DEPARTAMENTO DE INGENIERIA INDUSTRIAL

Facultad de Ciencias Físicas y Matemáticas

UNIVERSIDAD DE CHILE

Apuntes de Microeconomía

Capítulo 3

Elección Bajo Incertidumbre

Pablo Serra
República 701, Casilla 2777, Santiago – Chile, Junio 1991.

2
 1. Introducción

Es frecuente que los consumidores deban tomar decisiones cuyos resultados sean
inciertos. Por ejemplo un consumidor debe decidir si compra o no un boleto de
lotería cuyo valor es de diez mil pesos y que con probabilidad de uno en veinte
millones entrega un premio único de 500 millones. Se podría analizar dicha
decisión como la compra de cualquier otro bien recurriendo a la teoría general del
consumidor que vimos anteriormente. Pero desarrollar una teoría específica que
considere la estructura de las decisiones bajo incertidumbre permite realizar
supuestos adicionales acerca de las preferencias de las personas, que a su vez se
traducen en funciones de demanda con mayores propiedades. En particular,
permite derivar una función de utilidad sobre decisiones con resultados inciertos a
partir de las preferencias sobre las consecuencias que derivan de dichas
decisiones.

Se puede distinguir, aunque por cierto la distinción es algo artificial, entre

economía de la incertidumbre y economía de la información. La primera supone
una actitud pasiva frente a la incertidumbre en la cual el individuo se adapta a
ésta. La segunda considera una posición activa, en la cual se busca reducir la
incertidumbre a través de la información. También se supone que las personas no
tienen la capacidad de afectar las probabilidades de los distintos eventos que
pueden ocurrir, y en ello se diferencia de teoría de juegos, donde si bien existe
incertidumbre, los agentes con sus acciones afectan la probabilidad de ocurrencia
de los distintos estados. Aquí nos centramos en el tema de la incertidumbre. Ésta
permite analizar actividades como los seguros, la investigación y desarrollo, la
propaganda y el funcionamiento de los mercados financieros.

En la literatura existen distintos enfoques para tratar la incertidumbre: (i)

preferencias sobre contingencias inciertas, desarrollado por Von Neumann –
Morgenstern (1944) y (ii) parámetros estadísticos, debido a H. Markowitz (1959).
El segundo enfoque, muy usado en finanzas, se puede resumir en que los
individuos prefieren mayor ingreso esperado pero menor varianza en el ingreso.
James Tobin demostró que el enfoque más general de Von Neumann –
Morgenstern se reduce al de preferencias sobre parámetros bajo ciertas
condiciones. Por ello, aquí se presenta primero el enfoque más general. Los
supuestos sobre los que se basan estos dos enfoques no siempre se cumplen, por
lo que también analizamos los desarrollos teóricos de Khaneman y Tversky. Estos
autores construyen una teoría que da cuenta de las principales paradojas
detectadas en las anteriores, pero por otro lado es mucho menos formal, lo que la
hace menos operativa.

Por razones didácticas vamos a introducir el tema suponiendo que las decisiones
que las personas deben tomar están restringidas a elegir entre distintas loterías.
Más adelante trataremos la incertidumbre en situaciones de mayor interés. En
este caso los resultados son los distintos premios que ofrece la lotería. Por
simplicidad supondremos que existe un número finito n de premios posibles, los

3
que denotaremos c1,....., cn, respectivamente. Una lotería ai entrega con
probabilidades i1,.....,in, respectivamente, los distintos premios. Supondremos
que estas probabilidades son objetivas y conocidas por el consumidor. Luego una
lotería queda representada por una función de probabilidad.

Impondremos que los premios sean excluyentes y exhaustivos, es decir, siempre

se gana un premio, pero sólo uno, lo que formalizamos escribiendo:

- prob. (ganar premio si o ganar premiocj) = Prob (ganar premio ci) + Prob (ganar premiocj)
n
- 
j 1
ij 1

Luego el conjunto A de todas las loterías posibles está dado por todas las n-tuplas
en R+n cuyos elementos suman 1.

Las condiciones anteriores más que supuestos corresponden a la forma de

representar las loterías. Imaginemos la típica lotería de colegio con tres premios.
El primero es un viaje a Cancún, el segundo un televisor y el tercero una radio.
Normalmente primero se sortea el tercer premio, y el ganador no puede optar a los
siguientes, luego a lo más recibe un premio. Podemos suponer que hay un cuarto
premio que consiste en no recibir nada, entonces siempre se recibe al menos un
premio.

Ejercicio: Suponga que en la lotería anterior recibir un premio no inhabilita para

recibir otro. ¿Cómo habría que representar la lotería para cumplir las condiciones
impuestas?

Ejemplo: Consideramos un jugador que tiene dos alternativas de juego. La

primera lotería ofrece premios c i, con probabilidades 1i, i=1,2,3, respectivamente.
La segunda lotería ofrece los mismos premios, pero con probabilidades 2i,
i=1,2,3.

Premios
c1 c2 c3 Utilidad loterías
Loterías a1 11 12 13 u1
a2 21 22 23 u2

La tarea que sigue es derivar una función de utilidad sobre loterías que esté
conectada con las preferencias sobre premios. Y se espera que la conexión sea la
regla de utilidad esperada de Von Neumann – Morgenstern:

u ( a )   1v(c1 )  ......................   n v(cn )

4
Luego esperamos que la utilidad de cada lotería, u(a), sea la esperanza
matemática de las utilidades de los premios que entrega. Intuitivamente hablando
la regla de la utilidad esperada parece razonable. Como sólo se gana uno de los
premios posibles, parece razonable que la utilidad asociada a cada consecuencia
sea independiente de las otras consecuencias. Además hace sentido que entre
mayor sea la probabilidad de obtener un premio, mayor sea el peso que éste
tenga en la utilidad del consumidor.

2. Teoría Axiomática

Al igual que cuando estudiamos el caso determinístico, necesitamos hacer

algunos supuestos respecto a las preferencias de las personas sobre las loterías.
Las loterías se clasifican en simples, si los premios son ciertos, y compuestas, si
algunos premios son a su vez otras loterías. Supondremos que los consumidores
reducen las loterías compuestas a loterías simples. Imaginemos una lotería
compuesta donde con probabilidad  entre cero y uno el concursante recibe como
premio la lotería simple a1 y con probabilidad (1-) recibe como premio la lotería
simple a2. La lotería compuesta la denotaremos:

a1 + (1-)a2

Dado que a1 y a2 son loterías simples se tiene que podemos representarlas de la

siguiente manera:

a1 = 11,.........., 1n
a2 = 21,.........., 2n

Supuesto 1: Las personas reducen la lotería compuesta a una lotería simple de

la siguiente manera:

a1 + (1-)a2 = 11 + (1-)21,......., 1n + (1-)2n

Este supuesto nos permite desarrollar todas las teorías en términos de loterías
simples, pues las loterías compuestas pueden ser reducidas a loterías simples.
Notar que este supuesto que parece tan simple requiere en las personas, al
menos, la capacidad de hacer operaciones matemáticas.

La teoría también realiza algunos supuestos acerca de la forma que adoptan las
preferencias de las personas sobre las loterías.

Axiomas

En lo que sigue denotamos  las preferencias sobre las loterías.

5
i. Racionalidad. Las preferencias de los consumidores sobre el conjunto A de
loterías son racionales, es decir, completas y transitivas.

ii. Continuidad. Existe continuidad en las preferencias. Para cualquier trío de

loterías ai, aj y ak, y 0    1 los conjuntos

  ai + (1-)aj  ak 

  ai + (1-)aj  ak 

son cerrados.

iii. Sustitución. La sustitución de loterías indiferentes en una lotería compuesta,

no afecta el orden, es decir, si la lotería a i es preferida a la lotería a j, y ak es
cualquier otra lotería, entonces

ai + (1-)ak  aj + (1-)ak

Los axiomas (i) y (ii) son análogos a los que se requieren para la demostración de
existencia de una función de utilidad que representa las preferencias de un
individuo cuando no hay incertidumbre. El axioma de racionalidad, sin embargo,
resulta ser más fuerte porque se trata de decisiones más complejas. Por su parte,
el axioma de continuidad indica que pequeños cambios en las probabilidades
asociadas a las loterías no afectan radicalmente el ordenamiento de las loterías.

El axioma de sustitución es novedoso, y tiene gran relevancia pues determina que

las preferencias sean representadas por una función de utilidad que cumple la
regla de la utilidad esperada. La intuición es que componer dos loterías distintas
con una tercera no debiera cambiar el orden que existía sobre las dos primeras
porque componer dos loterías no implica consumir una combinación lineal de
ambas, sino que consumir una u otra con cierta probabilidad. Sin embargo, no
siempre se cumple, como lo muestra el siguiente ejemplo.

Paradoja de Allais. Este autor fue el primero en mostrar que el axioma de

sustitución no siempre se cumple, a través del siguiente ejemplo. Cuando a un
grupo de personas debe elegir entre un ingreso cierto de digamos 2,4 millones de
pesos, y una lotería que con probabilidad 33/34 entrega un premio de 2,5 millones
y probabilidad 1/34 nada, la gran mayoría elegirá el ingreso cierto. Luego al
componer ambas loterías con una tercera que entrega nada con certeza, el orden
de preferencia cambia. Por ejemplo, sea 0,34 la probabilidad de las dos loterías
iniciales, y 0,66 la de la nueva lotería. Luego simplificando la primera lotería
compuesta, ésta entrega 2,5 millones con probabilidad 0,33, y por lo tanto nada
con probabilidad 0,67. Simplificando la segunda lotería compuesta, ésta entrega
2,4 millones con probabilidad 0,34. Los mismos grupos personas prefieren por

6
amplia mayoría la primera opción. Luego en este caso no se cumple el axioma de
sustitución.

Lema: Si se cumplen los supuestos y axiomas anteriores entonces:

Pcm  1  P  c p  P * cm  (1  P*)c p  P  P *

donde cm es el mejor de los premios y c p el peor, la expresión Pc m + (1-P)cp

representa una lotería que con probabilidad P entrega el mejor premio y con
probabilidad (1-P) el peor.

La demostración de este lema, que se omite, usa el axioma de sustitución. Sólo

señalaremos que dado la existencia un número finito de premios y por axioma 1,
cm y cp existen.

Proposición: Si se satisface el supuesto 1, y las preferencias de los consumidores

satisfacen axiomas (i) – (iii), entonces existe una función de utilidad sobre los
premios (consecuencias), v(ci), tal que las preferencias del consumidor sobre las
loterías (acciones) están dadas por:
n
u ( ai )    ij v(c j )
j 1

y para cualquier par de loterías ai y aj se tiene ai  aj  u(ai)  u(aj)

Dem: Elijamos, sin pérdida de generalidad, u(c m) = 1 y u(cp) = 0. Para

cualquier otro premio cj, se asigna v(cj) = Pj, donde Pj es tal que

Pj cm  (1  Pj )c p  c j

Tenemos que probar Pj existe y es único. Para ello definimos los siguientes
2 conjuntos:


S j  P Pc m  1  P  c p c j , 0  P  1 
 
I j  P Pc m  1  P  c p c j , 0  P  1

cm  cj para todo j  1  Sj, luego Sj  . Análogamente, cp  cj para todo j 

0  j, luego j  .

