Jedes Modell in diesem Buch hat rationale Akteure angenommen, nämlich Konsumenten, die den Erwartungsnutzen maximieren, Unternehmen, die Kosten minimieren, Händler mit konsistenten Zeitpräferenzen und korrekten Überzeugungen. Diese Annahmen sind mächtig: Sie liefern scharfe Vorhersagen, elegante Wohlfahrtstheoreme und elegante Mathematik. Aber stimmen sie?
Die Verhaltensökonomik dokumentiert vorhersagbare, systematische Abweichungen vom rationalen Standardmodell. Dies sind regelhafte Verzerrungen, die Wiederholung, Anreize, Expertise und Aggregation überstehen.
Wir beginnen mit den Rissen in der Erwartungsnutzentheorie, dem Allais- und dem Ellsberg-Paradoxon, und arbeiten uns zur Prospect Theory vor, der führenden deskriptiven Alternative. Dann untersuchen wir intertemporale Entscheidungen unter Gegenwartspräferenz, soziale Präferenzen, die reines Eigeninteresse verletzen, begrenzte Rationalität und Heuristiken, experimentelle Methodik, Nudge-Theorie und Behavioral Finance. Durchgehend ist der Ansatz formal: Wir stellen Nutzenfunktionen auf, leiten Vorhersagen ab und testen sie an Daten.
Voraussetzungen: Erwartungsnutzentheorie (Kap. 6), Spieltheorie (Kap. 7), Konsumtheorie (Kap. 6/10), Ökonometrie-Grundlagen (Kap. 9), Vertrautheit mit Mechanismusdesign (Kap. 11).
Erinnern Sie sich aus Kapitel 6, dass unter den Axiomen der Vollständigkeit, Transitivität, Stetigkeit und dem Unabhängigkeitsaxiom Präferenzen über Lotterien durch den Erwartungsnutzen dargestellt werden können:
Unabhängigkeit ist elegant und normativ überzeugend. Sie besagt, dass Ihre Präferenz zwischen zwei Lotterien nicht durch eine irrelevante gemeinsame Komponente beeinflusst werden sollte. Aber wie Maurice Allais 1953 zeigte, verletzen die meisten Menschen sie konsistent.
Betrachten Sie zwei Lotteriepaare:
Paar 1: Lotterie 1A: \$1M mit Sicherheit. Lotterie 1B: \$5M mit Wahrsch. 0,10, \$1M mit Wahrsch. 0,89, \$0 mit Wahrsch. 0,01.
Paar 2: Lotterie 2A: \$1M mit Wahrsch. 0,11, \$0 mit Wahrsch. 0,89. Lotterie 2B: \$5M mit Wahrsch. 0,10, \$0 mit Wahrsch. 0,90.
Das modale Muster: Die meisten Menschen wählen 1A gegenüber 1B und 2B gegenüber 2A. Diese gemeinsame Wahl $\{1A, 2B\}$ verletzt das Unabhängigkeitsaxiom.
Nach dem Unabhängigkeitsaxiom sollte das Ersetzen der gemeinsamen Konsequenz (\$1M in Paar 1, \$0 in Paar 2) die Rangordnung nicht ändern. Wenn $1A \succ 1B$, dann $2A \succ 2B$. Die Umkehr zeigt einen Sicherheitseffekt.
Warum das wichtig ist: Eine sichere Sache fühlt sich kategorial anders an als eine 99-Prozent-Sache. Der Schritt von 99 auf 100 Prozent verschafft Ihnen eine Beruhigung, die der Schritt von 10 auf 11 Prozent nicht verschafft. Nach der Erwartungsnutzentheorie müssten die beiden zusätzlichen Prozentpunkte genau gleich viel wert sein. Die meisten Menschen beweisen, vor die Allais-Paare gestellt, das Gegenteil. Diese Lücke zwischen „fast sicher“ und „sicher“ ist das, was das Unabhängigkeitsaxiom nicht sehen kann und was jedes spätere verhaltensökonomische Modell abbilden soll.
Betrachten Sie eine Urne mit 30 roten Kugeln und 60 Kugeln, die schwarz oder gelb sind in unbekannten Proportionen. Lotterie A: Gewinn \$100 bei Rot (Wahrsch. 1/3, bekannt). Lotterie B: Gewinn \$100 bei Schwarz (Wahrsch. unbekannt). Die meisten wählen A.
Aber dann: Lotterie C: Gewinn \$100 bei Rot oder Gelb. Lotterie D: Gewinn \$100 bei Schwarz oder Gelb. Die meisten wählen D. Unter EU erfordert $A \succ B$, dass $C \succ D$. Die gemeinsame Wahl $\{A, D\}$ verletzt das Sure-Thing-Prinzip.
