Reference-Dependent Risk Attitudes

一句话总结

本文将理性预期作为内生参考点与消费效用整合到统一框架，提出UPE/PPE/CPE三种均衡概念，统一解释了"小额赌注强烈风险厌恶 vs. 大额风险适度厌恶"、"意外风险 vs. 预期风险"等多重看似矛盾的风险行为现象。

研究问题

如何在一个统一模型内调和小额赌注的强烈风险厌恶（违背期望效用，参见Rabin 2000）与大额风险下的适度厌恶？
经典前景理论以status quo为参考点能解释实验室损失厌恶但无法解释处置效应等动态现象，如何用更现实的参考点设定弥补这一缺陷？
当参考点是个体的预期（而非现状）时，意外风险与预期风险下的行为应有何不同？
决策者能提前承诺与不能提前承诺的情境（PPE vs. CPE）下，风险厌恶程度如何系统性地区分？

核心贡献

预期作为内生参考点：在Köszegi-Rabin (2006) 框架基础上正式建模"理性预期分布"作为参考点 $G$ ，使每个可能结果 $w$ 都与 $G$ 中所有可能参考水平 $r$ 产生"混合感受"，比单点参考点更具现实性
三类均衡概念：UPE（无承诺、自洽预期）、PPE（最优UPE，刻画提前可选）、CPE（承诺后调整参考点，适用于事先决策不可撤回的情境），为不同决策环境提供差异化预测
一阶风险厌恶（命题3）：模型自然产生对小额公平赌注的拒绝，解释了传统期望效用框架的Rabin (2000) 校准悖论
预期风险降低风险厌恶（命题2）：模型预测意外风险产生比预期风险更强的风险厌恶——为大量实验和现实数据提供机制
CPE > PPE 的风险厌恶差异（命题8）：在不可撤回的承诺情境下风险厌恶系统性高于可撤回情境，对保险、长期投资有直接政策含义
大-小赌注的统一（命题9）：大额赌注下得失效用相对消费效用变小，恢复经典风险态度，自然桥接Rabin批判
可识别性（附录B）：从行为数据反推 $m(\cdot)$ 和 $\mu(\cdot)$ 的算法，使模型可结构化估计

维度1：模型设定

基本信息

作者: Botond Koszegi, Matthew Rabin
年份: 2007
期刊: The American Economic Review, Vol. 97, No. 4, pp. 1047-1073
JEL: D81
关键词: 参考依赖偏好, 损失厌恶, 风险态度, 前景理论, 个人均衡, 预期作为参考点

一、研究问题与动机

核心问题

人们在不同情境下表现出看似矛盾的风险态度（如小额赌注的强烈风险厌恶 vs. 大额风险的适度厌恶；预期风险 vs. 意外风险下的不同反应），传统的期望效用理论和经典前景理论各自只能解释部分现象。本文旨在用一个统一的参考依赖效用模型来调和这些矛盾。

研究动机

经典前景理论的局限: 状态现状(status quo)作为参考点的前景理论能解释实验室中的损失厌恶和递减敏感性，但无法解释"处置效应"(disposition effect)等现象。
传统期望效用的失败: 财富边际效用递减模型无法解释小额赌注中观察到的强烈风险厌恶（如拒绝50-50赢$550/输$500的赌注）。
预期的重要性: 已有实验证据表明，人们对风险的态度取决于事先是否预期到该风险，但此前没有模型正式刻画这种预期对参考点的作用。

二、理论模型与核心公式

2.1 效用函数结构

个体效用由两部分组成:

u(w|r) \equiv m(w) + \mu(m(w) - m(r))

其中:

$w$ 为实际财富结果
$r$ 为参考点（参考财富水平）
$m(w)$ 为消费效用(consumption utility)，即传统经济学中的内在效用
$\mu(m(w) - m(r))$ 为参考依赖的得失效用(gain-loss utility)，取决于结果相对参考点的消费效用差异

2.2 参考点为概率分布

关键创新：参考点不是单一确定值，而是关于结果的理性预期的概率分布 $G$ 。

当参考点为概率测度 $G$ 时，给定确定性结果 $w$ 的效用为:

U(w|G) = \int u(w|r) \, dG(r)

当结果本身也是随机的（按概率测度 $F$ 抽取）时:

U(F|G) = \iint u(w|r) \, dG(r) \, dF(w)