El axioma de continuidad implica que tanto S j con j son cerrados. Además

por axioma de racionalidad dado un P entre cero y uno, éste está en j o en
Sj o en ambos conjuntos, por lo que S j j = 0,1. Ahora 0,1 es un

7
conjunto conexo por lo que no puede ser separado en dos conjuntos
cerrados no vacíos. En consecuencia S j  j , lo que a su vez implica que
existe al menos un P que está contenido en ambos conjuntos. Llamemos P j
a un elemento de Sj  j entonces

Pj cm  (1  Pj )c p  c j

A continuación veremos que Pj es único. Supongamos que existe otro Q j en

Sj  j. Entonces.

P j c m  (1  P j )c p  Q j c m  (1  Q j )c p  c j

Por lema se tiene que Qj = Pj, luego Pj es único para cada cj, y por lo tanto la
función v(cj) está bien definida. Veamos ahora que efectivamente representa
las preferencias del individuo sobre las consecuencias, para ello probaremos
para cualquier par cj y ck se tiene que c j c k sí y sólo sí v(c j )  v(c j )

c j c k  Pj c m  1  Pj  c p Pk c m  1  Pk  c p  Pj  Pk  v  c j   v c k 

Falta por probar que la función de utilidad u sobre las loterías, definida
usando la regla de la utilidad esperada representa las preferencias del
consumidor. Sean 2 loterías ai y ak, por la regla de utilidad esperada se
tiene:

 
n
u  a i     ij v c j
j 1

 
n
u  a k     kj v c j
j 1

Ahora dados los supuestos sobre como los individuos ven las loterías se
tiene:

  
a i   i1 P1c m  1  P1  c p  .........................   in Pn c m  1  Pn  c p 
 n   n 
ai    ij Pj  cm    ij 1  Pj   c p
 j 1   j 1 

En consecuencia

8
 n n
a i a k    ij Pj   kj Pj  u ai   u a k 
j 1 j 1

Finalmente verificamos consistencia en el sentido que u(c j) es igual a v(cj).

u  c j   1v  c j   0 v ci   v c j 
i j

Regla de la utilidad esperada. Es interesante destacar que la conexión entre las

preferencias sobre loterías y las preferencias sobre premios está dada por la
“regla de utilidad esperada”. Este resultado requiere que las preferencias
satisfagan el axioma de sustitución. Por otro lado, podemos demostrar que si una
función de utilidad cumple con la regla de la utilidad esperada, entonces las
preferencias que representan dicha función satisfacen el axioma de sustitución.

Proposición: Si las preferencias sobre el conjunto A de loterías son representadas

por una función de utilidad que cumple la regla de utilidad esperada, entonces las
preferencias cumplen el axioma de sustitución.

Dem.: Si la lotería ai es preferida a la lotería aj, y ak es cualquier otra lotería,

entonces debemos probar que:

ai + (1-) ak  aj + (1-)ak.

Como a la lotería ai es preferida a la lotería aj, entonces u(ai)  u(aj). Por otro
lado, por regla de la utilidad esperada y realizando algunos pasos
algebraicos se tiene que:

u(ai + (1-) ak) ) = u(ai) + (1-)u(ak)

u(aj + (1-) ak) ) = u(aj) + (1-)u(ak)

De donde se concluye el resultado.

En resumen, si se cumple el axioma de sustitución se cumple la regla de utilidad

esperada. Además la función de utilidad es única salvo transformaciones afines, y
ello se debe al cumplimiento de la regla de la utilidad esperada como vemos en la
siguiente proposición. Luego del axioma de sustitución se deriva la regla de la
utilidad esperada y la unicidad de la función de utilidad (salvo transformaciones
afines)

Prop. La función de utilidad v antes definida es única salvo transformaciones

afines.

9
Dem. Mostramos primero que una transformación afín de v también representa
las preferencias sobre los premios y a través de la regla de la utilidad
esperada nos da las preferencias sobre las loterías.

Definamos V  c j     v c j  , donde α y β>0 son parámetros, y supongamos

que las preferencias sobre las loterías están dadas por:

 
n
U  ai     ijV c j
j 1

Claramente V representa las preferencias sobre los premios, veamos que U

representa el ordenamiento de las loterías.

ai a k    ij v  c j     kj v c j 
n n

j 1 j 1

U  ai     ijV  c j     ij   v c j   
n n

j 1 j 1

U  ai        ij v c j 
n

j 1

Análogamente

U  a k        kj v c j 
n

j 1

Luego
ai a k  U  ai   U  a k 

Además U representa las preferencias del consumidor sobre los premios.

U  c j   1 V  c j   0 V  ci   V  c j 
i j

Supongamos ahora que V(c) representa las preferencias de los

consumidores sobre los premios. Dado que las preferencias cumplen
axioma de sustitución las preferencias sobre las loterías están dadas por:

n
U  ai   ijV  c j 
j 1

10
 Probaremos que V es una transformación afín de v, es decir que existen  y
 tales que V(cj) =  + v(cj). Sean  y  las soluciones del siguiente sistema
de ecuaciones:

V  cb     v c m 

V  c m     v  c p 

Entonces:

V  cm   V  c p 

v cm   v c p 

Consideremos ahora un premio cualquiera cj, luego:

Pj cm  1  Pj  c p  c j

Ahora U y V deben ser tales que:

U  ai     ijV  c j 
n

j 1

U c j   V c j 

Luego

V  c j   PjV  c m   1  Pj V  c p 


 Pj   v c m    1  Pj    v c p  
   v  c j 

Utilidad cardinal. En el caso sin incertidumbre vimos que dada una función u que
representa las preferencias de los consumidores, entonces cualquier función
monótona de u también las representa. Esto nos ilustra muy bien el carácter
ordinal de la función de utilidad corriente. Pero las funciones de utilidad que hemos
construido para representar las preferencias sobre en condiciones de
incertidumbre son cardinales.

11
Imaginemos que v(ci)=3v(cj), ello no sólo indica que el premio i es preferido al
premio j. Imaginemos una lotería que entrega el premio c j con probabilidad 0,6 y
nada con probabilidad 0,4 (todos los otros premios posibles tienen probabilidad 0).
Supongamos que recibir nada tiene asociada una utilidad 0. Entonces el individuo
es indiferente entre jugar dicha lotería y una que entrega el premio c i con
probabilidad 0,2 y nada con probabilidad 0,8, y en ese sentido el premio c i es tres
veces mejor que cj.

La teoría estaría en dificultades si existiesen distintas funciones de utilidad que

representan las mismas preferencias, porque no se preservaría la relación de
cardinalidad en el sentido que se discutía antes. Las transformaciones afines
mantienen, sin embargo, dicho sentido de cardinalidad. En efecto, definamos la
nueva función de utilidad U = +u, transformación afín de la función de utilidad u.
Es simple verificar que una lotería que entrega el premio c j con probabilidad 0,6 y
nada con probabilidad 0,4, da igual utilidad a la persona que otra lotería que
entrega el premio ci con probabilidad 0,2 y el peor con probabilidad 0,8, tanto con
la función u como con U.

La cardinalidad de la función de utilidad es importante para lo que sigue. En

particular para poder definir conceptos como aversión al riesgo. A su vez el
concepto de aversión al riesgo es fundamental para explicar muchos
fenómenos observados en el mundo de los negocios como la existencia de
seguros y otros instrumentos financieros. Supondremos en lo que sigue que
los premios (consecuencias) de las secciones anteriores corresponden a
distintos niveles de riqueza. Por lo tanto el interés de esta parte son las
funciones de utilidad sobre niveles de riqueza que supondremos cumplen la
regla de la utilidad esperada.

3. Probabilidades subjetivas

Hasta el momento hemos considerado probabilidades objetivas, pero en algunos

contextos las probabilidades conque pueden producirse determinados eventos
pueden no ser claras. Consideremos a modo de ejemplo un agricultor que debe
decidir entre sembrar mucho (a=1) y sembrar poco (a=2). Los estados de la
naturaleza son año seco (s=1) y año lluvioso (s=2). Si el agricultor siembra poco y
el año es seco, entonces tiene ingresos c 21, si el año es lluvioso tiene ingresos
mayores; c22. Pero si siembra mucho y el año es lluvioso, entonces sus resultados
c12 son aún mejores. Cuando siembra mucho y el año es seco se producen los
peores resultados c11. Esta decisión la representamos con el siguiente cuadro:

Estados
s1 s2 Utilidad de las acciones
Acciones a1 c11 c12 u1

12
 a2 c21 c22 u2
Creencias 1 2
acerca de
los estados

Hemos supuesto que el agricultor es capaz de representar sus creencias con

respecto a la ocurrencia de distintas hidrologías a través de una distribución de
probabilidad “subjetiva”.

Normalmente cuando las probabilidades son objetivas se habla de riesgo, y en el

caso de probabilidades subjetivas se denomina incertidumbre. En toma de
decisiones bajo incertidumbre el individuo decide entre diversas acciones,
mientras la naturaleza “elige” entre estados. El problema de decisión del individuo
requiere que éste especifique:

1. Un conjunto de acciones posibles: a1, a2, ........., an.

2. Una distribución probabilística expresando las creencias del consumidor
respecto a los estados de la naturaleza: 1, 2, ...., n.
3. Una función de consecuencias mostrando los resultados bajo diferentes
combinaciones de acciones y estados: cis, i =1, ..,n; s=1, ..., S.
4. Una función de utilidad sobre las consecuencias.

En principio tanto los estados como las acciones pueden ser sobre un continuo,
pero por simplicidad se supondrá una representación discreta. Luego si se cumple
una serie de axioma similar a la del caso de probabilidades objetivas, se puede
demostrar que existe una función de utilidad sobre las consecuencias v, tal que la
función de utilidad sobre las acciones está dada por:

S
u (ai )   s v(cis )
s 1

En lo que sigue no haremos distinción entre probabilidades subjetivas y objetivas.

13
 4. Aversión al Riesgo
Es propósito de esta sección es definir aversión al riesgo. Se dice, en forma
corriente, que un individuo es adverso al riesgo cuando partiendo de una posición
de certidumbre es reacio a tomar una apuesta (riesgosa) que puede ser tentadora
(con valor esperado positivo). Lo que hacemos enseguida es formalizar esta idea.

En lo que sigue formalizamos el concepto de aversión al riesgo. Ahora la función

de utilidad v está definida sobre la riqueza, y supondremos que es dos veces
diferenciable. Luego v’(W) denota la utilidad marginal de la riqueza y v’’(W) la tasa
de cambio de la utilidad marginal de la riqueza. Supondremos que un aumento de
la riqueza siempre es deseable, es decir, v’(W) > 0. 1

Una forma de caracterizar la aversión al riesgo es considerando un juego neutro.

