Onlangs stelden Khaw et al. (2021) een baanbrekend theoretisch raamwerk voor dat voortbouwt op het dominante paradigma in de neurowetenschappen dat een microbasis biedt voor stochastische keuzepatronen en risicoaversie met een kleine inzet. Hoewel deze modelleringsbenadering het potentieel heeft om individuele besluitvorming en misschien gedragseconomie in het algemeen te verenigen, wil ik het ruiscoderingskader van Khaw et al. (2021) theoretisch uitbreiden en empirisch testen in drie projecten. In het eerste project wil ik de modellen van Khaw et al. (2021) en Vieider (2021a) uitbreiden door een neuraal begrip van verliesattitude te introduceren dat verliesattitude toeschrijft aan een asymmetrisch informatieverwerkingsmechanisme. In het tweede project stel ik voor om empirisch te onderzoeken hoe de priors worden bijgewerkt na grote inkomens- en consumptieschokken. Dit belooft nieuwe inzichten op te leveren over hoe de risicovoorkeur wordt gevormd en zich aanpast aan veranderingen in de omgeving - een kwestie waarover tot nu toe weinig of niets bekend is. Het doel van het derde project is het statische ruiscoderingsmodel uitbreiden met een dynamisch proces waarbij de modelparameters zelf worden geüpdatet op basis van een reeks stimuli. Hoewel enkele recente studies bespreken hoe coderingsruis zich systematisch zou kunnen aanpassen aan de prior in een efficiënte coderingsopstelling, is de prior zelf tot nu toe niet besproken in de literatuur.