这意味着每一个可能的结果 $w$ 都要与参考分布 $G$ 中的每一个可能的参考水平 $r$ 进行比较，产生"混合感受"(mixed feelings)。

2.3 得失效用函数 $\mu$ 的性质

假设 A0-A4:

假设	内容
A0	$\mu(x)$ 连续，对 $x \neq 0$ 二次可微， $\mu(0) = 0$
A1	$\mu(x)$ 严格递增
A2	损失厌恶: $\mu(y) + \mu(-y) < \mu(x) + \mu(-x)$ ，当 $y > x \geq 0$
A3	递减敏感性: $\mu''(x) \leq 0$ (当 $x > 0$ )； $\mu''(x) \geq 0$ (当 $x < 0$ )
A4	损失厌恶系数: $\mu'_-(0)/\mu'_+(0) \equiv \lambda > 1$

参数化形式: 在 A3' ( $\mu''(x) = 0$ ，即 $\mu$ 为分段线性) 条件下:
$ $\mu'_+(0) = \eta, \quad \mu'_-(0) = \lambda\eta$ $

$\eta$ 可解释为得失效用的权重
$\lambda$ 为损失厌恶系数

2.4 均衡概念

非适应性个人均衡 (UPE, Unacclimating Personal Equilibrium)

定义1: 选择 $F_1 \in D_1, F_2 \in D_2$ 是UPE，当且仅当对每个 $l \in \{1,2\}$ 以及任意 $F'_l \in D_l$ :
$ $U(F_l | (1-q)F_1 + qF_2) \geq U(F'_l | (1-q)F_1 + qF_2)$ $

即：以自身预期为参考点，决策者愿意执行自己的计划。

偏好个人均衡 (PPE, Preferred Personal Equilibrium)

定义2: 选择 $F_1 \in D_1, F_2 \in D_2$ 是PPE，当且仅当它是一个UPE，且对所有其他UPE选择 $F'_1 \in D_1, F'_2 \in D_2$ :
$ $U((1-q)F_1 + qF_2 | (1-q)F_1 + qF_2) \geq U((1-q)F'_1 + qF'_2 | (1-q)F'_1 + qF'_2)$ $

即：在所有自洽的UPE中，选择期望效用最高的那个。

选择适应性个人均衡 (CPE, Choice-Acclimating Personal Equilibrium)

定义3: 对任何选择集 $D$ ，选择 $F \in D$ 是CPE，当且仅当对所有 $F' \in D$ :
$ $U(F|F) \geq U(F'|F')$ $

即：决策者承诺某选择后，参考点调整为该选择本身，CPE选择自我评估效用最高的选项。

2.5 核心不等式：保险决策示例

考虑50%概率损失$100、保费$55的保险决策。

UPE条件（参考点为赌博本身时，偏好保险）:

\left[\frac{1}{2}(w-100) + \frac{1}{2}w\right] + \left[\frac{1}{4}\mu(100) + \frac{1}{4}\mu(-100)\right] \geq [w-55] + \left[\frac{1}{2}\mu(45) + \frac{1}{2}\mu(-55)\right]

CPE条件:

\left[\frac{1}{2}(w-100) + \frac{1}{2}w\right] + \left[\frac{1}{4}\mu(100) + \frac{1}{4}\mu(-100)\right] \geq [w-55] + [0]

CPE中保费支付不产生得失感受（因为参考点已调整），但赌博仍暴露于损失感受，因此CPE比PPE产生更强的风险厌恶。

2.6 CPE下的效用简化公式

当 $m(\cdot)$ 线性且 $\mu(\cdot)$ 满足 A3' 时:

U(F|F) = E[F] - \frac{1}{2}\eta(\lambda - 1)S[F]

其中 $S[F]$ 为彩票 $F$ 的平均自距离 (average self-distance):
$ $S(F) \equiv \iint |x - y| \, dF(x) \, dF(y)$ $

这一公式表明：CPE下，决策者的效用等于期望值减去一个与彩票离散程度成正比的惩罚项。

三、核心命题与预测

命题1 (风险的禀赋效应)

若 $m(\cdot)$ 线性且 $\mu(\cdot)$ 满足 A3'，则对任何彩票 $F$ 、 $G$ 、 $H$ 和常数 $w$ :
$ $U(H+F|G) \geq U(w|w) \implies U(H+F|w) \geq U(H|G)$ $