Se dice que un juego es neutro (o justo) si su valor esperado es cero. Sea z la
variable aleatoria que representa al juego, entonces si el juego es justo E(z) = 0.
Por ejemplo, un juego en el que con probabilidad ½ se gana $100 y con
probabilidad ½ se pierde $100 es neutro.

Sea W0 la riqueza inicial del individuo que enfrenta un riesgo neutro z, entonces Y
= W0 + z será la variable aleatoria que representa su riqueza. Luego si se cumple
la regla de la utilidad esperada, se tiene que la utilidad de la riqueza Y está dada
por:

u  Y   E  vW0  z  

En esta situación se dice que un individuo es:

- adverso al riesgo si: u  Y   v W0  Ez 

- amante del riesgo si: u  Y   v W0  Ez 

- neutro al riesgo si: u  Y   v W0  Ez 

Supongamos que el juego consiste en ganar o perder una cantidad h, ambas con
probabilidad ½. La opción es entonces entre una riqueza cierta W 0 y una renta
aleatoria que toma los valores W 0-h y W0+h con probabilidades ½ cada una. Un
adverso al riesgo por definición prefiere la renta cierta, luego:

v(W0) > ½ v(W0-h) + ½ v(W0+h)

luego

1
Normalmente también se supone que ylim
 
v (W ) y lim v (W ) existen y son finitos.
y  0

14
 v(W0) – v(W0-h) > v(W0+h) – v(W0)

considerando h pequeños (y dividiendo ambos lados de la desigualdad por h), un

adverso al riesgo queda caracterizada por una función v’(W) estrictamente
decreciente, es decir una función v( ) cóncava. Luego aversión al riesgo es
equivalente a tener una utilidad marginal de la riqueza decreciente.

Ilustramos el concepto de aversión al riesgo con el ejemplo de un individuo cuya

riqueza a final de año es igual a W b si la economía anda bien, y W m en caso
contrario. El individuo tiene la creencia que con probabilidad (subjetiva)  la
economía tendrá un buen desempeño ese año. Luego la riqueza a final de año es
una variable aleatoria Y que con probabilidad  toma el valor Wb, y con
probabilidad (1-) toma el valor Wm.

El valor esperado de la riqueza del individuo, que denotamos W , está dado por:

W  Wb  1   Wm

Entonces hay tres posibilidades:

(i) W es preferido a Y, en cuyo caso se dice que el individuo es

adverso al riesgo.
(ii) Y es preferido a W , en cuyo caso se dice que el individuo es
amante del riesgo
(iii) W es indiferente a Y, en cuyo caso se dice que el individuo es
neutro al riesgo.

Por la regla de la utilidad esperada, se tiene que

u (Y )  v WB   1    vWM 

por otro lado,

u W   v WB  1   WM 

Si la función v es estrictamente cóncava, entonces se tiene:

v WB  1   WM   vWB   1    vWM 

Luego u W   u  Y 

En forma análoga, si la función de utilidad del ingreso es convexa (lineal),

entonces el individuo es amante (neutro) al riesgo.

15
 Utilidad

v (WB)

uW 

u(Y)

u(Wm)

Wm ~ W
W Wb Riqueza
zaza

Fig. 1: Aversión al riesgo.

Notar que no sólo el individuo prefiere el valor esperado de su ingreso al ingreso

mismo, sino que además está dispuesto a disminuir su ingreso con tal de disminuir
la incertidumbre. En efecto, la persona del ejemplo es indiferente entre una
~ ~
riqueza cierta W  W , y la riqueza Y. Luego, está dispuesta a pagar W  W con
tal de eliminar la incertidumbre.

La evidencia empírica nos indica que en general los individuos son adversos al
riesgo, por ejemplo compran seguros de diferentes tipo, cuyo efecto es en la
mayoría de los casos disminuir el valor esperado de la riqueza, pero reduciendo al
mismo tiempo la incertidumbre de ésta.2

Existen algunas observaciones que van contra la hipótesis de aversión al riesgo

tales como el hecho que existen personas que apuestan en juegos de azar con
valor esperado negativo. No obstante aquel hecho es reconciliable con la idea de
aversión al riesgo. Veamos tres explicaciones por las cuales los juegos de azar
son coherentes con el predominio general de aversión al riesgo.

1. Puede argumentarse que el apostador cree que las probabilidades son más
favorables para él de lo que realmente son; de acuerdo a su probabilidad
subjetiva la apuesta es favorable a él, pues por alguna razón la probabilidades
subjetiva y objetiva divergen. Por ejemplo, los apostadores en pronósticos
deportivos o carreras hípicas creen poder interpretar mejor la información que

2
Notar que el acotamiento de la función de utilidad implica un predominio de la aversión al riesgo.

16
 los otros jugadores.3 Ello explica el atractivo de juegos de azar donde el
apostador cree saber más que el resto.

Tampoco debe olvidarse que las personas no siempre son racionales, y que
existen personas que son adictas al juego.

2. Si el precio de una lotería es ínfimo con respecto a la riqueza del individuo, por
lo que la pérdida en valor esperado en la riqueza es compensada por la
entretención que produce el juego.

3. Friedman y Savage muestran que es compatible con la regla de la utilidad

esperada que un individuo muestre aversión al riesgo con algunos riesgos pero
no con otros. Friedman y Savage explican esta aparente paradoja diciendo
que la utilidad marginal del ingreso es decreciente para niveles de riqueza del
orden de magnitud de la riqueza actual pero es creciente para niveles de
riqueza muy superiores, tal como se ilustra en la figura 2.

Imaginemos una lotería que con probabilidad (muy pequeña)  entrega un gran
premio P, el costo del boleto de lotería es C. Consideremos una persona cuya
riqueza inicial es W, entonces si gana la lotería tendrá una riqueza W B = W + P –
C, y si no gana la riqueza se reduce a W M = W – C. Suponemos además que el
valor esperado del juego es negativo, es decir P < C. Luego si la persona no
juega la lotería tendría un ingreso cierto de W, pero si juega su riqueza antes de
que el juego se dilucide es una variable aleatoria con valor esperado W-P-C y
utilidad  v(W-P-C) + (1-) v(W-C).

En la figura 2 vemos que el individuo jugará la lotería con valor esperado negativo,
pero al mismo tiempo rechazará un juego justo que con probabilidad ½ otorga un
premio de ½ W y con probabilidad ½ hace perder ½ W. Es decir, la persona se
comporta como adversa al riesgo para riesgos que son significativos, pero puede
ser amante del riesgo cuando la pérdida involucra es pequeña. 4
3
Algo similar se podría decir de una persona que junto con comprar una un número de lotería hace
una manda.
4
Existe la presunción que las personas de menores ingresos apuestan, en términos relativos, más
que las persona de altos ingresos, y que se aseguran menos. Se pueden dar distintas
explicaciones porqué las personas de menores ingresos apuestan más. Una es que la entretención
que derivan del juego sea mayor (el placer de imaginar lo que podrían hacer con el premio).
También, siguiendo el análisis de Friedman y Savage, probablemente el premio principal de
cualquier lotería los lleva a un nivel de riqueza en que son amantes al riesgo. Respecto a las
razones para no asegurarse, éstas pueden ser varias. Una es que en caso de una pérdida
importante (como por ejemplo el incendio de la casa) confíen en la ayuda solidaria de los vecinos y
de las autoridades. Segundo, asegurar bienes de bajo valor es relativamente muy caro, pues el
costo administrativo es más o menos independiente del monto asegurado. Luego para cubrir los
costos, las empresas al asegurar bienes de un bajo valor tendrían que cobrar una prima
proporcionalmente mucho más elevada que en el caso de bienes de gran valor. Lo anterior no
significa que la personas de menores ingresos no estén preocupadas de eventos fortuitos que
afecten fuertemente su patrimonio. En efecto, las primeras organizaciones obreras que surgen en
Chile a mediados del siglo XIX se orientan al socorro mutuo, siendo Fermín Vivaceta la figura más

17
 U

1/2W W 3/2W W+P-C

W-C W

Fig. 2: Curva de Friedman-Savage

Claramente la figura 2 nos muestra que las definiciones anteriores de aversión al

riesgo son para un nivel dado de riqueza, y es perfectamente posible imaginar que
un individuo es adverso al riesgo para ciertos niveles de riqueza y amante del
riesgo para otros. Pero más interesante aún, un individuo con un nivel de riqueza
dado puede parecer ser adverso al riesgo para determinados juegos y amante del
riesgo para otros. De hecho los individuos por un lado compran seguros, pero por
otro juegan loterías con valor esperado negativo. De lo anterior se deduce que las
definiciones de aversión al riesgo anteriores no son rigurosas y que éstas sólo
pueden ser de carácter local.

Medidas locales de aversión al riesgo

Necesitaremos de una medida conveniente de la aversión al riesgo para llegar a

una teoría cuantitativa. Puesto que mientras más cóncava sea la función de
utilidad mayor será su aversión al riesgo, es entonces imaginable utilizar la función
v”(W) como la medida buscada. La función de utilidad, sin embargo, se define
para transformaciones lineales positivas, si multiplicamos o sumamos a la función
de utilidad una constante, el comportamiento del consumidor no varía pero si lo

insigne de este movimiento. También surgen sociedades de socorro mutuo entre mujeres. Estas
sociedades pierden importancia cuando las organizaciones de trabajadores se orientan
principalmente a la lucha política, y más tarde cuando el gobierno adquiere un rol más activo en el
auxilio social de los más necesitados.

18
hace v”(W). Por ello, se han introducido las dos medidas siguientes de aversión al
riesgo:

v" ( W )  d
ra (W )  
v' (W )

Wv" ( W ) 
rr (W )  
v' (W )

La primera medida se llama aversión absoluta al riesgo y la segunda aversión

relativa. Es claro, de las definiciones precedentes, que tanto r a(W) como rr(W)
pueden ser consideradas medidas de la concavidad de u en el punto Y, pero que
además son invariantes a transformaciones afines de v.

Integrando –ra (W) obtenemos ln(v’(W)) + c, donde c es una constante de integración.

Sacando el exponente de la expresión anterior e integrando se obtiene e cv(W)+d, donde d
es la constante de integración. Las constantes de integración son irrelevantes pues
ecv(W)+d es una transformación afín de v(W). Así, podemos escribir.

u  exp  | ra (W )dW  dW
y observamos que la función de aversión local al riesgo r a asociada con cualquier función
de utilidad u contiene toda la información esencial acerca de u y elimina toda arbitrariedad
sobre u. Sin embargo, las decisiones acerca de riesgos ordinarios (riesgos no pequeños)
están determinadas por ra sólo a través de u por la ecuación anterior, entonces no es
conveniente dejar de considerar u en favor de ra .

