风险决策范文
时间：2023-06-08 17:15:04
风险决策范文第1篇
关键词：侦查决策；风险型决策；决策树；贝叶斯决策法；效用
中图分类号：DF793.2 文献标识码：A 文章编号：1674-4853（2012）05-0026-07
从决策科学的角度看，以不同标准可以将决策分为个人决策和组织决策；战略决策、管理决策和业务决策；程序化决策和非程序化决策；单目标决策和多目标决策；定性决策和定量决策；确定型决策、风险型决策和不确定性决策。[1]15其中，确定型决策、风险型决策和不确定型决策是研究决策分析的基本分类方法。这种分类方法以自然状态，即决策者无法控制但可以预见的决策环境客观存在的各种状态的变化为分类标准，将自然状态的发生概率与决策方案损益值，即在特定自然状态发生时，特定决策方案实施后的收益或损失建立起直接联系，反映出决策系统三项要素，即自然状态、决策方案和决策方案损益值的逻辑关系，以及决策活动实践性和应变性的本质特征，是从动态过程角度对决策分析的分类。
侦查是一个不断决策并优选方案的过程，而侦查决策本就具有决策分析的属性。决策科学研究的决策或决策分析与日常社会生活中的决策活动略有不同，决策科学研究决策问题所要解决的是“怎么做”或“怎么做得更好”，而不是“做什么”，也就是说，是预设明确目标的方案优选。而侦查工作就是在及时合法侦破案件的明确目标指导下，直面复杂多变的案情条件，优选侦查方案的过程。对应决策系统三项要素，侦查决策系统的三项要素是案情条件、侦查方案和特定侦查方案在特定案情条件概率下的损益值。借鉴确定型决策、风险型决策和不确定型决策的分类方法，将侦查决策分为确定型侦查决策、风险型侦查决策和不确定型侦查决策，就是为了运用该分类方法所反映的决策过程的动态性、实践性、应变性，尤其是运用决策系统三项要素的逻辑关系来分析侦查决策优选的过程。决策科学和确定型决策、风险型决策和不确定型决策的分类方法与侦查决策具有高度的契合性，引入决策理论与方法研究侦查决策问题的重大意义在于，为侦查学研究和侦查决策工作提供科学方法论基础。
一、风险型侦查决策模型的提出
依案情条件确定程度不同，侦查决策被分为确定型侦查决策、风险型侦查决策和不确定型侦查决策。风险型侦查决策介于确定型侦查决策和不确定型侦查决策之间，是更符合现实侦查决策形态的决策模型，因此笔者将之作为研究侦查决策的标准模型，以下就从与确定型侦查决策和不确定型侦查决策比较的角度，分析并提出风险型侦查决策模型。
所谓确定型侦查决策，是指案情条件完全确定的侦查决策，其构成条件有四：存在一个明确的侦查目标；存在一个确定的案情条件；存在可供侦查员（决策者）选择的多个侦查方案；可求得每个侦查方案在该确定案情条件下的损益值。由于案情条件是确定且唯一的，问题的发展方向只有一种确定的结果，侦查员只要分析比较各侦查方案实施的结果就能实现优选。不确定型侦查决策，是指各种案情条件发生可能完全不确定的侦查决策，其构成条件有四：存在明确的侦查目标；存在两个以上发生可能性不知的案情条件；存在可供侦查员选择的两种以上侦查方案；可求得各侦查方案在各案情条件下的侦查决策矩阵。相较而言，确定型侦查决策是理性决策，而不确定型侦查决策是经验决策，现实中的侦查决策都是理性与经验共同作用的结果，但从决策模型的角度说，不确定型侦查决策显然更符合侦查决策的实际形态，这是由复杂多变的案情条件所决定的，也正是因此，侦查决策在本质上仍属于经验决策，经验的意义主要在于对案情条件发生可能性的预计。虽然绝大多数案件中，案情条件发生的可能性是难以预计的，但完全不知的情况也是极为少见的，在经验的指导下，侦查员总是会对案情条件发生的可能性进行预计，只是准确性与实际情况有差异。案情条件再复杂疑难、扑朔迷离的案件中的侦查决策也不可能来自毫无客观根据的灵感，现场的蛛丝马迹总会调动侦查员特定的思维和经验，从而预计相对确定的案情条件发生的可能性。从对现实侦查决策形态的诠释和决策方案优选的方法来看，确定型侦查决策和不确定型侦查决策都是极端的。从对现实侦查决策的诠释来看，完全确定案情条件发生可能和完全不知案情条件发生可能的情况都是极端的，在犯罪情势日益复杂多变，而刑事技术又不断创新发展的社会背景下，案情条件总是在经验主导、技术支持的侦查决策中存在相对确定的发生可能性，也就是说存在一种可预计的发生可能性。从决策方案优选方法的角度说，直接而理性的比较当然是理想的，但受案情条件相对确定性的影响，这种理想方法的适用空间显然是极为有限的；不确定型侦查决策则走向了另一个极端，即以对决策准则的主观选择替代对案情条件发生可能性的客观分析作为决策方法在不确定型侦查决策中，由于案情条件发生概率不知，所以只能通过选择特定的决策准则来人为设定概率。不确定型侦查决策的决策准则有：乐观准则、悲观准则、折中准则、后悔值准则和等可能准则。其中乐观准则将案情条件发生概率设为1，即完全确定，其他情况为0，即不可能；悲观准则将案情条件发生概率设为0，其他为1；折中准则将概率设为α（乐观系数），其他为1-α；后悔值准则与悲观准则相似。这四种准则都将案情条件发生概率设为完全确定和完全不确定两种极端状态，忽视了对中间状态信息的分析。而等可能准则则设为1/m，m为案情条件的数量，但案情条件的等概率显然是不现实的。，决策准则的选择受到作为决策者的侦查员的偏好、认知分析水平、经验等因素的影响，对决策准则的选择当然也反映出侦查员对案情条件确定性程度的客观分析，但由于不确定型侦查决策的前提是不知案情条件发生可能性，因此只能以对决策准则的选择替代对案情条件发生可能性的客观分析，但这种以主观选择替代客观分析的方法显然存在过大的决策风险。侦查员会受到偏好、认知分析水平、经验等因素的影响是绝对的，但与其将之应用于对决策准则的主观选择，不如直接应用于对案情条件发生可能性的客观分析，也就是将不确定型问题转化为风险型问题解决。
二、风险型侦查决策的构成条件和决策准则
由于确定型侦查决策和不确定型侦查决策的极端性，以案情条件发生可能的相对确定性为前提的风险型侦查决策就成为研究现实侦查决策优选的最合适模型。风险表明存在着收益或损失，但收益或损失出现的可能性是随机的，这种随机性的概率是通过自然状态的概率来表示的。在数学上，风险是某一不利事件的不利程度和该事件出现概率的函数。[2]56风险型侦查决策就是在分析不利事件的不利程度和该事件出现概率基础上，对侦查决策方案的优选，简单地说就是面对风险，作出选择。风险型侦查决策，是指通过侦查经验和刑事技术预计案情条件发生可能性，在此基础上比较各侦查方案的损益值，以实现优选的侦查决策。其构成条件有五：存在明确的侦查目标；存在两个以上的侦查方案；存在两个以上的案情条件；可以计算出不同侦查方案在不同案情条件下的损益值；在各案情条件中，侦查员不能肯定未来哪个案情条件一定会发生，但可以确定每个案情条件发生的可能性。
决策活动不是事实发现活动，而是价值评判活动，因此决策准则的选取至关重要。决策准则是决策分析的基本要素，它是评价决策方案是否达到决策目标的价值标准，也是选择决策方案的依据，也表明作为决策者的侦查员对待案情条件可能性的态度。风险型侦查决策的决策准则是期望值准则，具体来说，侦查方案d的期望值，就是它在不同案情条件下的损益值乘以相对应的该案情条件发生可能性（概率）之和，即E（di）=∑nj=1p（θj）dij，其中E（di）表示侦查方案di的期望值；dij表示侦查方案di在案情条件θj下的损益值；p（θj）表示案情条件θj的发生可能性（概率）。每个侦查方案即为一个决策变量，其取值就是每个侦查方案在不同案情条件下的损益值。把每个侦查方案的各损益值和相对应的案情条件发生可能性（概率）相乘再相加总，得到各侦查方案的期望损益值，然后选择收益期望值最大者或损失期望值最小者作为最优方案。这种把每个侦查方案期望值求出加以比较优选的方法，即为期望值决策准则。
风险决策范文第2篇
〔中图分类号〕 G633.66 〔文献标识码〕 A
〔文章编号〕 1004—0463(2012)17—0078—01
人们在生活中总会遇到一些难以决断的事情,这些让人犹豫不决的事往往受一些不确定因素的影响,使得事物发展的结果难以预料。那么,生活中怎样避劣选优,科学决策,最大限度地降低决策的风险,果断、巧妙地抓住成功的机遇呢?随机变量的数学期望就是用来平衡人们极大的利益欲望和极小化的风险这对矛盾的一个特征数字。本文就应用数学期望的有关知识来解决人们在生产、生活中的实际问题。
风险决策
例1 某商场要根据天气预报来决定节日是在商场内还是在商场外开展促销活动。统计资料表明,每年国庆节在商场内举行促销活动可获得经济效益2万元,在商场外举行促销活动如果不遇到有雨天气可获得经济效益10万元,如果遇到有雨天气则带来经济损失4万元。9月30日气象台预报国庆节当地有雨的概率是0.4,那么商场应该选择哪种促销方式?
解析:设若在商场外举行促销活动,则该商场所获得的经济效益为ξ万元, ξ可能取的值为10或-4。则ξ的分布列为
则E(ξ)=10×0.6+(-4) ×0.4=4.4.
即在商场外举行促销活动获利的期望值为4.4万元,又因为在商场内举行促销活动可获得经济效益2万元,故商场应该选择在商场外举行促销活动。
天气好坏是不确定因素,因此,作决策时存在一定风险。我们不能保证所作的决策一定能取得最好的效益,但必须使效益的期望最高,这也是商场大张旗鼓作宣传的原因。
投资决策
例2 某人用10万元进行为期一年的投资,有两种投资方案:一是购买股票,二是存入银行获取利息。买股票的收益取决于经济形势,若经济形势好可获利4万元,形势中等可获利1万元,形势不好要损失2万元。如果存入银行,年利率为8%,可得利息8000元。若经济形势好、中、差的概率分别为30%、50%、20%,试问选择哪一种方案可使投资的效益较大?
解析:比较两种投资方案获利的期望大小:购买股票的获利期望是E(ξ1)=4×0.3+1×0.5+(-2)×0.2=1.3(万元),存入银行的获利期望是E(ξ2)=0.8(万元),由于E(ξ1)>E(ξ2),所以购买股票的期望收益比存入银行的期望收益大,所以应采用购买股票的方案。在这里,投资方案有两种,但经济形势是一个不确定因素,做出选择的根据必须是数学期望最高。
面试决策
例3 设想某人在求职过程中得到了两家公司的面试通知,假定每个公司有三种不同的职位:极好的,工资4万元;好的,工资3万元;一般的,工资2.5万元。估计能得到这些职位的概率分别为0.2、0.3、0.4,有0.1的可能得不到任何职位。由于每家公司都要求在面试时表态接受或拒绝所提供职位,那么,面试时应遵循什么策略应答呢?
