衡量个人风险偏好

经济学家如何应对风险厌恶

理性行为者模型在经济学中普遍存在，并在入侵其他社会科学方面取得了一些成功。在这个模型中，参与者被假定有一致的偏好，并在现有的约束条件下做出最能满足这些偏好的选择。用激励任务来衡量个人的风险偏好需要构建一组决策供被试做出。为了准确地捕捉个人偏好，构成衡量标准的决策应该具有真实的财务后果，以便受试者在回报中体验相关的收益和损失。例如，在风险较高、预期收益较高的赌博(比如有50%的机会赢得100美元或0美元)和风险较低、收益较低的赌博(比如有50%的机会赢得70美元或20美元)之间做出选择，选择后者意味着更大的风险厌恶。理论指导决策集的构建，以便选择揭示主体的潜在风险承受能力。然后，受试者在这些任务的构建集中做出的决策展示了“揭示的”偏好，并可用于评估实用功能框架中的风险容忍度。

如上所述，偏好是通过两种主要类型的程序来衡量的:调查问题和激励任务。在心理学、社会学和政治学等学术领域，最常用的方法是调查法。假设性问卷也是金融服务行业的选择方法。例如，风险容忍度可以通过要求受试者报告他过去的风险行为，或者他对自己冒险欲望的看法来评估，然后从一系列答案中构建一个指数。通过测试调查项目如何共同形成一个连贯的测量，通过在不同样本上重复测试，以及通过检查这些测量与它们应该预测的行为之间的相关性，来评估可靠性和有效性。因此，调查措施基本上是经验性的，通过寻找彼此相关的问题而发展起来，这些问题在直觉上似乎捕捉到了所需的结构。

相比之下，经济学家更倾向于理论上优雅的衡量标准。［1］)，但可能没有注意到一个学科所面临的困难(缺乏经济学和数学方面的训练)，他们必须理解复杂程序中的激励结构，才能做出正确的决策[2]．

经济学家倾向于选择这些激励措施，因为在没有激励的情况下，受试者可能会歪曲他们的偏好。经济学家通常更倾向于所谓的“激励相容”机制，以诱导人们说实话。事实上，如果没有激励，歪曲自己的偏好几乎没有什么代价。可以想象，一个实验对象可能会说谎，以使其他实验对象或实验人员对他有好感，甚至是为了增强自己的自我形象。但当决策牵涉到金钱时，失实陈述的代价就会更高。显然，在选择具有社会可取性因素的条件下，激励可能会对偏好诱发程序的结果产生实质性的影响。为了说明这一点，衡量利他主义是社会可取性可以发挥作用的一个例子。如果一个人被问到在1-10的范围内他们是多么善良或无私，他们可能会声称自己是一个伟大的恩人。但是，如果给这个人100美元，并问他希望向慈善组织或另一个人捐赠多少，他声称的利他主义可能会消失。在后一项任务中，为了表现出利他主义的偏好，被试者实际上必须放弃金钱。

目前还不清楚冒险是否具有同样的社会可取性，但在某些情况下确实如此。因此，例如，当有美女观察时，男性会冒更大的风险。

现在，假设有人想衡量一个人的冒险倾向。一项调查可能会要求受试者自我报告以前的风险行为，或者评估他们自己对风险选择的偏好。另一种方法是，激励启发程序将受试者置于精心控制的环境中，让他们做出涉及重大利害关系的选择。为了表现出风险厌恶，主体必须以较低的预期收益的形式为此付出代价。这种推理使持怀疑态度的社会科学家相信，受到激励的任务更有效、更可靠。然而，很少有研究试图通过经验来测试哪些偏好措施优于其他措施，或者甚至探索判断优势的标准。

调查措施

若干调查措施可分为单问题措施和多问题偏好指数。两者都被广泛使用。最广泛采用的单一问题是为德国社会经济小组(GSOEP)调查开发的，并要求受试者在0到10的范围内对自己进行评分，以确定他们是喜欢避免风险(=0)还是喜欢冒险(=10);英国家庭纵向调查也使用了类似的问题。这些领域一般性问题已被证明与自我报告的行为和许多领域的偏好呈正相关，并与激励任务中的行为呈正相关[3]，［4］，[5]．

