nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
Las primeras generaciones nacidas en la era de la información y que, por las capacidades psicocognitivas que han desarrollado, recurren cotidianamente a los medios online para satisfacer sus necesidades de entretenimiento, comunicación, comercio, productividad y conocimiento -llamados comúnmente “nativos digitales” (Rubio García, 2018)-, empiezan a llegar a la edad adulta en un entorno de acelerada evolución tecnológica y democratización en la toma de decisiones, incluidas las de tipo financiero.
Sumado a lo anterior, no se puede pasar por alto lo ocurrido en 2017 con el precio del bitcoin, la criptomoneda más conocida hasta entonces, que multiplicó por 20 su valor en menos de un año. Este hecho fue visto por muchas personas como una oportunidad de hacer crecer su patrimonio, lo que despertó el interés a gran escala en el mercado del dinero digital (Ordóñez Sánchez, 2021). Otro hecho que recientemente incrementó el número de horas que las personas pasan frente a la pantalla de un teléfono inteligente o computadora conectada a internet tuvo que ver con el confinamiento derivado de la pandemia por covid-19. Esta situación disparó la búsqueda de contenidos digitales para intentar sacar rentabilidad de la crisis,1 pero también para paliar la reducción o pérdida de empleo (Serrano, 2022).
Estas y otras circunstancias han favorecido la incursión de muchos jóvenes en el mundo de las apuestas deportivas y de casino -llamadas simplemente “apuestas” a partir de este punto-, así como en el trading, las criptomonedas o las inversiones en bolsa,2 bajo la modalidad online (Chamizo, 2021).3 Diversos estudios sugieren que miles de personas se registran diariamente en plataformas de apuestas y comercio de activos financieros4 (Independent Reserve, 2020). Sin embargo, es probable que muchos de estos nuevos usuarios se estén poniendo en riesgo debido a que su incursión no ha sido acompañada de suficiente formación y controles de actuación (Vara, 2020; Ordóñez Sánchez, 2021).
Al respecto, para Lopez-Gonzalez y Griffiths (2016), la irrupción del juego online ha supuesto una expansión de oportunidades en términos de comunicación y marketing para las empresas proveedoras de estos servicios, que pueden tener importantes efectos persuasivos en algunos conjuntos poblacionales. Incluso, no es extraño encontrar que el juego o las apuestas se anuncien como una forma inofensiva de entretenimiento (Parke et al., 2014; Gozalo Delgado, 2023). Por su parte, Cantero Araque y Bertolín Guillén (2015) destacan la influencia de las nuevas tecnologías en la aparición de problemáticas asociadas al juego y a las compras impulsivas.
En este trabajo se explora la participación y comportamiento de la población estudiantil de educación superior en algunas actividades online que involucran incertidumbre y riesgo, relativas a apuestas, trading, criptomonedas y mercados bursátiles, con base en la alta vulnerabilidad que la literatura ha identificado en este segmento de la población (Rubio García, 2018; Cantero Araque y Bertolín Guillén, 2015; Fernández Rincón, 2022; Gozalo Delgado, 2023). Dado que todas estas actividades tienen un componente especulativo común, cabe pensar que el interés en ellas guarda cierta correlación. El objetivo es conocer la prevalencia de dichas actividades en los jóvenes y si sus condiciones socioeconómicas y demográficas, así como sus percepciones, actitudes y conocimientos (Fernández Rincón, 2022), pueden constituir factores de riesgo de dependencia a estas (Pilatti et al., 2020).
El trabajo plantea tres hipótesis con base en el contexto descrito. La primera propone que un conjunto de variables económicas, sociodemográficas y conductuales puede coadyuvar a explicar la participación de los jóvenes en actividades online que involucran decisiones bajo incertidumbre y riesgo y la aparición de conductas problemáticas que podrían significar el paso de una modalidad de uso recreativo a uno disfuncional (Pilatti et al., 2020). La segunda hipótesis sugiere que la aparición de conductas problemáticas, tanto cuando se trata del juego online como de las actividades financieras especulativas online, puede ser explicada, al menos parcialmente, por las mismas variables. La tercera hipótesis considera que, independientemente de que la educación financiera propicie o no el involucramiento en actividades de especulación con activos financieros y apuestas, sí reduce el riesgo de que se presenten conductas que afecten el bienestar del individuo en términos de su salud o patrimonio.
El trabajo está estructurado de la siguiente manera: tras esta introducción, se expone la relación entre diversas actividades lúdicas o financieras realizadas online, en términos del interés que pueden despertar en la comunidad estudiantil de educación superior, lo cual da paso a los argumentos, tanto sobre la vulnerabilidad de este segmento de la población, como del papel que puede jugar la educación financiera, los controles de actuación, así como ciertas condiciones económicas, sociodemográficas y conductuales en la reducción de esta vulnerabilidad. Paso seguido, se especifica el origen de los datos y se describen sus principales características y la metodología de análisis. Luego se presentan los resultados organizados por fases, las cuales hacen distintos tratamientos de la información para la comprobación de las hipótesis de investigación. Finalmente, se muestra el apartado de conclusiones, recomendaciones y limitaciones del estudio.
1. Marco contextual
1.1. Relación entre diversas actividades lúdicas y financieras realizadas online
El auge de las plataformas de, por ejemplo, apuestas virtuales o trading, ha incrementado la sospecha de que muchas personas podrían estar desarrollando algunas formas de dependencia con elementos comunes a los de otras actividades online, como pueden ser los juegos de estrategia o las redes sociales -Instagram, WhatsApp, Facebook, etc.-, pero ahora tomando mayores riesgos y, generalmente, en aislamiento social (Vara, 2020). Para Hernández Rivera y Rendón Rojas (2021), los avances en las tecnologías de la información y la comunicación siempre introducen nuevos riesgos.
