Quando la mente pesa più del portafoglio: un’introduzione all’economia comportamentale

Ti è mai capitato di tenere in portafoglio un’azione in perdita, sperando contro ogni logica che “prima o poi risalirà”? O di usare la carta di credito con molta più leggerezza di quanto faresti con banconote reali? Se la risposta è sì, non sei solo e non sei “sbagliato”. Stai semplicemente agendo come un essere umano.

Questi comportamenti, che un economista classico definirebbe irrazionali, sono il pane quotidiano dell’economia comportamentale.

È una disciplina che non ci giudica, ma ci spiega, fondendo la psicologia delle nostre emozioni con l’eleganza della matematica.

Ci mostra che le nostre decisioni seguono una logica diversa, una logica interna governata da paure, percezioni e scorciatoie mentali.

E capire questa logica è la chiave per prendere decisioni migliori, sia nella vita che nel business.

Benvenuti nel mondo affascinante dell’economia comportamentale, un campo in cui matematica, psicologia ed economia si intrecciano per spiegare perché spesso non siamo così razionali come crediamo.

🎯 Un esperimento a scuola che insegna molto

Nel 2010, un gruppo di economisti ha condotto un esperimento nelle scuole di Chicago Heights per capire come migliorare il rendimento degli studenti attraverso incentivi monetari agli insegnanti.

I 150 docenti coinvolti sono stati divisi in due gruppi, entrambi con in palio lo stesso premio economico:

1. Bonus Finale: Il premio viene dato a fine anno, solo se gli obiettivi di rendimento degli studenti sono raggiunti.
2. Bonus Anticipato: Lo stesso premio viene dato a inizio anno, ma con l’obbligo di restituirlo se gli obiettivi non vengono raggiunti.

Il risultato?

Solo il Bonus Anticipato ha funzionato. Gli insegnanti di questo gruppo hanno mostrato un miglioramento significativo e misurabile delle performance.

Ma perché, se la cifra era identica?

La Spiegazione: L’Avversione alla Perdita

La risposta risiede in un concetto chiave: l’avversione alla perdita. Secondo la Teoria del Prospetto, formulata da Daniel Kahneman (premio Nobel per l’Economia) e Amos Tversky, la sofferenza psicologica di perdere qualcosa è circa il doppio del piacere che proviamo nel guadagnare la stessa cosa.

• Perdere 100 euro: genera un dolore significativo.
• Guadagnare 100 euro: genera piacere, ma di intensità molto inferiore.

Nel caso di Chicago, il gruppo del Bonus Anticipato percepiva il denaro come già suo. La paura di doverlo restituire (una perdita) è stata una leva motivazionale molto più potente della semplice speranza di riceverlo in futuro (un guadagno).

Questa idea, così potente, non è solo una bella storia. Ha una solida base matematica che la rende uno strumento previsionale.

La Matematica dietro l’Irrazionalità

L’economia comportamentale non è solo psicologia: usa la matematica per modellare comportamenti “irrazionali”.

• Le funzioni di utilità sono asimmetriche: le perdite pesano più dei guadagni.
• La massimizzazione non riguarda solo il valore atteso, ma anche il valore percepito.
• Concetti come framing ed euristiche vengono formalizzati in modelli numerici.

📚 L’economia comportamentale come linguaggio ibrido

L’economia comportamentale è la disciplina che traduce intuizioni psicologiche in modelli matematici formali. Non si limita a osservare deviazioni dalla razionalità classica: le misura, le prevede e le simula con precisione.

Ecco i pilastri fondamentali:

📐 1. Funzioni di utilità asimmetriche

La Teoria del Prospetto, sviluppata da Kahneman & Tversky, introduce una funzione di utilità che distingue tra guadagni e perdite:

• Le perdite producono un impatto emotivo più forte rispetto ai guadagni.
• La curva è concava per i guadagni (soddisfazione decrescente) e convessa per le perdite (dolore amplificato).

Espressione semplificata:

[math] \displaystyle U(x) = \begin{cases} x^\alpha & \text{se } x \geq 0 \\ -\lambda (-x)^\beta & \text{se } x < 0 \end{cases} [/math]

dove [math]\lambda > 1[/math] rappresenta l’avversione alla perdita, e [math]\alpha, \beta \in (0,1)[/math] definiscono la curvatura della risposta.

🎲 2. Dal valore atteso al valore percepito

Il paradigma classico basato sul valore atteso viene superato. Nell’approccio comportamentale, le probabilità non sono trattate in modo neutro ma distorte da una funzione di peso:

• Le probabilità basse sono sovrastimate (effetto lotteria).
• Le probabilità alte sono sottostimate (rischio banalizzato).

Modello matematico:

[math] \displaystyle V = \sum w(p_i) \cdot u(x_i) [/math]

dove [math]w(p_i)[/math] è la funzione di distorsione delle probabilità. Una delle forme più diffuse è:

[math] \displaystyle w(p) = e^{-(-\ln p)^\gamma} [/math]

con [math]\gamma \in (0,1)[/math] che regola il grado di distorsione.