含义: 人们更愿意消除已预期的风险，而非承担同样的新风险 -- 风险的"禀赋效应"。

命题2 (预期风险降低风险厌恶)

若 $m(\cdot)$ 线性，对正期望值彩票 $F$ :

(i) 存在 $A, \varepsilon > 0$ ，使得彩票 $G$ 若满足 $\Pr_G[r \in (k-A, k+A)] < \varepsilon$ ，则 $U(H+F|G) > U(H-F|G)$ 且 $U(H|G) > U(H-t \cdot F|G)$
(ii) 对连续分布彩票 $G$ ，存在 $\bar{t} > 0$ ，使得对 $t \in (0, \bar{t})$ : $U(H+t \cdot F|G) > U(H-t \cdot F|G)$

含义: 当参考点本身就是高度不确定的，额外风险的得失感受较弱，风险厌恶降低。

命题3 (一阶风险厌恶)

若 $m(\cdot)$ 线性且 $F$ 为均值为零的有界支撑彩票，则存在 $\bar{k}, \bar{t} > 0$ ，使得对 $t < \bar{t}$ 和 $k < \bar{k}$ ，PPE中唯一选择是拒绝 $w + t(F+k)$ 而选择确定性 $w$ 。

含义: 即使是微小的公平赌注也会被拒绝 -- 一阶风险厌恶，这是经典期望效用理论无法产生的。

命题4 (预期保险时更加风险厌恶)

若 $m(\cdot)$ 线性且 $\mu(\cdot)$ 满足 A3'，在选择集 $\{w, w+F\}$ 中，若 $w+F$ 是PPE，则对任何彩票 $H$ : $U(w+F|H) > U(w|H)$ 。

含义: 预期到保险可能性时，人们更愿意购买保险（相比意外情境）。实验室中测量的小额风险厌恶可能低估预期情境中的风险厌恶。

命题7 (CPE中偏好随机主导的彩票)

若 $m(\cdot)$ 线性且得失效用权重 $\eta$ 足够大（ $\eta > \bar{\eta}$ ），CPE中唯一选择为确定性 $w$ ，即使替代选项随机主导。

含义: 在CPE中，人们可能选择被随机主导的确定性选项，因为避免参考点暴露于损失感受的动机极强。

命题8 (PPE vs. CPE的风险厌恶差异)

若 $m(\cdot)$ 线性且 A3' 成立， $F$ 的均值保持展幅为 $F+k$ ，则若 $F$ 是PPE， $F'$ 不是CPE。

含义: 对同一对彩票，CPE中的风险厌恶系统性地高于PPE，因为CPE中参考点完全调整，暴露于损失的感受更强。

命题9 (大额赌注: 得失效用不重要)

当赌注规模足够大时， $\mu(\cdot)$ 的影响趋于零，风险态度主要由消费效用 $m(\cdot)$ 的凹性决定。

含义: 模型自然地调和了小额赌注中的强烈（参考依赖的）风险厌恶与大额赌注中的适度（基于消费效用的）风险厌恶。

四、贡献与局限

主要贡献

统一框架: 将前景理论（损失厌恶、递减敏感性）与标准消费效用整合为一个模型，消解了"小额风险厌恶强但大额适中"的矛盾。
预期作为内生参考点: 首次正式将理性预期作为参考点的来源建模，使模型可应用于动态、预期变化的环境。
区分意外与预期风险: 模型预测意外风险（surprise）与预期风险（anticipated）产生不同程度的风险厌恶，且预期风险反而降低风险厌恶 -- 这与实验证据一致。
均衡概念创新: 提出UPE/PPE/CPE三种均衡概念，分别适用于短期决策（无法提前承诺）、长期承诺决策等不同场景，提供了丰富的行为预测。
一阶风险厌恶: 模型自然产生一阶风险厌恶，解释了为何人们对小额公平赌注也表现出强烈厌恶。
效用函数可识别: 附录B展示了从行为数据中提取 $m(\cdot)$ 和 $\mu(\cdot)$ 的算法。