El premio por riesgo

Consideremos una persona con una riqueza W que enfrenta un riesgo z. Estamos
interesados en determinar cuánto está dispuesta a pagar para eliminar la
incertidumbre. A dicha cantidad la llamaremos premio por riesgo y la denotaremos
. El premio por riesgo depende de la riqueza W y de la distribución de z, y será
denotado, (W,z) (no es, como la notación podría sugerir, una función de W
evaluada en un valor de z seleccionado aleatoriamente). Por ejemplo, en el caso
~
de la figura 1 el premio por riesgo es  (W , z )  (W  W ) , pues a la persona
obtiene la misma utilidad con el ingreso aleatorio Y y el ingreso no aleatorio
~ ~
E (Y )  (W  W )  W .

El premio por riesgo (W, z) está definido implícitamente por la siguiente

ecuación:

(1) v(W + E(z) - (W,z)) = E [v(W+z)],

pues (W,z) debe ser tal que la persona sea indiferente entre enfrentar el riesgo z
y recibir la cantidad no aleatoria E(z) - .

19
Consideremos sólo situaciones donde E[v(W+z) ] existe y es finito. Luego (W, z)
existe y está definido en forma única por la ecuación anterior, ya que v( ) es una
función continua y estrictamente creciente, que está definida sobre todos los
posibles valores de W.

Se deduce, directamente de la ecuación anterior, que para cualquier constante :

(2) (W, z) = (W+, z-)

Eligiendo =E(z), suponiendo que existe y es finito, podemos realizar el análisis

para un riesgo z -  que es neutro, ya que E(z-) = 0

Dado que el tomador de decisiones es indiferente entre aceptar el riesgo z y recibir la

cantidad segura m(W, z) = E(z) - (W, z), esta última cantidad es llamada el equivalente
monetario o valor de z. Es el precio para z, o sea la mínima cantidad por la cual el
tomador de decisiones aceptaría vender z si él lo tuviera, y es la solución de la siguiente
ecuación:

u(W+m(W, z)) = E[u(W+z)]

Debe ser distinguido del precio de oferta b(W, z), que corresponde a la máxima cantidad
que el tomador de decisiones pagaría para obtener z, la cual está determinada por la
ecuación:

u(W) = E[u(W+z - b(W, z))]

Para un riesgo desfavorable z es natural considerar el premio por seguro i (W, z) tal que
el tomador de decisiones es indiferente entre enfrentar el riesgo z y pagar la cantidad no
aleatoria i(W, z). Ya que pagar i es equivalente a recibir - m, tenemos:

i(W, z) = – m(W, z) = (W, z) – E(z)

Si z es neutro entonces el premio por riesgo y el premio por seguro coinciden.

Los resultados de este apunte están establecidos en términos del premio por riesgo ,
pero podrían igualmente ser establecidos en términos del equivalente monetario o del
premio por riesgo y el premio por seguro.

Aversión local al riesgo

Para medir la aversión local al riesgo de un tomador de decisiones es natural

considerar su premio por riesgo para un riesgo neutral y pequeño z. Entonces
analizamos (W, z) para un riesgo z con E(z) = 0 y varianza muy pequeña 2.
Supondremos que el tercer momento central de z es de orden más pequeño que
2. Expandiendo v en lado derecho de la ecuación (1), obtenemos:

E[v(W+z)] = E[v(W) + zv’(W) + ½ z2v”(W) + 0(z3)]

20
 E[v(W+z)] = v(W) + ½ 2v”(W) + 0(z3)]

Donde 0( ) significa “términos de orden menor que”. Expandiendo el lado

izquierdo de la ecuación (1) tenemos:

v(W - ) = v(W) - v’(W) + 0(2)

Notar que condiciones suficientes pero no necesarias para ignorar los demás
términos de la expansión de Taylor son que z tenga una distribución normal o que
la función v sea cuadrática.

Luego igualando ambas expansiones, se concluye que el premio por riesgo es

aproximadamente igual a:

(3) (W, z) = ½ 2ra(W) + 0(2)

Así, el premio por riesgo para el tomador de decisiones para un riesgo pequeño y
neutral z es aproximadamente r a(W) veces la mitad de la varianza de z. O dicho de
otro modo, ra(W) es dos veces el premio por riesgo por unidad de varianza para
riesgos infinitesimales.

Si z no es neutro, tenemos por ecuación (2), con  = E (z) y ecuación (3):

(W, z) = ½ 2ra(W+E(z)) + 0(2)

Así, el premio por riesgo para un riesgo z con media arbitraria E(z) y varianza
pequeña es aproximadamente ra(W+E (z) ) veces la mitad de la varianza de z.

Consideremos ahora el premio proporcional por riesgo para un riesgo neutral y

pequeño z, es decir un riesgo z con E(z) = 0 y varianza muy pequeña 2, para lo
cual definimos la variable aleatoria x=z/W, luego E(x) = 0 y la varianza de x está
dada por x2 = 2/W2. La variable x representa el riesgo como una proporción de la
riqueza inicial W. Entonces el premio proporcional, que detonaremos (W, x), es
igual a:

(W, x) = (W, z)/W

Luego

(W, x) = ½z2rr(W) + 0(z2)/W

Así, el premio proporcional por riesgo del tomador de decisiones para un riesgo
pequeño y neutro x es aproximadamente r r(W) veces la mitad de la varianza de x;
es decir, rr(W) es dos veces el premio proporcional por riesgo por unidad de
varianza de x para riesgos infinitesimales.

21
Existe otra interpretación de ra(W) en el caso especial z =  h. Sea un individuo con
riqueza W a quién se le ofrece una apuesta que le involucra ganar o perder una cantidad
h con probabilidades p y 1-p respectivamente. El individuo aceptará la apuesta para un p
suficientemente grande y la rechazará para un p pequeño. La disposición a aceptar o
rechazar una apuesta dada dependerá también de la riqueza. Dada la apuesta h y la
riqueza W, p(W, h) designará la probabilidad que el individuo sea indiferente entre aceptar
o rechazar la apuesta.

p(W, h) = P(z=h) – P(z=-h)

Luego, P(z=h) = ½ [1+p(W, h)], P(z=-h) = ½[1-p (W, h)], y p(W, h) está definido por la
ecuación:

u(W) = E [u(W+z)] = ½ [1+p(W, h)]u(W+h) + ½ [1-p(W, h)]u(W-h)

Cuando u es expandido alrededor de W, la ecuación anterior se convierte en:

u(W) = u(W) + hp(W, h)u’(W) + ½h2u”(W) + 0(h3)

Resolviendo para p(W, h), encontramos

p(W, h) = ½hra(W) + 0(h2)

Así, para un h pequeño, el tomador de decisiones es indiferente entre “status quo” y un

riesgo de h con una probabilidad premio de ra(W) veces h; esto es, ra(W) es dos veces la
probabilidad premio por unidad arriesgada que él requiere para riesgos pequeños.

Comparación de aversión al riesgo

Comparamos los premios por riesgo para la misma distribución de probabilidades de

riesgo, pero para individuos con utilidades diferentes. Sean dos individuos con funciones
de utilidad u1 y u2 cuyas funciones de aversión absoluta al riesgo son r1 y r2,
respectivamente. Si en el punto W se tiene que r1(W) > r2(W), entonces el individuo 1 es
localmente más adverso al riesgo que el 2 para el nivel de riqueza W; esto es, los
correspondientes premios por riesgo satisfacen 1(W,z) > 2(W,z) para riesgos z
suficientemente pequeños, y las correspondientes probabilidades premios satisfacen
p1(W, h) > p2(W, h) para h>0 suficientemente pequeño. El punto central del teorema que
vamos a enunciar es que las propiedades globales correspondientes también
permanecen.

TEOREMA 1: Sean ri(x), i(W,z) y pi(W,h) la aversión absoluta al riesgo, el premio por
riesgo y probabilidad premio correspondiente a la función de utilidad ui, i=1, 2. Luego, las
siguientes condiciones son equivalentes en la forma fuerte (indicada entre paréntesis) o la
forma débil.

(a) r1(W)  r2(W) para todo W [con > para al menos un x]

(b) 1(W, z)  [>] 2(w, z) para todo W y z.
(c) p1(W, h)  [>] p2(W, h) para todo W y h.

22
(d) u1 [u2-1(t)] es una función [estrictamente] cóncava de t.

Demostración: Ver artículo de Pratt.

Aversión absoluta al riesgo constante. Si la función de aversión absoluta al riesgo es

constante, vale decir si ra(W) = c, entonces:

u(W)  W si c = 0;
u(W)  -e-cW si c > 0;
u(W)  e-cW si c < 0.

Estas utilidades son lineal, estrictamente cóncava y estrictamente convexa

respectivamente.

Si la aversión local al riesgo es constante, también lo será globalmente, o sea un cambio

en los activos no modifica la preferencia entre riesgos. De hecho, para cualquier k,
ra(W+k) = ra(W) en cada uno de los casos anteriores. Por lo tanto, tiene sentido hablar de
aversión al riesgo constante sin calificación de local o global.

Aversión al riesgo creciente y decreciente. Las dos medidas de aversión al riesgo

son en general funciones de W. El comportamiento de esas medidas con respecto
a cambios de W es de la mayor importancia para predicciones de reacciones
económicas en presencia de incertidumbre. Se proponen dos hipótesis:

a. ra (W) es una función decreciente de W

b. rr (W) es una función creciente de W.

El caso a ciertamente tiene fundamentos en la observación diaria. Dado un cierto

riesgo, a igualdad de otras condiciones, una persona con mayor ingreso estará
mejor dispuesta para enfrentarlo. Suponer que la aversión absoluta al riesgo es
decreciente impone restricciones a la función de utilidad. Supongamos que ésta es
de la forma u(W) = a + bW + cW 2. La condición de aversión al riesgo requiere que
c < 0, pero ello es inaceptable pues viola el principio de aversión absoluta al riesgo
decreciente. En efecto, ra(W) = - 2c/(2cW+b), luego ra’(W) = (2c/(2cW+b))2 > 0.

La hipótesis de aversión relativa al riesgo creciente no es fácilmente confrontable

con la evidencia intuitiva. La hipótesis establece que si ambos, riqueza y tamaño
de la apuesta han aumentado en la misma proporción, el número de individuos
dispuestos a aceptar la apuesta debería decrecer. El punto teórico importante es
que la variación de rr con cambios en la riqueza está íntimamente conectado con
las condiciones de acotamiento de la función de utilidad. Puede ser mostrado
como una proposición matemática que si la función de utilidad permanece acotada
cuando W tiende a infinito, entonces la aversión relativa al riesgo no puede tender
a un límite por debajo de 1, similarmente para una función de utilidad acotada
cuando W tiende a 0, la aversión relativa al riesgo no puede aproximarse a un
límite sobre 1, luego

23
 u(Y) <  cuando Y  , entonces rr < 1

u(Y) >-   cuando Y  0, entonces rr < 1

Entonces es plausible suponer que rr disminuye con la riqueza aunque la teoría no

excluya algunas fluctuaciones. Si por simplicidad deseamos una aversión relativa
al riesgo constante, entonces el valor apropiado es 1.