Para muchos jóvenes, las empresas de trading se están convirtiendo en las nuevas casas de apuestas -las cuales fueron consideradas en su momento los nuevos juegos online- y han generado un aumento de las preocupaciones psicosociales (Fernández Rincón, 2022; Psicología Especializada, 2024). Las rápidas oscilaciones de precios de los activos financieros aumentan el interés, pero también acrecientan el riesgo de adicción y de tener pérdidas patrimoniales en el ejercicio de la actividad (Cózar, 2021). Para Serrano (2022), el 80% de los traders termina perdiendo dinero aun habiéndose formado en la disciplina.5 Por otro lado, el mercado de criptomonedas -criptos, a partir de este punto-6 tiene mucho en común con el comercio moderno de acciones (Kim et al., 2020) y con los juegos de azar online (Mills y Nower, 2019); sin embargo, el trading suele ser más vertiginoso en términos de la frecuencia del comercio.
En este sentido, las actividades consideradas tienen muchos elementos de gaming y gambling. El primer término alude a prácticas en las que predominan las habilidades y estrategias, orientadas exclusivamente a una experiencia lúdica, mientras que el segundo se refiere a la práctica con el objetivo de diseñar apuestas de valor bajo un contexto donde el azar -el cual comprende los factores no conocidos y fuera del control del individuo- prevalece (Pilatti et al., 2020; Chamizo, 2021). Sin embargo, en una u otra magnitud, en todas estas actividades hay un componente azaroso y de rendimientos inconsistentes (Arthur y Delfabbro, 2016). De cualquier forma, se trata de alternativas en las que los participantes más inexpertos sobreestiman la posibilidad de ganar “rápidamente mucho dinero” y alcanzar así la “libertad financiera” directamente desde sus dispositivos electrónicos personales (Club de Capitales, 2022; Pilatti et al., 2020). Pero no se debe pasar por alto que, en casos extremos, la dependencia a estas actividades puede derivar en endeudamiento, incumplimiento de compromisos de pago, venta o empeño de bienes, y la posibilidad de cometer o ser víctima de fraude.
Para Griffiths y Parke (2010), las probabilidades de desarrollar problemas de juego en los jóvenes que juegan online -el juego online es una actividad prácticamente normalizada en nativos digitales- son cuatro veces mayores que las de aquellos no asiduos a internet. Asimismo, la probabilidad de practicar cada una de estas actividades no parecer ser independiente de la del resto. En este sentido, Arthur y Delfabbro (2016) mostraron que las personas que apuestan tienen muchas más probabilidades de participar en la compraventa de activos financieros. A su vez, aquellos(as) que comercian acciones bursátiles, además de realizar apuestas, tienen mayor predisposición a entrar al mercado de criptos (Mills y Nower, 2019).
1.2. La población joven: un sector vulnerable
En los últimos años, el interés en estas actividades por parte de los perfiles menos expertos ha crecido exponencialmente. Sin duda, en ello ha incidido lo atractivo de su rentabilidad potencial, pero también las historias compartidas en redes sociales online o in situ por expertos(as) e influencers que en años recientes han proliferado7 (Cózar, 2021; Delfabbro et al., 2021), así como la búsqueda del estatus social que otorga el ser considerado “inversor”, “trader” e, incluso, “apostador” (Serrano Martínez, 2021).
A nivel educacional se observa un déficit en la información recibida por la población joven sobre los riesgos y la participación responsable en actividades con elementos de gaming y gambling (García Ruiz et al., 2016). Al respecto, Ordóñez Sánchez (2021) encuentra que hasta 48% de los participantes se forma exclusivamente en línea a través de estos expertos e influencers. Así, muchos de los participantes en los mercados de trading, criptos o bolsa de valores no cuentan con formación financiera -ni básica ni especializada- y deciden sobre estos mercados de la misma forma en que lo harían con las apuestas tradicionales (Psicología Especializada, 2024). El problema es que, al no haber nadie que juzgue lo que se hace -más que el juicio propio-, se tiende a transgredir las reglas -o planes iniciales-.
La democratización en la toma de decisiones financieras ha permitido que se pueda operar en tiempo real y desde cualquier sitio, lo cual, si bien es una ventaja en las posibilidades de comercio, obliga a la existencia de una regulación adecuada y a la supervisión de las transacciones por parte de las autoridades, pero también requiere de usuarios informados y responsables -independientemente de su perfil de riesgo-. Al respecto, diversos estudios, como los de Rubio García (2018) o Gozalo Delgado (2023), entre otros, consideran a los jóvenes como un grupo especialmente susceptible de participar de manera desordenada en estas actividades y llevar una inadecuada gestión del riesgo.
1.3. Riesgo de adicción y malas decisiones, y el papel de la educación financiera
La ludopatía es un trastorno en el que la persona se ve impelida a jugar, apostar o comerciar de forma persistente y progresiva debido a una pérdida de control sobre los impulsos (Vara, 2020). Aunque la mayoría de quienes apuestan o especulan no suele tener consecuencias adversas derivadas de sus acciones, por lo general hay una fracción de ellos con propensión a tenerlas (Pilatti et al., 2020). Existe una serie de conductas que permiten alertar sobre la potencial dependencia a estas actividades, entre las que destacan: el pensamiento continuado en la actividad, mentir sobre el tiempo o monto destinado, invertir cantidades cada vez mayores, o diseñar estrategias continuamente8 (González-Cabrera et al., 2020). La facilidad de acceso, la falta de formación y de regulación, así como la alta volatilidad de estos mercados, crean un caldo de cultivo para que estas actividades conformen una tipología de adicción (Psicología Especializada, 2024).