Diese Paradoxien zeigen, dass das Unabhängigkeitsaxiom deskriptiv versagt.
Abbildung 19.3. Allais-Paradoxon-Detektor. Wählen Sie Ihre bevorzugte Lotterie in jedem Paar und prüfen Sie dann, ob Ihre Entscheidungen das Unabhängigkeitsaxiom verletzen.
Paar 1
Paar 2
Aufgabe. Zwei Lotteriepaare. Annahme: CRRA-Nutzenfunktion $u(x) = x^{0.5}$ ($x$ in Millionen). (a) Berechnen Sie den EU jeder Lotterie. (b) Welche empfiehlt EU? (c) Zeigen Sie, dass {1A, 2B} die Unabhängigkeit verletzt.
Lösung.
(a) $EU(1A) = 1.0 \times 1^{0.5} = 1.000$. $EU(1B) = 0.89(1) + 0.10(2.236) + 0.01(0) = 1.1136$. $EU(2A) = 0.11(1) = 0.11$. $EU(2B) = 0.10(2.236) = 0.2236$.
(b) EU empfiehlt 1B (1,114 > 1,000) und 2B (0,224 > 0,110). EU-konsistente Paare: {1A, 2A} oder {1B, 2B}.
(c) $1A \succ 1B$ erfordert $0.11 \, u(1) > 0.10 \, u(5) + 0.01 \, u(0)$. $2B \succ 2A$ erfordert $0.10 \, u(5) + 0.01 \, u(0) > 0.11 \, u(1)$. Diese stehen im direkten Widerspruch. Keine $u(\cdot)$ erfüllt beide.
Kahneman und Tversky (1979) schlugen die Prospect Theory als deskriptive Alternative vor, später verfeinert als kumulative Prospect Theory (1992).
Die Wertfunktion ersetzt $u(x)$, definiert über Endvermögen, durch $v(x)$, definiert über Gewinne und Verluste relativ zu einem Referenzpunkt:
Die von Tversky und Kahneman (1992) geschätzten Parameter sind $\alpha = \beta = 0{,}88$ und $\lambda = 2{,}25$.
Drei Eigenschaften: (1) Referenzpunktabhängigkeit bedeutet, dass Ergebnisse als Gewinne oder Verluste relativ zu $r$ kodiert werden. (2) Abnehmende Sensitivität folgt aus $\alpha, \beta < 1$, was Konkavität für Gewinne und Konvexität für Verluste ergibt. (3) Verlustaversion entsteht dadurch, dass $\lambda > 1$ die Wertfunktion für Verluste steiler macht.
Warum das wichtig ist: Zwei Tatsachen darüber, wie sich Ergebnisse anfühlen, leisten hier die ganze Arbeit. Erstens wiegen Verluste schwerer als Gewinne. Der Verlust von 100 Dollar schmerzt etwa 2,25-mal so stark, wie der Gewinn von 100 Dollar guttut, und deshalb fällt die Kurve unterhalb des Referenzpunktes schneller, als sie oberhalb davon steigt. Zweitens hängt es ganz davon ab, wo Sie starten, was als Gewinn und was als Verlust zählt: Dasselbe Gehalt von 50.000 Dollar ist ein Triumph nach 30.000 und eine Wunde nach 70.000. Der Knick am Referenzpunkt ist die Verlustaversion. Die Krümmung der beiden Arme ist die abnehmende Sensitivität mit wachsendem Abstand vom Referenzpunkt. Ziehen Sie die Schieberegler an der Abbildung und beobachten Sie, wie sich die Steilheit des Verlustarms ändert. Diese Steilheit ist $\lambda$.
Abbildung 19.1. Prospect-Theory-Wertfunktion. Die S-förmige Kurve ist konkav für Gewinne und konvex für Verluste, mit steilerer Steigung für Verluste (Verlustaversion). Bei $\alpha = \beta = \lambda = 1$ kollabiert sie zur Linearen (EU). Ziehen Sie die Schieberegler zum Erkunden.
Der Tversky-Kahneman (1992) Parameter $\delta \approx 0{,}65$. Wenn $\delta = 1$, $w(p) = p$ (EU). Wenn $\delta < 1$, übergewichtet die Funktion kleine Wahrscheinlichkeiten und untergewichtet große. Kreuzungspunkt bei $p \approx 0{,}37$.
Warum das wichtig ist: Menschen behandeln Wahrscheinlichkeiten nicht so, wie ein Taschenrechner es tut. Eine winzige Chance fühlt sich größer an, als sie ist, und deshalb kaufen wir Lotterielose und versichern uns gegen seltene Katastrophen. Eine fast sichere Sache fühlt sich dagegen weniger sicher an, als sie ist, und das zieht den Wert aus den letzten Prozentpunkten vor der Gewissheit heraus. Genau das ist die inverse S-Kurve in der Abbildung: kleine Wahrscheinlichkeiten angehoben, mittlere bis große heruntergedrückt. Sie ist das Gegenstück zur Verlustaversion auf der Wahrscheinlichkeitsseite, und zusammen erzeugen die beiden das vierfache Muster der Risikobereitschaft.
