分享

为什么心理学家丹尼尔·卡尔曼能获得诺贝尔经济学奖?如何评价他在经济学方面的学术成就?

 pgl147258 2015-03-19

【剑桥桥头的回答(11票)】:

谢邀.

卡尼曼主(biao)要(mian)是(shang)因为 1992 年发表的修正版期望理论 (即 Cumulative Prospect Theory, CPT) 获奖的.

之所以说是"修正版", 因为原先的期望理论 (1970s) 虽然可以解释一部分人类决策中的现象 (anomalities) 但是后来的一些新的发现该理论无法解释.

CPT 是目前领域内最流行的理论, 理论对数据的拟合程度高于效用理论 (Expected Utility Theory, EUT). 虽然以描述决策现象的准确程度来评判, 确实 CPT 优于 EUT. 但是, CPT 仍然和 EUT 一样属于 as-if model. 即, 这些理论都是说明了: 人的决策结果是"近似"于用假设的决策过程得到的. 这些理论都没能刻画出具体是怎么样的决策过程.

另外, 虽然 CPT 是现今领域中最流行的理论. 但它显然已经不是数据拟合度最高的理论了. (参见, Birnbaum 的 Transfer of Attention Weight Model, TAX)

心理学界也存在很多从其他角度刻画决策过程的理论, 这些理论的数据拟合度也并不低于 EUT 和 CPT. 比如, 一些 heuristic model (参见, Ido Erev的文章).

卡尼曼的贡献其实, 在很大程度上, 并不是来自于 CPT 有多优越. 而是卡尼曼预见性地将 CPT 推销给经济学家. 加之, 卡尼曼发现的人类行为中不可以被传统理性假设解释的现象被后续的实验很完美的验证. 这些强大的实验证据和一个至少优于 EUT 的理论明显推动了微观经济学领域不断出现新的理论和新的想法. 这股推动的力量想必是比提出一两个理论更重要的. (宏观经济的理论创新/更新速度明显低于微观, 老师说的.. )

卡尼曼自己也是个神经经济学 (neuroeconomics) 的支持者 :)

【松松的回答(13票)】:

引用Kahneman的诺贝尔奖颁奖词,他的最大贡献是——“把心理学研究和经济学研究结合在一起,特别是与在不确定状况下的决策制定有关的研究”。传统经济学假设经济人是完全理性和自利的,他们利用自己所收集到的信息来估计不同结果的各种可能性,最大化其期望效用;而Kahneman 和他的合作者Tversky 通过实验和调查指出人们的行为实际上是如何的非理性,他们二位可以说是行为经济学领域最早的开拓者。

首先解释一下什么是理性的“经济人”。从17世纪开始,理性主义在欧洲生根、发芽,继而大行其道,对社会科学领域的各个分支都产生了极为深刻的影响。理性主义在经济学中的体现就是这里的“经济人”假设,即认为可以通过一系列数学化的公理和函数完全刻画人的行为;换言之,”经济人”很大程度上是“数学人”。冯诺依曼和摩根斯坦提出了严格的公理化偏好,并进一步发展出了至今仍然在金融经济学领域广泛使用的期望效用函数;阿罗和德布鲁以数学的形式提出了现代经济学的一般均衡理论框架;在决策方面,被认为是一种“理性”的信念更新方式的贝叶斯学习过程在决策科学领域大受欢迎。在二十世纪中叶以前,理性主义在经济学领域占据绝对的统治地位——做一个不很恰当的比喻,有点像19世纪的经典物理学。

但是在一系列实证和实验研究中,经济学家仍然注意到,现有的形式优美的理论无法解释现实中的某些现象,如著名的“阿莱悖论”就说明使用预期效用理论刻画人的行为存在很大的问题;在金融市场上,也发现了一系列诸如股权溢价之谜、过度波动之谜、无风险利率之谜等传统金融经济学不能解释的“异象”。在此背景下,虽然依然有经济学家誓死捍卫传统的理论(其中比较著名的有弗里德曼和尤金法玛),但仍然有相当一部分转向了人的行为和心理特征,这些经济学家的研究逐渐形成了“行为经济学”这一全新的、影响力越来越大的学术领域。Kahneman and Tversky就是这些经济学家中的代表人物。

Kahneman and Tversky等人通过大量精心设计的社会学、心理学实验发现,人们在决策过程中, 经常使用直观推断方法将一些复杂的决策问题简化为一些简单的判断,而以这些经验规则为主要特征的直观推断会产生严重的系统性错误和偏差。这些偏差可以大致归位以下四类:

相似性偏差。人们通常会以A和B的相似性为依据,通过A的相关特征评估B。该经验法则过于注重近期数据且忽视事件的先验概率,并且对样本大小不敏感;通常来说这种类比式的评估和推断带有非常浓厚的感情和主观色彩。

