Entendiendo cómo la gente predice precios en los mercados

¿Cómo predicen las personas los precios futuros en los mercados financieros? Esta pregunta es importante porque nos ayuda a entender cómo la gente forma expectativas sobre los precios. Las teorías tradicionales sugieren que las personas deberían predecir perfectamente los precios basándose en toda la información disponible. Sin embargo, la evidencia muestra que la gente a menudo deja de aprender y ajustar sus predicciones antes de alcanzar una precisión perfecta. Este artículo discute diferentes enfoques para entender cómo las personas aprenden a prever precios, con un enfoque en un nuevo modelo llamado Aprendizaje Basado en Modelos de Referencia (RMBL).

#Opiniones Tradicionales sobre las Expectativas

Una idea ampliamente aceptada, conocida como la hipótesis de expectativas racionales, sugiere que las personas usan toda la información disponible para formar sus expectativas. Esta teoría asume que las personas pueden calcular fácilmente las mejores predicciones. Sin embargo, investigaciones han señalado que los individuos a menudo no tienen información perfecta o la capacidad de calcular pronósticos complejos.

Debido a estas limitaciones, los investigadores han propuesto métodos más simples, o heurísticas, en los que la gente podría basarse para hacer predicciones. Una de estas heurísticas comunes es la Regla de Expectativas Adaptativas (ADA), que sugiere que las personas ajustan sus predicciones en función de errores recientes. Sin embargo, ADA asume que las personas seguirán Aprendiendo hasta eliminar los errores, lo cual no es lo que han mostrado los Experimentos.

#La Regla de Expectativas Adaptativas (ADA)

Según ADA, las personas modifican sus predicciones por una cantidad fija basada en la diferencia entre lo que predijeron y lo que realmente ocurrió. En este modelo, si alguien predice un precio y ese precio resulta ser diferente, ajusta su próxima predicción usando ese error. La idea es que siempre intentarán mejorar hasta que no queden errores.

Sin embargo, los experimentos han encontrado que las personas tienden a dejar de hacer ajustes antes de alcanzar el error cero. Esto indica que los individuos quizás no estén tan comprometidos con el aprendizaje constante como sugiere ADA.

#Introduciendo el Aprendizaje Basado en Modelos de Referencia (RMBL)

RMBL se basa en ADA pero añade nuevos elementos para explicar mejor cómo las personas forman expectativas. Sugiere que:

1. La gente usa ADA pero cambia su velocidad de ajuste según cómo se relacionan entre sí los errores de predicción recientes.
2. Los individuos solo ajustan su proceso de aprendizaje cuando el error de predicción supera un cierto umbral.

Este modelo tiene en cuenta que las personas pueden no estar siempre buscando la perfección. En su lugar, ajustan sus predicciones en función de experiencias anteriores y establecen límites sobre cuánto cambiarán sus predicciones.

#Evidencia Experimental

Esta discusión se apoya en hallazgos de experimentos extensos donde los participantes hicieron predicciones sobre precios. En una serie de experimentos, más de 800 participantes hicieron alrededor de 41,490 predicciones sobre precios futuros. Los resultados mostraron que RMBL hacía un mejor trabajo explicando el comportamiento de los participantes que ADA.

Durante los experimentos, se les pidió a los participantes que predijeran precios en varios escenarios que reflejaban diferentes condiciones del mercado. Los investigadores pudieron rastrear qué tan bien ajustaban los participantes sus predicciones en función de errores pasados.

La conclusión clave de estos experimentos fue que los participantes no ajustaban constantemente sus predicciones como sugeriría ADA. En cambio, mostraron comportamientos linealmente conectados a sus tasas de error y la historia reciente de sus predicciones.

#Satisficing y Comportamiento de Aprendizaje

Un aspecto significativo de RMBL es el concepto de "satisficing", que significa que las personas dejarán de ajustar sus predicciones una vez que los errores caigan por debajo de un cierto nivel aceptable. Esto significa que, en lugar de buscar cero errores, se sienten satisfechos con errores que son manejables.

Este comportamiento fue evidente en los experimentos, donde los participantes mostraron patrones claros de detener ajustes en errores de predicción tolerables. Este hallazgo contrasta fuertemente con la visión de ADA sobre el aprendizaje y ajuste constante.

#El Entorno de Aprendizaje

Los experimentos fueron diseñados para proporcionar a los participantes un entorno estructurado para hacer predicciones. Se les informó sobre precios pasados y sus predicciones anteriores, lo que les permitió basar sus nuevas estimaciones en una historia clara de datos. Esta configuración significaba que, aunque no sabían los procesos exactos que influían en los precios, podían observar datos históricos y hacer conjeturas razonablemente informadas.

Los resultados de estos experimentos indicaron que los participantes eran más propensos a aplicar enfoques consistentes con RMBL que con ADA. A medida que fluctuaban los errores de predicción, los participantes adaptaron sus tasas de aprendizaje y mostraron comportamiento de satisficing.

#Comparando Modelos de Aprendizaje

Los dos modelos principales discutidos aquí son RMBL y el enfoque tradicional de ADA. Mientras que ADA asume un enfoque fijo para ajustar predicciones, RMBL demuestra que las personas adaptan dinámicamente sus predicciones basándose en experiencias recientes y la correlación de errores de predicción.

En los experimentos, quedó claro que los participantes exhibieron comportamientos consistentes con el modelo RMBL más a menudo que con ADA. Los hallazgos sugieren que los individuos no se basan únicamente en un solo método, sino que adoptan estrategias que les permiten ajustar sus predicciones de manera flexible, dependiendo del contexto.

#Conclusión

La exploración de cómo las personas hacen pronósticos en los mercados financieros ilustra que la toma de decisiones humana es compleja y está influenciada por diversos factores. La evidencia recopilada de estudios experimentales sugiere que RMBL proporciona un modelo más preciso de cómo las personas predicen precios en comparación con ADA.

Al reconocer que las personas pueden satisfacer sus necesidades de aprendizaje sin aspirar a la perfección, podemos entender mejor el comportamiento del mercado y mejorar nuestras predicciones. Las implicaciones de esta investigación se extienden a la economía y las finanzas, pidiendo una visión más matizada de cómo se forman las expectativas en entornos inciertos.

#Direcciones para la Investigación Futura

Investigaciones adicionales pueden expandir estos hallazgos explorando diferentes contextos y entornos. Futuros experimentos podrían probar a los participantes bajo diversas condiciones del mercado para ver si los patrones de comportamiento se mantienen. Además, los estudios podrían investigar cómo los individuos equilibran sus umbrales de satisfacción con sus procesos de aprendizaje.

Otra posible vía de investigación es examinar los procesos neurológicos detrás de estos modelos de aprendizaje. Comprender los mecanismos mentales en juego podría proporcionar una comprensión más profunda de cómo las personas forman predicciones y las implicaciones para la dinámica del mercado.

Al seguir explorando estos comportamientos humanos, podemos refinar nuestra comprensión de la previsión dentro de los mercados financieros y desarrollar mejores modelos predictivos que tengan en cuenta las realidades de la toma de decisiones humana.