Abbildung 19.2. Tversky-Kahneman (1992) Wahrscheinlichkeitsgewichtungsfunktion. Die inverse S-Kurve übergewichtet kleine Wahrscheinlichkeiten und untergewichtet große. Bei $\delta = 1$ kollabiert sie zur 45-Grad-Linie (EU). Ziehen Sie den Schieberegler.
Hinweis: Dies ist die ursprüngliche Prospect-Theory-Formulierung (Kahneman & Tversky, 1979), die Entscheidungsgewichte auf einzelne Wahrscheinlichkeiten anwendet. Die kumulative Prospect Theory (Tversky & Kahneman, 1992) wendet Entscheidungsgewichte auf kumulative Wahrscheinlichkeiten geordneter Ergebnisse an und behebt bestimmte Anomalien wie Verletzungen der stochastischen Dominanz.
Das vierfache Muster: kleines $p$ + Gewinne = Risikofreude (Lotterien); kleines $p$ + Verluste = Risikoaversion (Versicherungen); großes $p$ + Gewinne = Risikoaversion (Sicherheitseffekt); großes $p$ + Verluste = Risikofreude (verzweifeltes Spielen).
Aufgabe. Ein Spiel bietet $+\$1{,}000$ mit Wahrsch. 0,5 und $-\$800$ mit Wahrsch. 0,5. Referenzpunkt $r = 0$. (a) Sicherheitsäquivalent unter EU mit CRRA $u(x) = x^{0.5}$, $W = \$10{,}000$. (b) PT-Bewertung mit Standardparametern. (c) Warum kehrt die Verlustaversion die Bewertung um?
Lösung.
(a) $EU = 0.5(11{,}000)^{0.5} + 0.5(9{,}200)^{0.5} = 0.5(104.88) + 0.5(95.92) = 100.40$. SÄ: $100.40^2 = 10{,}080$. SÄ-Änderung $= +80.2$. Der Agent nimmt an.
(b) $v(+1000) = 1000^{0.88} = 436.5$. $v(-800) = -2.25 \times 800^{0.88} = -2.25 \times 358.7 = -807.1$. Mit $w(0.5) \approx 0.439$: $V = 0.439(436.5) + 0.439(-807.1) = -162.6$. Agent lehnt ab.
(c) Die Verlustaversion ($\lambda = 2.25$) lässt den \$800-Verlust weitaus schwerer wiegen als den \$1.000-Gewinn und kehrt so die Bewertung um.
Die Standardtheorie nimmt exponentielles Diskontieren mit Diskontfaktor $\delta \in (0,1)$ an. Die Schlüsseleigenschaft ist Zeitkonsistenz: Ein bei $t=0$ gemachter Plan bleibt zu jedem zukünftigen Zeitpunkt optimal.
Die experimentelle Evidenz spricht überwältigend gegen konstantes Diskontieren. Menschen zeigen abnehmende Ungeduld: Die Diskontrate zwischen heute und morgen ist viel höher als zwischen Tag 100 und Tag 101.
Die quasi-hyperbolischen Diskontfaktoren sind $\{1, \beta\delta, \beta\delta^2, \ldots\}$. Die unmittelbare Periode erhält Gewicht 1, aber alle zukünftigen Perioden werden zusätzlich mit $\beta$ diskontiert. Wenn $\beta < 1$, gibt es einen diskreten Abfall zwischen „jetzt“ und „der Zukunft“.
Bei $t=0$ ist die Bedingung erster Ordnung für $c_1$: $\beta\delta u'(c_1) = u'(c_0)$. Bei $t=1$ ergibt die Neuoptimierung $u'(c_1) = \beta\delta u'(c_2)$. Das $\beta$ hat sich verschoben, der Plan ist zeitinkonsistent.
Warum das wichtig ist: Sie diskontieren den Abstand zwischen heute und morgen weit steiler als den Abstand zwischen einem Jahr und einem Jahr plus einem Tag, obwohl beides Verzögerungen von einem Tag sind. Dieser eine zusätzliche Abschlag auf „jetzt gegen nicht-jetzt“ ist die Gegenwartspräferenz, und deshalb stellen Sie den Wecker auf 6 Uhr und drücken dann die Schlummertaste, deshalb nehmen Sie sich vor, am Montag mit der Diät anzufangen, und brechen sie am Montagabend. Der Plan, den Ihr heutiges Ich macht, ist nicht der Plan, den Ihr morgiges Ich einhalten will. Wer sophistiziert ist und das kommen sieht, zahlt für ein Selbstbindungsinstrument, ein gesperrtes Altersvorsorgekonto oder einen Fitnessvertrag, um das künftige Ich zu binden, dem das gegenwärtige nicht traut. Ziehen Sie den Schieberegler für die Gegenwartspräferenz Richtung 1, und der Konflikt verschwindet.
