"Pada dasarnya, semua model salah, tetapi beberapa berguna"
George Box, Bangunan Model Empiris dan Permukaan Respons
Untuk perkiraan apa seseorang ingin mengetahui utilitas kekayaan?
Untuk dijamin bahwa ada representasi fungsi utilitas preferensi Anda perlu sejumlah asumsi tentang preferensi untuk menahan. Biasanya, ini adalah kelengkapan dan Transitivitas dengan Kontinuitas, Monotonisitas, dan Convexity asumsi tambahan umum untuk memberikan preferensi berperilaku baik yang kita lihat di sebagian besar pengaturan ekonomi. Levin dan Milgrom (2004) memberikan tinjauan teknis, tetapi singkat dari definisi dan derivasi dalam cabang ekonomi yang disebut "Teori Pilihan"
Tapi itu hanya untuk fungsi utilitas ordinal (fungsi yang memeringkat bundel barang tetapi menghasilkan utilitas tidak memiliki arti ekonomi di luar bahwa bundel dengan utilitas lebih tinggi lebih disukai daripada yang memiliki utilitas lebih rendah) ada. Ternyata preferensi fungsi utilitas ordinal dipertahankan oleh setiap transformasi afin positif. Untuk mendapatkan bentuk fungsional tertentu seperti $ log (x) $ untuk masalah Anda memerlukan utilitas kardinal di mana nilai-nilai preferensi penting (meskipun bahkan di sini mereka dapat diskalakan ulang dengan konstanta positif dan konstanta ditambahkan) Fungsi utilitas kardinal lebih umum dalam pengaturan keuangan dan makroekonomi meskipun lebih banyak diperlukan agar fungsi utilitas tersebut ada. Seperti yang dikatakan Wikipedia:
Gagasan utilitas kardinal dianggap usang kecuali untuk
konteks spesifik seperti pengambilan keputusan yang berisiko, utilitarian
evaluasi kesejahteraan, dan utilitas diskon untuk antarwaktu
evaluasi di mana itu masih diterapkan. Di tempat lain, seperti di
teori konsumen umum, utilitas ordinal dengan asumsi yang lebih lemah
lebih disukai karena hasil yang sama kuatnya dapat diturunkan.
Utilitas kardinal
Mengingat temuan eksperimen ekonomi perilaku, yang memberikan bukti bahwa preferensi dapat melanggar kelengkapan dan transitif aksioma, kemungkinan tidak ada fungsi "benar" seperti itu. Namun, seperti yang ditunjukkan Box's quote, mereka mungkin masih berguna.
Fungsi utilitas log memiliki properti yang bagus. Fungsi utilitas logaritmik adalah kasus khusus penghindaran risiko relatif konstan ( CRRA ) fungsi utilitas. Secara kasar, fungsi keluarga ini memandang risiko dalam persen kekayaan sebagai konstan untuk semua tingkat kekayaan. Yaitu, kaya dan miskin sama-sama khawatir tentang kejutan 10% untuk kekayaan. Secara ekuivalen, "rasa sakit" utilitas menghabiskan 10% kekayaan untuk sesuatu adalah sama di semua tingkat kekayaan. Ini adalah contoh fungsi dengan utilitas konsumsi marjinal yang menurun.
Utilitas log sangat mudah digunakan karena memiliki turunan sederhana dan mencerminkan tingkat preferensi "rendah" tetapi tidak nol dibandingkan risiko. Juga, di bawah utilitas log kekayaan dan efek substitusi dari suku bunga dibatalkan dalam masalah pilihan antarwaktu, yang selanjutnya menyederhanakan beberapa model. Dalam alokasi portofolio, maksimalisasi utilitas log secara efektif memaksimalkan pengembalian rata-rata geometris dalam jangka panjang, yang terasa masuk akal secara intuitif sebagai tujuan investasi untuk investor jangka panjang. Juga, ketika bekerja dengan guncangan terhadap kekayaan yang log-normal dan fungsi utilitas log, ada solusi bentuk tertutup yang bagus untuk nilai utilitas yang diharapkan (mereka sedikit lebih kompleks dalam kasus CRRA). Berikut adalah contoh mencoba untuk mengkalibrasi utilitas CRRA menggunakan data eksperimental:
Untuk spesifikasi CRRA ini, nilai 0 menunjukkan netralitas risiko,
nilai-nilai negatif menunjukkan cinta-risiko, dan nilai-nilai positif menunjukkan
penghindaran risiko. Dengan demikian kita melihat bukti jelas dari keengganan terhadap risiko: rata-rata
Koefisien CRRA adalah 0,64. Distribusi ini konsisten dengan
taksiran sebanding diperoleh di Amerika Serikat, menggunakan perguruan tinggi
siswa dan desain MPL, oleh Holt dan Laury [2002] dan Harrison,
Johnson, McInnes, dan Rutström [2003a] [2003b].
Harrison, Lau, Rutstrom (2007)
Jika CRRA adalah spesifikasi yang tepat dan estimasi titik eksperimental memulihkan parameter CRRA yang sebenarnya, maka kita akan dekat dengan utilitas log yang terjadi ketika Anda mengambil batas fungsi utilitas CRRA ketika koefisien mendekati $ 1 $.
Sebagai kesimpulan, ada beberapa bukti empiris bahwa preferensi dapat diperkirakan dengan fungsi utilitas log dan sangat mudah untuk dikerjakan.