Aprendizaje privado y aversión al riesgo: Diseño de mecanismo para Advance Market Commitment (AMC) E I+D

Abstract

En el contexto de I+D, la obtención de un descubrimiento o idea demanda considerables recursos económicos y/o humanos, los cuales podrían ser difícilmente adquiribles debido a desequilibrios en el mercado o alta incertidumbre asociada, siendo necesario el involucramiento de terceros. Actualmente, existe la iniciativa Advance Market Commitments1, que destina fondos con el propósito de cerrar la brecha entre la oferta y la demanda, siendo su objetivo, impulsar el desarrollo de soluciones médicas, generando así, un beneficio social significativo. La optimización de los recursos mencionados, se logra mediante la implementación de contratos eficientes. Se propone la adopción de un modelo dinámico de agente-principal, el cual incorpora tres elementos esenciales: (1) Riesgo moral, que surge cuando las acciones del agente no son controlables por el principal; (2) Adquisición de conocimiento privado acerca de la viabilidad del proyecto, dado que el principal no puede observar los esfuerzos del agente y desconoce si ha obtenido nueva información a través de su investigación; y (3) Aversión al riesgo por parte del agente, motivada por las considerables inversiones y gastos necesarios para el proyecto, lo que resulta en una elevada incertidumbre. El propósito central de este trabajo de tesis es desarrollar una caracterización del contrato óptimo. Para lograrlo, se resuelve numéricamente un modelo de optimización en el cual el principal debe diseñar un contrato C = (T, s,B) que incentive al agente a esforzarse, con el objetivo de minimizar los costos. Se observa un balance entre el riesgo y el incentivo, donde el principal debe elegir entre financiar al agente a través de subsidios o recompensas. Por un lado, los subsidios reducen el riesgo, pero no fomentan el esfuerzo debido a que representan un pago asegurado; mientras que las recompensas trasladan el riesgo al agente y, a la vez, actúan como una herramienta para motivar el esfuerzo, ya que el pago está vinculado al logro. Los resultados numéricos del modelo indican que: (1) Es beneficioso proporcionar un subsidio significativo (s > 1), el cual reduce los riesgos, garantiza una utilidad básica para la participación en la iniciativa AMC y cubre los costos de investigación. (2) Se recomienda incentivar el esfuerzo a través de incentivos en forma de premios, cuyo diseño, depende en gran medida de la tasa de descuento del agente: (a) Para agentes con tasa de descuento cercana a 1 (δ ∼ 1), se sugiere una recompensa decreciente, ya que a medida que pasa el tiempo, la utilidad alternativa del agente (vinculada a la falta de esfuerzo) disminuye, lo que requiere un menor incentivo económico para motivarlo. (b) Por otro lado, para agentes con tasa de descuento cercana a 0 (δ ∼ 0), se recomienda una recompensa creciente, esto se debe, a que la falta de resultados positivos reduce la confianza del agente en la viabilidad del proyecto, lo que demanda una promesa de pago más alta para estimular su esfuerzo. En conclusión, este trabajo caracteriza el contrato óptimo, destacando dos características fundamentales. Primero, para agentes con una aversión al riesgo más marcada, se requieren subsidios iniciales más substanciales, lo que implica una mitigación mayor del riesgo. Segundo, existe una tensión en la determinación del diseño de las recompensas, reflejando un equilibrio entre el "shirking"dinámico (la falta de esfuerzo debido a oportunidades en otros periodos) y el pesimismo del agente (la disminución de la creencia en el éxito del proyecto debido a fracasos previos), este equilibrio da lugar a la elección entre recompensas decrecientes o crecientes, según la tasa de descuento del agente.