Abbildung 19.4. Beta-Delta-Diskontierungs-Simulator. Der naive Akteur schiebt ständig auf, der sophistizierte Akteur verwendet Rückwärtsinduktion. Bei $\beta = 1$ kollabieren alle Linien (keine Gegenwartspräferenz). Ziehen Sie die Schieberegler.
Aufgabe. Ein Student muss ein Projekt fertigstellen. Kosten heute = 6 Nutzeneinheiten, Nutzen in 2 Perioden = 10 Nutzeneinheiten. $\beta = 0.7$, $\delta = 0.95$, 5 Perioden. (a) Wann handelt ein naiver Agent? (b) Ein sophistizierter Agent?
Lösung.
(a) Naiv: In jeder Periode $t$, Nettonutzen des sofortigen Handelns $= -6 + 0.7 \times 0.95^2 \times 10 = -6 + 6.32 = +0.32$. Wahrgenommener Nettonutzen des Wartens $= 0.7 \times 0.95 \times (-6) + 0.7 \times 0.95^3 \times 10 = -3.99 + 6.00 = +2.01$. Da $2.01 > 0.32$, verschiebt er immer. Prokrastiniert bis zur Frist.
(b) Sophistiziert: Rückwärtsinduktion. Bei $t = 2$ (letzte mögliche Periode), Nettonutzen $= +0.32 > 0$, also handelt das Selbst bei $t=2$. Bei $t = 1$: Nettonutzen jetzt $= +0.32$, Nettonutzen des Wartens auf $t=2$ $= +2.01 > 0.32$, also wartet. Bei $t = 0$: ebenso, wartet. Der sophistizierte Agent handelt bei $t = 2$, früher als die Frist des naiven Agenten.
Aufgabe. Agent mit $\beta = 0.7$, $\delta = 0.95$, logarithmischem Nutzen, Einkommen $Y = 100$ über 3 Perioden. (a) Sparen ohne Bindung. (b) Mit Bindung. (c) Wohlfahrtsgewinn.
Lösung.
(a) Ohne Bindung: $t=0$ teilt $c_0 = 100/(1+0.665+0.632) = 43.54$, verbleibend 56,46. Bei $t=1$ Re-Optimierung: $c_1 = 56.46/1.665 = 33.91$, $c_2 = 22.55$.
(b) Mit Bindung: $c_1 = 0.665 \times 100/2.297 = 28.95$, $c_2 = 0.632 \times 100/2.297 = 27.51$.
(c) Ohne: $U = 3.774 + 2.344 + 1.967 = 8.085$. Mit: $U = 3.774 + 2.237 + 2.095 = 8.106$. Gewinn $= 0.020$ Nutzeneinheiten. Der gebundene Agent erreicht einen glatteren Konsumpfad.
Jahrzehnte experimenteller Evidenz zeigen, dass Menschen systematisch vom reinen Eigeninteresse abweichen: Sie lehnen unfaire Angebote ab, geben an Fremde, kooperieren in Einmalspielen und bestrafen Trittbrettfahrer.
Die Beschränkungen $\alpha_i \geq \beta_i$ und $\beta_i < 1$ sind empirisch motiviert: Neid schmerzt mehr als Schuld, und niemand vernichtet Geld nur, um Gleichheit herzustellen.
Im Ultimatumspiel erfüllt das minimal akzeptable Angebot $s^*$ die Bedingung $s - \alpha_R(100-2s) \geq 0$, was $s^* = 100\alpha_R / (1+2\alpha_R)$ ergibt. Für $\alpha_R = 2$: $s^* = 40$.
Warum das wichtig ist: Menschen zahlen aus der eigenen Tasche dafür, jemanden zu bestrafen, der sie unfair behandelt. Bieten Sie einem Fremden eine schiefe Aufteilung von 100 Dollar an, 80 für Sie und 20 für ihn, und er wird oft ablehnen und lieber leer ausgehen, nur um Ihnen die 80 zu verwehren. Reines Eigeninteresse sagt: Nimm die 20. Fairness sagt: Lehn ab. Das Modell fügt der Auszahlung zwei Empfindungen hinzu: den Stachel, weniger zu bekommen als ein anderer (Neid), der stärker schmerzt, und das Unbehagen, mehr zu bekommen (Schuld), das schwächer schmerzt. Diese Asymmetrie ist der Grund, warum sich echte Angebote nahe einer fairen Teilung häufen statt bei dem einen Cent, den das Lehrbuch vorhersagt. Ziehen Sie den Schieberegler für den Neid des Antwortenden und beobachten Sie, wie das minimal akzeptable Angebot steigt.
