Glossarbegriff
Prospect Theory
Das 1979 von Daniel Kahneman und Amos Tversky entwickelte Modell der Entscheidungsfindung unter Risiko: Ergebnisse werden als Gewinne und Verluste relativ zu einem Referenzpunkt bewertet, Verluste werden etwa doppelt so stark gewichtet wie gleichwertige Gewinne, und Wahrscheinlichkeiten werden systematisch verzerrt wahrgenommen.
Automatisch aus dem englischen Original übersetzt. Zum englischen Original →
Das Kernmodell
Kahneman und Tversky veröffentlichten die Prospect Theory 1979 — Kahneman erhielt 2002 den Nobelgedächtnispreis für Wirtschaftswissenschaften für diese Arbeit, später zusammengefasst in Thinking, Fast and Slow (2011) — als direkte Herausforderung der Annahme der Erwartungsnutzentheorie, wonach Menschen Ergebnisse anhand des Endvermögens bewerten. Stattdessen bewerten Menschen Ergebnisse als Gewinne oder Verluste relativ zu einem Referenzpunkt — häufig der Kaufpreis, ein früheres Hoch oder welche Zahl auch immer als Ausgangsbasis empfunden wird — und derselbe Geldbetrag trägt je nach Lage zu diesem Referenzpunkt unterschiedliches Gewicht. Die zweite Abweichung der Theorie vom Erwartungsnutzen ist die Wahrscheinlichkeitsgewichtung: Menschen überschätzen kleine Wahrscheinlichkeiten und unterschätzen große, weshalb sowohl Außenseiterwetten als auch nahezu sichere Ergebnisse relativ zu ihren tatsächlichen Chancen falsch bepreist werden.
Verlustaversion und ihre Folgen
Der meistzitierte Befund der Theorie ist, dass Verluste etwa doppelt so schwer wiegen wie gleichwertige Gewinne — ein Verlust von 100 $ schmerzt etwa so stark, wie ein Gewinn von 200 $ sich gut anfühlt, ein Verhältnis, das sich in Dutzenden von Replikationen sowohl im Labor als auch im Feld bestätigt hat. Diese Asymmetrie erklärt für sich genommen zwei der beständigsten Muster im Handelsverhalten: den Dispositionseffekt, bei dem Anleger Gewinnerpositionen zu früh verkaufen, um einen Gewinn zu sichern, und Verliererpositionen zu lange halten, um eine Verlustrealisierung zu vermeiden, sowie Panikverkäufe, bei denen ein Drawdown, der relativ zum Referenzpunkt in Verlustgebiet übergeht, eine Reaktion auslöst, die dem tatsächlichen Risiko der Position unangemessen ist. Beide Muster kosten reale Rendite, und beide gehen auf dieselbe asymmetrische Gewichtung zurück, nicht auf eine rationale Neubewertung der Aussichten der Position.
Wie Closelook es nutzt
Money Temperature liest Referenzpunkt-Verhalten auf Crowd-Ebene direkt aus — Extremwerte im Gauge fallen häufig mit referenzpunktgetriebenen statt fundamental getriebenen Verkäufen zusammen, da eine Crowd, die nahe ihrer eigenen Kostenbasis sitzt, sich anders verhält als eine, die große unrealisierte Gewinne hält. Siehe Loss Aversion und Anchoring für die beiden Mechanismen, die die Theorie in der Praxis vorhersagt, sowie Drawdown für die Kennzahl, an der Referenzpunkteffekte in einem Chart am deutlichsten sichtbar werden. Keines dieser Tools sagt dem Leser, was mit einer Position zu tun ist; sie beschreiben, welche Verzerrung in einem bestimmten Moment wahrscheinlich auf die Crowd wirkt — mehr kann eine Datenebene ehrlicherweise nicht beanspruchen zu wissen. Beide Lesarten nebeneinanderzuhalten — das Referenzpunkt-Verhalten auf Crowd-Ebene und den eigenen Referenzpunkt des Lesers bei einer bestimmten Position — ist die praktische Anwendung der Theorie, kein Signal, um allein auf Basis einer der beiden zu handeln.