解析:极端的情况是很好处理的,如提供极好的职位或没工作,当然不用做决定了。对于其他情况,我们的方案是,采取期望受益最大的原则。
先假设此人在第二家公司面试前没有接受任何职位,那么,在第二家公司面试时则会接受任何可能提供的职位。其工资的期望值为E(ξ2)=4×0.2+3×0.3+2.5×0.4+0×0.1=2.7万元。
现在考虑在第一家公司面试时的情况,我们可以认为,如果接受一般的职位,期望工资只为2.5万元,但若放弃(可到下一家公司碰运气),期望工资可达到2.7万元,所以可选择只接受极好的和好的职位。在这一策略下在第一家公司面试的期望值可由下列数据求得:极好的职位,工资4万元,概率是0.2;好的职位,工资3万元,概率是0.3;一般的职位,工资2.5万,放弃(接受第二家公司面试), 工资2.7万元,概率是0.4;没工作(接受第二家公司面试),工资是2.7万,概率是0.1.工资总的期望值E(ξ1) =4×0.2+3×0.3+2.7×0.5=3.05万元。
风险决策范文第3篇
论文摘要：当下社会，无论经济发展状况，或者说工业化程度如何，都已经或多或少地被纳入了全球化的体系之中，这既是经济、政治、社会以及文化的全球化，同时也是风险的全球化。全球化大潮之下，没有人能够真正独善其身。在这样的全球化风险背景下，本文从风险社会理论入手，结合诸如目前中国在全球气候与环境恶化条件下承担责任的事例，并从传播全球化的角度入手，去简要分析如何在这样的全球性风险社会的前提下，规避风险，更合理地做出决策。
一、风险社会产生的时代背景
1.风险社会
从风险的角度上讲，风险社会中所讲的“风险”与普遍意义上的“风险”所涵盖的理论范畴并不相同。风险社会中所谈到的风险是人为的，而非大自然带来的风险。
具体到风险社会，就是指在人类社会进入到工业化时代以来，现代科学技术创造了大量的、先进的人类文明，而伴随着这样的过程，人类决策所带来的可能的破坏力也越来越大。但是，由于决策带来风险，那显然应该由决策者来对其所带来的风险负责，而由于决策者或者决策集团本身的政治经济背景，在面对重大问题的时候，这些人或者集团很少真正负起责任，或者说也不可能独自承担其责任，这样的社会根源研究阻碍了风险责任的细化。
进入20世纪以来，一次又一次带来严重后果甚至毁灭性后果的事件，使得人们迫切需要去进行有效的风险预计，以便很好地进行风险控制，这就是所谓的风险社会。从某种意义上可以说，风险社会是工业社会发展到一定时代的伴生物。
2、风险社会的理论来源
1986年,德国著名的社会学家乌尔里希·贝克出版了德文版的《风险社会》一书,该书首次使用了“风险社会”的概念来描述当今充满风险的后工业社会并提出了风险社会理论。
贝克对风险概念作了8点总结:
1.风险既不等于毁灭也不等于安全或信任,而是对现实的一种虚拟；
2.风险指充满危险的未来,与事实相对,成为影响当前行为的一个参数；
3.风险既是对事实也是对价值的陈述,它是二者在数字化道德中的结合；
4.风险可以看作是人为不确定因素中的控制与缺乏控制；
5.风险是在认识(再认识)中领会到的知识与无知；
6.风险具有全球性,因而它得以在全球与本土同时重组；
7.风险是指知识、潜在冲击和症状之间的差异；
8.一个人为的混合世界,失去自然与文化之间的两重性。1
3.中国在全球化风险中的责任与机遇
当今，最引起广泛关注的全球性风险之一就是全球环境恶化和气候变暖问题，这既是每个人都能切身感受到的，又事关人类种群发展大计，早已不是几个国家，也不是仅仅几个国家就能解决的问题。
作为经济高速发展的国家，中国的年碳排放量已然超过美国与欧盟，位居全球第一位，这势必使我国在全球环境恶化和气候变暖的问题商讨中成为众矢之的，09年底的哥本哈根会议上，中国就已经感受到了来自其他国家的压力。
诚然，我们有许多各种各样的理由，经济整体水平的落后，快速发展的需要，庞大的人口基数，相对落后的科技水平都在客观上决定了确实不能把发达国家的标准强加于我国之上。
但无论道理多么的有说服力，一个不争的事实是，我们国家目前的快速发展，或者说我国目前快速发展的模式确实已经使“残破不堪”的地球更加难堪重负。我们一直在强调我们是一个负责任的大国，而无论怎么说，在事关人类发展的大计的问题上讨价还价，斤斤计较，都不符合这样一个负责任的大国的定位。
况且，担负这样的责任并不需要以牺牲发展为代价。在快速甚至超速行驶了30年之后，中国这部“跑车”也已需要调个档，换个模式再继续前进了。这里先抛开社会转型因素不谈。仅仅就经济发展模式转变而言，节能减排显然是个难得的契机，变粗犷型经济为密集型经济，这个我们叫了差不多十几年的口号，是时候真正落到实处了。这既符合我国本国的根本利益，又承担起了在全球性风险问题上我们应当担负的责任，对内对外，百利而无一害。
二．传播全球化与全球化风险
1．关于传播全球化
传播全球化的思想主要来源于麦克卢汉的“地球村”概念，地理政治学家布热津斯基的全球化理念，以及彼得·德鲁克在管理学中提出的全球化概念。
在文化工业中，特别是广告工业中，要求世界文化标准化的表现特别强烈，比如全球化的生活方式。跟这个稍有区别的是提出了“消费的共同群体”的观点，即在世界的不同地方都存在着对同样的产品有着同样的消费需求、消费欲望和消费爱好的群体。从这个观点的差异中就可以看出全球化社会的概念不是对每个人都有效，而是指中产阶级以上的人。全球化思想影响到的人首先是决策人或是企业首脑，他们鼓吹自己是全球化意识的代言人。这种全球化话语后面掩盖了一些事实。第一就是很大一部分人是不能进入这个过程的，不能成为所谓的“全球化群体”。这种全面性的话语也伴随着新形式的跨国企业的问世。全球化企业的概念是由关系构成的，是现实世界的虚拟化、网络化，是传播和网络构成的一种赛伯空间 (cyberspace)。2由以上可见，越来越多的人们开始受到同质化信息的驱使。
2.传播全球化在消弭风险中的重要意义
前面已经多次提到，一方面是风险社会是后工业化时代的特征，或者可以说是信息社会的特征；另一方面，风险是由决策带来的。
就信息社会的特征而言，信息已经取代物质成为这个社会最宝贵的财富，在传播全球化的时代，信息得以在全球范围下更广泛的得到共享，人们也都开始主动地意识到追逐信息的重要性。毫无疑问，信息共享可以更有利人们在决策之前衡量与预估风险，从而做出更加合理的决策。
另一方面，从负面的角度来说，上文已经提到，由于传媒集团、传媒机构或者其他传递信息的人或组织没有也不可能摆脱各种各样非传媒领域因素的束缚，所以也可以说，越来越多的人们开始受到同质化信息的驱使。那么在这样的背景之下，同质化的信息是否会直接带来同质化的决策，是否可以假象传播全球化使得全世界的鸡蛋都放到了差不多同一个篮子之中呢？我们恐怕需要的不仅仅只是传播全球化，而是传播的多元全球化。
参考文献：
1. 乌尔里希·贝克.从工业社会到风险社会【j】.马克思主义与现实，2003，（03）
2. 周占超.当代西方风险社会理论引述【j】.马克思主义与现实，2003，（03）
3. 郑红娥，宋冉冉.风险社会的研究评述【j】.社会主义研究，2009，（06）
4. 杨雪冬.风险社会理论评述【j】.国家行政学院学报，2005，（01）
5. 庄友刚.风险社会理论研究评述【j】.哲学动态，2005，（09）
6. 李艳红，张培富.风险社会中的专家体制【j】.山西大学学报.2010，（01）
7. 沃特·阿赫特贝格.民主、正义与风险社会：生态民主政治的形态与意义【j】.马克思主义与现实.2003，（03）
8. 薛晓源，刘国良.全球风险世界：现在与未来【j】.马克思主义与现实.2005，（01）
9. 杨雪冬.全球化、风险社会与复合治理【j】.马克思主义与现实.2004，（04）
10. 刘义强.社会风险与的结构背景【j】.华中师范大学学报.2009，（11）
11. 鲍磊.转型期中国社会的风险意识及其培育研究【j】.南京工业大学学报.2009，（12）
12. 阿芒·马特拉，陈卫星译.传播全球化思想的由来【j】.国际新闻界.2000，（04）
13. 郭小平，秦志希.风险传播的悖论_论_风险社会_视域下的新闻报道【j】.江淮论坛，2006,(2)
注释：
1 周占超.当代西方风险社会理论引述【j】.马克思主义与现实，2003，（03）
风险决策范文第4篇
【关键词】风险投资；决策模型；决策因素；综述
一、引言
所谓风险投资，是指把资金投向蕴藏着较大失败危险的高新技术开发领域，以期成功后取得高资本收益的一种商业投资行为[1]。风险投资的整个过程贯穿一系列的投资决策，决策正确，则投资成功；决策失误，必导致投资失败。因此，现代风险投资理论与方法的一个重要研究方向就是构建风险投资决策模型。准确构建决策模型不但需要利用恰当的研究方法，还要注重研究影响风险投资决策的重要因素。正确识别评估风险，有效挖掘投资潜力，可以帮助投资者规避风险，使收益做到最大化。
二、国外风险投资决策研究
国外关于风险投资决策的研究主要分为三个阶段：即一般风险企业投资决策体系研究，不同类型、不同阶段风险企业投资决策体系研究和高科技风险企业成功关键因素研究等。
（一）一般风险企业投资决策体系研究
国外对VC的研究是从上世纪80年代中期开始的。Tyebjee&Bruno[2]对41位风险投资家进行调查和谈访，从市场吸引力、产品差异性、管理能力、逆境承受能力以及退出风险等5个方面建立风险投资评估体系，为其他学者奠定了研究基础。风险投资是高风险与高收益并举的投资，投资决策是风险与收益之间的平衡。Damodaran认为风险投资决策中一方面需要评估风险企业的总体预期风险与收益水平；另一方面是评估风险投资家的预期收益。MacMillanl、Siegel & Narasimha（1985）沿用了Tyebjee&Bruno的研究方法，通过调研他们把风险投资家所关注的风险指标分为六类主要指标：竞争风险、投资风险、退出风险、执行风险、管理风险、领导者风险等。MacMillanl、Zemann& Subbanarasimha（1987）在之前的研究基础上，通过对150个风险投资公司调查研究，研究表明新合资企业获得成功的标准与两大因素密切相关：初创期的竞争程度，产品的市场接受程度。
对于之前的研究成果，仁者见仁，智者见智。Vance&Robert（1995）认为之前的投资标准过于复杂，他通过自己的采访，从产品战略思想、管理能力、收益三个方面建立了一套简易的风险投资评估体系。风险投资虽兴起于美国，研究成果却跨越了国界。在韩国风险投资较为萧条时，Joongdoug、Jung&Lee（1994）为了识别现有的风险投资评估指标中重要的投资标准，作者研究了现有风险投资的评估标准，实证研究结果表明创业者的管理能力、融资能力、产品的市场吸引力、产品或技术的优越性、原材料的可获得性、生产能力等六个因素在风险投资中较为重要。
（二）不同类型、不同阶段风险企业投资决策体系研究
风险企业处在不同阶段，发展所面临的风险不尽相同，随着科学研究的深入发展，有学者开始针对不同类型、不同阶段的风险企业进行研究。M.Kakati（2003）针对高科技风险企业设置了38个评价指标，M.Kakati教授把38个评价指标分为六类，分别为：企业家素质，组织资源能力，竞争战略，产品特征，市场特征，融资能力。研究表明企业家素质、组织资源的能力、竞争战略是企业生存能力和成就的关键性决定因素。Chorev&Anderson（2006）研究影响以色列高科技初创企业成功的关键因素，发现在管理、客户关系、产品研发是比较重要的，然而通常所强调的经济政策、商业环境却不太重要，但最为重要的是核心团队的创业态度和创业能力。
（三）高科技风险企业成功关键因素研究
随着科学研究的深入发展，对投资决策的研究越来越细致，有学者开始研究影响高科技企业成功的关键因素，这些关键因素无疑是做决策时的重要参考因素。创业企业通常以技术取胜，Cohen&Levinthal（1990）为缺乏技术优势，即便有外部网络资源和金融资本的支持，也难以在市场中获得优势地位。McDougall、Robinson& DeNisi（1992）认为新企业拥有强大的技术优势就有获得成长的机会并相对竞争对手有进入市场的优势。Hironori&Sue（2002）研究风险投资家和创业者的认知和情感对绩效的影响。研究结果表明，认知上的不一致的冲突有助于绩效的增加，但是组织内部私人之间的情感冲突则对合作绩效起着负作用。Chen、Zou&Wang（2009）研究表明，技术能力、人际网络关系、金融资本是企业发展的三大引擎。
三、国内风险投资决策研究
管理学决策理论认为，一个完整的决策过程包括存在先后顺序的三个阶段，即问题的识别与选择—决策分析过程—决策与实施方案，决策分析过程在整个决策问题中出于最重要的地位[3]。由于风险投资具有投资周期长、风险大的特点，而且投资资金有限，因此面对纷繁复杂的项目需要谨慎筛选。如果风险投资家能在投资决策时充分考虑到各种风险因素并正确分析评价和科学决策，那么就能有效降低投资风险。国内学者对风险投资决策的研究，主要集中在风险投资影响因素和决策模型构建两个方面：
（一）风险投资影响因素研究
国内学者对风险投资影响因素的研究，多数是参考国外现有相关研究文献并根据自己的认识形成决策指标体系。汤京华和王玉珍[4]分析美国、荷兰、台湾等国家或地区的风险投资项目评估因素，结合国内实际，从产品差异度、市场吸引力、管理能力、经济绩效、环境影响等五个方面建立指标体系。资金一直被视为企业运作的血脉，财务状况是企业运作效果的直观反映，客观、有效的财务记录能揭示公司运作的好坏情况。马扬等（1999）在以往研究的基础上增加财务状况等影响因素，建立了自己的评价指标体系。邹辉文等[5]通过对风险投资项目的投资政策和投资阶段的风险的分析，设置人员素质、市场前景、技术水平、财务状况、退出机制、社会环境等6个一级指标、29个二级指标，建立风险投资项目评价指标体系。投资处在不同阶段、不同行业企业的风险是不一样的，彭卫民[6]研究高科技企业风险因素，认为高科技企业风险因素主要包括：管理能力因素、技术与产品因素、市场因素、退出及收获的可能性因素。风险投资既有高风险性，同时还存在高收益性，风险投资决策分析时不仅要考虑风险因素，还应考虑收益因素。Liu et al.（2011）针对高科技初创企业风险建立了指标体系，经实证研究得到了17个影响投资的关键因素。张春英和姜丹（2001）从风险和效益两个方面构建风险投资评估的多目标评估指标体系。钱水土和周春喜[7]从企业发展角度，引入成长风险和道德风险因素，分析成长过程和环境以及企业道德对投资者投资风险的影响。
（二）风险投资决策模型构建
风险投资决策分析过程中，充分预计到各种风险因素是关键，但识别到风险因素之后，如何使用科学的方法衡量风险与收益也至关重要。在国内的研究文献中，张春英和姜丹（2001）运用层次分析法和模糊数学的集值统计原理分别进行指标权数确定和专家打分的数学处理，建立了定量评估模型；王世良和王世波[8]利用AHP构建了一个具体的层次分析评价模型；魏星等（2004）[9]运用层次分析法求出各个指标的权重并利用模糊数学建立模糊综合评价模型。层次分析法和模糊数学是一种比较简单实用的研究方法，但排列各指标的相对重要性时受人为的影响因素比较重，而且一致性检验难以通过，因此即便是同一套指标体系在不同的风险投资家所得出的结论也莫衷一是。针对上述弊端，王学军和郭亚军[10]运用序关系分析法（G1法）分析造成AHP判断矩阵不一致的原因，指出了G1法与构造判断矩阵的本质区别，解决了层次分析法的应用难题。随着科学研究的进一步深入，张丰和段玮婧[12]运用因子分析法对风险投资评价决策程序中初步评价阶段的评价指标进行研究。孙晓梅[13]利用神经元网络建立投资决策模型，实证研究的科学性已经被国外学者所证实，神经网络能弱化人的主观因素、降低人为因素在求权重中的影响。
四、对国内外风险投资决策研究基本评述
（一）从研究方法角度来看，
从研究方法角度来看，国外对风险投资项目评估决策的研究可以分为三类：①调查法，即采用对风险投资家面谈或填写调查表的方法，来总结风险投资项目评估决策指标；②实证法，即采用对实践案例分析的方法，提炼总结风险投资项目评估决策的指标；③理论法，即采用理论推导的方式来得出评估决策指标。国外现有相关文献中，风险投资决策的研究已经有了从实证到理论、从宏观到微观、从定性到定量的转变，影响因素的研究更具针对性和更可操作性。
（二）国内文献研究内容有效性偏若
风险投资实践在我国起步较晚，文献研究相比国外较为滞后[14]，因此国内研究文献多数借鉴国外现有研究成果基础上形成自己的理论。我国风险投资决策研究得到的结论缺乏检验论证，研究成果难以保证与客观实际相吻合。总之，上述还处于定性研究阶段，投资决策影响因素的可操作性不强、难以量化[14]。不同发展阶段、不同产业背景的创业企业风险因素不尽相同，国内现有文献研究的针对性较弱。
（三）国内文献研究方法的科学性不强
国内学者在研究投资决策方法时，普遍采取层次分析法、模糊数学、德尔菲打分法及主成分分析法等方法，对项目风险或投资收益进行评估。在使用这些方法求权重时，没有统一的标准，仁者见仁，智者见智，得到的结论莫衷一是。
五、研究结论
针对以上国内学者的研究不足，拟开展以下四个方面的研究工作：
（一）加强科学研究，建立符合我国实际投资影响环境的投资决策指标体系。不同国家、不同地区的市场发育程度不一样、投资者风险偏好不一样，影响投资决策的因素不尽一致。因此，亟需根据我国的实践环境，研究符合我国投资实际的决策影响因素，建立具有普遍适用性和内在统一性的投资决策指标体系。
（二）加强针对性研究，满足不同投资主体的需要。风险投资主要支持高技术风险企业的开拓与成长[1]，高新技术分布广泛，处在不同发展阶段的风险不尽一致，没有放之四海而皆准的理论成果。因此，需要根据不同行业、不同发展阶段的实际影响因素，加强研究的针对性。
（三）加强微观因素研究，检验投资决策影响因素的实际影响效果。
（四）突破现有研究方法的束缚，增加BP神经网络算法、实证研究等方法在投资领域的应用。BP神经网络在创新能力评价、绩效评价等领域甚为广泛，BP神经算法求权值能有效降低人为主观因素的影响，而且可以实现动态评价，有效避免了以往研究方法的弊端；实证研究通过调查分析，能检验理论是否与实践的统一性，反应理论成果的科学性。
参考文献：
[1]成思危.积极稳妥地推进我国的风险投资事业[J].管理世界，1999（1）：2-7.