Abbildung 19.6. Fehr-Schmidt-Ungleichheitsaversion. Höheres $\alpha$ (Neid) erhöht das minimal akzeptable Angebot. Bei $\alpha = \beta = 0$ gilt die Standardtheorie: Jedes positive Angebot wird akzeptiert. Ziehen Sie die Schieberegler.
Abbildung 19.5. Ultimatumspiel-Simulator. Spielen Sie als Anbieter gegen verschiedene Antwortstrategien. Verfolgen Sie Ihre Auszahlungen über die Runden.
In Diktatorspielen beträgt die durchschnittliche Zuteilung 20–30 %. In Spielen um öffentliche Güter hält die Einführung von Bestrafung die Kooperation aufrecht.
Das Vertrauensspiel und diese Fehr-Schmidt-Experimente zu sozialen Präferenzen sind die Mikrodaten hinter einer Großen Frage dazu, ob Vertrauen als eine Form von Kapital wirkt, Vertrauen als Kapital.
Aufgabe. Ultimatumspiel mit \$100. Anbieter: $\alpha_P = 0.5$, $\beta_P = 0.3$. Antwortender: $\alpha_R = 2.0$, $\beta_R = 0.6$. (a) Minimales akzeptables Angebot. (b) Optimales Angebot. (c) Vergleich mit Standard-Nash.
Lösung.
(a) $U_R = s - 2.0(100-2s) = 5s - 200 \geq 0 \Rightarrow s^* = 40$.
(b) $U_P = (100-s) - 0.3(100-2s) = 70 - 0.4s$, fallend in $s$. Minimiere $s$ unter $s \geq 40$: optimales Angebot $s^* = 40$. $U_P = 54$, $U_R = 0$.
(c) Standardpräferenzen ($\alpha = \beta = 0$): Angebot \$1, akzeptiert. Fehr-Schmidt: Angebot \$40. Viel näher an den experimentellen Modalangeboten von 40-50 %.
Herbert Simon (1955) argumentierte, dass Akteure satisfizieren statt optimieren: Sie suchen, bis sie eine akzeptable Option finden, und hören dann auf.
Tversky und Kahneman (1974) identifizierten drei Kernheuristiken: Repräsentativität (Wahrscheinlichkeit nach Ähnlichkeit beurteilen), Verfügbarkeit (Häufigkeit nach Leichtigkeit des Erinnerns schätzen) und Verankerung (unzureichende Anpassung von einem Anfangswert).
Gabaix (2014) formalisierte begrenzte Rationalität als Optimierungsproblem: Akteure maximieren den Nutzen abzüglich Aufmerksamkeitskosten $\theta$ pro Dimension. Der Akteur nimmt wahr $\hat{p}_k = \bar{p}_k + m_k(p_k - \bar{p}_k)$.
Warum das wichtig ist: Aufmerksamkeit ist knapp und Denken ist teuer, deshalb optimieren Menschen nicht über die wirkliche Welt. Sie optimieren über eine vereinfachte gedankliche Skizze von ihr, achten nur auf die Dimensionen, auf die es anzukommen scheint, und übergehen die Kleinigkeiten. Das ist Haushalten mit einer knappen Ressource. Es erklärt, warum Käufer den ausgezeichneten Preis bemerken, die Versandkosten aber übersehen, warum wir uns an der ersten Zahl verankern, die wir hören, warum eine im Preis enthaltene Steuer das Verhalten weniger verändert als eine, die an der Kasse aufgeschlagen wird. Simon nannte das Satisfizierung: sich mit dem Hinreichenden zufriedengeben. Gabaix hat die Aufmerksamkeit bepreist, die die perfekte Version verlangt hätte.
Laborexperimente bieten reale monetäre Anreize, Randomisierung und Kontrolle. Stärke: interne Validität. Schwäche: externe Validität.
Feldexperimente betten Manipulationen in reale Umgebungen ein: natürliches Verhalten, kein Bewusstsein, große Skala. Zielkonflikt: weniger Kontrolle für mehr Realismus.
Nachfrageeffekte: Probanden können ihr Verhalten ändern, weil sie wissen, dass sie beobachtet werden, oder die Absicht des Experimentators erraten. Die Täuschungsdebatte: Die Ökonomik hat eine starke Norm gegen Täuschung, anders als die Psychologie.