No siempre se está preparado a nivel psicológico para gestionar el riesgo, las pérdidas, o, incluso, las ganancias continuadas (Amat, 2009), por lo que estas actividades pueden llegar a producir irritabilidad, ansiedad, culpa, estrés, tristeza, trastornos del sueño, abuso de sustancias o problemas relacionales (Chamizo, 2021). Asimismo, podrían conducir a un bajo rendimiento escolar o laboral, baja asistencia o deserción. La adicción al juego, a las apuestas o a las criptos es conductual, y puede menoscabar el patrimonio y las relaciones sociales (Club de Capitales, 2022).
Algunas causas de los comportamientos obsesivos o compulsivos son la falta de tolerancia a la frustración ante situaciones emocionalmente complicadas, la sobreestimación de algunas habilidades, el miedo a perderse un acontecimiento -fear of missing out o FOMO9- o la preocupación y arrepentimiento anticipado (Vara, 2020; Delfabbro et al., 2021). Estas distorsiones cognitivas se relacionan con la forma en que el individuo piensa respecto a los conceptos de aleatoriedad, azar y habilidad (Pilatti et al., 2020). Pero, como ya se ha indicado, no basta con trabajar sobre estas causas: resulta necesario que exista paralelamente suficiente educación financiera (EF), una legislación que regule a los proveedores de este tipo de entretenimiento, e instituciones que orienten y protejan a los usuarios.10
La EF se refiere al desarrollo de conocimientos, comportamientos y actitudes que permiten a los individuos tomar mejores decisiones de carácter económico en su vida cotidiana y utilizar -convenientemente- productos y servicios financieros para elevar su calidad de vida11 (López et al., 2022). Al respecto, Lusardi (2008) encontró que el nivel de EF se asocia con el nivel socioeconómico, el género, la edad, la escolaridad y factores culturales. No obstante, a pesar de que el nivel educativo está relacionado positivamente con el conocimiento financiero, el grado de EF tiende a ser bajo de manera generalizada. Es por esta razón que la escolaridad de un individuo puede no ser una aproximación adecuada de su nivel de EF (Lusardi y Mitchell, 2011).12
Bajo esta línea argumentativa, es importante distinguir dos dimensiones de la EF que podrían incidir o no en la conducta y toma de decisiones: por una parte, se encuentra el nivel observado de EF -calculado de forma externa con base en las decisiones del individuo- y, por otra, el nivel autopercibido de EF, relacionado con la opinión de un individuo sobre sí mismo. A priori, la EF debería brindar mayor seguridad y mejor discernimiento ante los retos que se presenten en este campo, aunque las acciones específicas que de ello derivan no son tan obvias dado que dependen de la actitud individual frente al riesgo.
1.4. Emociones e inconsistencias del comportamiento en las decisiones bajo incertidumbre y riesgo
Con relación a las decisiones bajo riesgo, Tversky y Kahneman (1992) postulan que existe una asimetría entre la búsqueda del placer y la elusión del dolor, de lo cual habría una aversión a la pérdida13 (El Alabi y Milanesi, 2015). Estos autores también confirman que, cuando se trata de montos pequeños, los individuos son afectos al riesgo en el ámbito de las ganancias y adversos en el de las pérdidas, pero que todo se da la vuelta cuando los montos son altos.
Otra característica de estas decisiones es que las personas hacen sus propias ponderaciones de las probabilidades de ocurrencia de los eventos involucrados, incorporando consideraciones psicológicas (Marqués y Weisman, 2011), lo que da como resultado la transformación de las probabilidades objetivas en pesos decisionales -subjetivos- basados en estas (Gómez-Limón, 2017). Lo anterior permite entender por qué las personas apuestan más de lo previsto cuando están perdiendo, o que los casinos entreguen vales para comida y alojamiento cuando se está ganando -como motivador para que se siga jugando-.
De acuerdo con Gozalo Delgado (2023), la población joven se siente especialmente atraída por muchas formas de juego y actividades especulativas que dan la posibilidad de, aparentemente, demostrar el nivel de pericia para acertar -un ejemplo común lo constituye el caso de los resultados de los eventos deportivos-, lo que daría lugar al desarrollo de sesgos cognitivos que pueden derivar en conductas adictivas.
2. Datos y metodología
Para los fines de esta investigación se desarrolló un cuestionario dirigido a estudiantes de educación superior -quienes conforman el universo del estudio-, con preguntas acerca de su proximidad a las actividades online que involucran riesgo, así como del grado en que conductas cuestionables relacionadas con la dedicación a estas actividades podría estar presente. También se incluyeron preguntas de tipo sociodemográfico y de expectativas y hábitos financieros. Este instrumento fue aplicado en línea a una muestra de estudiantes de licenciatura y posgrado de dos instituciones educativas en México -Universidad Autónoma de Baja California e Instituto Tecnológico de la Piedad- y tres en Colombia -Universidad Autónoma de Manizales, Fundación Universitaria Tecnológico Comfenalco y Universidad Nacional de Colombia-, entre mayo y junio de 2023.14 El tamaño final de la muestra fue de 203 personas. Dado que el diseño de la investigación es de tipo exploratorio-descriptivo, se utilizó un muestreo no probabilístico por cuotas referido a la distribución del origen de los participantes -49.8%, estudiantes de México; 50.2%, estudiantes de Colombia-.15
A manera de descripción de la muestra se puede señalar que 70% de los participantes en la encuesta se encontraba entre los 19 y los 24 años, y 37%, específicamente, en la franja de 21 a 22 años, lo que sugiere que muchos de los encuestados ya podían ingresar al mercado laboral en busca de un empleo mientras cursaban la educación superior. La distribución por sexo revela que 61% de los encuestados son mujeres, mientras que 39% son hombres.16 Se encontró que 86% cursaba una licenciatura, mientras que 14% hacía un posgrado. Adicionalmente, 59% cursaba estudios humanistas, en tanto que 41% se estaba formando técnicamente. Por otro lado, 58% de los respondientes estaba superando la educación de sus padres, que llegaba como mucho al nivel de bachillerato. En cuanto al estado civil, la mayoría de los encuestados estaban solteros -88%-.