主要局限

窄框架问题: 模型假设人们将每个决策孤立评估（narrow bracketing），但若人们整合所有风险，参考依赖效应趋于消失。模型未内生化框架选择。
参考点调整速度: 模型未刻画参考点随时间调整的动态过程，实际中预期可能缓慢更新。
福利分析困难: 得失效用是否应纳入福利计算存在争议；模型中行为与福利可能分离（如CPE中选择随机主导选项）。
忽略预期情绪: 模型不考虑anticipatory utility（预期焦虑或兴奋），但这在投资、保险等决策中可能很重要。
概率线性假设: 为简化采用概率线性（不加权概率），因此无法捕捉低概率过度加权等经典前景理论现象。

维度2：主要结果

主要预测汇总

命题	内容	经济直觉
命题1	风险的禀赋效应	已预期的风险比新引入的风险更易被消除
命题2	预期风险降低风险厌恶	高度不确定的参考点下，额外风险的得失感减弱
命题3	一阶风险厌恶	即使微小公平赌注也被拒绝
命题4	预期保险时更厌恶风险	实验室小额厌恶可能低估预期场景下的厌恶
命题7	CPE中可能选择被随机主导的彩票	强避损动机超越了对正期望值的偏好
命题8	CPE > PPE 的风险厌恶	承诺后参考点完全调整，损失感受更强
命题9	大额赌注下消费效用主导	自然桥接了小额-大额的风险态度差异

核心因变量与行为预测

保险购买决定：模型预测预期到保险机会时购买概率显著高于意外情境
赌博/投资接受率：在小额赌注上预测拒绝率高，大额赌注上接近期望效用预测
不接受随机主导项：CPE可能选择期望值更低但波动更小的选项

与经典PT的实证差异

传统PT以status quo为参考点，预测处置效应方向不变；本模型允许参考点根据预期调整，能更细致刻画动态行为
本模型预测当人们事先预期到价格下跌时，处置效应可能减弱

维度3：数值分析与校准

关键参数

得失效用权重 $\eta$ ：决定参考依赖效用相对消费效用的权重
损失厌恶系数 $\lambda > 1$ （标准估计 $\lambda \approx 2$ ，参见Brown_2024_MetaAnalysis_LossAversion）
递减敏感性参数：A3假设下 $\mu''$ 符号决定

CPE简化效用公式

当 $m(\cdot)$ 线性且 $\mu(\cdot)$ 满足A3'：
$ $U(F|F) = E[F] - \frac{1}{2}\eta(\lambda-1)S[F]$ $
其中 $S[F] = \iint |x-y| dF(x) dF(y)$ 为彩票的平均自距离。该公式提供了直观的风险溢价分解。

校准应用

Rabin (2000) 的校准悖论：本模型在 $\eta(\lambda-1) \approx 0.5-1$ 范围内可同时解释小额拒绝和大额接受
与Brenner et al. (2007) 等禀赋效应实证研究的可比较性
与处置效应估计（Odean 1998；Jiao_2017_MeanReversion_DispositionEffect）的衔接

维度4：局限性

窄框架问题：模型假设决策被孤立评估（narrow bracketing），若决策者整合所有风险则参考依赖效应消失；模型未内生化框架选择，留给后续研究
参考点动态调整未刻画：实际中预期可能缓慢更新，本模型未明确刻画时间过程，限制对长期适应行为的预测
福利分析模糊：得失效用是否纳入福利计算存在哲学/政策争议；CPE中可能选择随机主导项，行为与福利分离
缺乏anticipatory utility：未纳入预期焦虑/兴奋等情绪，但这在投资、保险、医疗决策中可能很重要（参考Anticipatory_2024_Anticipatory_Anxiety_Wishful_Thinking）
概率线性假设：为了简化采用线性概率，无法捕捉低概率过度加权等经典PT现象
均衡多重性：UPE可能存在多重均衡，PPE通过Pareto选择缓解但CPE依赖承诺前景
对参考点形成机制的强假设：理性预期作为参考点要求决策者具有足够认知能力，可能在低认知能力或新颖情境下不成立
缺乏与信念偏差的整合：未整合motivated beliefs、过度自信等非理性预期形成，可能与现实预期形成机制存在差距
应用域有限：主要应用于保险、赌博、消费选择，对资产定价、信贷、长期投资等的扩展需要后续工作

维度5：与其他文献的关系

直接对话/扩展的文献

Köszegi-Rabin (2006) "A model of reference-dependent preferences"：本文基础，提出预期参考点
Kahneman-Tversky (1979) 前景理论：本文统一了PT与消费效用，并将参考点从status quo推广到预期分布
Rabin (2000) 风险厌恶校准悖论：本文从一阶风险厌恶角度提供解决方案

