La teoria dell'informazione asimmetrica in economia

La teoria delle informazioni asimmetriche è stata sviluppata negli anni '70 e '80 come spiegazione plausibile di fenomeni comuni che l'economia generale dell'equilibrio generale non poteva spiegare. In termini semplici, la teoria suggerisce che uno squilibrio di informazioni tra acquirenti e venditori può portare a risultati inefficienti in alcuni mercati.

L'ascesa della teoria dell'informazione asimmetrica

Tre economisti sono stati particolarmente influenti nello sviluppo e nella scrittura della teoria delle informazioni asimmetriche: George Akerlof, Michael Spence e Joseph Stiglitz. Tutti e tre hanno condiviso il Premio Nobel per l'economia nel 2001 per i loro precedenti contributi.

Akerlof ha discusso per la prima volta dell'asimmetria informativa in un articolo del 1970 intitolato "Il mercato dei limoni: incertezza di qualità e meccanismo di mercato". A tale proposito, Akerlof ha affermato che gli acquirenti di automobili vedono informazioni diverse rispetto ai venditori, dando ai venditori un incentivo a vendere beni di qualità inferiore alla media del mercato.

Akerlof usa il termine colloquiale "limoni" per riferirsi a macchine cattive. Si sposa con la convinzione che gli acquirenti non possano distinguere efficacemente i limoni da auto buone. Pertanto, i venditori di auto buone non possono ottenere migliori dei prezzi medi di mercato.

Questa argomentazione è simile alla legge di Gresham, che è stata sfidata da allora in poi, nella circolazione del denaro, in cui la scarsa qualità scaccia il male (sebbene il meccanismo di guida sia diverso).

Michael Spence ha aggiunto al dibattito con l'articolo del 1973 "Job Market Signaling". Spence modella i dipendenti come investimenti incerti per le imprese; il datore di lavoro non è sicuro delle capacità produttive durante l'assunzione. Quindi confronta questa situazione con una lotteria.

Spence identifica le asimmetrie informative tra datori di lavoro e dipendenti, portando a scenari in cui i lavori a basso reddito creano una trappola di equilibrio persistente che scoraggia l'offerta di salari in determinati mercati.

È con Stiglitz, tuttavia, che l'asimmetria delle informazioni ha raggiunto il successo della maggioranza. Utilizzando una teoria di screening del mercato, è autore o coautore di numerosi articoli, tra cui un lavoro significativo sull'asimmetria nei mercati assicurativi.

Attraverso il lavoro di Stiglitz, le informazioni asimmetriche sono state inserite in modelli di equilibrio generale contenuti per descrivere le esternalità negative che determinano il prezzo del fondo dei mercati. Ad esempio, l'incertezza del premio assicurativo sanitario necessario per le persone ad alto rischio fa aumentare tutti i premi, allontanando le persone a basso rischio dalle loro polizze assicurative preferite.

Prove e sfide empiriche

Ricerche di mercato degli economisti Erik Bond (mercato dei camion, 1982), Cawley e Philipson (assicurazione sulla vita, 1999), Tabarrok (incontri e occupazione, 1994), Ibrahimo e Barros (struttura del capitale, 2010), e altri hanno messo in dubbio l'esistenza, l'evidenza o durata pratica dei problemi di informazione asimmetrica che causano il fallimento del mercato.

Ad esempio, nei mercati reali è stata osservata una correlazione molto scarsa tra assicurazione e occorrenza del rischio. Una possibile spiegazione di ciò è che le persone non hanno più informazioni sul loro tipo di rischio, mentre le compagnie assicurative hanno tabelle di vita attuariali e molta più esperienza.

Altri economisti, come Bryan Caplan alla George Mason University, sottolineano che non tutti sono al buio nei mercati reali; le compagnie assicurative cercano aggressivamente la sottoscrizione, per esempio. Suggerisce inoltre che i modelli basati su due parti sono imperfetti, come può essere dimostrato da terze parti che infrangono le informazioni, come Consumer Reports, Underwriters Laboratory, CARFAX e agenzie di credito.

L'economista Robert Murphy suggerisce che l'intervento del governo può impedire ai prezzi di riflettere accuratamente le informazioni note, il che può causare un fallimento del mercato. Ad esempio, una compagnia di assicurazioni auto potrebbe dover aumentare tutti i premi se non può basare le sue decisioni sui prezzi sul genere, l'età o la storia di guida di un richiedente.