[2]Tyzoon T.Tyebjee， Albert.V.Bruno.A Model of Venture Capitalist Investment Activity[J].Management Science，1984（9）.
[3]卢新华，孙昌群.风险投资决策的特点分析[J].科技研究管理，2003，21（2）：107-109.
[4]汤京华，王玉珍.风险投资项目评估指标体系的研究[J].北京工业大学学报，1999，25：42-44.
[5]邹辉文，陈德锦，张玉臣，张克亮.风险投资项目的终选方法和评估指标[J].科研管理，2002，23（5）：104-109.
[6]彭卫民.我国高科技企业如何实现风险管理[J].科学管理研究，2001，19（3）：37-40.
[7]钱水土，周春喜.风险投资的风险综合评价研究[J].数量经济技术经济研究，2002（10）：45-42.
[8]王世良，王世波.AHP模型在风险投资项目中的应用[J].企业经济，2004（4）：78-80.
[9]魏星，夏恩君，李全兴.风险投资项目决策中的风险综合评价[J].中国软科学，2004（2）：
153-157.
[10]王学军，郭亚军.基于G1法的判断矩阵的一致性分析[J].中国管理科学，2006，14（3）：65-60.
[11]郭斌，郑建国.多层次模糊综合评价在种子期风险投资项目评价中的应用[J].科技和产业，2011（12）：42-45.
[12]张丰，段玮婧.行业因素对风险投资项目评估指标影响的实证研究[J].科技进步与对策，2010，27（3）：132-136.
[13]孙晓梅.风险投资评价体系：基于神经元网络的建构[J].商业研究，2009（391）：150-153.
[14]谢群，员晓哲.风险投资项目评估决策体系的研究评述[J].科技管理研究，2006（8）：182-185.
基金来源：重庆市社科委基金“重庆市PE发展战略与模式研究”（项目编号： 2010YBJJ20）。
作者简介：
王开良（1955-），男，河南商丘人，重庆邮电大学经济管理学院教授，硕士生导师，主要研究方向：投融资管理、风险投资。
钟杰（1988-），男，贵州仁怀人，重庆邮电大学经济管理学院硕士研究生，研究方向：风险投资与控制。
风险决策范文第5篇
关键词：风险决策；问卷测量；实验任务
我们生活在一个充满不确定性的社会，常常面临和概率有关的风险决策。风险决策特指决策者在对未来情况不完全确定、但是确知各种决策后果以及各种后果出现概率情况下的决策。随着风险决策研究的越来越成熟，风险决策的研究方法和范式也由简单的纸笔测量的问卷、量表，逐步发展到计算机上进行的情景模拟实验，本文主要对风险决策的研究方法进行总结分析。
1.风险决策概述
关于风险决策的定义目前还没有统一的界定。国内学者谢晓非认为风险决策是指在两个或两个以上的、不以决策者的主观意志为转移的环境条件下，决策者根据自己的概率判断所作的决策[1]。目前为止风险决策理论大致经历了从规范化研究范式到描述性研究范式，再到进化论研究范式。规范化研究范式认为个体的风险决策是绝对理性的，完全由认知因素决定；描述性研究范式开始关注对真实人风险决策过程进行探讨和描述；进化论研究范式认为人类的决策并非是封闭的纯理，而是充分利用环境中的信息以便得出具有适应价值的有用结果的过程。
2.风险决策研究方法
2.1量表测量
风险决策研究最初主要是使用问卷对被试的风险倾向进行测量进而评估个体的决策行为。其中有代表性的是领域特异性风险量表（DOSPERT）和风险导向问卷（ROQ）。DOSPERT是由Weber等人在2002年编制，2006年修改的涉及到五个领域的测量风险倾向的量表[2]。ROQ是由Rohrmann在1997年编制的包括12个不涉及领域的项目的问卷。
2.2风险情境选择问卷
情境问卷法中比较有代表性的是亚洲疾病问题，具体情境是：美国正在对付一种罕见的亚洲疾病，预计该种疾病的发作将使得600人死亡。现可以选择两种与疾病作斗争的方案。对各方案产生后果的精确估算如下所示：
正面框架：A方案，200人将生还。
B方案，有1/3的机会600人将生还，而有2/3的机会无人能生还。
负面框架：C方案，400人将死去。
D方案，有1/3的机会无人会死去，而有2/3的机会600人将死去。两种方案一种是正面、积极方式的描述，另一种是负面、消极方式的描述。此后的风险情境问卷都是根据亚洲疾病问题的原理编制不同的情境研究框架效应对风险决策的影响。
2.3模拟风险情境任务
2.3.1命运之轮任务
命运之轮任务是在计算机上进行的涉及到金钱结果两种可能性的决策任务[3]。被试分别在输和赢两个框架里做出选择。赢的框架里，被试选择的结果要么是赢钱要么不赢；在输的框架里被试选择的结果要么是输钱要么不输。一个轮有不同颜色的两个扇面，一个扇面代表小概率大奖赏，另一个扇面代表大概率小奖赏。小概率大奖赏定义为高风险选择，每个选择试次中要求被试按键来选择一个扇面，随后在扇面上对被试进行反馈。反馈结果可能是被试赢或者输的钱的数量或者显示0元。
随后的研究都根据命运之轮任务进行修改来进行不同目的的研究，例如有研究在一个带有指针的轮子上同时呈现不同概率的获得或者损失的金钱数量，被试选择是获得一定数量的金钱还是转动命运之论，给定的金钱数量较少，转动命运之论可能得到较多的金钱也可能损失较多的金钱。被试选择转动命运之论之后，指针停在的区域表示被试是赢钱还是数钱。选择转动命运之论定义为高风险选择。
2.3.2爱荷华任务
爱荷华任务是Bechara等人在研究腹内侧前额叶受损病人的决策能力时发展出来的[4]。现在成为风险决策的实验室研究中较为常用实验任务。IGT以纸牌游戏的形式进行，包括A，B，C和D四副扑克牌，任意选择一张牌都可以带来一定的收益，被试可以选择A和B这样奖赏额度低的扑克牌，低额奖赏的扑克牌同时伴有低额损失，但盈利大于损失是盈利牌，C和D这样高额奖赏的扑克牌同时伴有高额损失，损失大于盈利，是损失牌。被试用鼠标直接在呈现于屏幕上的4副扑克牌中任意选择。IGT的数据分析主要使用净分数（net score），是指被试在每个模块中选择的有利牌的次数减去所选择的不利牌的次数，即净分数=（C+D）（A+B）来比较被试在收益-损失情境下的决策特点及其策略调整情况。
2.3.3仿真气球冒险任务
仿真气球冒险任务是新近开发的一种更接近现实生活中真实风险决策的认知任务模式。在该任务中，计算机屏幕上会呈现一个未被吹起的气球，被试需要按键或者鼠标逐渐吹大这个气球，每一次吹气球都会得到一定的收益，但气球也有爆破的风险，气球被吹的越大，获得的收益也就越大，但气球被吹爆的风险也越高，如果气球被吹爆，该气球的收益就为零或负值。被试可以选择随时停止吹气球来接受目前的收益。该任务需要被试连续地决策是选择继续冒险还是停止冒险以获得当前的收益。经典的统计方法是计算被试在未爆炸气球上的平均充气次数，得分越低被认为越风险规避。
3.任务简评与研究趋向
目前为止，风险决策研究已经使用了大量的研究方法，很多实验设计精巧臻密，有效地探究了个体在风险决策中的认知过程以及影响风险决策的各种因素。但综观众多问卷测量和实验任务，仍存在下述问题或不足：问卷情境中的真实性不强，测量结果与真实情境中的个体决策行为存在一定的差距。实验室研究虽然解决问卷测量的局限但是忽视领域特意性，大都集中在和疾病情境中，对投资和企业经营的情境较少。
最近的风险决策研究已从描述性研究向认知与神经机制的研究过渡，主要的研究趋向是风险决策的脑机制的神经心理学研究，应用功能磁共振成像（fMRI）、脑磁图（MEG）、事件相关电位（ERP）等脑认知成像术，在试完成风险决策任务过程中记录大脑部位的神经活动和脑电变化，试图揭示风险决策模块化的神经机制。（作者单位：天津师范大学心理与行为研究院）
参考文献
[1] 谢晓非，徐联仓.“风险”性质的探讨――一项联想测验.心理科学，1995，18（6）：331一333。
[2] Blais，A.-R，& Weber，E.U.（2006）A Domain-Specific Risk-Taking（DOSPERT）scale forpopulations.Judgment and Decision Making，1，33-47.
