Les origines des biais de décision économique et leur lien avec la bulle Bitcoin de 2017

Les recherches en économie comportementale au cours des dernières décennies ont montré que les décisions des gens s'écartent souvent de celles de « l'homo-economicus, ” l'agent rationnel égoïste qui est le héros de la plupart des manuels de théorie économique. Ces écarts (également connus sous le nom de « biais décisionnels ») conduisent souvent à des résultats sous-optimaux aux niveaux individuel et sociétal et sont devenus la cible de diverses interventions politiques.

Par exemple, en 2017, Bitcoin a atteint 10 $, 000. Alors que le chiffre $10, 000, par lui-même, ne livre pas grand-chose au-delà des informations fondamentales sur les prix, ce nombre avait des implications psychologiques importantes. Parce que les humains pensent généralement en nombres ronds, toucher les 10 $, Le seuil des 000 est devenu un événement important qui a fait la une des journaux du soir.

Les économistes comportementaux ont caractérisé de nombreux autres biais de décision systématiques qui reflètent probablement des erreurs arbitraires. Mais qu'est-ce qui les provoque ?

Les humains contemporains sont confrontés à des problèmes de décision bien différents de ceux que nos ancêtres avaient rencontrés. Décider d'aller à la chasse ou à la recherche de céréales est différent de choisir entre 30 types de sauce barbecue sur les étagères des supermarchés ; prévoir les précipitations de demain en fonction de la météo d'aujourd'hui n'est pas la même chose que prédire les prix Bitcoin de demain en fonction du marché d'aujourd'hui. Comme nos cerveaux ont évolué dans des environnements qui ne ressemblent pas aux marchés modernes, nous pourrions nous appuyer sur des hypothèses qui ne sont plus optimales lors de la prise de décisions économiques.

Contrairement à la prise de décision financière, les humains semblent faire des jugements et des décisions fiables dans le domaine perceptif. Bien que les illusions sensorielles soient omniprésentes dans les expériences soigneusement contrôlées dans des environnements non naturels, les gens sont remarquablement doués pour donner un sens aux informations perceptives lorsqu'ils naviguent dans le monde chaotique en dehors du laboratoire. Documentation passée d'une illusion visuelle sur le terrain, une photo d'une robe bleue qui semblait blanche à la majorité de la population, était regardé avec tant d'étonnement, qu'il est devenu une sensation Internet mondiale du jour au lendemain. Comme notre cerveau a évolué dans un environnement régi par les mêmes régularités qui fonctionnent aujourd'hui (c'est-à-dire, mécanique, optique, et les lois physiques acoustiques), nous bénéficions toujours de nous appuyer sur les mêmes calculs que le cerveau de nos ancêtres avait utilisés pour prendre des décisions qui traduisent les informations sensorielles en jugements perceptifs et en actions motrices.

Bitcoin 2017 comme exemple de comportement humain à la mode

L'année 2017 a été une bonne année pour Bitcoin. Alors que le monde était fou de Bitcoin, un économiste lauréat du prix Nobel a estimé que Bitcoin offre une expérience psychologique plus qu'il n'offre des opportunités d'investissement.

La ruée vers Bitcoin a ramené Shiller dans l'histoire lorsque la folie des tulipes était en marche. C'était au 17ème siècle, et les prix des bulbes de tulipes ont atteint de nouveaux sommets, mais s'est ensuite écrasé en 1637. Ce fut le premier événement enregistré qui a démontré une bulle due à la frénésie des acheteurs qui a fait monter les prix plus haut que la valeur réelle du produit.

De nombreux processus de décision dans le domaine financier ont des parallèles dans le domaine perceptif. Notre sensibilité à l'intensité lumineuse et au volume auditif suit des lois logarithmiques qui ressemblent à la manière dont nous encodons les récompenses monétaires. Nous percevons la luminance et la taille des objets par rapport à leur environnement, d'une manière qui ressemble à des effets de cadrage dans la prise de décision économique. Même le compromis et les effets d'attraction, phénomènes bien documentés dans la prise de décision des consommateurs, ont été récemment documentés dans le domaine perceptif. Ces résultats suggèrent que des biais de décision pourraient survenir parce que notre cerveau applique des techniques informatiques qui résolvent avec succès les problèmes de perception, également lors de la prise de décisions économiques.

Une étude récente, co-écrit par Cary Frydman (USC) et votre humble serviteur, a étudié le mécanisme commun aux domaines économiques et perceptuels dans le contexte d'un biais de décision spécifique, les croyances extrapolatives de formation, également connue sous le nom de croyance en la « main chaude ». Les gens s'appuient souvent sur des observations passées pour prévoir l'avenir, même lorsqu'ils ne contiennent aucune information crédible. On pense que cette tendance sous-tend des phénomènes au niveau du marché tels que la réaction excessive aux nouvelles et la création d'une bulle des prix, comme dans le cas du Bitcoin.