TEOREMA 2: Las siguientes condiciones son equivalentes:

(a) La función de aversión absoluta al riesgo local r a(W) es [estrictamente]

decreciente.
(b) El premio por riesgo (W, z) es una función [estrictamente] decreciente de
W para todo z.
(c) La probabilidad premio p(w, h) es una función [estrictamente] decreciente
de W para todo h>0.

Las mismas equivalencias se cumplen si substituimos decreciente por creciente.

Demostración: Ver artículo de Pratt.

6. Seguros

Un consumidor con riqueza W enfrenta una pérdida posible L, la pérdida ocurre

con probabilidad . El consumidor tiene la opción de asegurarse con una prima
proporcional r. Si la cobertura del seguro adquirido por el individuo es C, entonces
éste enfrenta la siguiente lotería:

Wn  W – rC con probabilidad 1 – 

Wl  W – L – rC + C con probabilidad 

donde Y denota la riqueza antes que al verdadero estado de la naturaleza haya

sido revelado. Suponga que el consumidor tiene una función de utilidad que
cumple la regla de la utilidad esperada, y por tanto el individuo elige el nivel de
cobertura que maximiza el valor esperado de la utilidad:

Max U  E (u (Y )) v (W1 )  (1   )v (Wn )

C

s.a. : C  0

Para encontrar el nivel óptimo de cobertura observamos la condiciones de Kuhn-

Tucker:

24
 V V
  (1  r )v' (W1 )  (1   )rv' (Wn )  0 C 0
C C

La condición de segundo orden es:

 2V
  (1  r ) 2 v" (W1 )  (1   )(  r ) 2 v" (Wn )  0
C 2
,

la cual se satisface suponiendo aversión al riesgo en el consumidor. Si suponemos

una solución interior (C>0), entonces la condición de primer orden se reduce a:

 (1  r )v ' (W1 )  (1   )rv' (W n )

Supongamos que la prima proporcional de riesgo es igual a la probabilidad  de

que ocurra, entonces la condición de primer orden implica que W n = Wl. Esta
última condición requiere que la persona se cubra totalmente del riesgo, es decir,
C=L. Por el mismo tipo de razonamiento se tiene que cuando r <  la cobertura
excede al monto de la pérdida. Podemos suponer que en general r > , en cuyo
caso no importando cuan adverso al riesgo sea el individuo, éste no adquiere
cobertura total, e incluso puede no asegurarse. Para determinar bajo qué
condiciones se asegura el consumidor estudiamos el signo de la derivada V/C
en C=0.

V
  (1  r )v ' (W  L )  (1   ) rv ' (W )
C C 0

Si la derivada V/C evaluada en C=0 es negativa, entonces el individuo no se

asegura. Por el contrario, cuando V/C evaluada en C=0 es positiva, el individuo
se asegura. Luego el individuo se asegura cuando:

v' (W  L )
r
(1   )v' (W )  v' (W  L)

Si la persona es neutra al riesgo entonces la condición anterior se reduce a r  .5

Ahora cuando el individuo es adverso al riesgo v’(W)  v’(W-L), por lo que la
expresión de la derecha es mayor que . En consecuencia r  , es una condición
suficiente, pero no necesaria, para que el individuo se asegure.

Para soluciones interiores (C>0), la condición de primer orden V/C = 0 define

implícitamente una función de demanda por seguros C = C(r,,L,W), cuyos
argumentos son la prima proporcional, la probabilidad de ocurrencia de la pérdida,
el monto de la eventual pérdida, y la riqueza del individuo. Nuestra intuición nos
5
En el caso r = p, un individuo neutro al riesgo puede tomar cualquier cobertura entre 0 y W/r.

25
indica que la demanda por seguros es una función creciente del monto de la
pérdida y de la probabilidad de ocurrencia de la pérdida, y decreciente en la prima
del seguro. Nuestra intuición es menos clara respecto al efecto de W. Por ello a
continuación examinamos como la cobertura óptima C * varía con W. Usando el
teorema de la derivada implícita se tiene que:

 2 v dC  2v
 0
C 2 dW CW

luego
 2U
dC CW

dW  2U
C 2

Ahora si el individuo es adverso al riesgo el denominador es negativo por lo que

dC/dW tiene el signo de:

 2V
  (1  r )v" (W1 )  (1   ) rv" (W n )
CW

Usando la condición de primer orden (1-r)v’(Wl) = (1-)rv’(Wn), se tiene:

 2U  v" (W ) v" (W n
 (1   ) rv ' (W n )  1

CW  v ' (W1 ) u ' (W n

 (1   ) r v ' (W n ) [ ra (W n )  ra (Wl )]

Luego si una persona tiene aversión absoluta al riesgo constante, el monto de la

cobertura es independiente del nivel de la riqueza. Si la aversión absoluta al
riesgo es decreciente, entonces el monto de la cobertura disminuye con el nivel de
la riqueza.

Seguros Actuarialmente Justos, Riesgo Comportamiento y Selección Adversa. Se

dice que la prima de un seguro es actuarialmente justa cuando ésta es igual a la
probabilidad de ocurrencia del siniestro. Supongamos que todos los asegurados
tienen la misma probabilidad p de tener una pérdida L, y que la ocurrencia de cada
evento es independiente, entonces si la empresa asegura a muchos individuos la
tasa de siniestralidad es aproximadamente p.

Como vimos anteriormente una persona adversa al riesgo siempre se asegura

cuando la prima es actuarialmente justa, además la cobertura es total, es decir C =

26
L. Sin embargo, es difícil la existencia de seguros actuarialmente justos, aún en el
caso de existir competencia en la industria del seguro. Conspiran contra ello (i) los
costos administrativos y de venta, (ii) la diversificación incompleta de riesgos y (iii)
los problemas de información. La existencia de costos administrativos y ventas en
la industria aseguradora resultan evidentes (normalmente equivalen a un 20% de
la prima para riesgos simples) por lo que nos concentraremos en los otros 2
aspectos.

En los seguros de salud; en condiciones normales las compañías pueden conocer

con bastante precisión la tasa de enfermedad cuando la población asegurada es
grande, dicho de otro modo el riesgo se diversifica en una población amplia (ley de
Grandes Números). Sin embargo, una epidemia – cuya tasa de ocurrencia es
difícil de determinar – provoca la existencia de un riesgo no diversificable.
Generalmente las compañías aseguradoras enfrentan este problema con
cláusulas que indican que el seguro no cubre los gastos de salud relacionados con
una epidemia. Algo similar ocurre con los seguros de vida que no cubren muertes
producidas en situaciones de conflicto interno o externo.

Existen, sin embargo, otros seguros donde no es tan simple diversificar o excluir el
riesgo, como por ejemplo los que cubren terremotos. Es cierto que es este caso
las compañías nacionales se reaseguran parcialmente en grandes compañías
internacionales que en alguna medida diversifican el riesgo reasegurando contra
terremotos en diversos países. Pero es claro que ni las grandes reaseguradoras
pueden tener una estimación precisa del nivel de daños causado por terremotos a
nivel mundial. Por ejemplo el huracan Andrew que pasó por la ciudad de Miami
produjo tales daños que dejo al borde de la quiebra amuchas empresas. Luego las
compañias de seguro y de reaseguro enfrentan riesgos y cobran por ello.

Los problemas de información son aún más complejos. Se verá que la ausencia
de información interfiere en la operación de los mercados de seguros. Se
distinguen, principalmente, dos tipos de dificultades que se conocen con los
nombres de riesgo comportamiento (“moral hazard”) y selección adversa,
respectivamente. Se habla de riesgo comportamiento cuando el asegurado cambia
su comportamiento luego de tomar un seguro. Por ejemplo una persona al adquirir
un seguro de salud visita con mayor frecuencia al médico, otra persona que
adquiere un seguro para el auto lo estaciona en lugares que antes no lo hacía, o
un tercer individuo que compra un seguro contra robos disminuye el número de
precauciones. Se podría pensar que esta situación no representa una dificultad,
pues las primas se ajustan para reflejar el nuevo comportamiento.
Desafortunadamente no es así, en la siguiente sección veremos que en presencia
de riesgo comportamiento el equilibrio competitivo no es óptimo, pero tal vez el
efecto más negativo es que agrava el problema de selección adversa.

Se dice que existe selección adversa cuando una población asegurada coexisten
individuos que para un mismo tipo de siniestro tienen probabilidades de ocurrencia
muy distintas, lo cual determina que dada la prima de seguro de equilibrio el

27
seguro no resulte conveniente para los individuos con menor riesgo de siniestro.
Este fenómeno puede llevar a la desaparición de algunos mercados de seguros.
En efecto si dejan de asegurarse los individuos de menor riesgo, por fuerza la
prima deberá aumentar, lo que a su vez provocará que nuevos asegurados dejen
de serlo, proceso que puede repetirse hasta que el mercado desaparezca
completamente.

Las compañías de seguro han enfrentado este problema estratificando la

población. Por ejemplo la prima de un seguro de vida dependerá de la edad del
asegurado, de si fuma o no, de la cantidad de alcohol que consume y de su
historial clínico. La prima por seguros contra robos depende del barrio en que está
ubicada la casa y del tipo de protecciones con que ésta cuenta. En países
desarrollados la prima del seguro automotor depende de la edad, estado civil y
principalmente historia conductiva del asegurado (la prima de un asegurado que
pasó con luz roja se multiplica por 5, y si es responsable de un accidente serio por
10).

Como hemos dicho la existencia de riesgo comportamiento agrava el problema de

selección adversa, pues el riesgo comportamiento es mucho mayor en algunos
individuos. Las compañías tienen mecanismos para reducir el riesgo
comportamiento. Por ejemplo los seguros contra robos de casa no pagan si no
hubo descerrajamiento, los seguros automotores no pagan si el auto robado tenía
las llaves puestas o si el accidente ocurre por pasar con luz roja.

Además existen los coseguros y deducibles. Las primas bajan más que
proporcionalmente si el individuo tiene una cobertura parcial, pues en este caso el
riesgo comportamiento disminuye. También las primas disminuyen si en cada
accidente el individuo es responsable de una cierta cantidad fija denominada
deducible. Además de disminuir el riesgo comportamiento, se reducen los costos
administrativos, pues los siniestros en que la pérdida es inferior al deducible no
son procesados por la compañía de seguros. La dependencia de la tasa del
seguro automotor – que se renueva anualmente – en la historia conductiva del
asegurado también hace disminuir el riesgo comportamiento.