[3] Ernst，M，et al，Choice selection and reward anticipation：an fMRI study.Neuropsychologia，2004.42（12）：p.1585-1597
风险决策范文第6篇
关键词：风险决策 效用理论 前景理论
一、概述
期望效用理论，是人们惯用的风险决策分析方法，本文通过引入几种经验主义的效应，对这种传统的理性选择的规范模型进行批判，指出了其中错存在的缺陷不足，进而提出了一种风险选择的替代模型——前景理论。最后文章还讨论了前景理论如何说明观察到的风险态度，以及因参照点转移而导致的选择问题的二中择一表达，并勾画出当前处理的几个扩展。
对期望效用理论的批评
期望效用理论应用于前景选择是基于下列三条原则的：
1.期望：前景的整体效用，用U来表示，就是所有结果的期望效用。
2.资产整合：如果期望资产的效用大于资产的单独效用，则这个组合是可以被接受的。
3.风险厌恶：假设人们更偏好于确定的资产。
二、经验主义效应
接下来文章论证了违背期望效用理论这些原则的几种现象。
1.确定效应
所谓确定效应，就是在确定的收益和“打赌”之间，做一个抉择，多数人会选择确定的收益。用一个俗语概括就是“落袋为安”，用一句话打比方就是“二鸟在林，不如一鸟在手”，正所谓见好就收。本文列举了一些实例，说明相对于将一个最初不确定的前景改变为更加不确定的前景，将一个确定收益的前景改变为可能的前景，会产生更大程度上的愿望减少。并且对期望效用理论的有效性提出了几点质疑。
2.反射效应
当一个人在两种损失中进行抉择时，会激起他的冒险精神。在确定的损失和“打赌”之间，做一个抉择，多数人会选择“赌”，这就是“反射效应”。这也就是所谓的“两害相权取其轻”。由于人们对不确定的较大损失的偏好大于对确定的较小损失的偏好，所以期望效用理论的结果可能违背人们真实的意愿。
3.概率保险
安装防盗自动警铃、更换旧轮胎、长期吸烟者决定戒烟都可以看作概率保险。保险人通常更偏好提供范围有限的、较低或者零扣除的保单，而不是更大范围的、较高扣除的可比保单，这不同于风险厌恶。
4.隔离效应
为了使选择变得简单，人们通常会自动排除二者相似的部分，而将精力集中于二者不同的部分。而这种对待问题的方法可能会引起不一致的偏好，因为对于同一种期望，可以将其按不同方法，分为不同种类的，共有的和不同的部分，不同的分解有时会导致不同的偏好。将这种现象称就被称为隔离效应。偏好的改变是因为对特别重大事件的喜爱，但它有可能会违反期望效用理论分析的基本假定，即不同效用之中的抉择仅被最终的概率决定。
以上几种经验主义效应都对期望效用论的可行性提出怀疑，这些效应使期望效用理论作为一种描述性模型看来是失效了得。
三、前景理论的提出
前景理论是描述性的一个决策性模型，它首先假设风险决策过程可分为编辑和评价两个部分。在编辑阶段，人们凭借“框架”（frame）、参照点（reference point）等采集和处理信息；在评价阶段则主要依赖价值函数（value function）和主观概率的权重函数（weighting function）对信息进行判断。价值函数是经验型的，它有三个特征，一是大多数人在面临确定收益时是风险规避的；二是大多数人在面对损失时是风险偏爱的；三是人们对损失比收益更敏感。所以，人们在面对收益时往往是小心谨慎的，不愿承担风险；而在面对损失时会不甘心，所以容易激进冒险。人们对损失和收益的敏感程度不同，损失时的痛苦感会大大超过获得时的喜悦。
1.价值函数
价值的载体是财富或福利的变化，而不是最终拥有多少。人们在面对收益时规避风险，而在面临损失时则偏爱风险，而损失和获得又都有相对于的参照点，所以，改变人们在评价事物时所选取的观点，会改变人们对待风险的态度。
比如M公司面临两种投资决策，投资方案A会获得肯定的盈利400万，投资方案B有50%的可能性盈利600万，50%的可能盈利200万。这时候，若公司的盈利目标比较低，比方说是200万，那么方案A看起来会多赚了200万，而B则是只会刚好达到目标，或者多盈利400万。A和B看起来都是获得，这时候员工可能不愿冒风险，而更倾向于选A方案；而如果公司的目标定得较高，比如说600万，那么方案A就像是少赚了100万，而B可能刚好达到目标，或者少赚400万，这时候两个方案都会损失，所以员工反而会抱着试试也可能可以达到目标的心理，更倾向选择有风险的B方案。可见，公司可以通过改变盈利目标进而改变员工对待风险的态度。
2.权重函数π（p）
在前景理论中，每一个结果的价值都要乘以决策权重。人们会倾向于高估低概率的事件、低估中高概率的事件，在中间阶段人们对概率的变化则相对不太敏感。对极低概率的事件赋予0的权重，而对概率极高的事件赋予1的权重。
设立一个决策权重函数概率p的非线性函数，该函数单调上升，它给小概率事件较多的权重，给大概率事件特别小的权重。
决策权重函数具有以下特点
（1）决策权重不是概率，不符合概率公理。
概率公理：一次随机抽样中最容易出现的事件是概率最高的事件。也可以反过来表述为：一次随机抽样中概率最高的事件是最容易出现的事件。
（2）π（p）是p的增函数，且π（0）=0，π（1）=1，可见不可能事件的偶发性被忽略，而且度量是标准化的。
（3）决策权重更倾向于高估小概率的事件（π（P）>P）和低估高概率的事件（π（P）
权重函数可以解释人们面对80%的概率赢300，以100%的概率赢200时，人们往往选择后者的现象。80%的概率因权重函数而使真实概率减少，而100%的概率却不变，人们趋于选择确定性的结果。
权重函数还能够对一些常见的经济行为提出较合理的解释，比如人们喜欢购买，即使赢得大奖的概率极低；人们也可能会过度支付车辆运输保险费。
四、对前景理论的讨论
1.风险态度
在前文所提的阿莱斯实例中所观察到的偏好占优形式可以得出：只要两个结果的v比率受到各自的π比率的限制，那么期望效用理论就会以上述方式被违背的。
在给定损失概率超估时，就可以根据前景理论来证明为什么常规保险的偏好胜过概率保险的，即如果（-x，P）与（-y）是无差异的，那么（-y）的偏好胜过（-x，P/2；-y，p/2；-y/2；1-p）。
2.参照点的转移
参照点和当前资产之间的差异使经济个体对同一决策方案产生不同偏好。人们对损失和获得的敏感程度是不同的，损失的痛苦要远远大于获得的快乐。
风险决策范文第7篇
关键词:风险度量,正负偏差,综合风险偏差
一,研究的目的和意义
本文的研究目的在于识别和度量证券投资中的风险,按照投资组合理论,通过组合可以分散掉的风险被称作"非系统性风险"或者"公司特别风险",它源自于各个公司内部的特别事项的发生,比如,诉讼,罢工,营销策略的成功或失败,合同签署及履行情况.由于公司各自的情况不同,导致这种风险在各个公司之间的差距较大.进行投资组合的一个基本思路就是通过证券组合使一种股票报酬率的不好的变化被另一种股票报酬率好的变化抵消掉,从而将这种风险最大程度地分散掉.当然,仍存在一部分组合难以消除的风险,被称作"系统性风险"或"市场风险".这种风险通常源自公司外部的一些宏观经济或非经济事项,比如战争,通货膨胀,经济衰退,利率的波动.这些事项的发生会对所有的企业的经营状况产生影响,因而无法通过投资组合予以分散.本文主要讨论前一种风险,分析它对于投资者投资决策的影响.这有助于管理部门进行证券投资风险管理,提供一个管理的客观标准,有利于规范证券市场,优化资源配置,从而促进经济的稳定发展.
二,目前研究的现状
1,风险研究的发展【13】
自从Markowitz于1952年创立了投资组合以来,风险度量和金融资本配置模型的研究一直是金融投资研究的热点之一,到目前为止,金融投资专家和学者已提出很多种不同的度量风险模型.从各种模型提出的动因看,推动风险的度量模型发展的主要因素有:(1)对风险含义认识的深化.Markowitz将风险视为投资收益的不确定性.方差因可以很好衡量这种不确定性的程度而成为风险的度量方法.随着对投资者风险感受心理的研究,人们认识到风险来源于投资项目损失的可能性,因此,出现了半方差等变化了的风险度量模型.(2)风险心理学的研究成果.由于每个投资者的风险偏好和风险承受能力不同,金融界,投资界和理论研究者对此做了大量的研究,希望能找到更符合现实状况的风险度量方法和能更高效获取投资回报的资产配置模型.因此,在风险度量模型中,引进了反映投资者风险偏好和风险承受能力的风险基准点,由此形成另一类风险度量模型.如ExpectedRegret方法等.(3)数学处理简化的需要.在对各种风险度量模型进行理论分析时,经常要用数学方法对其进行处理,为了便于应用数学方法,在不影响模型的特征的前提下,尽可能采用一些数学上较容易处理的模型.如方差与标准离差,其特征基本类似,但方差的数学处理要比标准离差容易,因此在理论上和实际应用中,方差比标准差普遍.最近提出的CVaR风险度量方法,也是在VaR方法遇到数学处理困难时提出的.(4)风险管理实践上的需要.风险度量模型要能够应用于投资实践,其度量结果必须有很好的经济解释,以前的很多风险度量方法.如方差,半方差,标准离差之所以未能得到现实投资者的广泛接受,很大原因在于它们不能给投资者提供一个可理解的风险评价值.90年代以来出现的VaR尽管在理论界受到广泛的批评,但仍然得到监管部门和现实投资者的广泛接受,其原因在于它提供一种易于理解的描述风险的普通语言.
2,风险的定义
关于风险概念,学者们下过许多定义.可归纳为以下七种【11】:
将事件本身存在不确定性视为风险;
将未来结果的变动可能性视为风险;
将各种可能出现的结果中的不利结果视为风险;
将不利结果出现的可能性及不利程度视为风险;
将各种可能结果之间的差异本身视为风险;
以客观实际结果为参照对象,将主观预期结果与客观实际结果的距离视为风险;
以主观预期结果为参照对象,将未来结果与主观预期结果的差距视为风险.
概念①和②主要关注事件结果的不确定性;概念③则关注与预期不一致的不利结果;概念④进一步强调不利结果发生的程度;概念⑤,⑥,⑦是一类,主要关注结果与某种参照标准之间的差距.由于出发点和认识上的不同,上述定义并没有准确界定风险的一般性.因此,保险业说的是可能导致财产损失的风险,金融管理界说的则是可能导致金融体系动荡甚至崩溃的风险,证券投资者说的又是投机交易可能出现巨额亏损的风险,风险投资者说的却是可能因投资失败导致血本无归的风险.还有诸如技术风险,市场风险,管理风险,财务风险,政策风险等等.用的虽是同一个词汇,但叙述的内容则有差异,对风险概念和定义的描述不尽相同.因此,本文的研究对象主要集中在③,④两种概念范畴,以缩小范围,集中注意力研究这个问题.
3,风险的量化
目前,常见的风险度量指标可分为三类.
第一类:用风险分布的数字特征来构造风险度量指标,而不直接涉及行为主体对风险的偏好特性程度.典型的有:
(1)方差风险度量及其引申
马克维兹(Markowitz)在投资组合理论中以投资收益率r的均值(mean)E(r)度量投资组合的收益,以投资收益率r的方差(variance)σ2(r)度量投资组合的风险.这被称为均值-方差决策规则.
方差是用来衡量一个随机变量波动大小的指标,当随机变量的波动呈对称性分布时,收益波动越大的随机变量,其潜在的损失也就越大.因此,当随机变量的分布为对称型时,用方差来表示风险是恰当的.由于Markowitz在1952年进行投资组合分析时,假设投资组合的各项资产的收益率的联合分布为正态分布.因此,它的分析方法是恰当的.标准离差(standardderivation)与方差的特征一样,只是标准离差在数学分析时较容易处理,因此传统上,度量随机变量的波动性一般采用方差而不采用标准离差.不过,方差虽然在分析其性质时容易数学处理,但利用它进行投资组合优化时,存在计算上的困难,因为必须求解二次规划问题,Konno和Yamazaki(1991),胡日东(2000)提出,利用标准离差作为风险度量指标,可以简化投资组合优化的运算.因为只需求解线性规划问题即可.
举个例子,设有两个投资方案,其收益率分别为随机变量X和Y,数学期望分别是x和y,标准差分别为σX和σY,则在均值-方差决策规则中,所谓X优于Y,是指其满足如下两个准则:
准则1:x≥y,σX≤σY
准则2:
其中:rf为市场上的无风险利率.
虽然方差度量具有良好的特性,但是自从Markowitz提出方差作为风险度量指标后,还是受到众多的批评和质疑.其焦点在于投资收益率的正态分布特性,它对收益率波动的好坏不分(将高于均值的收益率也视为风险).法玛,依波持森和辛科费尔德等人对美国证券市场投资收益率分布状况的研究和布科斯特伯,克拉克对含期权投资组合的收益率分布的研究等,基本否定了投资收益的正态分布假设.半方差(semivariance),半标准离差(standardsemiderivation)---半方差的平方根,正是在这种背景下提出来的,哈洛提出半方差的概念用来度量风险,即只关注损失边的风险值(DownsideRisk).用于解决收益率分布不对称时的风险度量问题,但从模型包含的变量看,这两种方法并不"纯净",因为模型中含有投资收益的均值,风险量值的大小不仅取决于各种损失及其可能性等不利情景,而且还与投资收益的有利情景有关.而人们广泛所接受的仍然是以方差作为风险的度量.均值-方差决策规则也在投资决策中得到了广泛的应用.
(2)含基准点的风险度量
从风险的原始语意出发,风险应该反映投资资产出现不利变化的各种可能性,从投资收益率角度看,风险应该反映投资收益率在某一收益水平下的各种可能性高低,从投资组合价值变化角度看,风险应反映投资组合价值损失超过某一基准点的可能性大小.因此,对投资者而言,关注风险,就是关注其投资收益率或其投资价值出现在某一基准点以下的分布状况.基准下方风险度量(downsideriskmeasure)被认为是对传统证券组合理论的一个主要改进.但是由于各投资者的风险偏好和风险承受能力不同,所以每个投资者都有和他对世界认知相容的与众不同的基准点.包含基准点的风险度量模型很多,最普遍的和经常使用的基准下方风险度量是半方差(特殊情况)和LPM―――LowerPartialMoment(一般情况).其中半方差是一个更合理的风险度量标准(连Markowitz自己都承认这一点).无论从理论上,经验上,还是实践上,半方差都是和期望效用最大化(ExpectedUtilityMaximization)几乎完全一致的【4】【5】.它的一个改进―――半标准离差性质也很好,与基于偏好风险厌恶的一个公理化模型―――二阶随机占优(SeconddegreeStochasticDominance---SSD)也几乎是一致的【1】.但是哈洛(Harlow)的LPM模型更为成熟.哈洛在投资组合理论中引入风险基准(riskbenchmark)———投资收益率r的某个目标值T(targetrate),用LPM(lowerpartialmoments)度量投资组合的风险:
这里r为投资组合的收益率,F()为收益率r的分布函数,v为基准收益率.当n=0时,LPM0=P{r0,称Ri为综合风险偏差.那么上述的风险组合偏差只不过是综合风险偏差在θ=1的特例罢了.我认为,由于风险是不对称的,所以θ≠1.具体的结果,应该通过实证分析得到.
综合风险偏差Ri将正偏差与负偏差有机地结合起来,反映了两种不同性质的偏差对投资决策的影响.Ri越大,说明投资项目越具风险性;若Ri小于0,则非常具有投资价值.综合风险偏差都可以用来比较一系列投资项目的优劣.特别是当投资者比较注重投资的风险性的时候.
四,实证分析
应用上面介绍的理论模型度量金融资产或其组合面临的风险,前提条件是金融资产或其组合的价值变化或收益率分布必须是确定的,这在实际中往往是不可能的.在实践中有两种情况:一种是根据理论推导可以确定金融资产的价值或收益率变化的分布类型,只是分布参数未知.在这种情况下,可以利用统计学的参数估计方法(如点估计或极大似然估计法)来估计模型的分布参数,然后将估计的参数代入上述理论模型就可以测算风险量值.另一种情况是连金融资产的价值或收益率的分布类型也无法确定,在这种情况下,只能根据历史数据或情景模拟数据来刻画它们的经验分布,再根据经验分布测算其风险量值.实践中往往以后一种情况居多,因此在风险管理或控制中,历史资料的积累和相应数据库的建立是相当重要的.
因此,我取的数据为,上证股票从中按同分布随机抽样抽出5只股票历史数据,取每周周末的收盘价,时间范围为2001年1月5日-2003年4月30日经过作一些调整共形成115周的数据;同时在深证股票中进行同样的操作.分别计算它们的综合风险偏差,根据收益越大,风险越大的原则(即无套利原则,否则存在套利机会.),估算它们的θ值.同时,可以按原来的各种方法,模拟它们的分布,计算风险.最后用这些数据来比较各个风险度量标准的优劣.:(1)所有的数据都不是原始数据,均经过处理,原因很简单,因为在这两年间,这些公司都派发了红利,主要有送股和直接派送现金两种方式,也有的公司进行了配股,因此股价在派发红利时产生剧烈变动,所以我根据派发红利的方式和比例进行了还原计算,将所有价格都调整到2001年未派发任何红利的基准情形.