Curieusement, la formation de croyances extrapolatives est également souvent trouvée dans les expériences de laboratoire de prise de décision perceptive :les gens répondent plus rapidement et plus précisément aux stimuli sensoriels qui continuent un schéma apparent, même lorsqu'il est explicitement dit que la séquence est complètement aléatoire. Dans l'étude, Cary et moi avons utilisé un design intra-sujet, où chaque participant a pris part à des tâches de prise de décision à la fois dans les domaines économiques et perceptuels.

Notre objectif était de déterminer si les gens utilisent un mécanisme informatique commun de formation de croyances lorsqu'ils prennent les deux types de décisions. C'était un test d'une idée de 16 ans de Robert Shiller mentionné ci-dessus, qui a écrit dans son livre séminal « Irrational Exuberance » :

Découvrir les origines du biais de décision économique à l'aide de jugements perceptifs

Dans la tâche de prise de décision perceptive (figure ci-dessous), nous avons demandé aux participants de prendre une série de décisions perceptives. Chaque tour de la tâche a commencé par l'apparition d'une croix de fixation au milieu de l'écran, qui après 800 millisecondes a été remplacé par un cercle ou un carré. La chance de voir l'une ou l'autre forme était toujours de 50 % et ne dépendait pas de l'histoire. Les participants devaient classer la forme en appuyant sur le bouton "gauche" lorsqu'il s'agissait d'un cercle, et "à droite" quand c'était un carré. Ils recevaient de l'argent chaque fois qu'ils classaient la forme avec précision, et plus vite ils l'ont fait.

Nous avons découvert que lorsqu'une forme continuait une « strie » de formes similaires (par exemple, un cercle est apparu après trois autres cercles), les participants étaient plus susceptibles de le classer correctement, et étaient également plus rapides en le faisant. Cela suggère que les participants formaient implicitement des attentes concernant l'identité du prochain stimulus sur la base d'observations passées, bien qu'on lui ait explicitement dit que la séquence était aléatoire.

Dans la tâche économique (figure ci-dessous), les participants ont assisté à une série d'événements représentant des « surprises de performance » d'une entreprise cotée en bourse. Ces événements peuvent être « positifs » ou « négatifs ». A chaque tour, nous avons demandé aux participants de décider combien ils étaient prêts à payer pour une action qui vaudrait 100 $ si la prochaine surprise de performance était « positive, " mais 0 $ s'il était négatif. Dans ce cas, il était optimal pour eux de payer le montant en dollars qui équivaut à la probabilité que (selon leur croyance) la prochaine surprise de performance soit positive. Les participants ne savaient pas que la séquence réelle des surprises de performance était complètement aléatoire :la probabilité réelle de voir une surprise positive ou négative était de 50 % et ne dépendait pas du tout de l'historique.

Dans cette tâche, Cary et moi avons découvert qu'après une séquence de plusieurs surprises de performances « positives », les participants étaient prêts à payer plus pour le stock, et plus la séquence était longue, plus ils étaient prêts à payer. Après une séquence de « surprises négatives, ils étaient prêts à payer moins, et encore, plus la séquence était longue, moins ils étaient prêts à payer. Cela suggère que seuls les participants formaient des attentes concernant l'avenir sur la base d'observations passées, et le faisaient d'une manière similaire à la tâche perceptive.

Le plus intriguant, nous avons trouvé une corrélation fiable entre le degré de croyances extrapolatives à travers les tâches perceptives et économiques. En d'autres termes, les personnes qui ont répondu plus rapidement et plus précisément à un « cercle » qui précède une série d'autres cercles (par rapport à un « carré » qui précède une série de cercles), bien qu'on lui ait explicitement dit que les formes apparaissaient au hasard, étaient également plus susceptibles d'offrir plus d'argent pour une action d'une entreprise qui a eu récemment une série de surprises de performance positives

Conclusion

Nos résultats peuvent expliquer en partie la tendance des prix dans «l'expérience psychologique» du trading de Bitcoin en 2017. Alors que le prix augmentait, de plus en plus de gens étaient impatients d'acheter du Bitcoin, pensant que la hausse va se poursuivre. La même chose arrive de nos jours, dans le marché baissier de 2018-2019, à mesure que le volume des vendeurs augmente à mesure que le prix du Bitcoin baisse, ce qui entraîne une dynamique négative qui n'est pas liée à la valeur fondamentale de la devise.

Ces résultats éclairent les origines de la formation de croyances extrapolatives dans la prise de décision économique. Les humains peuvent s'appuyer sur des processus automatiques de bas niveau qui jouent un rôle dans la prise de décision perceptive lors de la formation de leurs jugements économiques. Si c'est le cas, la formation de croyances extrapolatives pourrait être un processus cognitif difficile à supprimer.