Heurystyka

Czym są heurystyki?

Heurystyka lub technika heurystyczna to dowolne podejście do rozwiązywania problemów, które wykorzystuje praktyczną metodę lub różne skróty w celu uzyskania rozwiązań, które mogą nie być optymalne, ale wystarczające w ograniczonym czasie lub terminie.

Metody heurystyczne mają być elastyczne i służą do podejmowania szybkich decyzji, zwłaszcza gdy znalezienie optymalnego rozwiązania jest niemożliwe lub niepraktyczne oraz podczas pracy ze złożonymi danymi. Te skróty poznawcze odgrywają ważną rolę w ekonomii behawioralnej.

Zrozumienie heurystyki

Różne nadejścia i innowacje technologii cyfrowej zakłóciły aspekty wielu różnych branż, w tym finansów, handlu detalicznego, mediów i transportu. Niektóre codzienne czynności stały się przestarzałe; na przykład czeki są deponowane na kontach bankowych bez konieczności odwiedzania lokalnego oddziału, produkty i usługi są kupowane online, a jedzenie na wynos jest dostarczane przez aplikacje do obsługi gastronomii.

Cała ta nowa technologia tworzy dane, które są coraz częściej udostępniane w wielu branżach i sektorach. Specjalista z dowolnej branży może znaleźć się w sytuacji, gdy pracuje nad stosami złożonych danych, aby rozwiązać problem. Przy ograniczonym czasie i zasobach, aby pomóc w złożoności danych, można zastosować metody heurystyczne.

Zalety i wady korzystania z heurystyki

Heurystyki ułatwiają podejmowanie szybkich decyzji. Analitycy w każdej branży stosują praktyczne zasady, takie jak inteligentne zgadywanie, próby i błędy, proces eliminacji, wcześniejsze formuły i analiza danych historycznych, aby rozwiązać problem. Metody heurystyczne ułatwiają i przyspieszają podejmowanie decyzji poprzez skróty i wystarczająco dobre obliczenia.

Istnieją kompromisy z użyciem heurystyk, które sprawiają, że podejście jest podatne na stronniczość i błędy w ocenie. Ostateczna decyzja użytkownika może nie być optymalnym lub najlepszym rozwiązaniem. Lub podjęta decyzja może być niedokładna, a wybrane dane mogą być niewystarczające (co prowadzi do nieprecyzyjnego rozwiązania problemu). Na przykład inwestorzy-naśladowcy często naśladują wzorzec inwestycyjny odnoszących sukcesy menedżerów inwestycyjnych, aby uniknąć samodzielnego badania papierów wartościowych i związanych z nimi informacji ilościowych i jakościowych.

Inwestorzy kopiujący mają nadzieję, że formuły stosowane przez tych menedżerów będą stale przynosić im zyski, ale nie zawsze tak jest. Na przykład zaawansowany technologicznie fundusz Ark Innovation ETF (ARKK) był paradygmatem sprawności inwestycyjnej do 2020 r., ale fundusz, który był powszechnie kopiowany, nie zdołał zrealizować swoich celów w 2021 r. Podczas gdy S&P 500 zwrócił ponad 25%, ARKK stracił więcej niż 20%.

Przykład heurystyki

Reprezentatywność

Popularną skrótową metodą rozwiązywania problemów zidentyfikowaną w ekonomii behawioralnej jest heurystyka reprezentatywności. Reprezentatywność wykorzystuje skróty myślowe do podejmowania decyzji na podstawie przeszłych wydarzeń lub cech, które są reprezentatywne lub podobne do obecnej sytuacji. Powiedzmy na przykład, że Fast Food ABC rozszerzył swoją działalność na Indie, a jego cena akcji poszybowała w górę. Analityk zauważył, że Indie to dochodowe przedsięwzięcie dla wszystkich sieci fast foodów. Dlatego też, kiedy Fast Food XYZ ogłosił swój plan eksploracji rynku indyjskiego w następnym roku, analityk nie tracił czasu na wystawienie XYZ rekomendacji „kupuj”.

Chociaż jego skrótowe podejście pozwoliło zaoszczędzić na przeglądaniu danych dla obu firm, może nie była to najlepsza decyzja. Fast Food XYZ może mieć żywność, która nie jest atrakcyjna dla indyjskich konsumentów, co ujawniłyby badania.

Kotwienie i regulacja

Zakotwiczenie i dopasowanie to kolejne rozpowszechnione podejście heurystyczne. Przy zakotwiczeniu i dostosowaniu osoba zaczyna od określonej liczby docelowej lub wartości – zwanej kotwicą – a następnie dostosowuje tę liczbę, aż z czasem zostanie osiągnięta akceptowalna wartość. Główny problem związany z tą metodą polega na tym, że jeśli wartość początkowej kotwicy nie jest wartością prawdziwą, wszystkie kolejne korekty będą systematycznie skłaniać się ku kotwicy i oddalać od wartości prawdziwej.