🧠 3. Framing ed euristiche computabili

Concetti come framing e euristiche non restano descrittivi, ma vengono incorporati nei modelli numerici:

• Il framing modifica la percezione dei payoff: può essere formalizzato come bias di contesto o shift parametrico.
• Le euristiche (es. disponibilità, somiglianza) diventano shortcut computazionali:
  • Una decisione basata su somiglianza può attivare un percorso ridotto nel grafo cognitivo simulato.

In sintesi:

L’economia comportamentale non rinuncia alla matematica: la reinventa per raccontare la realtà delle scelte umane. Tra curve non lineari, funzioni distorte e modelli dinamici, ciò che sembra “irrazionale” viene reinterpretato come prevedibile.

In questo modo, la matematica diventa un ponte tra teoria e realtà, utile per comprendere le decisioni umane.

🛍️ Applicazione Pratica: Pricing e Urgenza

Vediamo come questi modelli si traducono in strategie reali con due esempi pratici simulati in Python.

Esempio 1: La Psicologia del Prezzo

Immagina di dover scegliere tra tre piani di un servizio online: €9.99, €14.99 e €19.99.

La tua decisione non si basa solo sul prezzo, ma sul valore che percepisci rispetto a un’ancora, come il prezzo pieno di €19.99.

Questo codice simula come un consumatore valuta le opzioni non in assoluto, ma come “guadagni” (sconti) rispetto al prezzo di riferimento.

L’utente valuta non solo il prezzo reale, ma anche:

• 🧠 valore percepito

• ⚖️ avversione alla perdita (es. paura di “perdere un’opportunità”)

• 📦 effetto framing: prezzo in offerta vs. prezzo pieno

🧪 Codice Python: simulazione valore percepito e scelta

import numpy as np
import matplotlib.pyplot as plt

# Parametri comportamentali
alpha = 0.88     # Guadagno percepito
beta = 0.88      # Perdita percepita
lambd = 2.5      # Avversione alla perdita

def utility(x):
    """Funzione di utilità asimmetrica (Teoria del Prospetto)"""
    if x >= 0:
        return x ** alpha
    else:
        return -lambd * ((-x) ** beta)

def consumer_choice(prices, reference_price):
    """Calcolo utilità comportamentale rispetto a un prezzo di riferimento"""
    perceived = []
    for p in prices:
        delta = reference_price - p  # differenza percepita
        perceived.append(utility(delta))
    return perceived

# Prezzi disponibili
prices = [9.99, 14.99, 19.99]
reference = 19.99  # Prezzo pieno (ancoraggio)

# Valore percepito dal consumatore
values = consumer_choice(prices, reference)

# Visualizzazione
plt.bar([f"€{p}" for p in prices], values, color='salmon')
plt.ylabel("Utilità percepita")
plt.title("Valutazione soggettiva dei prezzi (vs prezzo di riferimento €19.99)")
plt.grid(True, axis='y')
plt.show()

🔍 Risultati attesi

• Il prezzo base (€9.99) appare come una “grande opportunità” → utilità più alta.
• Il prezzo intermedio (€14.99) genera minor frustrazione da perdita rispetto al prezzo pieno.
• Il prezzo massimo (€19.99) è il punto di riferimento: ancoraggio.

🧮 Espressione matematica corrispondente

[math] \displaystyle U(x) = \begin{cases} x^\alpha & \text{se } x \geq 0 \\ -\lambda (-x)^\beta & \text{se } x < 0 \end{cases} [/math]

dove:

• [math]x = \text{Prezzo di riferimento} – \text{Prezzo osservato}[/math]
• [math]\lambda > 1[/math] rappresenta l’avversione alla perdita

import numpy as np
import matplotlib.pyplot as plt

# Parametri
alpha = 0.88
beta = 0.88
lambd = 2.5
k = 1.2       # Intensità dell'urgenza
t0 = 3        # Giorno di scadenza offerta

def utility(x):
    return x**alpha if x >= 0 else -lambd * ((-x)**beta)

def urgency(t):
    return 1 / (1 + np.exp(k * (t - t0)))

# Prezzo rispetto al riferimento
delta_price = [10, 5, 0, -5, -10]  # sconto rispetto al prezzo pieno
days = np.linspace(0, 6, 100)

plt.figure(figsize=(10,6))
for dp in delta_price:
    perceived = [utility(dp) * urgency(t) for t in days]
    label = f"Sconto {dp:+}€"
    plt.plot(days, perceived, label=label)

plt.title("Valore percepito vs tempo (offerta a scadenza)")
plt.xlabel("Giorni")
plt.ylabel("Valore percepito")
plt.legend()
plt.grid(True)
plt.show()

👉 Prezzo Psicologico: Come l’Urgenza Definisce il Valore (Modello Python Spiegato)

📚 Vuoi saperne di più?

Ecco alcune letture introduttive per approfondire l’economia comportamentale:

• Pensieri lenti e veloci – Daniel Kahneman
• Nudge – La spinta gentile – Richard H. Thaler e Cass R. Sunstein
• Prevedibilmente irrazionale. Le forze nascoste che influenzano le nostre decisioni – Dan Ariely