En materia de compromisos económicos, se encontró que 21% tenía al menos un dependiente. Asimismo, la fuente principal de ingresos de los encuestados son sus padres o familia en 63% de los casos, lo que sugiere que el apoyo familiar juega un papel crucial en la estabilidad económica de la población estudiantil, incluso a nivel de educación superior. En términos de ingresos, poco más de la mitad -51%- dispone de menos de $450 dólares al mes para hacer frente a sus gastos. Finalmente, en cuanto a la situación ocupacional, 46% eran estudiantes a tiempo completo; sin embargo, destaca que 54% de la población estudiantil combina sus estudios con alguna forma de trabajo, lo que refleja la necesidad de muchos de ellos de financiar su educación y gastos personales.
Sobre los hábitos financieros y expectativas del total de la muestra,17 cabe señalar que solo 25% no contaba con banca electrónica o aplicaciones bancarias, y 70% consideraba que estos mecanismos de gestión financiera eran fáciles de entender y de operar. Por otro lado, solo 5% no había realizado nunca alguna compra por internet. Sobresale que, aun con el avance tecnológico y la proliferación de plataformas bancarias, hasta 48% prefiere realizar sus pagos en efectivo.
Sobre el nivel de EF observado, 66% de la muestra tiene niveles medio-alto o alto, mientras que el 60% se percibe en esos niveles -50% de las veces se trata de las mismas personas-. Asimismo, con relación al perfil de riesgo, 73% lo considera como moderado; 24%, como conservador -adverso al riesgo-; y, finalmente, solo 3% se percibe como agresivo -amante del riesgo-. Por otro lado, 32% manifiesta preferencia por productos de inversión de renta fija -menor tasa y riesgo-; 44% se decanta por los productos de inversión de renta variable -mayor tasa y riesgo-; y 24% declara no conocer sobre productos de inversión. Paralelamente, 60% dice preferir la seguridad sobre una cantidad a recibir antes que correr más riesgos intentando maximizarla. De cualquier forma, el porcentaje de la muestra que se considera inversor es tan solo del 8%.
Con base en las hipótesis de esta investigación, se estima a priori que, en el marco de la caracterización presentada, las variables del cuadro 1 pueden ser útiles para identificar los detonadores de la incursión en las actividades analizadas, así como para explicar la posible aparición de problemas al desarrollarlas.
Cuadro 1 Variables explicativas utilizadas18
| Variable | Categorías |
|---|---|
| Género | Hombre; mujer. |
| País de residencia | México; Colombia. |
| Generación de ingresos | Sí genera ingresos; no genera ingresos. |
| Nivel de ingresos | Bajos; medios o altos. |
| Nivel de estudios | Licenciatura; posgrado. |
| Sesgo de los estudios | Humanista; técnico. |
| Al elegir busca… | Maximizar valor esperado; seguridad. |
| Contar con banca en línea o apps financieras | Ninguna; solo banca en línea; solo apps financieras; ambas. |
| Nivel observado de EF19 | Bajo o medio-bajo; medio-alto o alto. |
| Nivel autopercibido de EF | Bajo o medio-bajo; medio-alto o alto. |
Fuente: elaboración propia a partir de Lusardi y Mitchell (2011), Marqués y Weisman (2011) y Gómez-Limón (2017).
La metodología empleada consta de tres fases. En la fase 1, soportada en la estadística descriptiva, se describe el grado de conocimiento, participación e interés en estas actividades en términos agregados. La fase 2 incorpora el análisis gráfico, enfocándose en la discriminación conseguida por algunas de las variables que se presentan en el cuadro 1. Asimismo, se explora el efecto diferenciador de estas variables en las distintas conductas sintomáticas de problemas. La fase 3 tiene como propósito poder identificar las variables que conjuntamente tienen mayor incidencia en la aparición o no de estas conductas, tratando por separado el caso de las apuestas y el de las actividades de tipo financiero -mercados de trading, criptos y acciones bursátiles-, a través de modelos de regresión logística con la forma:
donde
3. Resultados
3.1. Fase 1
En lo que se refiere al grado de acercamiento general a las actividades especulativas, se observa en la tabla 1 que la más popular son las apuestas, mientras que la menos conocida es la relativa al mercado accionario. El trading y la bolsa presentaban mayor tasa de incursión de entre quienes tenían nociones de estas actividades, con 20% y 19%, respectivamente, y siguen despertando mucho interés -por encima del 50% de quienes tienen nociones al respecto-, lo que anticipa el incremento de participantes jóvenes en esos mercados en el futuro próximo.
Tabla 1 Grado de acercamiento a las actividades analizadas
| Actividad | Tienen nociones | De entre quienes tienen nociones… | |
|---|---|---|---|
| Han tenido alguna experiencia | No han tenido experiencia, pero les gustaría tenerla más adelante | ||
| Apuestas | 93% | 13% | 31% |
| Trading | 65% | 20% | 51% |
| Criptos | 88% | 16% | 47% |
| Bolsa de valores | 63% | 19% | 61% |
Fuente: elaboración propia a partir de los datos muestrales.
