Informação em Excesso

Mais informação pode piorar o processo decisório. Um estudo com investidores italianos (citado aqui) encontrou que investidores que obtem mais informação reduzem seu retorno. Isto é explicado pela confiança excessiva (over-confidence), que tem sido objeto de estudos das finanças comportamentais. Seria então o caso de reduzir o volume de informação, em lugar de aumentar? Parece que não. Este resultado da pesquisa não deve significar que as políticas de regulação não busquem a divulgação da informação. Uma das razões é que a divulgação de informações passa o erro da decisão para o investidor e não para a empresa (É a troca entre "a decisão foi ruim pois as informações não eram boas" para a situação onde "o investidor sabia o que era importante sobre a empresa. O erro foi dele").

Previsão na Economia

Um análise do livro “Imperfect Knowledge Economics”, de Roman Frydman e Michael Goldberg, feita pela The Economist, mostra dificuldade de fazer previsão em economia. Para Frydman, aquele que faz previsão usa métodos quantitativos, mas também a intuição e o julgamento. "Ele não é um cientista", afirma Frydman, e este fato tem sido ignorado pelos economistas, que perseguem a previsão perfeita, apesar de toda prova em contrário de que ela não existe. Frydman e Goldberg destacam o desempenho das agências de ratings no mercado de títulos versus o CDO. O desempenho no primeiro é melhor pois se usa um modelo matemático em conjunto com o julgamento de especialista, enquanto o segundo só trabalha com modelo quantitativo. A reportagem encontra-se a seguir:

A new fashion in modelling
Nov 22nd 2007 - From The Economist print edition
What to do when you don't know everything

“THE forecaster is like an entrepreneur,” says Roman Frydman. “He uses quantitative methods, but he also studies history, and relies on intuition and judgment. He is not a scientist.” According to the New York University economist, this fact has been lost on contemporary economists, who continue to pursue the perfect economic forecast despite abundant evidence that it does not, and cannot, exist. They dismiss their repeated failures in much the same way that self-styled reformers in Mr Frydman's native Poland once insisted that socialism was great, but just needed to be carried out better.

In the economics profession the leading inheritors of this communistic mindset, says Mr Frydman, are the proponents of rational-expectations theory, which assumes that the economy and the individuals within it act with perfect foresight. Yet he is equally critical of the more fashionable school of behavioural economics, or at least those of its practitioners who claim that although people are irrational, their irrationality can be modelled so precisely that the future can be forecast with great precision.

In a new book, “Imperfect Knowledge Economics”, written with Michael Goldberg of the University of New Hampshire, Mr Frydman sets out an alternative approach to prediction, in which the forecaster recognises that his model will inevitably be less than perfect. Their work has received glowing praise from Nobel-prize-winning economists such as Kenneth Arrow and Edmund Phelps, who wrote the introduction to the book—though it is unlikely to have gone down so well with Robert Lucas, who won the Nobel for his work on rational expectations.

There is nothing new in economics about the idea that people must make decisions based on imperfect knowledge. Frank Knight gave his name to “Knightian uncertainty” thanks to his 1921 book, “Risk, Uncertainty and Profit”, which noted that most business decisions involve a step into an unknown that is to some degree unmeasurable. And John Maynard Keynes observed that “human decisions affecting the future, whether personal or political or economic, cannot depend on strict mathematical expectation, since the basis for making such calculations does not exist.”

While reflecting these insights, imperfect-knowledge economics still sees a role for economic theory in forecasting. Messrs Frydman and Goldberg argue that, to be useful, economic forecasting models should be based on qualitative regularities in the way that market participants respond to new information—that is, patterns of behaviour that are observable and somewhat predictable. Though not perfect, these will often give a better clue to the future than no model at all, or models based on rational expectations or behavioural economics.