Equilibrio Competitivo con Riesgo Comportamiento.6

En esta parte se mostrará que en presencia de riesgo comportamiento el resultado

competitivo en los mercados de seguros podría no ser óptimo, no solamente comparado
con el óptimo teórico que se obtendría con información perfecta el cual es imposible, sino
que también comparado a las mejores soluciones factibles. Una solución posible a este
problema es generar algún tipo de intervención pública. Se demostrará, sin embargo, que
la ventaja de una política pública yace en su habilidad para generar un tipo particular de
información. Se mostrará que si esta información está disponible a las firmas entonces
podemos obtener un resultado óptimo en el mercado (este resultado no corresponde
exactamente al equilibrio competitivo).

6
Esta parte se basa en el artículo de Pauly (1974)

28
Consideremos un modelo simple en el cual hay dos posibles estados del mundo:

- en S1 el individuo i no sufre pérdida.

- en S2 el individuo i sufre una pérdida igual a L pesos

Variando el nivel de alguna actividad, el asegurado puede afectar su probabilidad de

pérdida , es decir  es una función de nivel de gasto Zi que el asegurado realiza en
prevención. El gasto Zi del individuo i no es observable por el asegurador.

Por simplicidad, suponemos que todos los individuos tienen igual riqueza y función de
utilidad, y dado el nivel de Z, todos están sujetos a riesgos independientes e
idénticamente distribuidos. Para la “función de prevención”  = (Zi) se asume ’<0 y
”>0. Los aseguradores ofrecen vender pesos que serán entregados si ocurre S 2. Si el
individuo i compra Ci dólares de seguro y si Ri es la prima total por este seguro y W i su
riqueza, la riqueza final será:

Y1i = Wi – Zi – Ri si S1 ocurre
Y2i = Wi – Zi – Ri – Li + Ci si S2 ocurre

Suponiendo que no hay costos de administración, el equilibrio competitivo requiere que el

beneficio esperado de los aseguradores sea cero. Esto da la condición:

i
i Ci   Ri
i

La cantidad total se seguro adquirido por cualquier individuo Ci se supone no observable

para las firmas. Cada firma sólo conoce la cantidad que vendió al individuo.

Imaginemos que el individuo representativo resuelve el problema de cuanto seguro

comprar en dos etapas. Primero, para todo valor de C i, determina el nivel de Zi que
maximiza la utilidad. Luego elige el valor de Ci que maximiza la utilidad (conociendo los
valor de Ri y el Zi que maximixan la utilidad cuando la cobertura está dada por Ci).

La utilidad esperada del individuo está dada por:

V = Eu = (1-(Zi) )u(Y1i) + (Zi)u(Y2i)

Diferenciando con respecto a Zi resulta:

V  ( Z i )
(4)  [u (Y1i )  u (Y2i )]  (1   ( Z i ))u ' (Y1i )   ( Z i )u ' (Y2i )
Z i Z i

Aquí si Ci = L (cobertura total), entonces Y1i = Y2i y V/Zi = - u’(Y2i) < 0. En

consecuencia, el Zi óptimo se fijará en cero. Existe un rango de valores de Ci menores a L
para el cual V/Zi < 0, y se caracteriza por Zi/Ci = 0. Pero generalmente será verdad
que la actividad preventiva decrece con el nivel de cobertura. También puede ocurrir que

29
Zi/Ci > 0, pero en lo que sigue se supondrá que Zi/Ci  0 y que la desigualdad estricta
ocurre para algunos valores de Ci.

Se supone que para un Ci dado cada individuo será gravado con la misma prima total,
independiente del nivel de prevención que realice, es decir Ri/Zi = 0. Esto será
aproximadamente cierto mientras exista un gran número de asegurados, luego el efecto
de una variación de Zi de un individuo cambiará iCi, y i y por ende la prima Ri en una
cantidad infinitesimal. Esta es la esencia del riesgo comportamiento en este modelo, pues
el seguro induce a los individuos a alterar su valor de Zi ya que influye sobre la utilidad
esperada pero no sobre la prima Ri.

El individuo determina la cobertura óptima del seguro maximizando valor esperado de su

utilidad, y teniendo en consideración que Zi óptimo que se determina a través de la
ecuación (4) para cada Ci de modo que Zi = Zi(Ci) y que la prima Ri depende de Zi,
obteniéndose la condición de primer orden:

Ri  iu ' (Y2i )

(4’) 
Ci (1   i )u ' (Y1i )   iu ' (Y2i )

En consecuencia, la cantidad de seguro que el individuo comprará depende de Ri/Ci, y

se puede mostrar, bajo el supuesto que es posible para el asegurador observar Z i, que si
la prima fuese actuarialmente justa, el asegurado fijaría C i = L y elegirá aquel nivel de Z i
en el cual:

L 1
Z i

i.e., el nivel en el cual la reducción en la pérdida esperada se iguale al precio de prevenir.

Pero como Zi no se observa, este resultado no es posible. Un segundo óptimo es posible
si la cantidad total de seguro adquirido por un individuo puede ser observado y la prima
cobrada es una función de la cobertura total adquirida por el asegurado R i(Ci), lo cual
induce al individuo a comprar la cantidad de seguros que le rendirá la distribución óptima
para pagos de seguro. Esta función se encuentra haciendo:

Ri 
(4”)    Ci
C i C

Equilibrio Competitivo: Se verá que el equilibrio óptimo que se describió en la sección

anterior no se da cuando existe competencia en la industria de seguros. Supongamos
que existen muchas firmas y libre entrada a la industria. Cada unidad de seguro es
vendido a un precio r, el cual es, todo lo que le importa al comprador. Recordemos
además que en nuestro modelo el asegurador sabe cuanto seguro él ha vendido al
individuo, pero no sabe cuanto ha comprado de otras firmas. Dado que r es constante:

R
r
 c i i

C C i

30
y se puede mostrar que Ci será el mismo para todos los asegurados y que r = . Luego
por (4’) u ' (Y2i )  u ' (Y1i ) , lo cual, dada aversión al riesgo, es posible sólo si C = L

Se tiene que r es menor que  +  /  C, para todo C tal que  /  C>0. Por esta razón
puede decirse que el equilibrio competitivo se caracteriza por un sobre aseguramiento y lo
que es más importante por una disminución de las actividades preventivas, respecto del
óptimo Paretiano.

Riesgo Comportamiento y aprovisionamiento público: En el contexto de compradores de

seguros idénticos, una forma inmediata de conseguir una solución óptima sería con una
ley que obligara a los individuos a contratar un seguro cuya cobertura se determinaría a
través de la ecuación (4’’). Notar que si la ley requiriere comprar al menos X* unidades,
pero los individuos pudiesen adquirir un seguro suplementario en un mercado privado,
entonces la provisión pública de seguros no tendría ventajas por sobre el mercado.

Existe una forma alternativa de alcanzar optimalidad. Supongamos que se obliga a cada
asegurado a informar a las compañías aseguradoras sobre la cantidad total de seguro
que ha adquirido previamente en otras compañías. Así conociendo C i las firmas podrían
calcular primas para diferentes coberturas que reflejen la probabilidad  (Ci) asociado con
este nivel de Ci.

En conclusión, uno debería notar que el fracaso del equilibrio competitivo a ser óptimo
ocurre porque una persona que compra mas seguro está cambiando las probabilidades
de los estados de la naturaleza que hace frente, pero como hemos visto las compañías de
seguros disponen de formas para reducir el riesgo comportamiento.

7. Selección de portafolios

Ahora aplicaremos los conceptos anteriores a un ejemplo en el cual un individuo

adverso al riesgo elige su portafolio considerando que existe una opción con
riesgo y un activo seguro. En general, podemos interpretar el activo sin riego
como dinero que no produce retornos. El activo riesgoso da un retorno aleatorio.
El individuo puede comprar todo el activo que desee y la tasa de retorno es
independiente de la cantidad invertida.

Sea W la riqueza inicial del individuo, Y la riqueza al fin del período, r la variable
aleatoria de la tasa de retorno del activo con riesgo, x la fracción de la riqueza
invertida en el activo riesgoso. Luego el ingreso del individuo está dado por:

Y  (1-x)W + (1+r)xW = (1+rx)W

La variable decisión del individuo es la fracción x invertida en el activo riesgoso, y

elige x de modo de maximizar:

H(x) = E[v(Y)] = E[v(1+rx)W]; 0x1

31
 Se tiene que H’(x) = E[v’(Y)rW] y H”(x) = E[v”(Y)(rW)2]. Como por aversión al
riesgo, v”(Y) < 0 para todo Y, y por ende H”(x) < 0 para todo x. Luego, dado que
H’(x) es siempre decreciente pueden darse 3 casos para la función H(x):

Caso (1) Caso (2) Caso (3)

H H H

W x W x x* W x

Figura 3: Elección del nivel de activo riesgoso

Los casos (1) y (2), donde el individuo sólo invertirá en activos seguro o riesgoso,
respectivamente, no son atractivos. Sin embargo, para el caso (3) donde existe un
máximo (H’(x*) = 0) hay un número interesante de cuestiones económicas que
podemos deducir. En primer lugar, estamos interesados en la variación de la
solución óptima con respecto a cambios en las condiciones. A parte de la función
de utilidad, los parámetros básicos son la riqueza inicial W y la distribución de
probabilidad de la tasa de retorno r.

a) Efectos de cambios en W

Diferenciando la condición de optimalidad de x (H’(x)=0] = 0) con respecto a W se

obtiene:

dx/dW = - E[(1+rx)rWu”(W)] / E[u”(Y)(rW)2]

Luego

d(xW)/dW = - E[rWu”(W)] / E[u”(W)(rW)2]

El denominador es negativo pues v”(W) < 0, por lo tanto d(xW)/dW tiene el mismo
signo que el numerador. Como se ha postulado que la aversión absoluta al riesgo
es decreciente cuando la variable aleatoria r toma un valor positivo se tiene que
ra((1+xr)W)  ra(W), lo cual a su vez implica que u”((1+rx)W)r  - ra(W)u’((1+xr)W)r.
Por otro lado, cuando r toma valores negativos se tiene que r a((1+rx)W) < ra(W), lo
cual a su vez implica que u”((1+xr)W)r  - ra(W)u’((1+rx)W)r. Luego, tomando el
valor esperado a ambos lados de la desigualdad se tiene:

E [rWu”(W)]  - ra(W) E[rWu’(W)] = 0

32
El numerador es positivo, y por lo tanto la inversión en el activo riesgoso aumenta
con la riqueza, como era de esperar. En otras palabras la inversión en un activo
riesgoso es un bien superior.

b) Efectos de cambios en la distribución de r.

Como r es una variable aleatoria, consideramos dos tipos de cambios en r que

equivalen a un desplazamiento de la distribución de probabilidades hacia la
derecha o izquierda:

i. Cambio aditivo: r(h) = r+h, donde h es una constante. En este caso se

puede demostrar que dx/dh es positivo.

ii. Cambio multiplicativo: r(h) = (1+h)r, en este caso dx/dh tiene el mismo signo
que E[u”(Y)(1+h)(rW)2] + E[u’(Y)rW], por lo que dx/dh es negativo.