Die Replikationskrise: Nur 36 % der Psychologiestudien replizierten (Open Science Collaboration, 2015). Die Ökonomik liegt höher (~60 %), ist aber dennoch besorgniserregend. Vorregistrierung begegnet P-Hacking und Publikationsverzerrung.
Wenn Entscheidungen von Framing und Defaults abhängen, dann ist die Entscheidungsarchitektur, also die Art, wie Entscheidungen präsentiert werden, relevant.
Der mächtigste Nudge ist der Default. Organspende: 15–20 % in Opt-in-Ländern, 85–99 % in Opt-out-Ländern. Altersvorsorge-Teilnahme springt von ~50 % auf über 90 % mit Opt-out.
Bei Opt-in ($d=0$): $P = \Phi((v-k)/\sigma)$. Bei Opt-out ($d=1$): $P = \Phi(v/\sigma)$. Die Lücke ist am größten, wenn $v$ positiv, aber moderat ist und $k/\sigma$ nicht trivial.
Warum das wichtig ist: Was auch immer die Standardeinstellung ist, die meisten Menschen behalten sie. Machen Sie das Altersvorsorgesparen automatisch mit Opt-out, und die Teilnahme springt von rund der Hälfte auf über neunzig Prozent. Kehren Sie die Organspende von Opt-in auf Opt-out um, und die Zustimmungsquoten schnellen von Quoten im niedrigen Zehnerbereich auf Quoten von weit über neunzig Prozent. Wechseln heißt: das Formular finden, die Entscheidung treffen, handeln. Der kleine Aufwand genügt, um die meisten dort zu lassen, wo man sie hingesetzt hat. Das gibt demjenigen, der die Standardeinstellung setzt, eine enorme und stille Macht, und genau darauf beruht das Nudging. Ziehen Sie den Schieberegler für die Wechselkosten Richtung null, und die Opt-in- und die Opt-out-Linie laufen zusammen.
Abbildung 19.7. Default-Effekt-Simulator. Höhere Wechselkosten vergrößern die Lücke zwischen Opt-in- und Opt-out-Teilnahme. Bei $k = 0$ spielt der Default keine Rolle. Ziehen Sie den Schieberegler.
Der EAST-Rahmen: Easy (Reibung reduzieren), Attractive (auffällig machen), Social (Normen nutzen), Timely (zum richtigen Zeitpunkt anstupsen).
Sludge zu reduzieren ist oft so wirksam wie neue Nudges einzuführen.
Bernheim und Rangel (2009): Wohlfahrt anhand von Entscheidungen bewerten, die frei von Verhaltensverzerrungen sind, also dann, wenn Akteure gut informiert, aufmerksam und unverzerrt sind.
Als Thaler und Sunstein 2008 Nudge veröffentlichten, wirkte das Buch wie ein Cheatcode für die Politik: Standardeinstellungen umbauen, und die Leute sparen mehr, essen besser, spenden Organe, alles ohne Einschränkung der Wahlfreiheit. Regierungen waren begeistert. Großbritannien richtete eine „Nudge Unit“ ein, und Obama machte Sunstein zu seinem Regulierungszar. Doch die Gegenreaktion fiel heftig aus. Gilles Saint-Paul nannte es „die Tyrannei des Nutzens“: Technokraten entscheiden, was gut für Sie ist, und geben zugleich vor, Ihre Freiheit zu achten. Meinungsbeiträge nannten Nudging „Manipulation durch den Staat“. Ist libertärer Paternalismus eine geniale Synthese oder ein Widerspruch in sich?
FortgeschrittenDie Effizienzmarkthypothese besagt, dass Preise alle verfügbaren Informationen vollständig widerspiegeln. Behavioral Finance stellt dies in Frage: Viele Händler sind nicht rational, und rationale Arbitrageure unterliegen Grenzen.
Selbstüberschätzung erzeugt exzessiven Handel. Barber und Odean (2000): Die aktivsten Händler erzielten 6,5 Prozentpunkte weniger pro Jahr als die am wenigsten aktiven.
Der Referenzpunkt ist der Kaufpreis. Gewinne im konkaven Bereich (risikoavers, frühzeitig verkaufen); Verluste im konvexen Bereich (risikofreudig, halten).
Aktien entwickeln sich über 3–12 Monate überdurchschnittlich (Momentum, Jegadeesh-Titman 1993) und über 3–5 Jahre unterdurchschnittlich (Umkehr, DeBondt-Thaler 1985).
DeLong, Shleifer, Summers und Waldmann (1990): Höheres $\mu$ drückt den Preis von den Fundamentaldaten weg; höheres $\rho$ verstärkt die Abweichung; höheres $\gamma$ (Risikoaversion der Arbitrageure) bedeutet weniger aggressiven Handel gegen die Fehlbewertung, sodass die Abweichung zunimmt.