Por otra parte, la tabla 2 muestra, para cada actividad, las conductas problemáticas que podrían asociarse con una adicción, específicamente la ludopatía, así como el porcentaje de quienes, habiendo tenido experiencia, al menos una vez habían presentado estas conductas.
Tabla 2 Experiencia en las actividades analizadas y la manifestación sintomática de problemas
| Conducta | Apuestas | Trading | Criptos | Bolsa de valores |
|---|---|---|---|---|
| Has descuidado asuntos familiares/académicos/laborales… | 5% | 6% | 10% | 11% |
| Te sientes intranquilo si no revisas… | 22% | 14% | 24% | 27% |
| Tiendes a tener más actividad para compensar o recuperarte de malos resultados… | 30% | 19% | 17% | 18% |
| Has pedido o considerado pedir prestado para… | 6% | 11% | 10% | 10% |
| Has sentido la necesidad de arriesgar más en… | 17% | 17% | 14% | 14% |
| Realizas constantemente planes para mejorar resultados en… | 35% | 20% | 20% | 31% |
| Has ocultado información o mentido sobre el dinero gastado/perdido o tiempo dedicado a… | 21% | 12% | 21% | 14% |
Fuente: elaboración propia a partir de los datos muestrales, con base en González-Cabrera et al. (2020).
La tabla anterior muestra que la conducta disfuncional más recurrente es estar constantemente diseñando -y ejecutando- planes para poder mejorar resultados -mostrando el mayor porcentaje en cuatro actividades-; la segunda conducta más recurrente se refiere a sobreoperar intentando recuperarse de malos resultados -reportando el segundo mayor porcentaje en tres actividades-; la tercera conducta más frecuente es la intranquilidad cuando no se está al pendiente de lo que ocurre en el contexto de la actividad (FOMO). Por otro lado, la situación menos frecuente en términos relativos, es decir, que en apariencia está bajo el control de los entrevistados, es el descuido de asuntos familiares, académicos o laborales a consecuencia de la actividad, lo cual es evidencia clara de un comportamiento adictivo (Pilatti et al., 2020). Pedir prestado para dedicarlo a la actividad también presenta una prevalencia baja, en términos relativos.
Cabe mencionar que la fiabilidad de las escalas de medición construidas a partir de las variables del instrumento se evaluó mediante el coeficiente Alfa de Cronbach a partir de las varianzas. El valor del coeficiente fue de .7715, que es un nivel aceptable de acuerdo con la convención utilizada en la literatura.
3.2. Fase 2
La distribución en cuanto al grado de acercamiento a las actividades online, bajo la óptica de algunas de las variables explicativas utilizadas, se muestra en la gráfica 1. De acuerdo con la primera columna de la gráfica, excepto en el caso de las apuestas, se observa que aquellas personas con niveles observados y autopercibidos de EF medio-alto o alto suelen tener más información que sus contrapartes sobre estas actividades -sobre todo en el campo del trading y la bolsa de valores-. La fuente de ingresos no resultó muy útil para diferenciar el nivel de conocimiento sobre las actividades. De nueva cuenta, los(as) que generan sus propios ingresos y tienen nivel medio-alto o alto observado, pero, sobre todo, autopercibido, de EF, muestran mayor participación en estas actividades -segunda columna de la gráfica-.
Cuando se analiza conjuntamente a quienes han tenido alguna experiencia y a quienes desearían tenerla -tercera columna de la gráfica-, los porcentajes más altos los suelen tener aquellos(as) que: i) son económicamente dependientes; ii) tienen nivel bajo o medio-bajo de EF; y iii) se perciben con nivel medio-alto o superior de este tipo de educación. Lo anterior deja ver que el porcentaje de interesados(as) en participar, además de ser mayor al de los que ya han participado, es incluso más significativo en estos tres segmentos citados. Cabe destacar que hay más interés en participar por parte de quienes se perciben con nivel alto de EF, que de quienes efectivamente lo tienen.
n: número de casos sobre los que se calcula el porcentaje.
Fuente: elaboración propia a partir de los datos muestrales.
Gráfica 1 Porcentaje de estudiantes con nociones, experiencia e interés en actividades analizadas, segmentado por variables relevantes
Se aprecia en la gráfica 2, dedicada a la conducta disfuncional más común -el diseño y ejecución redundante de planes para tener mejores resultados-, que quienes gozan de un nivel de ingreso medio o superior, quienes cuentan y se perciben con nivel medio-alto o alto de EF, pero, sobre todo, quienes generan sus propios ingresos, tienen mayor propensión a presentar esta conducta. El diseño y ejecución de una planeación redundante es menos frecuente -en términos relativos- en el ámbito de las criptos.
n: número de casos sobre los que se calcula el porcentaje.
Fuente: elaboración propia a partir de los datos muestrales.
Gráfica 2 Porcentaje de estudiantes que realiza planes redundantes para tener mejores resultados y quienes tienen experiencia en las actividades analizadas, segmentado por variables relevantes
De la gráfica 3, enfocada en la sobreoperación para compensar derrotas o malos resultados, destaca claramente que tienen más propensión a presentar esta conducta, en todas las actividades, quienes cuentan con un nivel observado y autopercibido de EF medio-alto o alto, quienes tienen ingresos medios o superiores y, de nuevo, quienes participan en la generación de sus ingresos.
n: número de casos sobre los que se calcula el porcentaje.
Fuente: elaboración propia a partir de los datos muestrales.