Take bulls and bears, for example. Their analysis of the fundamentals leads them to opposite conclusions about where prices are going. But there is evidence that the way they revise their forecasts in the light of price movements may share common features, such as a tendency to become more risk averse the further the price of an asset moves away from what is generally believed to be its long-term fundamental value. This may work eventually to return the asset price to its fundamental value, though it may also cause it to deviate significantly from this value for long periods of time. This approach will not generate the “sharp predictions” beloved of most contemporary economists—which are doomed by imperfect knowledge to be wrong. But it will provide a broad sense of the state of play, which an enterprising forecaster can usefully combine with experience, intuition and so forth when making a decision.

To show how this works, Messrs Frydman and Goldberg examine the persistent failure of economists to predict movements in the currency markets. According to Kenneth Rogoff, an economist at Harvard who has long attempted to find rational models for predicting currency fluctuations, “it is stunning how hard it is to explain movements in exchange rates.” All the models based on rational expectations now say that, on fundamentals, the euro is overvalued against the dollar, he reckons. But does that mean the dollar will soon rise? Mr Rogoff says he has no idea.

In rational-expectations theory, a range of variables including inflation, interest rates and growth should have a predictable impact on currency movements, but in practice this theory has proved less useful for forecasting than tossing a coin. Among rational economists, the debate is over “whether the glass is 5% full or 95% empty,” he says. Only over longer periods—say two to four years—is there any evidence of exchange-rate predictability, which is far too long to be useful to traders or policymakers.

By contrast, the model developed by Messrs Frydman and Goldman, which assumes imperfect knowledge and learning, does significantly better than tossing a coin, although it is by no means right all the time. Mr Rogoff describes this work as innovative. Now, however, it must demonstrate that it can consistently maintain explanatory power in the future and over a range of markets, he believes.
Maths lesson

Messrs Frydman and Goldberg are now turning their attention to the troubled subprime-mortgage markets, and the performance of the rating agencies. The rating agencies, argues Mr Frydman, have generally been better at rating corporate bonds than rating asset-backed collateralised-debt obligations. Why? One reason is that the rating agencies used both a mathematical model and the judgment of their in-house specialists when forecasting the default probabilities of corporate bonds; on subprime-related securities, they could only use mathematical models, not least because the instruments were so new. “They had no experience, no intuition, no entrepreneur,” he says. That is “empirical proof that relying on models alone is not wise.”

Um jogo interessante

A questão abaixo envolve ética e processo decisório:

A empresa possui 100 funcionários. Ela tem a oportunidade de obter $ 1 bilhão, mas só após fazer uma tarefa. Existem duas formas de completar a tarefa.

(1) Um funcionário específico, chamado John, deve morrer.
(2) Três dos 100 empregados serão escolhidos aleatoriamente e devem morrer.

A empresa não podem obrigar seus funcionários, mas pode subornar eles. John não aceitará qualquer quantia de dinheiro. Mas todos os outros 100 trabalhadores devem preferir o grau de risco de 3% (=3/100) de chance em troca de US $ 5 milhões. Conseqüentemente, a empresa pretende pagar por cada empregado $ 5 milhões e completar a tarefa usando opção (2).

Agora imagine que você é um governo regulador, que tem o poder de mudar o que vai acontecer. Você pode:

(A) Proibir a empresa de completar a tarefa.
(B) não interferir.
(C) Forçar a empresa e John a completar a tarefa, utilizando método (1). Você poderia, então, forçar a empresa a dar R $ 5 milhões para cada trabalhador.

Fonte: Aqui

Como se divide as pesquisas em Finanças Comportamentais

O número de pesquisas possíveis em Finanças Comportamentais é bastante significativo. Em especial quando levamos em consideração a possibilidade de fazermos adapatções as pesquisas realizadas lá fora.

Mas a tentativa de classificação destas pesquisas pode ser interessante e ajudar ao futuro pesquisador (e também ao leitor).

Apresento aqui duas classificações possíveis: pelo "método" e pelo tema.

