TEORÍA DE LA DECISIÓN BAJO INCERTIDUMBRE

1. TEORÍA DE LA DECISIÓN BAJO INCERTIDUMBRE Maestría en Riesgo Financiero

2. Pérdida de oportunidad e información perfecta • Con la ayuda de la matriz de pérdida de oportunidad y criterio de Bayes, se establece la máxima cantidad que el decisor podría pagar por una información 100% confiable, que le permita seleccionar la mejor acción de las que tiene a su disposición. Al igual que en los temas anteriores se asumirá que el decisor dispone de las acciones a1, a2,…, an y que se pueden presentar los eventos: θ1, θ2 , …, θm ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

3. Pérdida de oportunidad • La pérdida de oportunidad, se define para cada evento o estado de la naturaleza como la diferencia en el pago, entre la mejor acción y la acción escogida. El pago es cero cuando se adopta la decisión óptima. • Cuando los pagos indican ganancias, la pérdida de oportunidad es la ganancia a la cual renuncia el decisor por no adoptar la acción óptima y cuando los pagos representan costos, la pérdida de oportunidad es la cantidad que deja de ahorrar el decisor al no adoptar la acción óptima. ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

4. Las pérdidas de oportunidad son calculadas, determinando primero los mejores resultados para cada evento; esto es, el pago óptimo de cada fila de la matriz de pagos. Luego, los pagos en cada fila son restados de los óptimos por filas, si los pagos indican ganancias, mientras que si los pagos indican costos, el pago óptimo se resta a cada pago de la fila. En otras palabras, si l*(ak,θr) representa el pago óptimo cuando ocurre el evento θr y ak es la acción que da lugar a este pago óptimo, entonces la pérdida de oportunidad cuando el decisor adopta la acción aj y se presenta el evento θr, viene dada por ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

5. lp(aj ,θr)= l*(ak ,θr)- l(aj ,θr), j=1,…,n Cuando los pagos indican ganancias y por lp(aj ,θr)= l(aj ,θr)- l*(ak ,θr), j=1,…,n Cuando sucede lo contrario. ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

6. Ejemplo Un fabricante de juguetes dispone de tres mecanismos par elaborar una nueva muñeca. En la siguiente tabla se muestran las ganancias que obtiene el fabricante cuando escoge cualesquiera de los mecanismos y los niveles de demanda que puede tener la nueva muñeca. ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

7. ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

8. ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

9. Pago esperado con información perfecta • Ahora consideraremos el caso en que se puede adquirir información perfecta acerca del estado de la naturaleza con el fin de seleccionar una acción en el futuro. • Usando esta información se podría garantizar la escogencia de la acción que produzca el pago óptimo para cualquier evento que se presente. • Como deseamos investigar la importancia de tal información antes de obtenerla, determinamos el “Pago esperado con Información Perfecta” (PEIP). ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

10. Suponemos que la información es 100% confiable y hallamos el pago óptimo l*(a,θ)para cada valor deθ. En esta forma, el Pago Esperado con Información Perfecta se define de la siguiente manera: (PEIP)=Eθ[l*(a,θ)] Se observa así que el pago esperado con información perfecta es el pago promedio que puede anticiparse con el mejor conocimiento posible ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

11. Ejemplo • Supongamos que la demanda de la nueva muñeca que elabora el fabricante de juguetes del ejemplo anterior tiene la siguiente distribución de probabilidad: P(θ=θ1)=0.10, P(θ=θ2)=0.60 y P(θ=θ3)=0.30. Calcule la ganancia que él espera conseguir cuando dispone de una información 100% confiable sobre la demanda. • ¿Qué puede concluir usted en el caso del ejemplo del llenado de frascos? ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

12. Regla de decisión de Bayes y pérdida de oportunidad • Dado que la pérdida de oportunidad es un resultado numérico, podemos calcular el valor esperado de la pérdida de oportunidad para cada acción. La pérdida esperada de oportunidad cuando el decisor adopta la acción aj, indicada por lp*(aj), se evalúa respecto con la distribución a priori definida sobre los estados posibles de la naturaleza, es decir: ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

13. lp*(aj)=Eθ[|l*(ak ,θ)- l(aj ,θ)|]; j=1,…,n Donde l*(ak ,θ) señala el pago óptimo cuando se presenta el estado de la naturaleza θ y ak es la acción que da lugar a este pago óptimo. • La meta del decisor consiste entonces en seleccionar la acción con la mínima pérdida esperada de oportunidad; esto es, él debe seleccionar la acción ah para la cual lp*(ah)=mín lp(aj) 1≤j≤n ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

14. Ejemplo • En el ejercicio del fabricante de juguetes, teniendo en cuenta la distribución de la demanda de la nueva muñeca, calcule la pérdida esperada de oportunidad. • Determine la acción a elegirse.(mínima pérdida de oportunidad esperada) ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

15. Valor esperado de la información perfecta • Al analizar un problema de decisión empleando la pérdidas de oportunidad, la pérdida esperada mínima no sólo señala la mejor acción para el decisor sino que , su valor también representa la cantidad que él “sacrifica” por no tener información perfecta, sobre cuál evento ocurrirá. Esta pérdida mínima se conoce con el nombre de “costo de la incertidumbre” o “el valor esperado de la información perfecta” (VEIP) ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

16. De esta manera, se tiene que (VEIP)=mín Eθ[|l*(ak ,θ)- l(aj ,θ)|] 1≤j≤n • Aunque sabemos que en la práctica no existe información 100% confiable, prestamos atención al valor esperado de la información perfecta porque nos ayuda a establecer un límite sobre la importancia de la información, es decir, el valor esperado de la información perfecta representa la mayor cantidad de dinero que el decisor estaría dispuesto a pagar, con el fin de obtener una información 100% confiable. ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

17. El valor esperado de la información perfecta también puede establecerse utilizando el criterio de Bayes. Recordemos que la regla de decisión de Bayes conduce a la escogencia de una acción particular que optimiza el pago esperado sin tener en cuenta cualquier información adicional. En lo sucesivo nos referiremos a ese pago como el “Pago esperado bajo incertidumbre” (PEBI), entonces tenemos que PEBI= Optimo Eθ[l(aj ,θ)] 1≤j≤n Cuando los pagos indican ganancias la fórmula de (VEIP) puede escribirse de la siguiente manera: ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

18. (VEIP)=mín {Eθ[l*(ak ,θ)]- Eθ [l(aj ,θ)]} 1≤j≤n • Por lo que se tiene que (VEIP)=(PEIP)-(PEBI) Con un razonamiento similar se deduce que en el caso en que los pagos indican costos se tiene (VEIP)=(PEBI)-(PEIP) • Encuentre VEIP para el caso del fabricante de juguetes. ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

19. Conclusiones • El valor esperado de la información perfecta representa la mayor cantidad de dinero que el fabricante estaría dispuesto a pagar para conseguir una información perfecta. Esto es si desea contratar un estudio de mercadeo para predecir la demanda, ésta no debe sobrepasar el precio de 23, caso contrario no debe ordenarlo. ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.