Gráfica 3 Porcentaje de estudiantes que sobreopera para compensar derrotas o malos resultados y quienes tienen experiencia en las actividades analizadas, segmentado por variables relevantes
Con relación a otras conductas -no representadas gráficamente-, un mayor nivel de ingresos -relativos- se asocia, para todas las actividades, con la intranquilidad por no revisar, arriesgar más, invertir más tiempo y dinero, ocultar información sobre la actividad e, incluso, considerar pedir prestado. También suele ser este segmento el que más descuida sus relaciones y responsabilidades por atender las actividades. Por otro lado, quienes se perciben con mayor EF, también piden prestado con más frecuencia u ocultan información, descuidan los asuntos de su entorno, presentan intranquilidad por no conocer en todo momento lo que sucede en el marco de la actividad o se ven “obligados” a arriesgar más.
3.3. Fase 3
Se desarrollan tres modelos de regresión logística, cuyas especificaciones fueron definidas bajo el principio de parsimonia. La variable dependiente utilizada en el modelo 1 y el modelo 2 fue “manifestar o no algún tipo de conducta asociada a problemas por llevar a cabo actividades financieras de riesgo online”,20 mientras que en el modelo 3 la variable explicada fue “manifestar o no algún tipo de conducta asociada exclusivamente a problemas por hacer apuestas online”. Lo anterior permite, de alguna manera, comparar la participación en actividades especulativas de tipo financiero con aquellas relacionadas con el juego y las apuestas. Como independientes, se utilizaron en cada caso distintas variables dummies y de intervalo.21
Para esta fase, relacionada con los modelos de regresión logística, se debe tener en cuenta que 35 estudiantes -17.2% del total- habían tenido algún tipo de experiencia o acercamiento a las operaciones de trading, criptos o mercado de valores online, y de estos, 10 habían presentado algún tipo de conducta sintomática de problemas. Por otro lado, 26 estudiantes -12.8% del total- habían tenido algún tipo de experiencia o acercamiento a las apuestas online, y de estos, 10 habían presentado alguna de las conductas consideradas. Son las submuestras vinculadas a la experiencia previa -35 y 26 personas, respectivamente- las que se utilizan en las regresiones.22
3.3.1. Modelo 1
Las variables independientes utilizadas en la especificación de este caso son: género -52.1%, mujeres; 47.9%, hombres-, nivel observado de EF -bajo, 2.9%; medio-bajo, 24.3%; medio-alto, 27.1%; alto 45.7%-, nivel autopercibido de EF -bajo, 0.3%; medio-bajo, 41.1%; medio-alto, 44.3%; alto, 14.3%-, generación de ingresos -participa 64.6%; no participa 35.4%- y el país de residencia -Colombia, 33.3%; México, 66.7%-.23
Debido a que existen sospechas de que las variables relativas al nivel de EF observado y el nivel de EF autopercibido interactúan en el sentido de que, conforme mayor sea la primera, es más probable que la segunda se incremente -pero no a la inversa-, tanto el modelo 1 como el modelo 2 incluyen esta variable interactuada. La tabla 3 muestra los resultados de la estimación para el modelo 1 con las variables significativas finalmente incorporadas.
Tabla 3 Resultados de la regresión logística del modelo 124
| Variable |
|
Error estándar | Wald | Sig. |
|
|---|---|---|---|---|---|
| Género | 3.561 | 1.320 | 7.284 | 0.007 | 35.211 |
| Nivel observado de EF | -1.777 | 1.045 | 2.892 | 0.089 | 0.169 |
| Generación de ingresos | 5.305 | 2.092 | 6.434 | 0.011 | 201.397 |
| (Nivel observado de EF) × (Nivel autopercibido de EF) | 1.240 | 0.428 | 8.400 | 0.004 | 3.455 |
| País de residencia | 5.705 | 2.217 | 6.621 | 0.010 | 300.275 |
| Constante | -15.495 | 5.050 | 9.414 | 0.002 | 0.000 |
Nota: n = 35.
Fuente: elaboración propia a partir de los datos muestrales con apoyo de IBM SPSS Statistics (2023).
El R2 de Nagelkerke indica que 80.3% de la variación de la variable dependiente es explicada por las variables incluidas en el modelo. El contraste de Hosmer-Lemeshow, que evalúa la bondad de ajuste del modelo, presenta un valor de .911, que no permite rechazar la hipótesis nula de alta similitud entre los valores observados y los pronosticados. Además, el modelo clasifica correctamente el 94.0% de los casos, con una especificidad -clasificación correcta de no positivos- de 95.8% y una sensibilidad -clasificación correcta de positivos- de 89.5%.
A partir de los coeficientes de regresión de las variables explicativas o independientes (
En cuanto a las variables dummies, la tabla 3 sugiere que la probabilidad de presentar conductas que puedan derivar en problemas se incrementa significativamente -respecto al caso alternativo- cuando el estudiante es hombre, no participa en la generación de sus ingresos y estudia en México.25 Con relación a las variables de intervalo, se aprecia una relación inversa entre el nivel de EF observado y la probabilidad de tener problemas derivados de las operaciones financieras de riesgo online -específicamente la razón de probabilidades se reduce 83.1% por cada nivel en que se incrementa la variable-. Finalmente, el signo de la variable interactuada es positivo, lo que sugiere que conforme se percibe mayor nivel de EF aumenta la probabilidad de aparición de problemas -específicamente la razón de probabilidades se triplica por cada nivel en que se incrementa la variable-. La autopercepción por sí misma no resultó significativa.
