反對理性預期假設的論據是什麼？
我相信理性預期假設說模型中的代理人承擔與數學預期相同的預期。
在什麼情況下這個假設會變得有問題？反對這個假設的常見論據是什麼？
理性預期假設（REH）是關於總預期的假設。我相信在這裡發布來自REH 起源的Muth (1961)論文的冗長引用（第 2 部分）是很有啟發性的（粗體字母是我們的重點）：
2. “理性預期”假設
預期數據研究的兩個主要結論如下：
行業中的預期平均值比簡單模型更準確，與精細方程系統一樣準確，儘管存在相當大的橫截面差異的意見。
報告的預期通常低估了實際發生的變化程度。
為了解釋這些現象，我想提出預期，因為它們是對未來事件的有根據的預測，因此與相關經濟理論的預測基本相同（我們在第 5 節中表明該假設與這兩個一致）現象）。冒著將這種純粹描述性的假設與關於公司應該做什麼的聲明混淆的風險，我們稱這種期望是“理性的”。有時有人爭辯說，經濟學中的理性假設導致理論與觀察到的現像不一致或不足以解釋觀察到的現象，尤其是隨時間的變化（例如，Simon 1959）。我們的假設是基於完全相反的觀點：動態經濟模型沒有假設足夠的合理性。
該假設可以更精確地表述如下：對於相同的資訊集，公司的期望（或更一般地說，結果的主觀機率分佈）傾向於分佈在理論的預測（或“客觀”結果的機率分佈）。
該假設斷言三件事：（1）資訊是稀缺的，經濟系統一般不會浪費它。(2) 預期的形成方式具體取決於描述經濟的相關係統的結構。(3) Grunberg 和 Modigliani (1954) 意義上的“公開預測”對經濟系統的執行沒有實質性影響（除非它基於內部資訊）。這與說經濟學的邊際收益產品為零並不完全相同，因為對單個公司的預期可能仍然會比理論產生更大的誤差。
它並沒有斷言企業家的臨時工作與方程組有任何相似之處；它也沒有說企業家的預測是完美的，或者他們的期望都是一樣的。…
我相信從上面應該清楚的是：
1） REH不是關於每個單獨的個體的斷言，而是關於個體期望的黑盒組合所產生的“普遍”期望的屬性。換句話說，REH 是假設的，而沒有真正對個人理性做出任何假設。
**2）**它與經濟模型本身的“內部一致性”有很大關係，因為通過建構並且沒有任何經濟假設， $ E(X\mid I) = X+ e,; E(e\mid I) =0 $ .
占主導地位的經濟模型框架一直是“具有代表性的”（相同）消費者的事實，但模糊了總體預期和個人對總體變數的預期之間的區別。這為 REH 提供了淺薄的“微觀基礎”（之所以淺是因為它不是真正的微觀基礎，本質上假設不需要聚合），而且它也將辯論轉移到了個人期望形成的領域以及是否個人是否有效地使用資訊，這引起了@EnergyNumbers 的回答中提到的有效反對意見。
但實際上，在個人層面上，個人使用數學期望值的假設基本上來自預期效用理論，該理論早於理性預期，並且本身就有爭論（也在Economics.SE中）
另一組“反對”REH 的“論據”（提供了非常有趣的文獻），早在“個人預測和總體結果 - 檢驗的理性預期”一書中收集，1983 R. Frydman 和 E. Phelps（編輯）。其中我提到兩個：
1）作為一個均衡概念，REH 需要協調期望的形成（這真的不是那麼現實）或納什均衡的性質：最後的洞察力給了我們“教育期望”和Roger Guesnerie的一些真正深思熟慮的作品。
- 第二個，比 Eduction Expectations 傳播得更廣，是“ Adaptive Learning ”（參見“Learning and Expectations in Macroeconomics”，Evans 和 Honkapohja，2001 年）。
自適應學習指出，REH 假設經濟主體完全了解其環境的結構。所以在自適應學習模型中，我們有第一個系統化的方法來模擬不確定性：作為經濟學家，經濟主體並不完全了解環境，他們必須估計它並逐漸學習它（因此稱為“自適應學習”）。在這一系列文獻中，“學習”是通過計量經濟學方法完成的，主要是最小二乘法（這是一種非常直覺的最小距離數學近似方法）。粗略地說，這裡代理人的期望不是期望值，而是估計的期望值。這創造了更有趣和更現實的動態，有時可能會收斂（有一天）到 REH 平衡（這使得自適應學習成為有時多個 REH 平衡的“選擇機制”），或者到某個其他點，REH 沒有預測到。
對總體預期形成和建模問題的研究目前正在爆炸式增長，例如參見Frydman & Phelps (ed.) 的另一本書，“重新思考預期”（2012 年），與宏觀經濟學中新興的“後瓦爾拉斯”方向平行（參見D. Colander (ed). 後瓦爾拉斯宏觀經濟學 2006)。
只要誤差是隨機分佈的，沒有任何系統偏差，我們就可以期望理性預期假設成立。
如果我們發現系統性偏差，這個假設就會有問題。
由於行為經濟學實驗和風險研究，我們發現了一些系統性偏差。
一些系統性偏差：
- 我們在損失和收益方面並不是不對稱的：損失的負效用高於相同名義價格的收益的效用——如果你給我 10 英鎊，然後拿走 10 英鎊，我覺得很難做到，甚至儘管我以淨 0 英鎊的差價擺脫了它。
- 我們在評估非常低機率的事件方面系統性地很糟糕。有兩個原因。一是有證據表明，當涉及到非常小的機率時，我們只是糟糕的計算器，即使有關於統計分佈的完美資訊（如果我記得的話，請參考）。另一個正是jmbejara在評論中指出的那樣：關於分佈尾部的推斷是困難的，因為可用於推斷的經驗數據非常少；由於非常長、非常細的尾巴的性質，推理中的小錯誤在計算結束時會變成非常嚴重的後果。
- 我們容易受到價格錨定的影響：我們對最終價格的預期受到我們聽到的第一個價格的影響。最令人難忘的是 Dan Ariely 對自己詩歌閱讀的評價：他給班上的每個人一張紙，上面寫著他的詩歌閱讀價格，以評估其價值。他沒有告訴全班同學的是，一些紙片解釋說，價格是學生被要求支付的價格，聽丹的詩歌朗讀；其他人解釋說，如果他們坐下來讀完他的詩歌，丹會付給學生的代價。從每一組中，他發現學生願意接受給他們的價格。因此，他確立了他的詩歌閱讀既有積極的代價，也有消極的代價。