12风险与投资决策.pptVIP

信息的不同状态 确定性（Certainty）:对于未来结果拥有完全的信息。 风险（Risk）:知道未来可能的结果，并可以对每种结果赋予概率 不确定性（Uncertainty）:不知道准确的结果及其概率 期望货币值Expected Monetary Values 在风险状态下，可以使用期望货币值(EMV)进行决策 EMV = SpiVi 其中: pi = 第i种结果的概率 Vi =第i种结果的价值 EMV=500(0.2)+300(0.4)+100(0.4)=260元 选择EMV最高的决策方案。 打赌决策？ 你是否接受打赌5元，输赢可能性各50%?可能会接受。 你是否接受打赌500万元，输赢可能性各50%?可能不会接受。 但两种方案的EMV都等于0! 你会对损失500万元比赢得5元钱更在意。 保险决策？ 你的房子价值$200,000 发生火灾的概率为万分之一（1/10,000） 损失的EMV=$20 因此$20是你愿意出的最高保险费吗?当然不是！ 你会更在意房子的损失 经济含义：损失一元钱失去的效用会大于获得一元钱而得到的效用。 某一投资决策的风险 某企业正在考虑对一种新产品的开发进行投资，对同类产品市场研究表明，有20%获得成功，其余的（即80%）均失败。此企业生产和销售一批这种产品的成本将是40000元。如果获得成功，将产生160000元的利润。如果努力失败，损失也仅限于最初的40000元投资。 “对产品投资”决策的期望货币值为： EMV1=160000元×0.20+(-40000元)×0.80=0元 “不对产品投资”决策的期望货币值为： EMV2=0×0.20+0×0.80=0元 根据期望货币值最大化的标准，此问题中两种不同行动对于该企业来说是无差异的。 因此，需要把决策者的财富（货币）效用函数引进决策系统结构中，看它如何影响两种不同行动的偏好。 通常假定决策者都是规避风险的 用期望效用[Expected Utility (EU)]代替EMV, EU = SpiUi pi = 第i种结果的概率 Ui = 第i种结果的效用 Spi=1 怎样找到效用值? 它们取决于个人或公司决策者的“规避风险程度” 采用“标准赌博比较法”(Standard gamble comparisons), $0 = 0 “utils” $100,000 = 1 “util” 目标是找出决策者在$0和$100,000之间的效用值。比如，$50,000的效用值是多少? 要求决策者在肯定得到$50,000 和一次打赌之间选择，打赌的结果是得到$100,000或$0，概率分别是P和(1-P) 开始若P很低，决策者自然不会参与打赌，要求得到$50,000；P达到一定值，如0.6，决策者就愿意打赌了，由此表明决策者对风险的态度。 如果此决策者对于这两种结果是无差异的，那么就可以说确定得到$50,000 和“$100,000或$0”风险的效用是相同的，即U($50,000)=0.6(U($100,000)+0.4(U($0))。根据前面的赋值，可以得出U($50,000) =0.6(U($100,000)) +0.4(U($0)) =0.6 用同样方法，可以计算出损失货币的效用值。 风险规避者的效用函数 随着一个人财富的增加，他会从每一个（相等的）财富增量中得到越来越多的满意增加量。 随着财富的增加，从每个给定(相等的)财富增量中得到的满意增加量都是相同的。 决策者具有不同的“风险态度” 风险中性者(RISK NEUTRAL) –财富(收入)具有不变的边际效用 风险规避者(RISK AVERSE) – 财富(收入)具有递减的边际效用 风险偏好者(RISK PREFERRER) –财富(收入)具有递增的边际效用 为什么有人又买保险又习彩票？ 人们通常在一定的收入水平之下是风险偏好者，而在收入之上又是风险规避者 反映风险态度的无差异曲线 风险规避者的无差异曲线从左下方向右上方倾斜，曲线越陡峭，规避风险的程度越高。风险中性者的无差异曲线为水平线，风险追求者的无差异曲线为负斜率 衡量风险的大小：计算期望值 标准差：风险的绝对衡量指标 标准差是一个统计指标，它衡量的是一个变量对其平均数的离散程度，它的定义是每个结果与平均数之差的平方经加权平均之后的平方根： 标准差可用来衡量一种决策方案的变化程度，所以它对方案中包含的风险提供了一个说明。标准差越大，可能的结果变化越大，决策方案的风险越高。标准差为零说明不存在变化，因而没有风险。 计算标准差 变异系数：风险的相对衡量指标 变异系数(v)考虑到相对的变化程度，因此更适合于对