(2)所有的数据都只保留两位,但是计算并没有简化,只有最后结果才显示两位.所有有时会看到0.14-0.12=0.01的情况,这是正常的.
(3)收益是以均值作为最后价格进行的计算,因为如果只用最后一周的收盘价,显然有失偏颇.正负偏差也是以均值作为期望值的.
(4)由于这两年中国的利息率非常之低,同时还征收利息税,所以我忽略了利息的影响,令rf=0.
(5)两个表格中,所有股票都是按收益从小到大进行排序,编号,以便于比较各种风险度量方式的优劣.
所有的股票都是按收益排序的,根据无套利原则(收益越大,风险也就应该相应的越大),他们的风险也应该是由小到大排序的.从表格的数据中我们可以明显的看到,方差是紊乱的,与收益并没有明显的线性关系,所以可以断定,投资者并没有使用方差作为他们度量的依据.风险组合偏差比方差要好一些,在上海市场上,有一个数据没有按照递增排列,而在深圳市场上有两个.说明这种度量风险的方法也是不够好的.再看看没有参数的情形(也就是没有θ,直接用di-ui来作为度量风险的标准),在两个市场上都有一个数据没有按照递增排列,所以这个情形也不够好,但是相差也不远,所以我引入参数θ.下面通过无套利原则(收益越大,风险也就应该相应的越大)来估算θ的值.
由收益越大,风险也就应该相应的越大的原则(无套利原则),那么,用这四个不等式组成的不等式组,分别计算上海和深圳两个市场上的θ值,可得在上海市场上,0.09<θ<0.67,取中值,所以θ1=0.38;而在深圳市场上,0.57<θ<.75,取中值,所以θ2=0.66.更一般的,令,可得中国市场上,不对称系数θ=0.52.
这个结果令我很迷惑,根据心理学和行为经济学的研究成果【6】,风险是不对称的,负偏差对人们效用造成的影响应该比正偏差大,所以θ应该比1大才对,但是现在居然只有一半,和心理学和行为经济学的研究成果完全不符.这很奇怪!我分析主要有以下几个可能的原因:
1.中国的证券市场并不完备,这是大家公认的.即使美国也只是弱完备市场.我收集不到美国的数据,所以没法进行比较分析.可能市场的不完备性影响了数据的真实有效性.
2.心理学和行为经济学的研究成果可能讨论的是普通人,也就是一般人在经济生活中的行为,比方说买菜,买衣服这一类,但是证券市场上全是投资者,可能他们的效用函数与普通人是不一样的.特别是在中国市场上,存在相当多的投机者,他们都想以小博大,一夜暴富.因此他们往往不在乎负偏差,而更关心正偏差有多大.这几年股票的收益并不好,在上海市场上,全部五只股票收益都是负数,而深圳市场上也有三只股票收益为负.在这样的情况下,投资者虽然有所减少,但是仍有相当数量的投资者选择留在市场中.这充分说明了他们并不关心负偏差,而更关心正偏差有多大,想抓住一个正偏的机会发一笔财.在这种情形下,θ=0.52<1也就不足为奇了.
3.当正偏差超乎寻常的大时,人们就顾不上负偏差了.这就好像,管理中心已经说了,拿出50%作为彩金,也就是任何投资的理性预期收入应该时投入的一半,但是由于有一个微乎其微的概率得到一个超乎寻常的正偏差――五百万,人们对乐此不疲.这实际上也是一个投资中不理性投机的行为.证券市场上也是如此,前些年,市场很不规范,有少数人钻空子赚了不少钱,这就成了那个超乎寻常的正偏差.人们就纷纷仿效,根本没有理性分析情况的变化,就忽视了负偏差.这可能也是θ相当小的原因.
五,新的风险度量标准在投资决策中的应用
用综合风险偏差很容易解决在本文第一部分中所提到的例证.很明显,基金A和基金B相对于rf的负偏差均为0,也就是说两者都不存在绝对风险,两者的正偏差分别为rA=rf+0.5,rB=rf+1,从而两者具有不同的综合风险偏差-0.5和-1.显然B的综合风险偏差较小,故投资于基金B比较有利.
对于一般情况而言,显然投资者应该选择综合风险偏差较小的证券组合.
下面就单一证券投资方案的选择举例,对证券投资组合的选择可类似地讨论.设有A,B,C三种证券,时间周期为半年,预期收益率及发生的概率如表1所示(预期收益率的概率分布可通过对历史数据的观察而得出,此处仅举例说明风险调整收益在投资决策中的应用,故假设各种可能的收益率发生的概率均为1/6)【10】.
若考虑平均收益率的大小,应选择证券B进行投资;
若考虑用方差表示的风险指标,应选择方差较小的证券C进行投资;
若考虑以负偏差表示的证券的绝对风险,就选择证券C进行投资;
若综合考虑方差和风险,则证券A的方差比较小,收益比较大,值得考虑投资;
若考虑风险组合偏差,则证券B的风险组合方差最小,应优先考虑投资;
若考虑综合风险偏差,则应选择证券C.证券C的综合风险偏差最小.
事实上,市场上能无风险的获得收益率2%,那么没有人愿意去投资平均收益只有0.5%的证券C,因为这样还要承担一定的风险,虽然有可能使自己的投资收益超过2%.
可以看出,风险度量指标及投资决策指标的选择对投资决策的结果有着决定性影响.因此,风险度量指标与投资决策指标的选择合理与否将直接决定投资行为的成败.
RiskMeasureandItsInfluencetotheInvestmentDecision
JingFang
(BusinessSchool,WuhanUniversity,Wuhan,430072)
Abstract:Thispaperreviewthehistoricalmethodofriskmeasure,pointouttheirlimitation,supplyawaytorecomposeitandanewindexofriskmeasure---synthesisriskdeviation.AnddemonstrateandanalysewithmorethanonethousanddatainthestockmarketinChina,explaintheusageofitwithexample.
KeyWord:riskmeasure,positiveandnegativedeviation,synthesisriskdeviation
参考文献
[1]WlodzimierzOgryczakandAndrzejRuszczynski,《FromStochasticDominancetoMean–RiskModels:SemideviationsasRiskMeasures》,InternationalInstituteforAppliedSystemsAnalysis,InterimReport,IR-97-027/June
[2]DavidNNawrocki,《ABriefHistoryofDownsideRiskMeasures》,JournalofInvesting,1999,Fall
[3]ZengjingChenandLarryG.Epstein,《Ambiguity,RiskandAssetReturnsinContinuousTime》,RochesterCenterforEconomicResearch(RCER),workingpaperNo.474,2000,(7)
[4]JavierEstrada,《Mean-SemivarianceBehavior:AnAlternativeBehavioralModel》,CentroInternacionaldeInvestigacionFinanciera(CIIF),ResearchPaperNo.492,2003(2)
[5]JavierEstrada,《Mean-SemivarianceBehavior(Ⅱ):TheD-CAPM》,CIIF,ResearchPaperNo.493,2003(2)
[6]RichmondHarbaugh,《Skillreputation,prospecttheory,andregrettheory》,2002,(3)
[7]EckhardPlaten,《AMinimalFinancialMarketModel》,2000,(9)
[8]ThomasJ.LinsmeierandNeilD.Pearson,《RiskMeasurement:AnIntroductiontoValueatRisk》,1996,(7)
[9]刘春章黄桐城陈汉军,《风险调整收益及其在投资决策中的应用》,决策借鉴,2002,(10),75-77
[10]马国顺,《一种新的风险度量指标》,西北师范大学学报(自然科学版),1999,(2),19-21
[11]邹辉文陈德棉,《关于风险的若干问题及其在风险投资中的应用》,同济大学学报,2002,(9),1145-1151
[12]张宏业,《证券组合风险的分析》,中央财经大学学报,2000,(6),46-48
[13]陈金龙张维,《金融资产的市场风险度量模型及其应用》,华侨大学学报(哲学社会科学版),2002,(3),29-36
[14]曹永刚王萍类成曜,《现代金融风险》,北京:中国金融出版社,2000
[15]韦廷权,《风险度量和投资组合构造的进一步实证》,南开经济研究,2001,(2),3-6
[16]黄威华,《β系数与证券投资风险的度量》,内蒙古财经学院学报,2001,(3),36-38
[17]傅志超,《股票投资风险的度量与控制》,经济数学,1994,(1),60-63
[18]朱世武张尧庭徐小庆,《一种新的股市风险度量指标及其应用》,经济数学,2002,(6),1-9
[19]戴浩晖陆允生王化群,《单时期下一种新的风险度量方法及其应用》,华东师范大学学报(自然科学版),2001,(9),33-38
[20]吴开兵曹均华俞自由,《风险度量与风险控制》,上海经济研究,1999,(4),42-49
[21](意)皮埃特罗.潘泽(美)维普.K.班塞尔,《用VaR度量市场风险》,綦相译,北京:机械工业出版社,2001
[22]CormacButler,《风险值概论》,于研刘丹丹陈勇译,上海:上海财经大学出版社,2002
风险决策范文第8篇
关键词:风险度量,正负偏差,综合风险偏差
一,研究的目的和意义
本文的研究目的在于识别和度量证券投资中的风险,按照投资组合理论,通过组合可以分散掉的风险被称作"非系统性风险"或者"公司特别风险",它源自于各个公司内部的特别事项的发生,比如,诉讼,罢工,营销策略的成功或失败,合同签署及履行情况.由于公司各自的情况不同,导致这种风险在各个公司之间的差距较大.进行投资组合的一个基本思路就是通过证券组合使一种股票报酬率的不好的变化被另一种股票报酬率好的变化抵消掉,从而将这种风险最大程度地分散掉.当然,仍存在一部分组合难以消除的风险,被称作"系统性风险"或"市场风险".这种风险通常源自公司外部的一些宏观经济或非经济事项,比如战争,通货膨胀,经济衰退,利率的波动.这些事项的发生会对所有的企业的经营状况产生影响,因而无法通过投资组合予以分散.本文主要讨论前一种风险,分析它对于投资者投资决策的影响.这有助于管理部门进行证券投资风险管理,提供一个管理的客观标准,有利于规范证券市场,优化资源配置,从而促进经济的稳定发展.
二,目前研究的现状
1,风险研究的发展【13】
自从Markowitz于1952年创立了投资组合以来,风险度量和金融资本配置模型的研究一直是金融投资研究的热点之一,到目前为止,金融投资专家和学者已提出很多种不同的度量风险模型.从各种模型提出的动因看,推动风险的度量模型发展的主要因素有:(1)对风险含义认识的深化.Markowitz将风险视为投资收益的不确定性.方差因可以很好衡量这种不确定性的程度而成为风险的度量方法.随着对投资者风险感受心理的研究,人们认识到风险来源于投资项目损失的可能性,因此,出现了半方差等变化了的风险度量模型.(2)风险心理学的研究成果.由于每个投资者的风险偏好和风险承受能力不同,金融界,投资界和理论研究者对此做了大量的研究,希望能找到更符合现实状况的风险度量方法和能更高效获取投资回报的资产配置模型.因此,在风险度量模型中,引进了反映投资者风险偏好和风险承受能力的风险基准点,由此形成另一类风险度量模型.如ExpectedRegret方法等.(3)数学处理简化的需要.在对各种风险度量模型进行理论分析时,经常要用数学方法对其进行处理,为了便于应用数学方法,在不影响模型的特征的前提下,尽可能采用一些数学上较容易处理的模型.如方差与标准离差,其特征基本类似,但方差的数学处理要比标准离差容易,因此在理论上和实际应用中,方差比标准差普遍.最近提出的CVaR风险度量方法,也是在VaR方法遇到数学处理困难时提出的.(4)风险管理实践上的需要.风险度量模型要能够应用于投资实践,其度量结果必须有很好的经济解释,以前的很多风险度量方法.如方差,半方差,标准离差之所以未能得到现实投资者的广泛接受,很大原因在于它们不能给投资者提供一个可理解的风险评价值.90年代以来出现的VaR尽管在理论界受到广泛的批评,但仍然得到监管部门和现实投资者的广泛接受,其原因在于它提供一种易于理解的描述风险的普通语言.
2,风险的定义
关于风险概念,学者们下过许多定义.可归纳为以下七种【11】:
将事件本身存在不确定性视为风险;
将未来结果的变动可能性视为风险;
将各种可能出现的结果中的不利结果视为风险;
将不利结果出现的可能性及不利程度视为风险;
将各种可能结果之间的差异本身视为风险;
以客观实际结果为参照对象,将主观预期结果与客观实际结果的距离视为风险;
以主观预期结果为参照对象,将未来结果与主观预期结果的差距视为风险.
概念①和②主要关注事件结果的不确定性;概念③则关注与预期不一致的不利结果;概念④进一步强调不利结果发生的程度;概念⑤,⑥,⑦是一类,主要关注结果与某种参照标准之间的差距.由于出发点和认识上的不同,上述定义并没有准确界定风险的一般性.因此,保险业说的是可能导致财产损失的风险,金融管理界说的则是可能导致金融体系动荡甚至崩溃的风险,证券投资者说的又是投机交易可能出现巨额亏损的风险,风险投资者说的却是可能因投资失败导致血本无归的风险.还有诸如技术风险,市场风险,管理风险,财务风险,政策风险等等.用的虽是同一个词汇,但叙述的内容则有差异,对风险概念和定义的描述不尽相同.因此,本文的研究对象主要集中在③,④两种概念范畴,以缩小范围,集中注意力研究这个问题.
3,风险的量化
目前,常见的风险度量指标可分为三类.
第一类:用风险分布的数字特征来构造风险度量指标,而不直接涉及行为主体对风险的偏好特性程度.典型的有:
(1)方差风险度量及其引申
马克维兹(Markowitz)在投资组合理论中以投资收益率r的均值(mean)E(r)度量投资组合的收益,以投资收益率r的方差(variance)σ2(r)度量投资组合的风险.这被称为均值-方差决策规则.