Przykładem zakotwiczenia i dostosowania jest to, że sprzedawca rozpoczyna negocjacje z bardzo wysoką ceną (czyli prawdopodobnie znacznie powyżej wartości godziwej ). Ponieważ wysoka cena jest kotwicą, ostateczna cena będzie zwykle wyższa, niż gdyby sprzedawca samochodów zaoferował uczciwą lub niską cenę na początek.

Heurystyka i psychologia

Heurystyki zostały po raz pierwszy zidentyfikowane i potraktowane poważnie przez uczonych w połowie XX wieku dzięki pracy Herberta Simona,. który zapytał, dlaczego jednostki i firmy nie zachowują się jak racjonalni aktorzy w prawdziwym świecie, nawet przy naciskach rynku karzących irracjonalne decyzje. Simon odkrył, że menedżerowie korporacyjni zwykle nie optymalizują, ale zamiast tego polegają na zestawie heurystyk, aby „ satysfakcjonować ” (kombinacja słów satysfakcjonować i wystarczać); oznacza to, że używają zestawu skrótów, aby wykonać zadanie w wystarczająco dobry sposób.

Według Simona ludzie nie mogą konsekwentnie obliczać i przetwarzać wszystkich dostępnych im informacji z powodu biologicznych ograniczeń ludzkiego umysłu. Tak więc ludzie mogą chcieć zachowywać się racjonalnie, ale są związani tymi ograniczeniami – co nazwał ograniczoną racjonalnością.

Później, w latach 70. i 80. Amos Tversky i Daniel Kahneman pracujący na Uniwersytecie Hebrajskim w Jerozolimie, opierając się na pracy Herberta Simona, opracowali tak zwaną teorię perspektywy. Teoria prospektu,. kamień węgielny ekonomii behawioralnej, kataloguje kilka heurystyk wykorzystywanych podświadomie przez ludzi podczas dokonywania ocen finansowych. Jednym z głównych odkryć jest to, że ludzie mają awersję do strat — że straty są większe niż zyski (tj. ból utraty 50 dolarów jest znacznie większy niż przyjemność z otrzymania 50 dolarów). Tutaj ludzie przyjmują heurystykę, aby uniknąć strat, czasami zachęcając ich do podejmowania nadmiernego ryzyka, aby to zrobić – ale często prowadząc do jeszcze większych strat.

Niedawno ekonomiści behawioralni próbowali opracować środki polityczne lub „szturchnięcia”, aby pomóc skorygować irracjonalne stosowanie heurystyk przez ludzi, aby pomóc im osiągnąć bardziej optymalne wyniki. Na przykład poprzez domyślną rezygnację z planu oszczędności emerytalnych, zamiast konieczności przystąpienia.

Przegląd najważniejszych wydarzeń

Dostępność, zakotwiczenie, błąd potwierdzenia i błąd gorącej ręki to tylko niektóre przykłady heurystyk, których ludzie używają w swoim życiu ekonomicznym.
Heurystyki to metody szybkiego rozwiązywania problemów, które dostarczają wynik wystarczający, aby być użytecznym przy ograniczeniach czasowych.
Ekonomia behawioralna skoncentrowała się na heurystyce jako jednym z ograniczeń, które pozwalają ludziom zachowywać się jak racjonalni aktorzy.
Inwestorzy i specjaliści finansowi stosują podejście heurystyczne, aby przyspieszyć analizy i decyzje inwestycyjne.
Heurystyka może prowadzić do złego podejmowania decyzji na podstawie ograniczonego zestawu danych, ale szybkość podejmowania decyzji może czasami nadrobić wady.

FAQ

Co to jest myślenie heurystyczne?

Myślenie heurystyczne wykorzystuje skróty myślowe — często nieświadomie — aby szybko i skutecznie podejmować złożone decyzje lub osądy. Mogą one mieć formę „zasady praktycznej” (np. zaoszczędź 5% swoich dochodów, aby mieć wygodną emeryturę) lub procesów poznawczych, których w dużej mierze nie jesteśmy świadomi, takich jak błąd dostępności.

Jakie są rodzaje heurystyk?

Do tej pory kilka heurystyk zostało zidentyfikowanych przez ekonomię behawioralną – lub też zostało opracowanych, aby pomóc ludziom w podejmowaniu skomplikowanych decyzji. W ekonomii behawioralnej reprezentatywność, zakotwiczenie i dostosowanie oraz dostępność (od niedawna) należą do najczęściej cytowanych. Heurystyki można kategoryzować na wiele sposobów, takich jak uprzedzenia poznawcze i emocjonalne lub błędy w ocenie lub błędy w obliczeniach.

Czym są heurystyki komputerowe?

W informatyce heurystyka odnosi się do metody rozwiązywania problemu, która okazuje się szybsza lub wydajniejsza niż metody tradycyjne. Może to obejmować stosowanie przybliżeń, a nie precyzyjnych obliczeń lub technik, które omijają procedury, które w przeciwnym razie wymagają dużej mocy obliczeniowej.