Pelo tema da pesquisa, Hersh Shefrin, em Beyond Greed and Fear, Oxford University Press, Oxford, 2007, apresenta os três temas da área, que apresento, adaptado, abaixo:

1. Os investidores cometem erros em razão do uso de macetes? Finanças comportamentais acredita que sim, muito embora isto não seja considerado pelas Finanças Tradicionais. Estes "macetes" são denominados de regras heurísticas para o processamento das informações.

2. Pode a forma influenciar os investidores? Este é um problema de estudo de frame. Finanças comportamentais acredita que sim, mas para as finanças tradicionais o que importa é a essência.

3. Os erros e os problemas de frames influenciam o mercado? Para finanças comportamentais sim; já as finanças tradicionais considera que o mercado como um todo é racional, ou melhor, eficiente.

Uma outra forma de entender os estudos de finanças comportamentais é quando ao "método". Esta é uma classificação do autor deste blog e pretende mostrar como são realizadas as pesquisas na área. Existem duas formas básicas:

a) Através de questionários, como foi o caso dos trabalhos clássicos iniciais. Neste caso são construídas situações que tentam reproduzir certo tipo de problema para verificar as questões listadas anteriormente. Neste caso, submete-se os questionários para pessoas responderem, sem a preocupação de fazer um vínculo direto com o mercado. A grande vantagem desta alternativa é a facilidade de execução da pesquisa. Entretanto, o problema é a possibilidade de distanciar da realidade dos problemas financeiros.

b) Usando dados do mercado para obter situações onde as finanças tradicionais podem falhar. Diversos estudos foram realizados nesta situação, inclusive o estudo clássico de De Bondt e Thaler de 1985.

Viés na Ciência

Uma discussão interessante sobre o viés contra o método científico:

1) Poder de autoridade = Na ciência você não deve acreditar nas pessoas, mas nas evidências. Neste sentido, não existe "consenso científico" pois ciência não é "pesquisa de opinião".

2) Poder do relato de uma experiência = As pessoas tendem a acreditar em casos mais do que em dados estatísticos. O avião é um meio de transporte seguro (em relação a outros meios), mesmo que os jornais enfatizem os "casos"

3) O culto a expressão pessoal - A ciência não é democrática no sentido de permitir que todos expressem sua "opinião". Ciência é fato, não achomêtro

4) Superconfiança - a confiança em nossa opinião cresce mais rápido do que a evidência.

Seria possível substituir ciência por "mercado" ou "investimento".

Anti-doping: como verificar o não doping

A leitura da The Economist é sempre cheia de pequenas e grandes surpresas. Talvez por este motivo está é a melhor revista do mundo. Na sua última edição, uma reportagem interessante sobre a questão do doping no esporte.

Para revista, além do desafio de controlar o doping do atletas, as agências de controle de exame anti-doping tem um novo desafio: verificar o "não doping". A questão parece ser estranha, mas não é.

A razão disto é o chamado efeito placebo:

é um tratamento inerte, que pode ser na forma de um fármaco, e que apresenta efeitos terapêuticos devido aos efeitos fisiológicos da crença do paciente de que está sendo tratado. Medicamentos com princípios ativos também podem ter algum efeito placebo, apresentando efeitos terapêuticos diferentes do esperado. Por exemplo, um comprimido de Vitamina C pode aliviar a dor de cabeça de quem acredite estar ingerindo um analgésico, sendo um exemplo clássico de que o que cura é não o conteúdo do que inferimos mas sim a forma.

As agências de controle anti-doping divulgam uma lista de substâncias proibidas, divididas naquelas que são proibidas em qualquer tempo ou naquelas proibidas durante a competição. Pesquisas mostraram que um medicamento da segunda categoria pode ser usado em conjunto com o efeito placebo de forma criativa e engenhosa.

Por exemplo, considere uma droga que não é descoberta se ingerida até dois dias antes de uma competição. O atleta consome esta droga nos dias que antecede e durante os dois dias anteriores ingere um placebo (sem saber disto). Mesmo assim, seu desempenho será melhor do que os outros atletas. Isto já foi comprovado por alguns estudos, que a revista cita (How to cheat without cheating, 1/11/2007).