可得性偏差。人受记忆力和知识水平的局限,在预测和决策时通常只能使用自己熟悉、有印象或凭想象可以构造的信息,而对其他的有用信息只赋予较低的权重。

锚定效应。在大多数情况下,对一特定对象做出评估或预测通常会选定一个参考点或起始点。在评估过程中人对参考点的选择和调整经常是不充分的,不同的参考点得出的结论不一样,,这种由于参考点的不同引起的暂时的反应不足和决策偏差称为锚链效应。这一点可以参考某东和某宝在双11购物节先提价后打折的例子。

认知分歧和群体影响。人们在面对两种相互矛盾的观点时, 持有非主流观点的人与群体之间或多或少有不协调和不适的感觉,此时人们通常选择和群体意见一致而放弃自己的观点。

Kahneman and Tversky进一步研究发现,在决策过程中人的风险态度和行为特征和期望效用理论存在系统性的偏离。具体来说又分为以下三点:

确定性效应:人们对确定性结果的偏好程度远高于预期效用理论的估计。

反射效应:预期效用理论认为人们在任何情况下都只有一种风险态度,不是风险厌恶就是风险偏好;而实验发现人们在面对盈利时表现出风险厌恶的特征,而在损失时转而表现得风险偏好,投机性增强。

分离效应:人在分析评估不同的待选择前景时, 经常暂时剔除掉各种前景中的相同因子,,而通常情况下剔除方法并不是惟一的, 这种处理问题的方法的多样性也会导致人的偏好与选择的不一致,称之为偏好的分离效应。这一点和期望效用函数的具体定义有关,不作详述。

以上结论被Kahneman and Tversky总结成为具有巨大影响力的所谓前景理论(Prospect Theory)。前景理论在预期效用理论的基础上进行了推广,将人的决策函数表述为价值函数和权重函数的加权和,即:

这里的价值函数和权重函数都可以理解为事件的客观特征到人的主观感受的映射——其中价值函数v被用于取代效用函数,虽然本质上其仍然是效用函数;而权重函数

则被用来描述人对客观概率的扭曲,因为人们总是会高估小概率事件发生的可能性(反过来,也会低估大概率事件发生的可能性)。

价值函数的形式为:

原点代表参考点,S形曲线表示偏好的反射效应,负回报区的斜率较大说明边际损失比边际利得要敏感,还有一些稍微复杂的就不解释了。这条曲线具有很高的概括力,很大程度上包含了人的行为特征。

权重函数的形状是这样的:

这条曲线的意义是,人们通常会放大小概率事件发生的可能性,因而给小概率赋予过高的权重。这条曲线的意义是,人们通常会放大小概率事件发生的可能性,因而给小概率赋予过高的权重。

关于前景理论就介绍这么多内容,对理论部分比较感兴趣的童鞋可以翻阅以下文献:

丁际刚, 兰肇华, 华中科技大学经济学院. 前景理论述评[J]. 经济学动态, 2002, (9):64-66.

李心丹. 行为金融学: 理论及中国的证据[M]. 上海三联书店, 2004.

A Tversky, D. Kahneman. Judgment under Uncertainty: Heuristics and Biases.[J]. Science (New York, N.Y.), 1974.

【钱小康的回答(0票)】:

有点不好意思啊,居然邀请我,我自己的分析方式是纯数学和理性人的路子,其它的实在不懂了,他的事迹只是听说,但是周围没有碰见从心理角度分析经济行为的小伙伴,我们的创新氛围,你懂的,远那个方向,等着没办法毕业吧。

我非常赞同他开拓的经济行为分析方式,但是我誓死没有勇气在他那方面进行研究……

【孔帅的回答(0票)】:

额,其实我是野路子,对于我学习的是心理学和经济学的交织,其实就是行为经济学,它是行为心理学和微观经济学的交织,传统的经济学认为每个人是一个绝对理性的个体,但是有些时候却与这个假设想悖。对于这些发展史我不是特别清楚,丹尼尔卡尔曼首次提出了这个现象,并得出大数定则和小数定则,风险定理,推荐你看《赌客信条》里面有些介绍,因为我不适合看那些正经的教科书,所以我选的书通常都有趣!

【言默心的回答(0票)】:

谢邀...

行为金融学是金融和心理学的交叉学科,目前似乎该领域的研究还不是很深入。

本人金融学初学,所以不好评论。先站位,留待以后再答...

【郭源的回答(0票)】:

貌似评论的都是题主邀请来的,这位经济学家我不太熟悉,如果发百度的知识也太不负责任了,所以抱歉,我不太了解

【知乎用户的回答(0票)】:

具体的成就大家都讲过了,推荐一本书吧,写的很通俗易懂,挺风趣幽默的。这本书的序言基本就是他一生research的概括。序言里还提到他的co-author Tversky,本来应该一同分享这个荣誉的,可惜人已经过世了,还挺伤感的。

原文地址:知乎

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多