Los resultados anteriores permiten asegurar que, por ejemplo, una estudiante mexicana con nivel observado de EF medio-bajo, pero nivel autopercibido de EF medio alto, y cuyos ingresos no son resultado de su trabajo, tendrá un 35.5% de probabilidad de presentar alguna de las conductas ya enumeradas, dado que participa o ha participado en actividades financieras de riesgo online.26
3.3.2. Modelo 2
Para incorporar el componente tecnológico y de capacidad económica, en este modelo se incorporan las variables referentes al nivel de ingresos -bajos, 77.1%; medios o altos, 22.9%- y a contar con banca en línea o apps financieras -ninguna, 24.3%; solo banca en línea, 57.1%; solo apps financieras, 2.9%; ambas, 15.7%-.27 Las distribuciones anteriores son consistentes con las de Ordóñez Sánchez (2021).
Los resultados de la tabla 4 muestran que un mayor ingreso y la autopercepción de mayor nivel de EF -de forma directa e interactuada- aumentan significativamente la probabilidad de llegar a tener problemas. Por otra parte, entre menos recursos tecnológicos y de banca en línea se tengan, se reduce la posibilidad de aparición de conductas problemáticas, como era de esperar.
Tabla 4 Resultados de la regresión logística del modelo 2
| Variable |
|
Error estándar | Wald | Sig. |
|
|---|---|---|---|---|---|
| Nivel de ingresos | 3.774 | 1.371 | 7.576 | 006 | 43.543 |
| Nivel autopercibido de EF | 3.005 | 1.166 | 6.642 | 0.010 | 20.184 |
| Contar con banca en línea o apps financieras | -4.565 | 1.708 | 7.140 | 0.008 | 0.010 |
| (Nivel observado de EF) × (Nivel autopercibido de EF) | 0.639 | 0.267 | 5.712 | 0.017 | 1.895 |
| Constante | -14.635 | 5.373 | 7.421 | 0.006 | 0.000 |
Nota: n = 35.
Fuente: elaboración propia a partir de los datos muestrales con apoyo de IBM SPSS Statistics (2023).
En este caso, el R2 de Nagelkerke indica que las variables incluidas en el modelo explican el 84.7% de la variabilidad de la variable explicada. El resultado del contraste Hosmer-Lemeshow es de .257, lo que representa un valor aceptable. Además, el modelo clasifica correctamente el 97% de los casos, con una especificidad de 97.9% y una sensibilidad de 94.7%. Con base en los estadísticos, el modelo 2 explica ligeramente mejor la variabilidad de la variable dependiente.
3.3.3. Modelo 3
Este modelo está referido a la presencia o no de problemas derivados de la realización de apuestas. Las variables que se incorporan ya han sido descritas y se presentan en la siguiente tabla 5.
Tabla 5 Resultados de la regresión logística del modelo 3
| Variable |
|
Error estándar | Wald | Sig. |
|
|---|---|---|---|---|---|
| País de residencia | -3.552 | 1.440 | 6.082 | 0.014 | 0.029 |
| Nivel de ingresos | 4.618 | 1.970 | 5.496 | 0.019 | 101.335 |
| Nivel observado de EF | -2.443 | 1.009 | 5.859 | 0.015 | 0.087 |
| Constante | -1.657 | 1.785 | 0.861 | 0.353 | 0.191 |
Nota: n = 26.
Fuente: elaboración propia a partir de los datos muestrales con apoyo de IBM SPSS Statistics (2023).
El porcentaje de casos clasificados correctamente fue de 84.8%, con una especificidad de 82.1% y una sensibilidad de 88.9%. Además, de acuerdo con el R2 de Nagelkerke, el 74.8% de la variación de la variable dependiente es explicada por las variables independientes consideradas en el modelo. La prueba de Hosmer-Lemeshow arroja un valor de .968 (
Los estimadores mostrados en la tabla 5 indican que en Colombia se presenta mayor predisposición a tener conductas problemáticas derivadas del juego. Sin duda, el nivel de ingreso es un factor positivo y significativamente asociado a la aparición de estas conductas como resultado de participar en apuestas. Por otra parte, una mayor EF observada reduce la probabilidad de que se presenten estas conductas -la razón de probabilidades se reduce un 91.3% por cada nivel en que se incrementa la variable-.28
En lo que se refiere a las hipótesis, se puede afirmar que, si bien fue posible explicar la probabilidad de participación en actividades online bajo incertidumbre y riesgo, y la aparición de conductas disfuncionales con un conjunto de variables, las de tipo conductual y social tuvieron menos capacidad explicativa. Por otra parte, se encontró que las variables que pueden explicar la aparición de conductas problemáticas, tanto cuando se trata del juego online como de las actividades financieras especulativas online, no son las mismas, salvo en lo referente al papel que juega el nivel observado y autopercibido de EF. Por último, es posible afirmar que este tipo de educación reduce el riesgo de que se presenten conductas que afecten el bienestar del individuo, pero también que la simple autopercepción de contar con EF, inversamente, incrementa el riesgo de aparición de conductas problemáticas.
Conclusiones
El presente trabajo explora las percepciones, actitudes y comportamientos de la población estudiantil de educación superior con relación a las apuestas, trading, criptomonedas y mercados bursátiles online para conocer la naturaleza de sus decisiones bajo incertidumbre y el riesgo de dependencia a estas actividades.
En general, la evidencia muestra que las(os) estudiantes de educación superior, aun siendo ya nativos digitales, están inmersos en un proceso de adopción de tecnología financiera y de bancarización que presenta algunos rezagos. Estos se manifiestan, por ejemplo, en la preferencia por pagar en efectivo -quizá orillados por el nivel de infraestructura financiera de su entorno- y la falta de inclusión de algunos sectores -uno de cada cuatro no cuenta con banca electrónica ni aplicaciones bancarias; también, uno de cada cuatro no tiene conocimientos sobre los productos de inversión-.
