazuje przykład:
Mamy do wyboru dwie możliwości w każdym z dwóch zdarzeń:

a. A - zyskać 2400$
B - 25% zyskać 10000$ lub 75% zyskać 0
b. C - stracić 7500$
D - 75% stracić 10000$ lub 25% stracić 0.

Okazuje się, że 50% ludzi wybiera opcje A i D, nie mogąc się oprzeć pewnym 2400$ (wszak 2500$ to tylko o 100$ więcej), z drugiej strony jednak ryzykując aby zminimalizować stratę.
Okazuje się jednak, że ramy w jakich postrzegają są błędne. Ponadto ludzie dzielą zdarzenia na oddzielne mentalne konta, na których księgują straty i zyski oddzielnie. Wszak wybór zdarzeń AD to nic innego, jak
25% zysk 2400$ i 75% strata 7600$, a przecież można było wybrać BC dostając 25% zysk 2500$ i 75% strata 7500$.

3. Hedonistyczne redagowanie (hedonic editing).
Okazuje się, że niektóre ramy są preferowane niż inne. Ponadto ludzie nie mają jednakowego nastawienia do ryzyka, zależy ono od okoliczności (np. szans na stratę). Tolerancja dla ryzyka nie jest jednowymiarowa, zależy raczej od kilku czynników, np. ostatnich wyników w podejmowaniu ryzyka. Wynika to z organizacji 'mentalnych kont'.
Na przykład po pierwszej wygranej druga przegrana 'doksięgowywana' jest na to samo konto, jeśli wynik jest dodatni, jeśli za drugim razem wygramy to pieniądze 'zapisywane' są oddzielnie. Jeśli po pierwszej przegranej przegramy ponownie to strata będzie szczególnie bolesna i najprawdopodobniej wycofamy się z gry.
Decyzje zależą od ramy, na której przyjęcie mają wpływ aspekty kognitywne dotyczące sposobu w jaki ludzie organizują informacje oraz aspekty emocjonalne dotyczące tego, co ludzie czują że robią.
Dla przykładu proszę rozważyć sposób w jaki ludzie 'zapisują' dywidendy przy wzrostach i przy spadkach kursów akcji.

4. Samokontrola.
Przykładem samokontroli inwestorów może być zasada 'nie maczaj paluchów w kapitale' (don't dip into capital). Wiąże się z kontrolowaniem posiadanych aktywów i niechęcią do ich uszczuplania (zwłaszcza dotyczy to starszych ludzi oszczędzających na emeryturę). Tu znów pojawia się zależność ramowa i hedonistyczne redagowanie, które pomagają w utrzymywaniu samokontroli. Dla przykładu uzyskane z akcji dywidendy traktowane są jak 'dochód' a nie zwiększenie posiadanego kapitału.

5. Żal (regret)
Żal może być gorszy od poczucia straty, gdyż dodatkowo odczuwa się za nią odpowiedzialność. Żal może wpływać na podejmowane decyzje. Żeby nie być gołosłownym przytoczę tu przykład noblisty z dziedziny ekonomii - Markovitza. Twórca analizy portfelowej zapytany w jaki sposób zamierza oszczędzać na emeryturę odpowiedział, że 50% kapitału umieścił w akcjach, 50% zaś w obligacjach, aby zminimalizować późniejsze ryzyko żałowania swojej decyzji.

6. Iluzja pieniądza (money illusion)
Chociaż ludzie z reguły rozumieją i umieją uwzględniać inflację to nie jest to dla nich naturalnym sposobem myślenia.

IV. Nieefektywność rynku.

Uprzedzenia na tle nauki przy wykorzystaniu heurezy i zależność ramowa pośrednio prowadzą do nieefektywności rynku. Odpowiednie błędy inwestorów powodują różnice w wycenie i odchylenie od wartości fundamentalnych. Czasem daje to możliwość do arbitrażu. Na przykład jak wspomniałem dawni przegrani mają tendencję do osiągania lepszych wyników niż się od nich oczekuje. Z czasem różnice w wycenie wynikające z błędów mogą się niwelować, co daje okazję do zarobku. Jednak odchylenia od wartości fundamentalnych mogą utrzymywać się dłuuugo. Co więcej nie każdy przypadek mispricingu pozwala zbierać 20dolarówki z chodnika. Należy przeanalizować jaką przewagę daje zastosowanie finansów behawioralnych wobec innych, jednak pamiętać że także jest się podległym wymienionym zasadom. Wracamy do nadpewności. 65-80% ludzi uważa, że jest lepszymi kierowcami niż średnia :-]
Jak stwierdza autor - "beating the market is no snap - don't be overconfident"

V. Zakończenie

Tekst ten ma charakter notatki, która miała na celu jedynie przybliżenie szeroko omawianych w książce Shefrina aspektów, z których biorą się określone zachowania ludzi w różny sposób związanych z finansami. W lekturze znajdują się modele, praktyczne zastosowania i szczegółowe rozwinięcia koncepcji, popartych dziesiątkami ciekawych przypadków.



 

  Wszelkie uwagi i komentarze prosimy zamieszczać na naszej Tablicy :

http://www.wne.uw.edu.pl/finanse/Tablica/



.

Redakcja