紧密关联的paper notes

Brown_2024_MetaAnalysis_LossAversion：损失厌恶系数 $\lambda$ 的元分析，与本模型核心参数对接
Brenner_2007_LossAversion_Possession_EndowmentEffect：禀赋效应的实证证据，与命题1对应
Jiao_2017_MeanReversion_DispositionEffect：处置效应的实验研究，本模型的应用场景
Jiao_2013_Disposition_Effect_Closed_End：闭式基金市场中的处置效应
Heidhues_Koszegi_2023_MisinterpretingYourself：参考依赖效用与自我误解的整合
Expectational_2025_Expectational_Reference_Points_Belief：预期参考点的最新研究
Meier_Flepp_2025_ExpectationalReferencePoints_BeliefFormation：预期参考点对信念形成的影响

与失望厌恶模型的关系

Bell (1985), Loomes-Sugden (1986), Gul (1991) 失望厌恶模型：与本文的预期参考点框架相似但建模方式不同
本文优势：提供更明确的均衡概念区分（UPE/PPE/CPE）和与消费效用的整合

与行为金融实证的连接

Odean (1998), Genesove-Mayer (2001)：处置效应的市场证据，本模型可解释
Thaler-Johnson (1990) "break-even effect"：与CPE中的反风险主导现象呼应

后续衍生

Köszegi-Rabin (2009) 参考依赖消费计划：本框架的动态消费扩展
Köszegi (2010), Heidhues-Köszegi (2008) 参考依赖应用扩展

维度6：可拓展的研究方向

参考点形成的动态过程：将贝叶斯学习/适应性预期嵌入参考点演化，对接信念更新文献
与motivated beliefs的整合：探讨决策者是否会主动操控预期（参考点）以调节情绪体验，连接Golman_2016_PreferenceBeliefConsonance
资产定价应用：将参考依赖偏好嵌入CCAPM，量化对equity premium、disposition effect的解释
保险市场设计：基于命题2/4的预测，设计利用预期形成机制提升保险购买率的政策
房地产市场应用：检验Genesove-Mayer (2001)结果在本模型预测的具体形式
认知不确定性的引入：结合Enke_Graeber_2023_CognitiveUncertainty，研究预期模糊性如何影响参考点效应
跨文化与个体差异： $\eta$ 、 $\lambda$ 的跨文化和跨年龄异质性
政策评估：默认选项设计、退休储蓄默认率等行为干预的福利分析需要解决CPE中行为-福利分离问题
实验估计：用结构估计方法识别 $\eta$ 和 $\lambda$ ，参考Bellemare_2023_StructuralModels_ExperimentalData
anticipatory utility的整合：将预期焦虑/兴奋显式纳入框架，丰富对长期决策的预测
窄/宽框架内生化：建模框架选择本身（什么决策会被一起评估），提升外部效度
AI/算法决策环境：当算法（如robo-advisor）塑造预期时，参考点如何形成与变化

关键结论

预期作为内生参考点的成功：将参考点从单一固定值（status quo）推广为理性预期分布，使模型可应用于动态、预期变化的决策环境，大幅扩展了参考依赖偏好的解释力
统一小-大赌注的风险态度：模型自然产生小额赌注的强烈一阶风险厌恶（来自得失效用）和大额赌注的适度厌恶（来自消费效用），消解了Rabin (2000) 的校准悖论
意外 vs. 预期风险的关键区分：模型预测预期风险因参考点不确定而产生较弱的得失感受，进而风险厌恶降低；意外风险则产生最强的损失反应——这一区分对保险设计、行为金融实验都有指导意义
三类均衡概念的应用价值：UPE（短期、自洽）、PPE（提前可选）、CPE（不可撤回承诺）分别适用于不同决策情境，为丰富的现实场景提供差异化预测
CPE中的反主导现象（命题7）：决策者可能选择被随机主导的确定性选项，凸显了避损动机的极端力量，并提出了行为与福利分离的福利经济学难题
可结构化估计：附录B提供从行为数据识别 $m(\cdot)$ 和 $\mu(\cdot)$ 的算法，使模型从理论玩具走向可应用工具
理论遗产：本文成为参考依赖偏好与行为金融现代研究的基础参考，深刻影响了处置效应、保险需求、消费决策等多个领域

Koszegi_Rabin_2007_ReferenceDependentRisk