Zuckerman感觉寻求量表是一种早期的多问题调查量表，它通过刺激和冒险寻求、体验寻求、去抑制和无聊敏感性等子量表来评估风险偏好，并已在数百项研究中使用。为了进一步探索跨领域偏好的可变性，2002年的一项研究随后开发了一个特定领域的风险承担(DOSPERT)量表，明确考虑了风险可能重要的几个领域［6］．它评估了财务决策(分别针对投资与赌博)、健康/安全、娱乐、道德和社会决策领域的风险感知和风险偏好。这项调查使用评级量表，要求受试者指出他们认为某项活动的风险有多大(例如，在赛马上赌一天的收入)，然后报告他们参与这项活动的可能性有多大。将这些答案组合起来创建特定于领域的和通用的索引。

鼓励措施

已经开发了几种激励措施，使用不同的策略来确定个人的风险厌恶程度。这些方法包括评估任务、选择任务和框架增量任务。

比较不同的测量方法

一般来说，很容易实施测量风险厌恶的调查方法，并且受试者似乎能够毫无困难地回答这些问题。调查方法的主要缺点似乎是经济学家不相信这些方法，因为调查对象没有任何利害关系。它们也不能产生足够精确的信息来估计效用函数的参数，从而限制了它们在结构建模中的用处。

虽然心理学家和经济学家都认为风险厌恶是一种稳定的特质，并适用于各个领域，但很容易想象有人做出保守的投资选择，但喜欢冒险的运动或健康行为。由于这个原因，领域通用度量可能不能很好地预测跨领域。这就是DOSPERT量表的吸引力所在。不过，值得一提的是，即使是特定于领域的措施也不是万灵药。虽然该量表已经在学生和成人人群中进行了测试，但相关领域可能因人群而异，因此问题甚至领域可能需要修改才能与人群相关。

经济学家提出的激励措施既聪明又有前途，但它们的使用并非没有争议。所有这些任务都是基于人们重视金钱的想法，但是随着收入的增加，额外收入的主观价值会下降。这一假设意味着决策者将厌恶风险。但在这种情况下，风险厌恶有一个特殊的定义:它意味着决策者会避免方差;也就是说，对于给定的平均回报，受试者会更喜欢结果变化较小的赌博或投资。各种巧妙的任务已经被开发出来，有些简单，有些复杂，并且在易于理解和测量的复杂性或理论精确性之间存在权衡。也许这些方法最大的问题是，它们往往没有考虑到人们(不是学者)是如何做决定的。一种在理论上可能对经济学家非常有吸引力的方法，必须以一种允许他们进行设计者期望他们进行的推理的方式向受试者解释。虽然大学生相对容易做到这一点，但对于数学熟练程度较低或对基本经济概念不太熟悉的个人来说，这可能是一个重大挑战。此外，在预测风险行为方面，这些结构化的激励方法是否确实更有效，这个问题仍在探索中。

例如，从评估任务开始，复杂的两阶段BDM方法甚至可能使相对复杂的对象感到困惑。虽然这种方法的设计是为了激励受试者如实透露他们在给定赌博中的货币价值，但他们可能不明白这是真的。个人习惯于将价格作为谈判的起点，因此可能会夸大他们的彩票价值，从而导致风险偏好的推断。事实上，这种方法通常会产生偏好的风险偏好估计，而没有其他方法能做到这一点。有可能第二阶段的价格生成导致受试者相信他们的估值应该取决于可能的价格范围，而不仅仅是他们面临的彩票属性，从而使估值向上倾斜。

选择任务似乎避免了这个问题。上述的选择方法对于被试来说是比较容易理解的，可能HL是例外。在选择任务中，一般受试者都是厌恶风险的——有些人说“太”厌恶风险了——很少有受试者是寻求风险的。比较基于选择的任务、HL和B/EG方法，更简单的B/EG方法是一个更粗略的度量。它的选项数量少，意味着被分类到更少的“箱子”中，但由于误解的范围更小，它的准确性可能更高。HL有一个更精细的分类，但由于它需要对概率有更深入的了解，它可能会产生更多的错误，使得个体和群体之间的差异更难以发现。更糟糕的是，由更复杂的任务产生的错误不仅可能产生中性噪音，而且偏差还会引发偏好。当然，MPL方法可以设计成简单的或复杂的，可以有很少的或很多的类别。它们也可以在迭代框架中呈现，在后续任务中网格变得更精细。

