Data-basierte Entscheidung bei Unsicherheit: Awareness, Lernen und interpersonelle Konsistenz

• Antragsteller: Professor Dr. Jürgen Eichberger
• Fachliche Zuordnung: Wirtschaftstheorie
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 529035818

Das Standardmodell von Entscheidungen unter Unsicherheit basiert auf dem Konzept des Zustandsraumes: Dieser ist exogen, objektiv, beobachtbar und allen Agenten gemein. Fundamentale ökonomische Konzepte wie Arbitrage und Dominanz beruhen auf dieser Annahme. Daten werden benutzt, nur um Wahrscheinlichkeiten der Zustände zu bestimmen. Aber wie konstruieren die Agenten ihren Zustandsraum? Und wie wird dessen Allgemeinwissen erzielt? In diesem Projekt schlagen wir ein entscheidungstheoretisches Modell vor, in dem die Information über mögliche Kontingenzen und ihre Wahrscheinlichkeiten durch Daten gegeben ist, ähnlich der fallgestützten Entscheidungstheorie. Daten enthalten allerdings unvollständige Information über den zugrundeliegenden Zustandsraum und Wahrscheinlichkeiten. Die Bewertung von Aktionen muss also die objektive Information mit subjektiven Einschätzungen der zugrundeliegenden Unsicherheit, im Sinne von Ambiguität (Unsicherheit über Wahrscheinlichkeiten) oder Unkenntnis (Unsicherheit über den Zustandsraum), verknüpfen. Das Modell lässt verschiedene Arten von Lernen zu: Bayesianisches Lernen, Lernen über neue Zustände, Verfeinerung bereits bekannter Zustände und Lernen über kontrafaktische Situationen. Lernen kann also zur Revision des subjektiven Entscheidungsmodells, und somit auch der Wahrnehmung von Unsicherheit und der Einstellungen dieser gegenüber, führen. Da Unterschiede in subjektiven Charakteristika sich im Entscheidungsmodell niederschlagen, können Agenten aufgrund der gleichen Datenmenge unterschiedliche Vorhersagen treffen und unterschiedliches Verhalten aufweisen. Solche Heterogenität hat beobachtbare Konsequenzen für Marktallokationen, strategische Interaktionen und Sozialpolitik, die über den rein statistischen Inhalt der Daten hinausreichen. Im Folgenen wenden wir unser Modell auf relevante ökonomische Probleme an. Zunächst fragen wir, ob eine Gesellschaft, in der Agenten Zugang zu öffentlich verfügbaren Daten haben, sich auf eine gemeinsame Beschreibung der Zustände einigen wird und ob Allgemeinwissen über den Zustandsraum und die entsprechende Wahrscheinlichkeitsverteilung erzielt wird. Danach analysieren wir Spiele, in denen Gleichgewichtserwartungen von Daten über das Verhalten in ähnlichen Situationen mitbestimmt sind. Wir studieren das langfristige Verhalten der Spieler und das Entstehen von Institutionen. Unser Modell kann als entscheidungstheoretisches Analog zu Modellen in statistischer Lerntheorie / AI interpretiert werden. Wir erforschen daher seine Implikationen für das Standardklassifizierungsproblem. Letztlich wenden wir unser Modell auf Finanzmärkte an, um Verhalten, Gleichgewichtsallokationen und Preise zu analysieren. Das Ziel ist es, empirisch beobachtete Phänomene zu erklären und die langfristigen Folgen von daten-basierten Entscheidungen, insbesondere im Bezug auf Heterogenität von individuellen Charakteristika und Erwartungen, zu erforschen.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Frankreich
• Partnerorganisation: Agence Nationale de la Recherche / The French National Research Agency
• Kooperationspartnerin: Professorin Dr. Ani Guerdjikova