Algorithm Aversion and Other Causes of Bias in Decision Behavior

Abstract

Diese Arbeit leistet einen Beitrag zu der Debatte, inwiefern die neoklassische Wirtschaftstheorie geeignet ist, die ökonomische Wirklichkeit zu beschreiben. Sie umfasst die drei Themengebiete Algorithm Aversion, Analyse von Kapitalmarktprognosen und Analyse von Preisdifferenzen. Der erste Themenblock (Studien 1-5) ist das noch junge Forschungsfeld der „Algorithm Aversion“. Dietvorst et al. (2015) hatten gezeigt, dass Menschen dazu neigen, auf die Verwendung leistungsstarker, automatisierter Verfahren (Algorithmen) zu verzichten, selbst wenn deren Verwendung eindeutig zu ihrem eigenen Vorteil wäre. In der ersten Studie wird mithilfe eines ökonomischen Experiments nachgewiesen, dass die Algorithm Aversion mit zunehmender Erfahrung im Umgang mit einer Prognoseaufgabe und einem Algorithmus teilweise abgebaut werden kann. In der zweiten Studie wird untersucht, wie stark die Algorithm Aversion in sechs verschiedenen Entscheidungssituationen mit unterschiedlichen Kontexten ausgeprägt ist. Vor allem dort, wo ein Fehler dramatische Konsequenzen haben kann (z.B. bei der Erkennung von Tumoren auf MRT-Scans), ist die Aversion besonders stark ausgeprägt. Die dritte Studie untersucht, inwiefern die Algorithm Aversion zurückgeht, wenn Entscheidungsträger an unterschiedlichen Stellen des Prognoseprozesses Einfluss auf einen Algorithmus ausüben können. Die Möglichkeit, die Prognosen eines Algorithmus im Nachgang anpassen zu können, erweist sich als besonders effektiv. Ein Einfluss auf die Konfiguration eines Algorithmus führt zu keiner vergleichbaren Reduzierung der Aversion. Studie vier und Studie fünf zeigen schließlich, dass die Algorithm Aversion weder durch den Decoy-Effekt, noch durch das Treffen von Entscheidungen für Dritte („Stellvertreterentscheidungen“) nennenswert abgebaut werden kann. Insgesamt zeigen die Studien, wie hinderlich die Algorithm Aversion für die Etablierung von Innovationen wie Robo-Advisors ist und wie schwierig es sein kann, sie zu überwinden. In der Zusammenarbeit mit Algorithmen weichen Subjekte regelmäßig von dem rationalen Verhalten ab, dass das Modell des Homo Oeconomicus aus der neoklassischen Theorie nahelegt. Die sechste und siebte Studie untersuchen die Genauigkeit von Zins- und Aktienindexprognosen. Dabei zeigt sich, dass die Entwicklungen an Kapitalmärkten in aller Regel nicht ausreichend präzise vorhergesagt werden können. Eine systematische Erzielung von Überrenditen durch Berücksichtigung der Prognosen ist deshalb bis auf wenige Ausnahmen nicht zu erwarten. Das beobachtete Festhalten an zu vorsichtigen und gegenwartsorientierten Prognosen steht ebenfalls im Widerspruch zum Modell des Homo Oeconomicus. In der achten Studie wird schließlich eine große Datenbasis von Preisen aus dem Einzelhandel, die zwischen 2020 und 2022 aufgerufen worden, analysiert. Die dabei beobachteten Abweichungen vom neoklassischen Modell des Gleichgewichtspreises sind derart eklatant, dass auch hier konstatiert werden muss, dass die neoklassische Theorie die Praxis nur unzutreffend beschreibt. Insgesamt wird deshalb das Fazit gezogen, dass die Vormachtstellung der Neoklassik in Forschung und Lehre hinterfragt werden sollte. Das Verhalten der Subjekte steht in allen drei Themengebieten dieser Dissertation eindeutig eher im Einklang mit moderneren Ansätzen, wie zum Beispiel den Behavioral Economics.

Cite this work

No public copy is stored for this record, so only the metadata is cited.

Stored only when both papers are in the corpus — 0 citations exist upstream.

Papers that cite the same references — the relational fallback while embeddings are still backfilling.