La teoría de la información asimétrica en economía

La teoría de la información asimétrica se desarrolló en los años setenta y ochenta como una explicación plausible de fenómenos comunes que la economía del equilibrio general no podía explicar. En términos simples, la teoría propone que un desequilibrio de información entre compradores y vendedores puede conducir a resultados ineficientes en ciertos mercados.

El surgimiento de la teoría de la información asimétrica

Tres economistas fueron particularmente influyentes en el desarrollo y la escritura sobre la teoría de la información asimétrica: George Akerlof, Michael Spence y Joseph Stiglitz. Los tres compartieron el Premio Nobel de economía en 2001 por sus contribuciones anteriores.

Akerlof discutió por primera vez sobre la asimetría de la información en un artículo de 1970 titulado "El mercado de 'limones': incertidumbre de calidad y mecanismo de mercado". Allí, Akerlof afirmó que los compradores de automóviles ven información diferente a la de los vendedores, lo que incentiva a los vendedores a vender productos de una calidad de mercado inferior a la media.

Akerlof usa el término coloquial "limones" para referirse a los autos malos. Defiende la creencia de que los compradores no pueden distinguir efectivamente los limones de los buenos automóviles. Por lo tanto, los vendedores de buenos automóviles no pueden ser mejores que los precios promedio del mercado.

Este argumento es similar a la ley de Gresham, cuestionada desde entonces, en la circulación de dinero, donde la mala calidad expulsa la mala (aunque el mecanismo de conducción es diferente).

Michael Spence se sumó al debate con el artículo de 1973 "Job Market Signalling". Spence modela a los empleados como inversiones inciertas para las empresas; el empleador no está seguro de las capacidades productivas al contratar. Luego compara esta situación con una lotería.

Spence identifica las asimetrías de información entre empleadores y empleados, lo que lleva a escenarios en los que los trabajos mal remunerados crean una trampa de equilibrio persistente que desalienta la oferta de salarios en ciertos mercados.

Sin embargo, es con Stiglitz que la asimetría de información ha alcanzado la aclamación de la corriente principal. Utilizando una teoría de detección de mercado, fue autor o coautor de varios artículos, incluido un trabajo significativo sobre asimetría en los mercados de seguros.

A través del trabajo de Stiglitz, la información asimétrica se colocó en modelos de equilibrio general contenidos para describir las externalidades negativas que ponen precio al fondo de los mercados. Por ejemplo, la prima incierta del seguro de salud necesaria para las personas de alto riesgo hace que todas las primas aumenten, lo que obliga a las personas de bajo riesgo a abandonar sus pólizas de seguro preferidas.

Evidencia empírica y desafíos

La investigación de mercado de los economistas Erik Bond (mercado de camiones, 1982), Cawley y Philipson (seguro de vida, 1999), Tabarrok (citas y empleo, 1994), Ibrahimo y Barros (estructura de capital, 2010), y otros han cuestionado la existencia, evidencia o duración práctica de problemas de información asimétrica que causan fallas en el mercado.

Se ha observado muy poca correlación positiva entre el seguro y la ocurrencia de riesgos en los mercados reales, por ejemplo. Una posible explicación para esto es que las personas no tienen más información sobre su tipo de riesgo, mientras que las compañías de seguros tienen tablas de vida actuariales y mucha más experiencia.

Otros economistas, como Bryan Caplan de la Universidad George Mason, señalan que no todos están a oscuras en los mercados reales; las compañías de seguros buscan agresivamente la suscripción, por ejemplo. También sugiere que los modelos basados ​​en dos partes son defectuosos, como lo demuestran los terceros que intercambian información, como Consumer Reports, Underwriters Laboratory, CARFAX y las agencias de crédito.

El economista Robert Murphy sugiere que la intervención del gobierno puede evitar que los precios reflejen con precisión la información conocida, lo que puede causar fallas en el mercado. Por ejemplo, una compañía de seguros de automóviles podría tener que aumentar todas las primas si no puede basar sus decisiones de precios en el género, la edad o el historial de manejo del solicitante.