最后，增量任务往往更直观，因为他们的上下文框架。这个框架比中性框架的MPL任务更容易让受试者在认知上处理决策。GP任务被设定为对风险资产的投资，因此很可能仅仅由于这个框架而与实际投资行为相关联。炸弹和气球任务也被定义为真正的任务，并被证明与各种领域(如健康或娱乐)的风险承担相关。然而，这些任务中的行为需要多轮计算机化测试，并且决策的强大框架(包括炸弹或气球)可能意味着行为不太可能与财务决策或其他重要的经济决策相关。任务的领域可能会影响其推广到其他领域的行为的能力。因此，框架可能有助于降低被试决策的认知负荷，但同时也限制了决策的泛化能力[13]．

在比较不同方法的研究中出现了一个重要的难题。虽然没有人对所有启发方法进行过全面的荟萃分析，但部分尝试(例如[12]和在线附加参考文献中的论文)得出了一个奇怪的结果:不同的测量方法——无论是基于调查还是基于任务——似乎给出了不同的答案。不仅水平不同，而且各指标之间的相关性也很低。为了澄清，假设一组受试者完成了几种不同的风险厌恶激励和调查措施。一段时间后，同样的受试者回来重复这些任务。因为所有的任务都是为了测量效用函数的曲率而设计的，所以所有的测量都应该给出相同的答案，无论是跨测量还是跨时间。但有相当多的证据表明，它们并非如此。

1962年的一篇论文(见[2](详情)是第一个表明学生受试者的风险承受能力因启发程序和反应模式而异的研究。这项研究之后，在20世纪80年代和90年代进行了许多其他研究，记录了不同测量方法的不一致性。这个行业迟迟没有领会到这一信息。非实验经济学家的典型反应是，实验肯定出了问题，但结果却一再被重复。有人可能会问，这一证据是否意味着经济学家的风险厌恶概念需要稍加改进。

2010年的一项研究对大约1000名加拿大成年人进行了几种不同的风险规避措施[2]．采用了B/EG和HL方法，这两种方法都涉及彩票选择，因此具有相似的响应模式，相似的赌注平均约为75美元。两项指标的相关系数为0.38。虽然这是令人鼓舞的，但相关性与1有很大的不同，如果两个任务测量相同的潜在效用函数，它应该取的值是1。

个体差异

风险偏好因性别、年龄和文化环境的不同而系统性地变化。一般来说，女性比男性更厌恶风险，尽管差异并不大。性别差异在各种测量中都有发现，尽管在某些方面比其他方面更明显。风险偏好的性别差异与大学专业和职业的选择有关;投资组合和退休储蓄的性别差异归因于风险厌恶的差异。年纪较大的决策者在投资方面往往更能承受风险，但这很难与财富差异分开。很明显，富有的人应该更有风险容忍度，尽管这可能是由于更大的承受损失的能力，而不是风险厌恶程度的差异本身．

越来越多的证据表明，文化差异在很大程度上影响了人们的偏好［4］．也有证据表明，女性和男性在母系文化中角色互换，女性比男性承担更多风险。这些研究表明，文化可能在塑造风险承受能力方面发挥重要作用，并淡化了先天与后天辩论中先天的部分。

认知能力也可能在激励任务中形成诱导的风险偏好方面发挥作用。许多研究发现，更大的风险厌恶与较低的认知能力有关。最近的一项研究回顾了这些发现，并提出了新的数据，表明风险规避和认知能力之间的相关性可能是一种错觉，这种错觉是由不同的启发方法所产生的错误类型引起的[13]．这强化了一个观点，即必须在偏好引出中小心谨慎，以确保受试者在认知上能够理解任务。有证据表明，如果受试者完全理解任务，认知能力不太可能起作用[2]．