期望理论—一种描述性模型

期望理论—一种描述性模型

ProspectTheory–adescriptivemodel

内容：

I.价值函数（取代EUT的效用）

1.S形价值函数

2.损益的边际递减效应

3.损失的“突出”

II.决策权重（取代EUT的概率）

1.π函数

2.确定性效应

3.小概率偏重

III.期望价值的计算

IV.有提示的练习

译注：EUT（ExpectedUtilityTheory），预期效用理论。

期望理论（PT）--描述分析

I.价值函数

1.S形价值函数

2.损益的边际递减效应

（1）大笔亏损比逐笔亏损更容易承受。

（2）逐笔赢利比大笔赢利更令人愉快。

例如：你会愿意马上付掉所有的账单，但是希望在连续几天内陆续收到生日礼物。

3.损失的“突出”

（1）与赢得500美元的良好感觉相比，亏损500美元的感觉更糟糕。

（2）在损失和收益不同的域内，人们对风险的态度会发生变化。

·下凹收益曲线：风险厌恶（risk-aversion）。

A.确定赢8美元；

B.50：50的赌博，赢了得20美元，输了一分钱没有。

偏好A。

·上凸亏损曲线：风险追求（risk-seeking）。

A.确定输8美元；

B.50：50的赌博，输了亏20美元，赢了一分钱不亏。

偏好B。

短期适应：考虑如“懊悔”这类原因。

长期适应：根据EUT，长期无法适应。如果是根据进化论，那么，或许长期可以适应。

·EUT—决策策略已经预期了很多决策的不同结果。如果玩很多次并不会使你的收入最大化。

EV（确定赢8美元）=$8

EV（50：50赢20美元）=0.5*20美元+0.5*0美元=10美元。

·进化论。如果生存取决于避免灾难性损失，我们可能就会变得对损失（而不是收益）过度敏感。

（3）损失厌恶—避免确定的损失。

·捐赠效应

·现状偏见

·沉没成本偏见

·不过，支付“保险费”是一种购买证券的行为。价值函数重构进入收益域。（Slovic,Fischhoff,&Lichtenstein,1982）。

II.决策权重—π函数

用于说明我们如何解释或转换概率。

1.π函数假说

2.确定性效应（Certaintyeffect）

（1）ETU（预期效用理论）：概率10%的变动在分布区间内处处相同。

举例：p=0.4至p=0.5，p=0.9至p=1.0与p=0.0p=0.1是相同的。

（2）PT（期望理论）：确定性效应

·由p=0.4至p=0.5这10%的变化是微不足道的。

·确定性收益非常吸引力。

由p=0.9至p=1.0这10%的变化效力很大。

·确定性损失非常缺乏吸引力。

由p=0.0至p=0.1这10%的变化效力很大。

3.π函数的提示

（1）非常小的概率被偏重。

·彩票

·“Jerry和我不打算去欧洲，这都是因为恐怖分子。”

·与已知的HIV携带者发生感染艾滋病的概率是p=0.002（如果一年内每天都发生接触，概率将提升至p=0.5）（Paulos,1988）。

（2）非常大的概率被低估。

·神经外科手术有80%的成功率。

III.期望价值的计算

1.计算公式同预期效用理论（EUT）：

2.对规范化标准信赖仍然存在问题，尤其是概率等。

3.对决策的更好描述。

4.提醒我们ETU可能是一种规范。

IV.有提示的练习

提示：

1.是否涉及小概率或大概率？

用π函数解释，并考虑概率的高估或低估现象。

2.是否有确定性效应？

用π函数解释。

3.决策是落在损失域还是收益域中？问题的构架（Framing）是否使人们认为，决策对于一种构架是在损失域，对于另一种构架则是在收益域？

用价值函数解释，并考虑损失比收益“突出（loomlarger）”的心理因素。

4.是否有现状偏见（statusque）？

用价值函数解释，比起同样大小的收益显得更突出。

5.在问题的构架中，是否会导致人们不同的主题计算（即心理会计，mentalaccounting）？

用价值函数的斜率解释（即，边际递减效应）。

令狐大葱译，2002/12/24

更正：

·与已知的HIV携带者发生接触而感染艾滋病的概率p=0.002（如果一年内每天都发生接触，概率将提升至p=0.5）（Paulos,1988）。