方差是用来衡量一个随机变量波动大小的指标,当随机变量的波动呈对称性分布时,收益波动越大的随机变量,其潜在的损失也就越大.因此,当随机变量的分布为对称型时,用方差来表示风险是恰当的.由于Markowitz在1952年进行投资组合分析时,假设投资组合的各项资产的收益率的联合分布为正态分布.因此,它的分析方法是恰当的.标准离差(standardderivation)与方差的特征一样,只是标准离差在数学分析时较容易处理,因此传统上,度量随机变量的波动性一般采用方差而不采用标准离差.不过,方差虽然在分析其性质时容易数学处理,但利用它进行投资组合优化时,存在计算上的困难,因为必须求解二次规划问题,Konno和Yamazaki(1991),胡日东(2000)提出,利用标准离差作为风险度量指标,可以简化投资组合优化的运算.因为只需求解线性规划问题即可.
举个例子,设有两个投资方案,其收益率分别为随机变量X和Y,数学期望分别是x和y,标准差分别为σX和σY,则在均值-方差决策规则中,所谓X优于Y,是指其满足如下两个准则:
准则1:x≥y,σX≤σY
准则2:
其中:rf为市场上的无风险利率.
虽然方差度量具有良好的特性,但是自从Markowitz提出方差作为风险度量指标后,还是受到众多的批评和质疑.其焦点在于投资收益率的正态分布特性,它对收益率波动的好坏不分(将高于均值的收益率也视为风险).法玛,依波持森和辛科费尔德等人对美国证券市场投资收益率分布状况的研究和布科斯特伯,克拉克对含期权投资组合的收益率分布的研究等,基本否定了投资收益的正态分布假设.半方差(semivariance),半标准离差(standardsemiderivation)---半方差的平方根,正是在这种背景下提出来的,哈洛提出半方差的概念用来度量风险,即只关注损失边的风险值(DownsideRisk).用于解决收益率分布不对称时的风险度量问题,但从模型包含的变量看,这两种方法并不"纯净",因为模型中含有投资收益的均值,风险量值的大小不仅取决于各种损失及其可能性等不利情景,而且还与投资收益的有利情景有关.而人们广泛所接受的仍然是以方差作为风险的度量.均值-方差决策规则也在投资决策中得到了广泛的应用.
(2)含基准点的风险度量
从风险的原始语意出发,风险应该反映投资资产出现不利变化的各种可能性,从投资收益率角度看,风险应该反映投资收益率在某一收益水平下的各种可能性高低,从投资组合价值变化角度看,风险应反映投资组合价值损失超过某一基准点的可能性大小.因此,对投资者而言,关注风险,就是关注其投资收益率或其投资价值出现在某一基准点以下的分布状况.基准下方风险度量(downsideriskmeasure)被认为是对传统证券组合理论的一个主要改进.但是由于各投资者的风险偏好和风险承受能力不同,所以每个投资者都有和他对世界认知相容的与众不同的基准点.包含基准点的风险度量模型很多,最普遍的和经常使用的基准下方风险度量是半方差(特殊情况)和LPM―――LowerPartialMoment(一般情况).其中半方差是一个更合理的风险度量标准(连Markowitz自己都承认这一点).无论从理论上,经验上,还是实践上,半方差都是和期望效用最大化(ExpectedUtilityMaximization)几乎完全一致的【4】【5】.它的一个改进―――半标准离差性质也很好,与基于偏好风险厌恶的一个公理化模型―――二阶随机占优(SeconddegreeStochasticDominance---SSD)也几乎是一致的【1】.但是哈洛(Harlow)的LPM模型更为成熟.哈洛在投资组合理论中引入风险基准(riskbenchmark)———投资收益率r的某个目标值T(targetrate),用LPM(lowerpartialmoments)度量投资组合的风险:
这里r为投资组合的收益率,F()为收益率r的分布函数,v为基准收益率.当n=0时,LPM0=P{r0,称Ri为综合风险偏差.那么上述的风险组合偏差只不过是综合风险偏差在θ=1的特例罢了.我认为,由于风险是不对称的,所以θ≠1.具体的结果,应该通过实证分析得到.
综合风险偏差Ri将正偏差与负偏差有机地结合起来,反映了两种不同性质的偏差对投资决策的影响.Ri越大,说明投资项目越具风险性;若Ri小于0,则非常具有投资价值.综合风险偏差都可以用来比较一系列投资项目的优劣.特别是当投资者比较注重投资的风险性的时候.
四,实证分析
应用上面介绍的理论模型度量金融资产或其组合面临的风险,前提条件是金融资产或其组合的价值变化或收益率分布必须是确定的,这在实际中往往是不可能的.在实践中有两种情况:一种是根据理论推导可以确定金融资产的价值或收益率变化的分布类型,只是分布参数未知.在这种情况下,可以利用统计学的参数估计方法(如点估计或极大似然估计法)来估计模型的分布参数,然后将估计的参数代入上述理论模型就可以测算风险量值.另一种情况是连金融资产的价值或收益率的分布类型也无法确定,在这种情况下,只能根据历史数据或情景模拟数据来刻画它们的经验分布,再根据经验分布测算其风险量值.实践中往往以后一种情况居多,因此在风险管理或控制中,历史资料的积累和相应数据库的建立是相当重要的.
因此,我取的数据为,上证股票从中按同分布随机抽样抽出5只股票历史数据,取每周周末的收盘价,时间范围为2001年1月5日-2003年4月30日经过作一些调整共形成115周的数据;同时在深证股票中进行同样的操作.分别计算它们的综合风险偏差,根据收益越大,风险越大的原则(即无套利原则,否则存在套利机会.),估算它们的θ值.同时,可以按原来的各种方法,模拟它们的分布,计算风险.最后用这些数据来比较各个风险度量标准的优劣.具体的数据表如下:
表一:上海证券交易所的股票
股票名称
浦发银行
啤酒花
九发股份
昆明制药
龙头股份
代号
1
2
3
4
5
20010105
14.41
28.96
12.24
17.85
19.55
14.33
28.20
13.15
17.45
19.01
13.99
27.30
12.75
16.85
18.60
13.19
25.02
11.56
15.58
17.45
11.98
24.60
11.40
15.30
17.92
11.68
24.37
11.40
15.65
17.49
20010302
11.64
25.35
11.84
15.79
17.60
12.12
24.98
11.85
16.00
18.35
12.04
26.78
12.08
15.84
17.67
12.74
27.00
11.52
15.96
17.79
13.06
27.01
12.04
16.87
18.30
12.65
27.96
12.00
16.50
18.29
12.60
27.93
12.01
17.25
18.45
12.98
28.10
11.71
16.75
18.20
12.57
28.12
11.49
16.35
18.20
12.52
28.28
11.40
16.38
18.23
20010511
13.15
28.12
11.68
16.41
18.24
12.99
29.87
11.58
16.50
18.12
13.08
31.02
11.83
16.97
18.54
13.20
31.12
12.04
16.84
18.63
13.10
30.10
11.99
18.00
19.08
12.95
30.58
11.90
18.16
19.77
12.70
31.02
11.74
18.49
20.38
13.18
31.92
11.86
18.88
21.05
20010706
13.69
30.80
11.71
18.70
20.30
13.70
31.12
11.65
18.70
22.08
13.93
31.42
11.75
18.15
22.38
13.65
28.73
11.02
17.78
21.39
13.06
27.57
10.25
17.30
20.79
13.21
28.42
10.29
17.38
21.28
12.84
27.88
9.89
17.25
20.87
12.33
27.67
9.80
16.85
19.88
11.63
27.20
9.11
16.68
19.28
20010907
11.36
27.40
8.97
16.52
19.15
11.96
27.33
9.13
16.84
21.13
11.60
27.47
8.94
16.97
20.56
11.25
26.77
8.84
16.82
19.88
10.46
24.07
8.64
15.00
19.78
9.55
22.50
8.03
13.19
18.52
10.34
23.78
9.76
15.45
20.35
20011102
11.38
24.02
9.71
14.89
21.22
10.77
22.92
9.35
15.18
21.00
10.10
22.74
9.25
14.28
21.10
10.71
24.38
9.60
14.75
20.99
10.80
24.03
9.89
14.82
21.73
11.09
24.45
9.66
15.32
20.99
10.39
23.88
9.10
14.61
21.44
9.95
24.72
8.95
14.11
20.78
9.90
25.21
8.92
13.91
20.62
20020104
9.76
24.57
8.79
13.89
20.63
9.09
23.63
8.03
11.70
19.40
7.95
21.13
8.57
11.60
17.92
8.17
21.92
8.75
12.65
17.71
8.41
22.72
8.24
12.36
18.17
8.87
22.22
8.46
12.19
17.40
20020301
8.81
22.34
8.29
11.80
17.75
9.77
23.72
9.30
13.58
18.97
9.55
23.13
8.78
13.52
19.99
9.85
23.65
8.98
14.09
19.73
10.09
21.95
8.56
13.66
19.51
9.20
22.33
8.58
14.22
19.68
9.58
22.12
8.83
13.93
19.26
9.22
21.34
8.73
13.55
18.68
9.32
21.70
8.72
13.71
18.72
9.43
21.89
8.89
13.92
20.46
20020510
9.16
21.12
8.67
13.76
20.90
8.69
20.69
9.41
13.04
20.94
8.45
19.94
9.77
12.89
20.09
8.23
18.99
9.54
12.77
19.28
8.33
19.39
9.71
13.27
19.72
8.00
18.74
9.48
12.99
19.18
8.56
20.45
10.22
13.50
19.70
9.75
20.91
11.03
15.52
20.11
20020705
9.77
20.57
10.92
15.41
19.56
9.40
20.54
10.51
14.97
19.54
9.39
20.84
10.49
15.00
19.72
9.10
19.74
10.03
15.10
18.95
9.12
19.76
10.10
15.37
18.07
8.99
19.50
9.75
15.30
17.81
8.96
19.95
9.78
15.41
17.35
9.24
20.45
9.88
15.69
17.74
9.19
20.66
9.60
15.85
17.52
20020906
8.88
20.14
9.17
15.50
16.57
8.62
20.38
9.24
15.25
15.96
8.54
19.98
9.42
14.93
15.97
8.54
19.98
9.16
15.35
15.18
8.12
18.62
9.25
14.55
14.33
8.14
18.37
9.43
14.25
13.72
8.10
18.44
9.61
14.22
13.66
20021101
7.92
18.08
9.60
14.40
13.66
7.91
18.26
9.63
14.73
13.40
7.62
16.82
8.43
14.25
13.13
7.19
15.85
8.02
13.85
12.13
7.30
16.39
8.31
14.21
12.68
7.13
15.64
7.93
14.03
12.20
7.09
15.72
7.86
13.98
12.08
7.22
16.24
8.09
14.06
12.92
6.92
15.85
7.72
14.06
12.25
20030102
6.45
15.25
7.37
12.84
11.84
6.77
15.54
7.61
13.41
12.55
7.14
16.33
8.44
14.61
13.40
7.04
16.55
8.07
14.78
14.09
7.17
16.54
8.11
14.78
14.22
7.30
16.40
8.14
14.63
14.20
7.15
16.13
8.13
14.28
13.94
7.30
16.80
8.18
14.37
13.79
20020307
7.14
16.35
7.92
14.36
13.45
6.83
15.97
7.70
13.97
13.10
6.81
16.14
7.89
14.16
12.96
6.94
15.73
7.92
14.27
13.01
6.90
16.42
8.05
14.37
13.12
7.03
16.58
8.10
14.94
12.89
6.98
17.27
8.02
15.59
13.69
6.55
16.29
7.55
13.40
13.30
6.33
17.75
7.31
13.72
12.98
均值
9.92
22.57
9.65
15.08
17.73
收益
-0.31
-0.22
-0.21
-0.16
-0.09
正偏差ui
0.24
0.19
0.15
0.10
0.11
负偏差di
0.17
0.17
0.11
0.08
0.19
方差
5.24
22.29
2.12
2.64
8.73
没有参数的
-0.07
-0.02
-0.04
-0.02
0.09
加入参数的
-0.17
-0.13
-0.11
-0.07
-0.03
风险组合偏差
0.72
0.89
0.72
0.83
1.80
表二:深圳证券交易所的股票
股票名称
丝绸股份
江铃汽车
桂林集琦
中成股份
吉林化纤
代号
1
2
3
4
5
20010105
27.80
8.45
22.17
23.28
7.29
24.30
8.34
22.21
23.66
7.89
25.88
8.73
20.90
24.22
7.90
24.36
8.54
20.09
23.00
7.47
25.13
8.42
20.14
22.58
7.68
25.58
8.30