6. Evasión impositiva

Esta sección resume la teoría tradicional de evasión tributaria.7 Supongamos

que las preferencias del individuo pueden ser representadas por una función de
utilidad de von Neumann-Morgenstern. El individuo tiene una riqueza inicial W y
durante el año recibe un ingreso Y. Debe pagar un impuesto proporcional al ingreso
de tasa t. Pero el individuo puede decidir no declarar parte de su ingreso.
Llamaremos s a la fracción del ingreso que no declara. Si el individuo es descubierto
debe pagar una sanción que es proporcional al impuesto subdeclarado. Llamaremos
m a la multa por peso no declarado. Y supongamos que el contribuyente cree que
hay una probabilidad  de ser descubierto. Luego el problema del contribuyente es:

Max  v(W  (1 - t- mst)Y ) + (1 -  ) v(W  (1 - t+ s t)Y )

s

donde Y denota el ingreso. Entonces suponiendo una solución interior, es decir que
el individuo subdeclara una parte del ingreso, la condición de primer orden es:

mv ' (Y1 ) = (1   ) v' (Y2 )

Donde Y1 denota el ingreso del contribuyente si la evasión es descubierta y paga la

multa, es decir Y1=(1-t-mt)Y, e Y2 denota el ingreso si la evasión no es descubierta,
es decir, Y2=(1-t+st). La condición de segundo orden del problema de optimización
se satisface cuando el individuo es adverso al riesgo.

7
Ver Allingham y Sandmo (1972).

33
Cambios en el ingreso. Primero estudiamos como cambios en el ingreso de los
contribuyentes afectan su comportamiento tributario. Diferenciando la condición de
primer orden con respecto al ingreso:

pm(1 - t- m s t) u" ( y1) - (1 - p)(1 - t+ s t) v" ( y2 ) = [ pm2 v" ( y1) +

Luego

 ds 
t  m r a ( Y1) + r a ( Y 2)   = (1 - t) r a ( y1) - r a ( y2)
 y dy + s 
 

Luego la elasticidad de la tasa de subdeclaración con respecto al ingreso es:

y ds 1 - t r a ( y1) - r a ( y 2)
 sy = - =1-
s dy s t m r a ( y1) + r a ( y 2)

Suponiendo que la aversión relativa al riesgo rr es constante se tiene:

t s (1 + m) y
r a ( y1) - r a ( y2) = rr
y1 y2

(1 - t) (1 + m) y
m r a ( y1) + r a ( y2) = rr
y1 y2

Luego cuando la aversión relativa al riesgo es constante η es igual a cero.

Cambios en t. Veamos ahora como responden los contribuyentes frente a un cambio

en la tasa impositiva.

mv" (Y1 ) - (1 -  )v" (Y2 )


+ m 2 v" (Y1 ) + (1 -  )v" (Y2 ) s 
= -  m2 v" (Y1 ) + (1 -  )v" (Y2 )  t
ds
dt
Luego

t ds r ( y ) - r a ( y2) 1
t = -
s
= a 1 +1
s d t m r a ( y1) + r a ( y2) s

Suponiendo que la aversión relativa al riesgo es constante se tiene que:

1
 st =
1- t

34
Cambios en . Finalmente analizamos como cambios en la probabilidad de
detección afectan el comportamiento de los individuos.

m u(y1) + u(y2) 0

= -  p m 2 u" ( y1) + (1 - p) u" ( y 2 )  y t

ds
dp
(11)

reordenando términos

ds 1 1
=- (12)
dp t Y (1 -  ) m r a (Y1 ) + r a (Y2 )

luego suponiendo aversión relativa al riesgo constante se llega a:

(1 - t- ms) (1 - t+ s)
 =
s

s (1 -  )(1 + m)(1 - t) r r

La elasticidad anterior puede ser mayor o menor que 1, pero disminuye con la tasa
de subdeclaración.

7. Enfoque Parámetros Estadísticos

Este enfoque se usa preferentemente en análisis de portafolio de inversiones, el

que estudia como combinar distintos activos. Supone que las preferencias de las
personas sólo dependen del valor esperado y la varianza de los activos: las
personas prefieren, a igualdad de varianza, activos con mayor valor esperado. Por
su parte, la aversión al riesgo lleva a preferir activos con menor varianza. Luego,
para un individuo adverso al riesgo, las curvas de indiferencia tienen la forma:

35
 Valor
Esperado

Desviación
estándar

Fig. 4: Curva de indiferencia de un inversionista adverso al riesgo

En el caso de una persona neutra al riesgo, la curva de indiferencia es una recta

horizontal. Por su parte, un individuo amante del riesgo tendrá una curva con
pendiente negativa.

En enfoque general de von Neumann – Morgenstern establece que la utilidad de

un ingreso aleatorio Y, compuesto de una riqueza cierta W y un juego z, es igual al
valor esperado de la utilidad, es decir,

u (Y )  E (v(W  z ))
 z2 z3 
u (Y )  E  v(W )  zv' (W )  v' ' (W )  v' ' ' (W )   
 2 6 
E(z 2 ) E(z 3 )
 v(W )  E ( z )v' (W )  v' ' (W )  v' ' ' (W )  
2 6
 2  E ( z) 2 E(z 3 )
 u (W )  E ( z )v' (W )  z v' ' (W )  v' ' ' (W )  
2 6

Luego el enfoque general se reduce al de parámetros estadísticos cuando la

función u es cuadrática o los momentos centrales de orden 3 o mayores de la
variable aleatoria z son cero (por ejemplo la distribución normal).

En lo que sigue estudiamos el diseño del portafolio de inversión óptimo

Caso 1. Supongamos que hay dos activos, uno seguro con rentabilidad a, y otro
riesgoso con rentabilidad aleatoria r. Y se tiene que el valor esperado r del activo

36
riesgoso es mayor que a. Supongamos que x denota la fracción de la cartera que
está invertida en el activo riesgoso. Luego la rentabilidad del portafolio es:

rm  xa  (1  x) r

y además la rentabilidad esperada y la dispersión de la rentabilidad son:

rm  xa  (1  x )r

 m  (1  x) r

donde rm designa el valor esperado de la cartera de inversiones, r la desviación

estándar del activo riesgoso y m la desviación estándar de la cartera. Luego la
línea de presupuesto del inversionista está dada por la recta que une los puntos
(0, a) y (r, r ). En efecto, el inversionista puede alcanzar cualquier punto de dicha
recta combinando el activo sin riesgo con el activo riesgoso.

rm

b
a

r m

Fig. 5: Portafolio óptimo

Si además suponemos que la persona se puede endeudar a una tasa de interés b,

con a  b  r , entonces la línea de presupuesto se prolonga más allá del punto (r,
r ), pero con pendiente (r  b) /  r , tal como se observa en la figura 5.

El portafolio óptimo se obtiene en el punto de tangencia entre la línea de

presupuesto y una curva de indiferencia.

Caso 2. Suponemos que hay 2 activos riesgosos, que indicamos con subíndices
1 y 2. En este caso x es la fracción de la cartera invertida en el activo 1. Luego

37
 rm  xr1  (1  x)r2

 m2  x 2 12  (1  x) 2  22  2 x(1  x ) cov(r1 , r2 )

Consideremos 2 situaciones extremas,

(i) El coeficiente de correlación entre los activos riesgosos es 1, es decir

ambos activos se mueven de idéntica manera.

cov(r1 , r2 )
Recordando que 12  1
 1 2

Se sigue que  m  x 1  (1  x) 2

mr
m

 12  1
r2

12  1

r1
 1   12  1

1 2
Fig. 5: Portafolio óptimo con activos no correlacionados

(ii) El coeficiente de correlación entre los activos riesgosos es –1. Es decir, los
dos activos se mueven en direcciones opuestas. Cuando uno mejora el otro
empeora y en la misma proporción.

Cuando 12  1 se tiene:

 m2  ( x 1  (1  x) 2 ) 2 ,  m  x 1  (1  x) 2

38
 Notar que eligiendo x   2 /( 1   2 ) se tiene  m  0 . Luego la combinación
de dos activos riesgosos, pero que están inversamente correlacionados
permite construir una cartera sin riesgo

En los casos intermedios con -1 12  1 la línea de presupuesto del inversionista
está contenida entre las líneas de presupuesto de los dos casos extremos. Luego
la línea de presupuesto del inversionista se expande cuando los activos no están
correlacionados. Luego diversificación permite obtener igual rentabilidad esperada
con menor riesgo cuando los activos no están perfectamente correlacionados.

Caso 3: Ahora suponemos que el inversionista puede invertir en un activo sin

riesgo y dos activos con riesgo. Si consideramos el caso en que la tasa de interés
de colocación b es igual a la de captación a, lo que se observa es que primero se
decide la combinación óptima de activos riesgosos, que corresponde al punto de
tangencia entre la recta que parte en (0, a) y la curva que describe las distintas
combinaciones de activos riesgosos. Esta primera etapa es independiente de las
preferencias del inversionista. En una segunda etapa el inversionista elige, de
acuerdo a sus preferencias, la combinación óptima entre el activo sin riesgo y la
combinación óptima de activos sin riesgo.

rm

r2

r1

1 2 m
Fig. 6: Portafolio óptimo con varios activos

Caso general. Veremos que el resultado anterior también aplica el caso general
con un activo sin riesgo y varios activos riesgosos

Sea x0 la fracción de la cartera de inversiones destinada al activo sin riesgo y x i

fracción de la cartera invertida en el activo con riesgo i. Luego la rentabilidad del
portafolio es

39
 n
rm  x 0 a   xi r i
i 1

cuya tasa esperada de retorno es

n
rm  x 0 a   x i ri
i 1
y su varianza
n
 m2   xi x j  ij
i , j 1

donde  ij representa la covarianza de los activos i, j y  ii la varianza del activo i,

que normalmente denotamos i2.

El problema del inversionista es dada una tasa de rentabilidad esperada R,

encontrar el portafolio que minimiza el riesgo, es decir

Min
x
 x i x j ij
i, j
i

sa  xi ri  x0 a  R
i

El lagrangeano de este problema es:

 
L  x i x j  ij   x i ri  x 0 a  R 
  
i, j  i 

n
Dado que x 0  1   xi , el problema se puede rescribir
i 1

n
 n 
L  i j ij   xi (ri  a)  ( R  a) 
x x  
i , j 1  i 1 

Luego las condiciones de Kuhn-Tucker son:

L L
 2  x j  ij   (ri  a )  0 xi 0
xi j xi
Suponiendo una solución interior, es decir que en la cartera de inversión están
todos los activos, se llega a:

40
 2  x j  ij   ( ri   )
j

Multiplicando la igualdad anterior por xi y sumando sobre el índice i se obtiene:

2 x i x j  ij   (rm  a )
i, j

Luego
2 m2  2 x i x j  ij   ( rm  a )
i, j

Por otro lado,

cov(ri , rm )   x j  ij ,
j

Luego
1
cov(ri , rn )   ( ri  a )
2

Y finalmente se concluye:

cov(ri , rm )
(ri  a)  (rm  a)
 m2

En la literatura de finanzas se denomina i a la expresión:

cov(ri , rm )
i  ,
 m2

La expresión ( ri  a) se denomina prima por riesgo del activo porque mide cuanto
mayor debe ser la rentabilidad esperado del activo con respecto al activo sin
riesgo para que el inversionista esté dispuesto a asumir el riesgo del activo. Luego
el resultado indica que en la cartera óptima debe tenerse que el premio por riesgo
que recibe un activo ( ri  a ) es  veces la prima por riesgo de la cartera ( rm  a ) .