Warum das wichtig ist: Die klassische Verteidigung der Markteffizienz lautet, dass das „Smart Money“ Fehler korrigiert: Treiben irrationale Händler einen Preis zu hoch, verkaufen Arbitrageure, bis er zurückschnellt. Dieses Modell zeigt, warum diese Verteidigung nicht dicht hält. Gegen eine Schar von Optimisten zu wetten ist selbst riskant. Die Optimisten können optimistisch bleiben und es noch mehr werden, lange genug, um den Händler zu ruinieren, der gegen sie gewettet hat (Keynes: Märkte können länger irrational bleiben, als man solvent bleiben kann). Zu wissen, dass ein Preis falsch ist, ist nicht dasselbe, wie daraus Gewinn schlagen zu können. Also überleben Noise Trader, und sie bewegen die Preise. Ziehen Sie den Schieberegler für die Risikoaversion der Arbitrageure nach oben und beobachten Sie, wie der Preis weiter von den Fundamentaldaten wegdriftet. Diese Lücke ist das Scheitern der Erklärung „als ob rational“, und zwar in genau dem Markt, in dem sie am stärksten hätte sein müssen.
Das Paradoxon: Noise Trader können höhere erwartete Renditen erzielen, indem sie das Risiko tragen, das sie selbst geschaffen haben.
Abbildung 19.8. DSSW-Noise-Trader-Modell. Noise-Trader-Stimmung drückt Preise von den Fundamentaldaten weg. Risikoaverse Arbitrageure können die Fehlbewertung nicht vollständig korrigieren. Ziehen Sie die Schieberegler.
Aufgabe. $f = 100$, $\rho = 0.30$, $\mu = 20$ (bullisch), $r = 0.05$, $\gamma = 2$. (a) Gleichgewichtspreis berechnen. (b) Preisabweichung. (c) Was wenn $\gamma = 0$?
Lösung.
(a) $p = 100 + \frac{2 \times 0.30 \times 20}{1.05} = 100 + \frac{12}{1.05} = 100 + 11.43 = 111.43$.
(b) Abweichung: $p - f = 11.43$. Der Vermögenswert ist überbewertet, da Noise Trader die Preise über die Fundamentaldaten treiben und risikoaverse Arbitrageure sie nicht vollständig ausgleichen.
(c) Mit $\gamma = 0$: $p = 100 + 0 = 100$. Risikoneutrale Arbitrageure handeln aggressiv genug, um die Fehlbewertung vollständig zu beseitigen. Die zentrale DSSW-Erkenntnis: Es ist die Risikoaversion der Arbitrageure ($\gamma > 0$), die es den durch Noise Trader verursachten Abweichungen ermöglicht, fortzubestehen.
Die Krise von 2008 ist das Ereignis, auf das Behavioral Finance am häufigsten angewandt wird. Das Buch zur Wirtschaftsgeschichte erzählt sie: Wirtschaftsgeschichte, Kap. 19, die globale Finanzkrise von 2008 und ihre Folgen.
Die Grenzen der Arbitrage sind ein später Zug in einem viel längeren Argument. Die Maschinerie der Markteffizienz, gegen die sie sich stemmen, wurde in rund zwanzig Jahren zusammengebaut: Markowitz’ Portfolioauswahl von 1952, dann das CAPM, dann Famas Effizienzhypothese, dann Black-Scholes, das eine Option bewertet, ohne dass jemand die Aktie prognostiziert. Finanztheorie: von Fisher über Black-Scholes zu Behavioral Finance verfolgt den Faden von Irving Fishers Zinstheorie bis zu dem Test, der Risse ins Fundament trieb, während die Maschinerie weiterlief.
Ob all das den Rational-Choice-Benchmark verdrängt hat oder von ihm aufgesogen wurde, ist weiterhin strittig. Zwei Nobelpreise, die Prospect Theory in jedem Lehrbuch und Nudge-Einheiten in rund zweihundert Regierungen sprechen dafür, dass die Verhaltensökonomik gewonnen hat. Doch die Replikationskrise hat einen Teil des Kanons wieder zurückgenommen. Hat die Verhaltensökonomik die Ökonomik grundlegend verändert? trennt die Befunde, die noch stehen, von denen, die es nicht tun.
Maya legte als Sommeraktion zu jedem Limonadenverkauf einen kostenlosen Keks bei. Der Umsatz stieg moderat um 8 %. Als Maya den kostenlosen Keks wieder streicht (Rückkehr zum ursprünglichen Preis), ist die Gegenreaktion der Kunden unverhältnismäßig: Beschwerden, negative Bewertungen, verlorene Stammkunden. Der Umsatz sinkt um 15 %, unter das Ausgangsniveau vor der Aktion.