19.97
25.65
7.33
20010302
27.70
8.47
21.60
24.07
7.43
28.58
8.38
21.42
24.05
7.60
28.50
8.32
21.82
24.96
8.16
27.04
8.51
21.10
24.84
8.18
27.86
8.73
22.28
25.36
8.53
29.19
8.67
21.28
25.52
8.94
26.69
8.93
21.50
27.40
8.91
26.82
8.61
21.80
26.37
8.90
25.38
8.45
20.65
25.56
8.45
25.41
8.40
20.73
26.16
8.34
20010511
26.47
8.65
21.08
26.43
8.69
25.83
8.54
22.13
26.76
8.95
25.03
9.00
21.83
23.96
8.55
26.24
8.93
22.98
23.68
8.80
25.57
8.91
23.98
23.77
8.54
24.75
8.82
24.11
23.28
8.73
25.43
9.22
25.15
23.73
9.00
25.43
9.24
24.65
24.21
8.86
20010706
25.34
8.81
24.61
24.14
8.54
26.11
8.86
26.14
23.66
8.44
25.79
8.83
26.54
24.09
8.38
25.74
8.50
23.85
23.56
8.03
24.76
7.89
22.22
23.88
7.36
24.57
7.85
23.87
23.58
7.39
24.19
7.69
23.59
23.35
7.29
23.95
7.49
22.99
23.28
7.48
23.56
6.79
22.13
23.14
7.45
20010907
22.55
6.92
21.21
23.01
7.19
21.97
6.98
20.62
23.14
7.15
21.31
6.76
20.65
23.01
6.98
21.45
6.49
20.39
22.27
6.40
21.36
5.93
18.93
22.02
5.66
20.77
5.70
15.15
21.36
5.87
20.64
6.10
16.73
21.78
6.16
20011102
20.55
6.47
17.06
21.87
6.57
20.43
6.15
15.39
21.74
6.68
20.37
6.15
15.36
21.88
6.80
20.41
6.38
18.36
22.05
7.12
20.98
6.60
19.28
22.28
7.17
20.79
6.66
18.63
22.51
7.05
20.25
6.36
18.23
22.27
6.70
19.18
6.30
16.94
22.23
6.80
18.91
6.08
16.92
23.35
6.44
20020104
18.59
6.02
16.79
23.42
6.37
16.00
5.52
15.11
23.06
5.93
10.94
4.54
12.87
22.63
6.07
10.26
4.32
14.42
22.72
6.43
12.56
4.53
15.03
23.13
6.67
11.89
4.64
15.09
23.12
6.72
20020301
12.34
4.65
15.17
24.10
6.56
14.45
5.55
17.66
24.37
7.08
14.67
5.48
16.83
24.32
6.94
14.63
5.50
18.33
24.81
7.10
14.85
5.24
18.20
24.50
6.75
15.58
5.73
18.08
24.74
6.68
15.17
5.63
18.02
25.16
6.89
14.68
5.52
17.60
24.12
7.74
14.41
5.77
17.48
24.37
8.60
14.65
5.82
18.17
23.64
9.33
20020510
14.47
5.76
17.45
23.89
8.91
13.82
5.61
16.46
23.57
8.39
13.50
5.67
15.87
23.56
8.27
13.19
5.96
15.32
24.32
7.93
13.28
6.19
15.74
25.86
8.31
12.83
5.95
14.99
25.24
8.59
13.98
6.35
16.01
27.03
9.18
14.92
7.02
16.73
27.75
9.44
20020705
15.03
6.94
16.67
28.21
10.04
14.77
6.82
17.66
28.56
9.62
14.81
6.95
18.84
28.32
9.88
14.16
6.87
19.01
27.84
9.36
14.20
6.78
20.01
27.83
9.64
13.89
6.81
20.30
27.54
9.79
14.25
6.79
19.59
28.05
9.58
14.54
6.74
20.01
28.52
9.86
14.56
6.97
19.47
28.50
9.64
20020906
14.04
6.68
19.52
28.12
9.20
13.82
6.52
19.83
27.99
8.80
13.37
6.27
19.88
27.68
8.83
13.23
6.10
19.79
27.83
8.56
12.83
5.76
19.23
27.11
8.19
12.72
5.70
19.22
26.74
8.39
12.65
5.78
19.61
26.69
8.55
20021101
12.63
5.77
19.02
26.34
8.80
12.49
5.65
19.77
26.24
8.31
11.34
5.19
20.03
25.73
8.74
10.62
4.80
19.19
25.24
7.82
11.14
5.15
19.77
26.42
8.15
10.94
4.99
19.82
26.04
8.05
11.19
4.96
19.95
25.64
8.11
11.62
5.12
19.79
26.02
8.19
11.01
4.94
18.65
26.12
7.71
20030102
11.12
4.73
17.58
25.20
7.30
11.55
4.98
17.57
25.94
7.62
11.97
5.34
17.03
26.36
8.23
12.09
5.31
15.96
26.16
8.22
12.15
5.34
16.70
26.71
8.29
12.47
5.35
16.32
26.68
8.41
12.16
5.30
16.16
25.96
8.40
12.33
5.57
16.74
25.83
8.96
20020307
12.06
5.30
16.35
25.24
8.93
11.61
5.19
14.79
25.46
9.16
11.55
5.16
14.13
25.35
9.02
11.53
5.21
14.45
25.68
9.30
11.71
5.18
14.37
25.19
9.51
12.04
5.33
14.40
26.55
10.30
11.89
5.46
15.44
26.21
10.15
11.01
5.06
13.85
25.56
10.68
10.83
5.04
12.68
24.35
12.77
均值
17.81
6.57
18.90
24.90
8.12
收益
-0.36
-0.22
-0.15
0.07
0.11
正偏差ui
0.35
0.21
0.12
0.06
0.10
负偏差di
0.27
0.16
0.14
0.06
0.13
方差
35.43
1.93
9.00
3.41
1.37
没有参数的
-0.08
-0.05
0.01
0.00
0.03
加入参数的
-0.17
-0.11
-0.03
-0.02
-0.02
风险组合偏差
0.77
0.74
1.09
0.95
1.28
备注:(1)所有的数据都不是原始数据,均经过处理,原因很简单,因为在这两年间,这些公司都派发了红利,主要有送股和直接派送现金两种方式,也有的公司进行了配股,因此股价在派发红利时产生剧烈变动,所以我根据派发红利的方式和比例进行了还原计算,将所有价格都调整到2001年未派发任何红利的基准情形.
(2)所有的数据都只保留两位,但是计算并没有简化,只有最后结果才显示两位.所有有时会看到0.14-0.12=0.01的情况,这是正常的.
(3)收益是以均值作为最后价格进行的计算,因为如果只用最后一周的收盘价,显然有失偏颇.正负偏差也是以均值作为期望值的.
(4)由于这两年中国的利息率非常之低,同时还征收利息税,所以我忽略了利息的影响,令rf=0.
(5)两个表格中,所有股票都是按收益从小到大进行排序,编号,以便于比较各种风险度量方式的优劣.
所有的股票都是按收益排序的,根据无套利原则(收益越大,风险也就应该相应的越大),他们的风险也应该是由小到大排序的.从表格的数据中我们可以明显的看到,方差是紊乱的,与收益并没有明显的线性关系,所以可以断定,投资者并没有使用方差作为他们度量的依据.风险组合偏差比方差要好一些,在上海市场上,有一个数据没有按照递增排列,而在深圳市场上有两个.说明这种度量风险的方法也是不够好的.再看看没有参数的情形(也就是没有θ,直接用di-ui来作为度量风险的标准),在两个市场上都有一个数据没有按照递增排列,所以这个情形也不够好,但是相差也不远,所以我引入参数θ.下面通过无套利原则(收益越大,风险也就应该相应的越大)来估算θ的值.
由收益越大,风险也就应该相应的越大的原则(无套利原则),那么,用这四个不等式组成的不等式组,分别计算上海和深圳两个市场上的θ值,可得在上海市场上,0.09<θ<0.67,取中值,所以θ1=0.38;而在深圳市场上,0.57<θ<.75,取中值,所以θ2=0.66.更一般的,令,可得中国市场上,不对称系数θ=0.52.
这个结果令我很迷惑,根据心理学和行为经济学的研究成果【6】,风险是不对称的,负偏差对人们效用造成的影响应该比正偏差大,所以θ应该比1大才对,但是现在居然只有一半,和心理学和行为经济学的研究成果完全不符.这很奇怪!我分析主要有以下几个可能的原因:
1.中国的证券市场并不完备,这是大家公认的.即使美国也只是弱完备市场.我收集不到美国的数据,所以没法进行比较分析.可能市场的不完备性影响了数据的真实有效性.
2.心理学和行为经济学的研究成果可能讨论的是普通人,也就是一般人在经济生活中的行为,比方说买菜,买衣服这一类,但是证券市场上全是投资者,可能他们的效用函数与普通人是不一样的.特别是在中国市场上,存在相当多的投机者,他们都想以小博大,一夜暴富.因此他们往往不在乎负偏差,而更关心正偏差有多大.这几年股票的收益并不好,在上海市场上,全部五只股票收益都是负数,而深圳市场上也有三只股票收益为负.在这样的情况下,投资者虽然有所减少,但是仍有相当数量的投资者选择留在市场中.这充分说明了他们并不关心负偏差,而更关心正偏差有多大,想抓住一个正偏的机会发一笔财.在这种情形下,θ=0.52<1也就不足为奇了.
3.当正偏差超乎寻常的大时,人们就顾不上负偏差了.这就好像,管理中心已经说了,拿出50%作为彩金,也就是任何投资的理性预期收入应该时投入的一半,但是由于有一个微乎其微的概率得到一个超乎寻常的正偏差――五百万,人们对乐此不疲.这实际上也是一个投资中不理性投机的行为.证券市场上也是如此,前些年,市场很不规范,有少数人钻空子赚了不少钱,这就成了那个超乎寻常的正偏差.人们就纷纷仿效,根本没有理性分析情况的变化,就忽视了负偏差.这可能也是θ相当小的原因.
五,新的风险度量标准在投资决策中的应用
用综合风险偏差很容易解决在本文第一部分中所提到的例证.很明显,基金A和基金B相对于rf的负偏差均为0,也就是说两者都不存在绝对风险,两者的正偏差分别为rA=rf+0.5,rB=rf+1,从而两者具有不同的综合风险偏差-0.5和-1.显然B的综合风险偏差较小,故投资于基金B比较有利.
对于一般情况而言,显然投资者应该选择综合风险偏差较小的证券组合.
下面就单一证券投资方案的选择举例,对证券投资组合的选择可类似地讨论.设有A,B,C三种证券,时间周期为半年,预期收益率及发生的概率如表1所示(预期收益率的概率分布可通过对历史数据的观察而得出,此处仅举例说明风险调整收益在投资决策中的应用,故假设各种可能的收益率发生的概率均为1/6)【10】.
表1证券A,B,C半年期预期收益率(单位:%)
Si\Pj
1/6
1/6
1/6
1/6
1/6
1/6
A
-10
-3
20
6
-5
10
B
-20
-8
6
40
20
-2
C
-5
-2
2
8
4
-4
设基准收益率rf=2%,取中国证券市场的不对称系数θ=0.52,则计算如表2所示.
表2证券A,B,C半年期预期收益率的综合计算指标(单位:%)
Si
ri
Vari
di
ui
Rgi
Ri
A
3.00
1.23
8.00
10.00
0.80
-5.84
B
6.00
4.58
12.00
20.00
0.60
-13.76
C
0.50
0.26
5.67
4.00
1.42
-1.05
由上表可以看出:
若考虑平均收益率的大小,应选择证券B进行投资;
若考虑用方差表示的风险指标,应选择方差较小的证券C进行投资;
若考虑以负偏差表示的证券的绝对风险,就选择证券C进行投资;
若综合考虑方差和风险,则证券A的方差比较小,收益比较大,值得考虑投资;
若考虑风险组合偏差,则证券B的风险组合方差最小,应优先考虑投资;
若考虑综合风险偏差,则应选择证券C.证券C的综合风险偏差最小.
事实上,市场上能无风险的获得收益率2%,那么没有人愿意去投资平均收益只有0.5%的证券C,因为这样还要承担一定的风险,虽然有可能使自己的投资收益超过2%.
可以看出,风险度量指标及投资决策指标的选择对投资决策的结果有着决定性影响.因此,风险度量指标与投资决策指标的选择合理与否将直接决定投资行为的成败.
RiskMeasureandItsInfluencetotheInvestmentDecision
JingFang
(BusinessSchool,WuhanUniversity,Wuhan,430072)
Abstract:Thispaperreviewthehistoricalmethodofriskmeasure,pointouttheirlimitation,supplyawaytorecomposeitandanewindexofriskmeasure---synthesisriskdeviation.AnddemonstrateandanalysewithmorethanonethousanddatainthestockmarketinChina,explaintheusageofitwithexample.
