期望货币值是什么
期望货币值（EMV）把不确定结果按概率加权，算出一个平均损益，用于方案比选。它回答的是「长期反复做这类决定，平均结果如何」。当决策涉及多个阶段与多个不确定节点时，用决策树把选择与机会节点画出来再逆向计算，能避免把不同路径的收益与概率混在一起拍脑袋。
基本信息
| 适用过程 | 实施定量风险分析（11.4）与规划风险应对 |
|---|---|
| 核心公式 | EMV 等于各结果金额乘以对应概率后的求和 |
| 配套工具 | 决策树，用于多阶段不确定决策 |
| 适用范围 | 可量化金额与概率的决策，多次重复或组合决策 |
典型使用场景
- 技术路线比选：成熟方案与创新方案的期望收益与损失对比
- 外包与自建决策：比较不同路径的成本概率分布
- 采购谈判策略：用投标失败概率与预期收益评估报价
- 风险应对选择：比较采取应对与接受的期望成本
- 多阶段投资决策：先用决策树算清各分支，再定第一阶段的动作
EMV 计算示例
EMV 计算示例
方案 A：成功概率 0.6，收益 100 万；失败概率 0.4，亏损 30 万
EMV(A) = 0.6 × 100 + 0.4 × (-30) = 60 - 12 = 48 万
方案 B：稳定收益 40 万（无风险）
EMV(B) = 40 万
# 按 EMV 比较选 A，但需结合组织风险偏好与资金承受力判断决策树计算步骤
| 步骤 | 动作 | 注意点 |
|---|---|---|
| 画结构 | 从左到右画决策节点与机会节点 | 决策节点用方框，机会节点用圆圈 |
| 填数据 | 每条分支标注概率与金额 | 同一机会节点的分支概率之和为 1 |
| 逆向计算 | 从右往左算各机会节点的 EMV | 先算末端，再逐层回推 |
| 剪枝决策 | 在决策节点选 EMV 最优分支 | 同时核对风险承受能力 |
使用边界
| 情形 | EMV 是否适用 | 原因 |
|---|---|---|
| 可多次重复的决策 | 适用 | 期望值有统计意义 |
| 一次性、损失不可承受的决策 | 谨慎使用 | 平均值为正仍可能致命 |
| 概率无法估计 | 不适用 | 输入失真，输出无意义 |
| 涉及合规与安全红线 | 不适用 | 不能以期望收益为理由降低底线 |
风险应对的 EMV 比较
风险应对的 EMV 比较
不应对：风险发生概率 0.3，损失 100 万 -> 期望损失 30 万
应对方案：投入 12 万，把概率降到 0.05
残余期望损失 = 0.05 × 100 = 5 万，合计 17 万
# 结论：应对后总期望成本 17 万低于 30 万，值得投入
# 注：还要考虑应对措施本身失效与带来次生风险的可能落地要点
- 概率估计要有依据，优先使用历史数据或专家校准结论
- 把极端损失情形单列讨论，不让它被平均值掩盖
- 决策树中所有分支的概率与金额都要可追溯到假设记录
- EMV 结果用于排序与筛选，最终决策仍需结合战略与合规要求
EMV 是多次重复决策的统计口径。单次决策还需考虑风险承受能力与资金约束，期望值为正不代表这个风险可以承担。
概率靠拍脑袋给出、又直接用于重要决策时，EMV 会制造出精确的假象，掩盖最需要讨论的极端情形。
决策树最容易出错的地方是口径：概率要针对同一事件定义，金额要明确是收益、成本还是净现值，否则不同分支无法直接比较。