Cómo tratar la selección adversa en la economía empresarial

  1. Educación
  2. Economía
  3. Cómo tratar la selección adversa en la economía empresarial

Libro Relacionado

Economía de gestión para tontos

Por Robert J. Graham

La selección adversa se produce en una situación empresarial cuando un individuo tiene características ocultas antes de que tenga lugar una operación empresarial. Con características ocultas, una parte sabe cosas sobre sí misma que la otra parte no sabe. Esto conduce a un sesgo de autoselección en el que los individuos actúan en su propio interés y utilizan información privada para determinar su acción óptima, generalmente en desventaja o a costo de la otra parte.

Un método para tratar la selección adversa es obligar a todos a participar. Por ejemplo, los estados comúnmente requieren que los conductores tengan seguro de auto. Por lo tanto, es posible que las compañías de seguros de automóviles cobren una prima que refleje el promedio de siniestros. Sin embargo, los participantes que es improbable que presenten una reclamación pueden creer que es injusto que se les obligue a subvencionar a aquellos que probablemente presenten una reclamación.

Un método alternativo para tratar la selección adversa es agrupar a las personas mediante información indirecta, como la discriminación estadística. Las compañías de seguros no pueden hacer que los individuos admitan si son buenos o malos conductores, así que las compañías desarrollan perfiles estadísticos de los buenos y malos conductores. Al determinar quién tiene más probabilidades de ser un mal conductor, la compañía de seguros puede establecer diferentes primas.

Por lo tanto, es probable que los hombres jóvenes paguen más por el seguro. Alguien que vive en Los Ángeles paga más que alguien en Hanover, Indiana. Los conductores con multas por exceso de velocidad y otras infracciones de tráfico pagan primas más altas. La lista continúa porque cuanto mejores sean las características, más precisas serán las primas, y la competencia entre las compañías de seguros ayuda a desarrollar mejores perfiles estadísticos.

Pero ninguna de estas alternativas -que requieren participación o discriminación estadística- tiene a los participantes reales compartiendo información para superar la asimetría. Tanto los métodos directos como los indirectos conducen a la revelación de información que resuelve, o al menos reduce, la selección adversa. El método directo es utilizar una valoración, mientras que los métodos indirectos incluyen la selección y la señalización.

Cómo evaluar la información asimétrica

La evaluación resuelve la información asimétrica examinando una característica que es objetivamente verificable. En el caso de un auto usado, si el comprador decide llevar el auto a su mecánico, éste puede proporcionarle una evaluación informada de su condición. O en el caso del arte, un tasador puede verificar la pintura como un original o una falsificación.

La evaluación resuelve directamente la información asimétrica bajo dos condiciones:

  • La característica asociada a la información asimétrica debe ser objetivamente verificable.
  • El beneficio de la tasación debe exceder el costo del vendedor.

En el caso del seguro de salud, un examen médico se convierte en una valoración. El examen médico proporciona información objetiva sobre la salud actual del individuo.

Señalización con garantías

Mientras que la tasación transmite directamente información de una parte a otra, la señalización es un método para transmitir información indirectamente. Al utilizar la señalización, el individuo con mejor información comunica de manera convincente esa información al individuo que tiene menos información.

Para volver al ejemplo del coche usado, ir a su propio mecánico le proporciona una valoración del valor del coche. Alternativamente, el propietario actual del coche podría indicarle que el coche está bien cuidado ofreciéndole una garantía – una garantía para arreglar cualquier reparación durante un cierto período de tiempo o proporcionarle un informe CARFAX o similar.

Para tener éxito en la resolución de la información asimétrica, la señalización debe inducir la autoselección entre los participantes mejor informados. Sólo los participantes que ofrecen coches usados bien cuidados están dispuestos a ofrecer garantías o un informe CARFAX. Una garantía tiene un costo real para el vendedor si el auto se descompone.

Aunque una garantía puede convencerle a usted, el comprador, de que el coche está bien cuidado, un letrero que simplemente diga “Best Used Cars In Town” no es probable que sea convincente, porque no cuesta mucho para aquellos que venden limones hacer el mismo letrero.

Cómo controlar la asimetría a través del cribado

Otro método indirecto para resolver la asimetría de información es el cribado. En la selección, el participante con menos información controla una variable que lleva al participante con mejor información a revelar esa información. Un método de evaluación con el seguro es el uso de deducibles. Un deducible del seguro es una cantidad que el asegurado debe pagar antes de que la compañía de seguros pague un reclamo.

Es probable que los participantes de alto riesgo sepan que son de alto riesgo. Por lo tanto, es probable que los participantes de alto riesgo presenten una reclamación y deseen deducibles bajos – no quieren tener que pagar mucho antes de que la compañía de seguros comience a pagar. Por otro lado, los participantes de bajo riesgo saben que es poco probable que presenten una reclamación – están dispuestos a tener un deducible más alto porque es menos probable que tengan que pagarla.

El deducible proporciona un mecanismo que lleva al participante mejor informado, el asegurado, a revelar información al participante menos informado, la compañía de seguros.

El número de opciones de selección debe corresponderse con el número de características de selección. Por ejemplo, las personas que eligen deducibles bajos pueden hacerlo porque son de alto riesgo o, alternativamente, porque son reacios al riesgo. Por lo tanto, los deducibles son un buen, pero no perfecto, dispositivo de detección.

Post A Comment

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *