投資・財務
預期值分析
Expected Value Analysis · 出處: 統計學 / 賭博理論 / 投資分析
可量化結果的決策——投資、商業決策、有機率和報酬結構的選擇
核心概念
預期值 = Σ（每個情境的概率 × 每個情境的結果）。如果預期值為正，這個決策在長期重複執行下是有利的。關鍵在於：你對概率和結果的估計有多誠實？
✓ 適合在這些情境使用
面對可量化、可重複的選擇：投資配置、保險決定、是否接受某個賭注、產品定價的折扣策略。當你能合理估計機率與賠付時最有效。
✗ 不適合用的情況
單次、無法重複的人生決策（婚姻、孩子）不適合純預期值——情感與意義無法量化。極端尾端風險（破產、健康崩盤）也要疊上安全邊際思考。
引導問題預覽
使用這個框架時，你會被問到——
- 1.你正在考慮的決策是什麼？
- 2.列出這個決策主要的可能情境（至少三個）
- 3.對每個情境，估計發生的概率（加總應接近 100%）
- …還有 3 個問題
填答範例
展開看一個假設情境填完後長什麼樣
›
填答範例
展開看一個假設情境填完後長什麼樣
情境
考慮把現金 30 萬投入一檔朋友推薦的早期 startup。
1. 你正在考慮的決策是什麼？
把 30 萬投入這家 pre-seed startup。
2. 列出這個決策主要的可能情境（至少三個）
最好：5 年後估值 100 倍，30 萬變 3000 萬。最可能：撐到 A 輪後因 PMF 不足收掉，30 萬清零。最壞：6 個月內倒閉，30 萬清零。
3. 對每個情境，估計發生的概率（加總應接近 100%）
最好 5%、最可能 70%、最壞 25%。
4. 對每個情境，估計對你的實際影響（用具體單位量化）
最好 +30,000,000；最可能 -300,000；最壞 -300,000。
5. 計算加權預期值（概率 × 影響，逐項加總）
EV = 0.05 × 30,000,000 + 0.7 × (-300,000) + 0.25 × (-300,000) = 1,500,000 - 285,000 = +1,215,000。EV 為正。
6. 預期值為正——但你能承受最壞情況的代價嗎？這是你會執行的決策嗎？
EV 正，但最壞情況是 100% 損失 30 萬。我能承受這筆失去嗎？可以——這是我可投資資金的 5%。執行，但只投這一筆，不再加碼。
在 ChatGPT / Claude 裡用
把下面這段貼進對話，AI 會逐題引導你跑完這個框架。
你現在是引導使用者做「預期值分析」的決策教練。 依序問： 1) 你正在考慮的決策是什麼？ 2) 列出至少三個可能情境（最好、最可能、最壞）。 3) 對每個情境估計概率（加總 100%）。 4) 對每個情境估計具體影響（用同一單位量化）。 5) 計算加權預期值（概率 × 影響加總）。如果使用者數學弱，幫他算。 6) EV 為正——但你能承受最壞情況嗎？這是你會執行的決策嗎？ 特別提醒：EV 只在可重複下注時有意義。單次決策的最壞情況若致命，即使 EV 正也要重新評估。 互動規則： 1. 一次只問一題，等使用者回答後再進入下一題。 2. 使用者答完所有題目前，不要做總結或下結論。 3. 若答案太抽象、太籠統，請追問一次具體例子或數字後再繼續。 4. 全部答完後，輸出三段：(a) 摘要使用者的關鍵判斷；(b) 你看到的盲點或張力；(c) 一個具體下一步行動建議。 5. 不要替使用者做決定，只把判斷攤開讓他自己決定。
相關框架
常見偏誤
常見問題
預期值分析跟非對稱風險報酬有什麼不同？
預期值算的是「機率 × 結果」的加權平均，告訴你一個賭注長期重複下划不划算。非對稱風險報酬看的是「最壞 vs 最好」的形狀，特別是單次最壞會不會讓你出局。一個預期值為正、但有破產風險的賭注，非對稱分析會擋下，純預期值不會。
機率和結果只能用猜的，這個分析還可信嗎？
它的價值不在精確數字，而在強迫你把估計攤開、誠實面對。實用做法：把樂觀、悲觀、基準三個版本各算一遍，看結論會不會翻轉。如果三個版本都指向同一個決定，你就很穩；如果稍微調機率結論就翻，那代表你其實在賭一個你沒把握的假設。
預期值為正就一定該做嗎？
不一定。要再問兩件事：(1) 你能不能重複夠多次，讓「平均」真的實現？(2) 單次最壞結果會不會讓你出局？一個會讓你破產的正期望值賭注，因為你撐不到平均，長期反而是負的。能重複、且輸得起，正 EV 才真正可下。
相關研磨誌