KeyWord:riskmeasure,positiveandnegativedeviation,synthesisriskdeviation
参考文献
[1]WlodzimierzOgryczakandAndrzejRuszczynski,《FromStochasticDominancetoMean–RiskModels:SemideviationsasRiskMeasures》,InternationalInstituteforAppliedSystemsAnalysis,InterimReport,IR-97-027/June
[2]DavidNNawrocki,《ABriefHistoryofDownsideRiskMeasures》,JournalofInvesting,1999,Fall
[3]ZengjingChenandLarryG.Epstein,《Ambiguity,RiskandAssetReturnsinContinuousTime》,RochesterCenterforEconomicResearch(RCER),workingpaperNo.474,2000,(7)
[4]JavierEstrada,《Mean-SemivarianceBehavior:AnAlternativeBehavioralModel》,CentroInternacionaldeInvestigacionFinanciera(CIIF),ResearchPaperNo.492,2003(2)
[5]JavierEstrada,《Mean-SemivarianceBehavior(Ⅱ):TheD-CAPM》,CIIF,ResearchPaperNo.493,2003(2)
[6]RichmondHarbaugh,《Skillreputation,prospecttheory,andregrettheory》,2002,(3)
[7]EckhardPlaten,《AMinimalFinancialMarketModel》,2000,(9)
[8]ThomasJ.LinsmeierandNeilD.Pearson,《RiskMeasurement:AnIntroductiontoValueatRisk》,1996,(7)
[9]刘春章黄桐城陈汉军,《风险调整收益及其在投资决策中的应用》,决策借鉴,2002,(10),75-77
[10]马国顺,《一种新的风险度量指标》,西北师范大学学报(自然科学版),1999,(2),19-21
[11]邹辉文陈德棉,《关于风险的若干问题及其在风险投资中的应用》,同济大学学报,2002,(9),1145-1151
[12]张宏业,《证券组合风险的分析》,中央财经大学学报,2000,(6),46-48
[13]陈金龙张维,《金融资产的市场风险度量模型及其应用》,华侨大学学报(哲学社会科学版),2002,(3),29-36
[14]曹永刚王萍类成曜,《现代金融风险》,北京:中国金融出版社,2000
[15]韦廷权,《风险度量和投资组合构造的进一步实证》,南开经济研究,2001,(2),3-6
[16]黄威华,《β系数与证券投资风险的度量》,内蒙古财经学院学报,2001,(3),36-38
[17]傅志超,《股票投资风险的度量与控制》,经济数学,1994,(1),60-63
[18]朱世武张尧庭徐小庆,《一种新的股市风险度量指标及其应用》,经济数学,2002,(6),1-9
[19]戴浩晖陆允生王化群,《单时期下一种新的风险度量方法及其应用》,华东师范大学学报(自然科学版),2001,(9),33-38
[20]吴开兵曹均华俞自由,《风险度量与风险控制》,上海经济研究,1999,(4),42-49
[21](意)皮埃特罗.潘泽(美)维普.K.班塞尔,《用VaR度量市场风险》,綦相译,北京:机械工业出版社,2001
[22]CormacButler,《风险值概论》,于研刘丹丹陈勇译,上海:上海财经大学出版社,2002
风险决策范文第9篇
关键词：风险决策 心理因素 展望理论
瑞典皇家科学院2002年10月9日宣布，将本年的诺贝尔经济学奖授予普林斯顿大学教授Kahneman和美国的乔治•梅森大学的Smith，以表彰他们在经济心理学与实验经济学方面的贡献。颁奖词中提到Kahneman的贡献是：“把心理研究成果与经济学融合在一起，特别是在有关不确定状态下人们如何做出判断和决策方面的研究”。
“经济人” 是经济学的基本假设之一，是一切研究的前提，每个人都会在确定的范围内追求自身效用的最大化从而在有限的环境资源中努力做出最佳决策。决策者以无偏好的方式对决策后果的概率进行主观的估计，这就建立了著名的期望价值模型。期望值等于损益概率与损益值的乘积，即EV(A)>EV(B),A>B。但Kahneman等人经过研究发现：人们在不确定条件下往往并不是遵循期望价值理论而是经过一系列的启发式策略进行直观判断。
心理因素与决策判断
直觉偏差
代表性启发法表现在人们根据事物的一些突出特征对其分类时，如果发现它和某类事物的代表性很相似，就直观地把该事物归到这一类。人们根据原有的经验和认识为各类事物塑造了各自的模型，它包含了这个群体的典型特征和最大的代表性。人们经常把事物和每个模型进行对照，一旦匹配就将其归入这个模型。由代表性启发法带来的认知偏差表现在以下几个方面：对先验概率估计过低，人们往往是通过语言的描述来判断而忽视了先验概率的影响；结合效应和小数法则。由概率论中的结合率可知，一个事物既属于A又属于B的概率不大于它属于A或者属于B的概率，也就是P(AB)
小数法则使得人们易于从一个小样本中过分的推断潜在大样本的概率分布。代表性知觉让人们确信赌徒谬论的存在,即在一系列的坏运气之后必然会有好结果的出现。这是因为人们错误的认为一个随机序列必然具备局部代表性(即序列的每一部分都必须看起来像是随机的)，事实上偶然事件并不具有自我修复的功能。如果一个随机过程(就像投掷一枚没有偏差的硬币)存在一定的可能性产生一定的结果，那么过去的事件并不会对将来发生的结果产生影响。一些特定的事件相对于其他事件而言更容易想到，并不是因为经常发生或者具有更高的发生概率，而只是因为更容易提取从而高估其发生的概率。而如果某件事不容易联想到，我们就会在不知不觉中低估它发生的概率。
研究表明决策者更加容易被生动的信息所影响，而不是平淡的、抽象的或者枯燥的统计数据。比如我们打算购买一辆新车，同时关于车辆瑕疵的一个生动的故事足可以让我们丧失从以往专业汽车杂志统计数据中建立起来的信心。罪犯或者目击者对犯罪事实的生动描述也可以让我们忽视犯罪的统计数据和报告。因为这样生动的信息是可得的，与平淡的信息相比更容易被回忆起来，因此会使决策产生偏差。锚定效应表现在人们对于不确定数值的估计往往是基于初始值或者是起始点而做出调整,起始点都会对估计值产生决定性影响。如果将全世界人的血液都集中在一个立方体中，这个立方体的宽度将是多大？全世界人口数据提供了一个很高的锚定值，因此当人们估计立方体的宽度时并不能充分地从高锚定值上调整下来。人们很难抵御锚定效应的影响，原因在于锚定值通常不会引起人们的注意，但这很可能使决策产生偏差。
展望理论
在不确定条件下，人们的偏好是由财富的增量而不是由总量决定的，所以人们对于损失的敏感程度要高于收益，这种现象被称为损失规避。人们在收益的情况下表现出风险规避，而在损失的情况下表现出寻求风险；且有过高估计小概率事件发生的倾向，同时在面对小概率的风险收益时甘愿冒险，这也就解释了每天大多数人在做同样的买选择。正是利用了人们高估了小概率事件发生的可能性(实际的中奖概率大约是几千分之一，甚至更低)。而在小概率损失的情况下多数人偏好确定的损失，Kahneman认为，存在这种偏好是由于人们往往过于看重大金额的损失，而这种倾向对保险公司非常有利。
人们有时将某一决策质量的衡量建立在与其他不同决策的后果相比较的基础上,这就是后悔理论。Looms认为由于很多人都经历过后悔和欣喜的感觉，所以在不确定的情况下做决策时，他们会预期这些感觉并将其作为决策时要考虑的一个因素。相比于较大金额的风险收益，人们可能会选择确定的收益以避免未猜对时的后悔。后悔理论在解释风险规避倾向时仍然采用了经典效用函数但加进了一个新的变量―后悔。
传统经济学认为财富的变换方向不会影响价值的诱导，产权的内部界定与经济有效性无关，这便是著名的科斯定律。然而许多实验结果却明显的违背科斯定律。Thaler由值函数的亏损曲线比赢利曲线更陡峭得出当个体要卖出所拥有的物件时，要价要高于为得到同样东西愿意出的买价。因为拥有使自己的物品增值，从而导致其卖价高于买价的现象被称为禀赋效应。1974年，Hammack等进行了一个调查，发现猎人因为猎场被毁愿意接受的补偿为1044美元，而只愿意付出247美元以保护猎场免于毁坏。这一悬殊使衡量替代成本方案效益政策的制定变得困难。
过度自信
事实证明在美国挑战者号航天飞机失事以及切尔诺贝利核泄露事件中，过度自信扮演了重要的角色，同时也给人类带来了巨大的灾难和惨痛的教训。Lichtenstein进行的一系列研究发现人们对自己的正确性有65%～70%的信心但实际上他们只有50%的时候是正确的。当准确度接近概率水平50%时过度自信达到最大；当准确度从50%增加到80%时过度自信会随之减少；当准确度超过80%时人们会变的不自信。
群体盲思
Janis提出当群体具有凝聚力而且相对不受外界影响的时候，群体忠诚和从众压力会导致群体盲思。它是指心理活动的效率对现实的检验以及道德判断的一种退化，这种退化来自于群体内压力。群体盲思出现有以下几个原因：群体中大多数或所有成员都拥有一种自己无懈可击的错觉，这种错觉导致过分乐观以及过度的冒险；任何持有不同意见的群体成员都会感受到压力；通过集体的努力对其提出警告、采取忽视态度或使其合理化；容易形成关于全体意见一致的共同错觉。为了避免群体盲思，群体领导者应该明确鼓励不同的意见和批评，同时不要在一开始就表明个人偏好。
总结和展望
Kahneman提出人是非理性的决策者，在做决策时首先倾向于依赖自己的直觉，但是其心理唤醒水平、个体期望、人物重要性等内外因素都会对决策产生重要的影响，人们可能运用大量心理资源进行高级的心理加工，综合的分析外部信息而进行判断。传统经济学更多的思考人们应该怎么决策，而行为经济学则更多的通过实证研究，发现人们实际上是怎样做出决策的。在无法正常取得概率及基本比率信息的情况下，直觉有可能带来比标准化决策更优的选择。决策和判断在相当大程度上取决于决策者可使用的时间和决策者的情绪这类环境特征因素。当时间紧迫时，决策者选用简单化的策略通常只注意到少量线索，并做出相对而言风险较低的决策。而情绪好的决策者可能更富有创造力，觉得负面事件发生的概率较低或者不发生。这说明我们从决策研究中得到的结论应被妥善地评价，防止过度概括化的发生。
现在决策研究和其他领域知识的交叉越来越多，其与心理学、经济学、管理学的界限趋于淡化。一些研究者开始关注个人对自己和他人决策的评价、决策风格的个体差异等问题。风险决策的研究成果将对人类实践活动产生重要的指导意义。
参考文献：
1.Yates. judgment and decision making. Englewood Cliffs prentice hall,1990
2.Kahneman. Judgment and decision making. Psychological Science,1991
风险决策范文第10篇
在风险投资决策中，以上各参数及其估计方法都对应着企业的实际运作状况并且都有自己的现实意义：标的资产价格（项目价值）的波动率σ、项目资产价值S、投资成本X、无风险利率r以及到期时间T。其中，标的资产价格波动率的确定包括：用历史数据估计波动率、用项目价值倒推出隐含的波动率（由于实物期权的非交易性，因此实际中的隐含波动率较难获得）、用模拟方法估计波动率。项目资产价值的确定包括：假设资产价值变动是连续过程和假设资产价值变化是离散过程。投资成本的确定包括：随机型，确定型（常量，受时间的影响）。无风险利率的确定包括：用无风险的政府债券来确定、用其他证券进行估计、用税后利率的确定。到期时间根据项目投资有效期确定。
2基于实物期权定价模型参数的实验设计与应用
在进行实物期权定价模型参数的实验设计之前先作以下的基本假设：风险投资项目的到期时间T为已知常数；对于同一项目的同种期权的解析定价法和数值定价法得到的期权价值是相同的；对于一个风险投资项目的期权定价方法共有三种定价方法：B-S定价法、二叉树法、蒙特卡洛模拟法。资产项目无价值漏损。
2.1实验设计
将以上连续的变量进行离散化，则同一期权的定价可以分别采用B-S定价法、二叉树法和蒙特卡洛模拟法进行定价。设：A,B分别是以上四种因子（由于到期时间T为已知常数，则影响期权价值的主要因子为四个）中的不同的两种因子，它们分别有a和b种估计方法，即它们分别有a和b个水平。另外，由于同一项目的看涨和看跌期权的价值相差较大。因此，该实验的响应变量都应是同类型期权的价值。将平方和与自由度分别按它们的来源分解如下：SST=SSA+SSB+SSAB+SSE这里SSA表示因子A的平方和，SSB表示因子B的平方和，SSAB表示交互作用的平方和，SSE表示误差平方和。若记：处理i（因子A）的样本均值为xˉi×，处理j（因子B）的样本均值为xˉ×j，处理i（处理A）和处理j（因子B）组合的样本均值为xˉij，所有nT个观察值的总样本均值为xˉ。
2.2实验设计应用
某风险投资公司投资兴建一个光伏生产项目，虽然目前由于市场的不确定性项目仍处于亏损状态，但是作为目前世界各国对环境的重视，该企业决策者认为，光伏需求量有极大的增长潜力，在未来5年内公司需要不断投入8000万元以购置厂房、生产成本以及进行市场推广等。根据投资的预期现金流分析，该项目可带来5000万元的收入。从表面来看该项目投资是不利的，但经过专家分析，未来几年内光伏需求量将会急剧增长。所以，我们认为该项目的投资会产生扩张机会，即增长期权。投资该项目有未来进行先进入市场的机会，预计公司要比其他竞争者先进入市场时，仍然需要再投资2.2亿元，如果考虑整体宏观经济的变化预计投资成本为2.5亿元，如果考虑到管理费用和受时间影响，预计投资成本为2.7亿元。在现行市场信息的基础上，该公司组织专业人员对市场进行预测，得出的结论是，先进入市场所能产生的现金流的现值为2.4亿，如果假设标的资产价格变化过程服从连续过程，这时预测的现金流现值为2.6亿且不存在价值漏损。另外，根据金融市场同类型公司证券进行估计，光伏企业的价值年度平均标准差为48%，根据模拟法估计的年度标准差为35%。根据无风险债券确定的无风险利率为4.7%，根据税后利率确定的无风险利率为4.5%，通过金融市场上光伏企业发行的债券确定的收益率为5%。对该风险投资公司来说，在其他变量取各种预测值的均值时，两因子交互作用的析因实验如下：因此，对于单个因素的不同估计方法得到的结论是一致的，即以上因素的不同的估计方法对期权价值有显著的影响。对于因子A和B交互作用的均方，表3对应的F0.05(212)=3.89<7.600326，因此，对于波动率和投资成本，在这两个因子交互作用的不同水平下，期权价值不存在显著差异。表4对应的F0.05(118)=5.32>1.163189，因此，对于波动率和资产价值，在这两个因子交互作用的不同水平下，期权价值存在显著差异。表5对应的F0.05(212)=3.89>0.680000，因此，对于波动率和无风险利率，在这两个因子交互作用的不同水平下，期权价值存在显著差异。表6对应的F0.05(212)=3.89>0.154546，因此，对于资产价值和无风险利率，在这两个因子交互作用的不同水平下，期权价值存在显著差异。表5对应的F0.05(418)=2.93<4.435874，因此，对于投资成本和无风险利率，在这两个因子交互作用的不同水平下，期权价值不存在显著差异。表8对应的F0.05(212)=3.89<4.7300114，因此，对于投资成本和项目资产价值，在这两个因子交互作用的不同水平下，期权价值不存在显著差异。因此，在组合—波动率和投资成本、组合—投资成本和无风险利率以及组合—投资成本和项目资产价值的不同估计方法下，这三种组合对期权价值的交互作用影响不显著。在组合—波动率和项目资产价值、组合—波动率和项目资产价值以及组合—项目资产价值和无风险利率的不同估计方法下，这三种组合对期权价值的交互作用有显著的影响。
3结论
通过以上的实验设计可以看到，影响期权价值的四个主要因素对期权价值的影响是显著的并且各因子组合的交互作用对期权价值的影响的显著性不同。所以，在实际针对实物期权价值进行计算时将变量进行主次之分是很有必要的。由于交互作用的存在，本文提出以下建议：如果波动率、项目资产价值和无风险利率其中之一的估计是可靠的，那么这时，其他两个变量的估计也应该应用更加切合实际的模型进行估计，而不能用常数代替。针对波动率、投资成本和无风险利率的估计，如果波动率是可靠的估计，那么此时的无风险利率应该采用可靠的估计，而此时的投资成本可以应用常数代替。另外，通过以上的分析可以将各因素对期权价值影响的显著性进行排序，即对期权价值有显著影响由强到弱分别为波动率、无风险利率、项目资产价值和投资成本。