Además, aunque buena parte de tales jóvenes alcanza un nivel suficiente de educación financiera para desenvolverse con cierta autonomía en el ámbito de las decisiones económico-financieras, éste no se correlaciona del todo con la autopercepción de esta educación. De hecho, la autopercepción sobre este tipo de educación suele ser más optimista que el nivel que realmente se tiene -cuando estos últimos niveles son medios-, lo cual incrementa el riesgo de malas decisiones. Por otra parte, se destaca mayor sensibilidad al nivel que se percibe de educación financiera que al nivel que en verdad se tiene.
De entre las actividades estudiadas, el trading y la bolsa son las menos conocidas, pero, al mismo tiempo, las que despiertan mayor interés y tasa de incursión una vez que se conoce su funcionamiento básico, lo que anticipa el incremento de la participación de los jóvenes en estas actividades en los próximos años, sobre todo considerando que los productos de renta variable son preferidos por sobre los de renta fija por parte de la población estudiada, y que tres de cada cuatro se declara con un perfil de riesgo moderado o agresivo.
La población estudiantil con mayores niveles observados y autopercibidos de educación financiera está mejor informada sobre estas actividades, si bien es cierto que los resultados indican que mayor autopercepción incrementa el riesgo de conductas problemáticas. Destaca que quienes están más interesados(as) en incursionar, no generan ingresos y tienen bajos niveles de educación financiera, pero se perciben con altos niveles de esta educación. Esto es sumamente riesgoso.
El 17.2% tenía experiencia en las operaciones de trading, criptos o mercado de valores online, y de estos, 28.6% había presentado algún tipo de conducta sintomática de problemas. Por otro lado, 12.8% había tenido acercamientos a las apuestas online, y de estos 38.5% había presentado alguna de las conductas disfuncionales consideradas. Al respecto, las conductas que resultaron más recurrentes son el estar constantemente diseñando y ejecutando planes para poder mejorar los resultados y la sobreoperación intentando recuperarse de pérdidas. Estas son incluso más frecuentes entre quienes participan en apuestas.
El nivel de ingreso y el nivel autopercibido de educación financiera son las variables explicativas que consiguieron mayor discriminación. Cuanto mayor sean ambas, mayor es la propensión a que se presenten las conductas indicadas. También, mayores niveles de estas variables se asocian con la intranquilidad por no revisar lo que ocurre en el contexto de la actividad, el considerar pedir prestado y ocultar información sobre la práctica de la actividad.
La participación en estas actividades parece estar asociada, asimismo, a la generación del ingreso propio. Se encontró una relación inversa entre el nivel de educación financiera y la probabilidad de tener problemas, pero directa entre esto último y la autopercepción del nivel de educación financiera. Sin duda, el nivel de ingreso es un factor positivamente asociado a la aparición de conductas problemáticas como resultado de participar en apuestas. Lo anterior permite afirmar que las variables que inciden en la toma de decisiones acerca del juego y las que lo hacen en la especulación financiera tienen en común elementos relacionados con la educación financiera, pero, en términos generales, no son las mismas.
Es fundamental que se provea a los jóvenes de más y mejores herramientas para que sus decisiones de tipo financiero y otras de riesgo sean pertinentes en este entorno de fácil acceso a la tecnología y democratización de las decisiones financieras. No se trata solo de brindar mayor educación financiera, sino también de desarrollar otras competencias y habilidades blandas, como la disciplina y la visión de largo plazo. Todo lo anterior, construido sobre la base de una regulación que informe y proteja a los grupos más vulnerables sobre los riesgos de no estar preparado ante la psicología del mercado.
Es importante destacar que este trabajo presenta algunas limitaciones, sesgos y debilidades metodológicas que deben ser consideradas al interpretar los hallazgos. Se debe reconocer que el instrumento presentó restricciones en cuanto al tipo de información que consiguió captar, dejando fuera información de, por ejemplo, hábitos financieros. Otra limitación tiene que ver con el número de encuestas realizadas y el tipo de muestreo. Finalmente, este reducido tamaño de muestra compromete de cierta manera también los resultados obtenidos a través de la regresión econométrica. Por todo lo anterior, este trabajo podría no ser constitutivo de evidencia empírica robusta.
No obstante, aunque el tamaño de la muestra es reducido, resulta consistente con el de estudios similares, por lo que los hallazgos podrían entenderse como una aproximación al comportamiento de la población objetivo. Es importante destacar, también, que este trabajo no pretende ser una crítica a la participación en actividades de entretenimiento, comercio o compraventa de activos financieros online. De hecho, se reconoce que pueden llegar a ser terapéuticas en el caso del entretenimiento, eficientes cuando se habla de comercio y muy rentables en cuanto a las operaciones financieras se refiere. Se trata más bien de advertir sobre la posibilidad latente de que esta participación pueda tener consecuencias indeseadas si no se cuenta con cierta educación financiera, se desarrollan capacidades individuales y se presenta un entorno regulatorio favorable.
De cualquier forma, el trabajo ratifica la importancia de tratar esta problemática desde diferentes disciplinas del conocimiento, así como la necesidad de que la población, en especial las nuevas generaciones, cuente con educación financiera. Este estudio puede replicarse para otras sociedades y segmentos poblacionales, con el fin de determinar si los resultados presentados pueden generalizarse. También este tipo de estudios pueden ayudar al diseño de políticas públicas dirigidas a evitar las conductas expuestas, que pueden implicar una merma en el bienestar social.
