Daniel Kahneman
Prospect Theory
Julgamento Sob Incerteza
Agenda
 Introdução
 Revisão Teórica
 Aplicações
 Aversão míope a perdas
 Comportamento de analistas de mercado
 Fama x Thaler
 O que vem por aí …
Introdução
 Teoria Clássica: Otimização / Programação
Dinâmica.
 Prospect Theory no contexto de finanças:
 Impacto no “conhecimento” vigente.
 Irracionalidade no comportamento dos agentes
de mercado.
 Qual seria a teoria (ou o modelo) correto?
 Argumentação de acadêmicos.
Revisão Teórica
 Utility Theory x Prospect Theory
 Pontos em Comum
 Utilidade ≠ Valor Monetário;
 Utilidade depende da riqueza corrente ou
variações;
 Investidores são avessos ao risco nos
ganhos;
 Utilidade marginal decrescente.
Revisão teórica - Diferenças
 Utility Theory
 Prospect Theory
 Utilidade depende da
riqueza total final;
 Utilidade depende
das variações
perspectivas;
 Utilidade esperada
depende das
probabilidades de
cada estado;
 Utilidade esperada
depende do peso da
decisão de cada
estado;
 Investidor é sempre
avesso ao risco.
 Investidor é amante
do risco nas perdas.
Utility Theory X Prospect Theory
 Trabalho de Tversky and Kahneman
(1992);
 Utilidade Prospect Theory Empírica;
 Planilha Excel;
 Site da internet para os mais
interessados em behavioural finance:
www.behaviouralfinance.net
Aplicações da Prospect Theory
em Finanças
 Aversão míope a perdas;
 Comportamento dos analistas de
mercado.
Aplicações da Prospect Theory
em Finanças
 Benartzi e Thaler (1995);
 Aversão míope a perdas;
 Prêmio de Mercado muito alto:
 Retorno de ações (7% ao ano);
 Retorno livre de risco (1%ao ano).
 Teoria da maximização da utilidade
esperada não suficiente para explicar.
Aversão Míope a Perdas
 Prospect Theory;
 Melhor perder muito de uma vez do que pouco
várias vezes:
 Curva na região de perdas decrescente.
 Investidores mais propensos a tomar riscos
quanto menos avaliam sua performance:
 Constatação das perdas menos freqüente;
 Reversão à média.
Aversão Míope a Perdas
 Horizonte de planejamento não importante:
 Composição do portfolio indiferente à idade do investidor.
 Freqüência da avaliação determinante na alocação do
portfolio:
 Menor exposição a ações em portfolios avaliados
trimestralmente do que anualmente.
 Quanto maior o período de avaliação da performance:
 Mais atrativo o investimento em ações;
 Menor o prêmio de risco exigido.
Aversão Míope a Perdas
 Fundos de pensão:
 Horizonte de planejamento infinito teoricamente.
 Composição do portfolio de fundos de pensão:
 60% ações;
 40% títulos livres de risco.
 Conflitos de agência:
 Gerente do fundo com horizonte menor;
 Relatórios de performance;
 Freqüência de avaliação anual;
 Resultados de longo prazo pouco importantes.
Aversão Míope a Perdas
 Fundos de universidades e fundações:
 Dotes tratados como perpetuidade.
 Regras de gastos usadas:
 Baseadas em média móvel do valor do fundo.
 Quedas abruptas no mercado ou Longos
períodos de baixa das ações:
 Redução na riqueza;
 Cortes no orçamento.
Comportamento dos Analistas
de Mercado
 “Prospect theory, Analyst forecast and stock
returns”. Ding, Charoenwong e Seetoh (2004);
 Explicam como analistas e investidores reagem
a eventos positivos e negativos.
 A maior contribuição do trabalho é o uso da
prospect theory para explicar reações
assimétricas no mercado de ações para lucros
acima do esperado.
Comportamento dos Analistas
de Mercado
 Verificação Empírica:
 Avaliação dos lucros trimestrais das empresas Investidores não reagem a lucros positivos ou
negativos iguais ao que foi previsto, mas somente
aos diferentes.
 Tversky e Kahneman (1979) afirmam que perdas
e ganhos estão referenciados a um estado
neutro.
Comportamento dos Analistas
de Mercado
 Verificação Empírica:
 Reações assimétricas dos analistas para
previsões em momentos de ganho e de
perda.
Referência: Hofstedt (1972), Dechow e Sloan (1997), Amir e
Ganzach (1998), Espahbodi et al. (2001), Ang e Ma (2001) e
Ashiya (2002).
Comportamento dos Analistas de
Mercado
 Tversky e Kahneman (1986) descobriram que os
investidores resumem o problema decisório em perda
ou ganho. Como os investidores são mais avessos as
perdas, analistas evitam fazer previsões pessimistas
durante momentos de baixa.
Comportamento dos Analistas de Mercado
Efeitos de Anúncios de Lucros
 Lucros acima do esperado – função côncava – Ganho
marginal negativo;
 Lucros abaixo do esperado – função convexa e íngreme
(incorporação rápida), maior tendência a permanecer
com o ativo;
 Tversky e Kahneman (1984) – Função Valor.
Comportamento dos Analistas
de Mercado
 Isto explica o comportamento de gestores que
se tornam risk-lovers quando expostos a perdas
em sua carteira;
 Outro fenômeno que se verifica é o gestor se
apaixonar pelos seus ativos, explicada pelo
'endowment effect', no qual a pessoa
estabelece um preço maior em algo que ela
possui do que ela pagaria para adquirir isto.
Fama x Thaler
 Crítica à Behavioural finance:
 Fama:
 “… a evidência empírica é fraca. Eles não têm
uma teoria coerente e sem ela não existe
behavioural finance. Até que você encontre
algo que possa substituir a teoria dos
mercados eficientes por uma teoria
alternativa sistemática, você não tem nada”.
Fama x Thaler
 Resposta do Guru:
 Richard Thaler responde:
 “... Nós sabemos, do trabalho de Fama e seu colega
French, que o CAPM racional é falso, então nenhum
dos dois lados tem uma teoria completa. Vários
papers recentes vêm tentando desenvolver teorias
comportamentais para apreçamento de ativos e,
ainda que eles não sejam a palavra final, são
melhores do que nada”.
O que vem por aí …
 A análise da psicologia do investidor vêm tendo
um crescente impacto tanto na pesquisa
quanto na prática de investimentos conforme
ela procura expor e explicar os
questionamentos da teoria moderna de
finanças, tais como:
 Problemas no uso de modelos para precificação de
ações;
 Dificuldades para descobrir sentido nas anomalias
de mercado como o efeito calendário;
O que vem por aí …
 O Conceito de “reflexividade” de George Soros',
momentum investing e agency theory são
pontos que expõem a insuficiência das
ferramentas tradicionais de análise em
economia e investimentos;
 A nova direção da behavioural finance vem
sendo dada pesquisadores como Andrew Lo em
direção às “metáforas biológicas”. Se a
computação mecânica sozinha não consegue
produzir modelos úteis, talvez as funções
biológicas complexas possam funcionar.
Evidências recentes têm dado fortes sinais de
possibilidade de sucesso.
Obrigado.