Una cartera de activos permite diversificar riesgos, pero hay un riesgo no

diversificable. Cuando la economía anda mal la rentabilidad de cualquier portafolio
de inversiones disminuye. Luego a pesar de la diversificación hay un riesgo no
diversificable; el riesgo de la cartera.

Los beta miden la sensibilidad de los activos individuales a variaciones en el

valor de la cartera de mercado. Por ejemplo un activo con  igual a 2 indica que
cuando la cartera disminuye (aumenta) su rentabilidad en un cierto porcentaje,
dicho activo disminuye (aumenta) su rentabilidad dos veces. Luego una activo con

41
 igual a 2 aumenta la varianza de la cartera, (el  mide la contribución marginal al
riesgo de la cartera), razón por lo que se le exige una prima por riesgo mayor. Por
el contrario a activos con  menor a 1 se les exige premios por riesgos menores
que a la cartera en su conjunto.

Notar que el resultado que establece que en la cartera óptima el premio por riesgo
de un activo es  veces el premio por riesgo de la cartera, se obtuvo
independientemente de las preferencias del inversionista (salvo el supuesto que
prefiere mayor rentabilidad y menor riesgo). Lo que establece el resultado es en
qué proporción se deben combinar los activos riesgosos. Luego el inversionista,
dependiendo de sus preferencias, elegirá una combinación óptima entre el activo
sin riesgo y la combinación óptima de activos riesgosos.

9. Teoría de Khaneman y Tversky

Estos dos autores parten presentando diversos ejemplos que muestran que la
teoría tradicional de incertidumbre, que supone que la gente se comporta de
acuerdo a los axiomas vistos, no siempre se cumple. Los axiomas que menos se
cumplen son la regla de utilidad esperada (es decir, el axioma de sustitución) y la
suposición que los individuos en su evaluación consideran los estados finales en
vez de las pérdidas y ganancias.

La forma habitual de verificar un axioma es poner a un grupo de personas frente a

elecciones hipotéticas y analizar estadísticamente su repuestas, método que por
cierto ha sido criticado.

El estudio de Khaneman y Tversky fue realizado con estudiantes universitarios de

Israel, en un momento que el ingreso promedio mensual de una familia era 3.000
libras. En cada ejemplo las personas debían elegir entre la lotería A y B. En lo que
sigue N representa el número de personas que respondió la consulta, y la cifra
entre cuadrados el porcentaje que optó por cada alternativa. Un asterisco al lado
de un porcentaje indica que la elección es significativa al uno por ciento. Una
lotería que entrega un premio x con pro||||||||||||||babilidad p, y un premio con
probabilidad q, y nada con probabilidad 1-p-q, se denotará (x;p, y;q).

Ejemplo 1:8 La primera decisión es elegir entre las loterías A y B, y la segunda

entre las loterías C y D. N representa el número de personas que responde la
pregunta y la cifra entre [ ] el porcentaje de las personas que respondió la
pregunta. N=72

A: (2.500; .33/34) B: (2.400; 1)

8
Este primer ejemplo que contradice la teoría fue presentado en 1953 por Allais, y es conocido
como la paradoja de Allais.

42
 [18%] [82%]*

C: (2.500;.33) D: (2.400; .34)

[83%] [17%]

Notar que las loterías C y D se obtienen componiendo las loterías A y B con una
que entrega cero con certeza, donde la probabilidad de la segunda lotería es cero,
por lo que el orden de preferencia no debiera cambiar. Suponiendo que v(0)=0,

v 2.400  .33v 2500  .66v 2.400  .34v 2.400  .33v 2.500

Efecto certeza. La explicación es que la gente sobrevalora resultados que

considera ciertos en relación a resultados que son meramente probables.

Ejemplo 2: N=66

A: (6.000; .45) B (3.000; .90)

[14] [86]*

C (6.000, .001) D (3.000, 002)

[73]* [27]

Este ejemplo nuevamente viola la regla de la utilidad esperada, pues las loterías C
y D se obtienen multiplicando por un mismo número la probabilidad de ganar el
premio en las loterías A y B, por lo que el orden de preferencia no debiera cambiar

0,90v 3.000  0,45v 6000  0,002v 3.000  0,001v 2.500

Subproporcionalidad. Las personas se portan como adversas al riesgo cuando

se trata de premios positivos y las probabilidades de ocurrencia son significativas,
pero como amantes del riesgo cuando las probabilidades son muy bajas. Este
fenómeno tiene similitud con el descrito por Friedmann y Savage, y se puede
formalizar de la siguiente manera: Si la lotería (x, x) es indiferente con la lotería
(y,qx), entonces la lotería (y,rqx) es preferida a la lotería (x, rx), para 0< r, q, x<
1, donde r es un número pequeño.

Ejemplo 3.- N=66

A (-3.000, 90) B (-6.000, .45)

[8] [-92]

C (-3.000, .002) D (-6.000, .001)

[70] [30]

43
Efecto reflejo: Comparando los ejemplos 2 y 3 se advierte que las personas
cambian su comportamiento cuando el juego envuelve pérdidas en vez de
ganancias. Considerando juegos con probabilidades significativas, la gente es
adversa al riesgo con juegos que envuelven ganancias, y amante del riesgo con
juegos que envuelven pérdidas.

Ejemplo 4.- N=70

A (1.000, .50) B (500)

[16] [84]

En la siguiente elección la persona recibe 1.000 y selecciona entre las opciones

C (-1.000, 50) D (-500)

[69] [31]

Para simplificar la elección entre alternativas las personas a menudo ignoran

elementos comunes. El ejemplo 4 presenta dos decisiones que son idénticas
pero que dan resultados que son iguales. Este ejemplo muestra que las personas
se preocupan más de los cambios de riqueza que de la riqueza final.

Una nueva teoría

Khaneman y Tversky sostienen que la elección bajo incertidumbre tiene dos fases:
edición y evaluación

Edición: En esta etapa la persona organiza y reformula las opciones de modo de

simplificar la posterior evaluación y decisión. Esta etapa considera diversas
operaciones: codificación, combinación, segregación, cancelación, simplificación

Codificación: Las personas perciben los resultados como pérdidas o ganancias en

vez de estados finales de riqueza. Ganancias y pérdidas son medidas respecto a
un punto de referencia. La elección del punto de referencia afecta el resultado.

Combinación: Simplificación por combinación de probabilidades.

(200, .25, 200, .25)  (200, .50)

Segregación: Los componentes sin riesgo son segregados.

(300, .80; 200, .20)  200 + (100, .80)

Cancelación: Es el descarte de elementos comunes ofrecidos por 2 loterías que

está siendo comparadas.

(200, .20; 100, .50, -50.30) (100; .50; -50, .30)

(200, .20, 150, .50; -100; .30) (150; .50; -100; 30)

44
Simplificación: Redondear con el fin de tener números más simples.
(101, .49)  (100, 50)

El ordenamiento de loterías no es siempre el mismo, porque las mismas loterías

pueden ser editadas en distinto orden dependiendo del contexto en que sea
presentado. Muchas anomalías resultan del proceso de edición.

Evaluación: En esta segunda etapa se evalúan las loterías ya editadas

p ( ) : función de peso,
v(x) : valor subjetivo del resultado
x : resultado definidos respecto a un punto de referencia, es decir
ganancia o pérdida.

1.0
PESO P ( )

.5

0 .5 1.0

PROBABILIDAD: 
Figura 7: Función de peso

Función de Peso: Mide el impacto de los eventos o la deseabilidad de la lotería

(prospecto), y no necesariamente la probabilidad. Pero se cumple:

p(0) = 0, p(1) = 1, p’()>0.

45
En general, probabilidades muy pequeñas son sobrevaloradas, lo cual no es lo
mismo que sobreestimadas. Para una probabilidad  pequeña se cumple que:

p() >.

Además se supone que se cumple la condición de subproporcionalidad antes

discutida. Notar que además se tiene que p(r) > r, o< r <1. Entonces la función
de peso que cumple las condiciones anteriores está dada por la figura 7.

Función del valor. Se define sobre las desviaciones y no sobre la riqueza total,
además es cóncava para ganancias y convexas para las pérdidas, y con mayor
pendiente para las pérdidas.
vx 

Figura 7: Función de valor

La idea que el valor proviene de cambios de riqueza, y no de los estados finales

corresponde a lo que ocurre con nuestros sentidos (luz, sonido, calor). También en
nuestra autoestima ocurre algo similar. En rigor, la función de valor depende de 2
parámetros: el punto de referencia y el cambio, el uso de un solo parámetro es
una aproximación.

La respuesta psicológica es una función cóncava para ganancias y convexa para

pérdidas. Es más fácil discriminar un cambio de temperatura de 3º a 6º, que de
13º a 16º. La diferencia en valor entre ganar 100 y 200 es mayor que la que existe
entre ganar 1100 y 1200.
v"  x   0 x  0
v"  x   0 x  0

46
Las pérdidas pesan más que las ganancias, la función de valor tienen mayor
pendiente que ganancias.

Utilidad de las loterías. En el caso de loterías regulares, es decir con un premio

positivo y otro negativo, (x; x, y; y), x>0, y<0, x+y  1, se tiene:

   
u x,  x ; y ,  y  p   x  v  x   p  y v  y 

La evaluación de loterías estrictamente negativas o positivas sigue un camino

distinto. En la fase de edición se segregan en una parte segura, y una lotería
normal.

Lotería positiva: x  y  0, x+y = 1, se tiene:

 
u x,  x ; y ,  y  v  y   p   x   v  x   v  y  

47
 REFERENCIAS

Arrow, K., 1970, Essays in the Theory of Risk Bearing. Chicago: Markham.

Khaneman, D. y A. Tversky, 1979, “Prospect Theory: An Analysis of Decision under

Risk,” Econometrica 47(2): 263-291.

Neumann, J. Von, y O. Morgenstern, 1944, Theory of Games and Econometric

Behavior. Princeton University Press.

Pauly, M.V., 1974, “Overinsurance and Public Provision of Insurance: The Roles of
Moral Hazard and Adverse Selection”, Quarterly Journal of Economics 88:
44-54

Pratt, J., 1964, “Risk Aversion in the Small and in the Large.” Econometrica, 32:
122-36

48