Prospect-Theory-Analyse. Während der Aktion hat sich der Referenzpunkt der Kunden von „Limonade“ zu „Limonade + Keks“ verschoben. Der Gewinn durch den Keks betrug $v(+\text{Keks}) = (\text{Kekswert})^{0{,}88}$. Aber der Verlust durch das Entfernen beträgt $v(-\text{Keks}) = -2{,}25 \times (\text{Kekswert})^{0{,}88}$. Der empfundene Verlust ist 2,25-mal so groß wie der ursprüngliche Gewinn. Die Aktion war eine Einbahnstraße: leicht zu geben, schmerzhaft wegzunehmen.
Maya entwirft ein Nudge-Experiment. Für ihr Treueprogramm testet Maya zwei Anmeldedesigns als Feldexperiment: Behandlung A (Opt-in): Kunden können sich an der Theke anmelden. Behandlung B (Opt-out): Jeder Kunde bekommt automatisch eine Karte und kann ablehnen. Mit Gl. 19.9 und $v = 3$, $\sigma = 2$, $k = 2$: Opt-in $P = \Phi(0{,}5) = 0{,}69$; Opt-out $P = \Phi(1{,}5) = 0{,}93$. Mayas Feldexperiment bestätigt die Vorhersage. Sie wechselt für den vollständigen Rollout zu Opt-out.
Kahneman und Tversky (1979). „Prospect Theory: An Analysis of Decision under Risk“ ist einer der meistzitierten Aufsätze in der Ökonomik. Veröffentlicht in Econometrica, formalisierte er experimentelle Befunde zu einem kohärenten mathematischen Rahmen. Kahneman erhielt 2002 den Nobelpreis; Tversky war 1996 verstorben.
Maurice Allais (1953). Der französische Ökonom präsentierte sein Paradoxon direkt Leonard Savage. Der Legende nach verfiel Savage selbst dem Allais-Muster. Allais erhielt 1988 den Nobelpreis.
Richard Thaler (Nobelpreis 2017). Thalers „Anomalies“-Kolumne katalogisierte systematisch Verhaltensabweichungen. Sein 2008 erschienenes Buch Nudge (mit Sunstein) brachte verhaltensökonomische Erkenntnisse in die Politik und führte weltweit zu „Nudge Units“.
David Laibson (1997). „Golden Eggs and Hyperbolic Discounting“ formalisierte das Beta-Delta-Modell und erklärte, warum Menschen gleichzeitig Kreditkartenschulden bei 18 % Zinsen und illiquide Ersparnisse bei 5 % halten.
Shleifer und Vishny (1997). „The Limits of Arbitrage“ zeigte, warum rationale Händler Fehlbewertungen nicht beseitigen können, wenn sie fremdes Geld verwalten und Kapitalbeschränkungen unterliegen.
| Bezeichnung | Gleichung | Beschreibung |
|---|---|---|
| Gl. 19.1 | $EU(L) = \sum p_i u(x_i)$ | Erwartungsnutzen |
| Gl. 19.2 | $v(x) = x^\alpha$ (Gewinne), $-\lambda(-x)^\beta$ (Verluste) | Prospect-Theory-Wertfunktion |
| Gl. 19.3 | $w(p) = p^\delta / (p^\delta + (1-p)^\delta)^{1/\delta}$ | Tversky-Kahneman-Wahrscheinlichkeitsgewichtung |
| Gl. 19.4 | $V(L) = \sum w(p_i) v(x_i - r)$ | Prospect-Theory-Bewertung |
| Gl. 19.5 | $U_0 = u(c_0) + \beta \sum \delta^t u(c_t)$ | Quasi-hyperbolisches Diskontieren |
| Gl. 19.6 | $\beta\delta u'(c_1) = u'(c_0) \neq \delta u'(c_1)$ | Zeitinkonsistenz |
| Gl. 19.7 | $U_i = x_i - \alpha_i \max(x_j-x_i,0) - \beta_i \max(x_i-x_j,0)$ | Fehr-Schmidt-Ungleichheitsaversion |
| Gl. 19.8 | $\max u(c) - \theta\|m\|_1$ s.t. $p \cdot c \leq w$ | Gabaix — sparsame Maximierung |
| Gl. 19.9 | $P_{\text{Anmeldung}} = \Phi((v - k(1-d))/\sigma)$ | Default-sensitive Teilnahme |
| Gl. 19.10 | $p_t = f_t + \gamma \rho_t \mu_t / (1+r)$ | DSSW-Noise-Trader-Preisbildung |
Genannte Literatur: Kahneman & Tversky (1979); Tversky & Kahneman (1992); Thaler (1980, 2015); Laibson (1997); Fehr & Schmidt (1999); Gabaix (2014); Shleifer & Vishny (1997); DeLong, Shleifer, Summers & Waldmann (1990).