Practice makes perfect
文献集锦
如何理论创新?
管理学理论集锦
Python实际应用
聚类标准误与固定效应
巫师3:狂猎
Stata应用技巧
Python知识与技巧
双重差分法(DID)
创新文献阅读与摘要
计量经济学
Python绘图相关
期望效应理论与前景理论
type
Post
status
Published
date
Sep 19, 2025
slug
summary
tags
category
管理学理论集锦
icon
password
网址
作者
标签
文章链接
发布时间
来源
期望效用理论 (Expected Utility Theory) 及其局限
1. 理论提出
期望效用理论是18世纪由数学家丹尼尔·伯努利提出的,后来被冯·诺依曼和摩根斯坦等经济学家完善,成为新古典经济学的基石模型。它的核心思想是:理性人会在不确定性下,选择能带来最大“期望效用”的选项。
- “效用”: 指主观的价值或满足感,而不是绝对的金钱数额。它假设金钱的边际效用是递减的(赚第1万块的快乐 > 赚第101万块的快乐)。
- “期望”: 指各种可能结果的效用乘以该结果发生的概率,然后求和,即各个结果的效用加权和,权重为每个结果发生的概率。
- 公式:
- :期望效用
- : 第 种结果发生的概率
- : 第 种结果带来的效用

2. 理论预测与现实反例
期望效用理论建立在“理性人”假设之上,但大量行为心理学实验表明,人在某些时候是“有限理性”甚至是“非理性”的,会系统性偏离期望效用理论的预测。主要体现在三个方面:
(a) 参照点效应 (Framing Effect)
- 理论预测:决策只应取决于最终的财富水平,与如何达到这一水平(参照点)无关。
- 现实反例:然而,人们对得失的判断,严重依赖于一个参照点(通常是现状)。比如:
- 情景一(获得框架):“你先给我1000元,现在有两个选择:A) 再确定给我500元; B) 抛硬币,正面给你1000元,反面给你0元。”
- 情景二(损失框架):“我先给你2000元,现在有两个选择:A) 确定拿走500元; B) 抛硬币,正面拿走1000元,反面不拿走。”
- 理性分析:两个情景的最终结果完全一样(选择A最终都得1500元,选择B都有50%概率得1000元或2000元)。理性人应该在两个情景中做出相同选择。
- 实际结果:大多数人在情景一中选择A(确定收益),在情景二中选择B(冒险一搏)。仅仅因为描述方式(是“获得”还是“损失”)的不同,就改变了人们的决策。这是期望效用理论无法解释的。
(b) 损失厌恶 (Loss Aversion)
- 理论预测:效用只取决于最终状态,对收益和损失的感受应是对称的。即无论最初财富多少,只要最终财富水平相等,就会带来同等水平的效用
- 现实反例:然而,人们对“损失”的感受强度远远超过对等量“获得”的感受。行为经济学家发现,损失的痛苦感大约是等量收益带来的快乐感的2-2.5倍。
- 例子:丢失100元钱包带来的痛苦,需要捡到200元甚至250元才能弥补。这意味着人们是风险偏好的(宁愿赌一把也不愿确定损失)。
(c) 概率权重扭曲 (Probability Weighting)
- 理论预测:人们视概率为心理权重。例如,50%的发生概率就意味着0.5的心理权重。
- 现实反例:然而,人们的大脑会扭曲地感知概率:
- 高估小概率事件:人们会过度重视极小的概率(如买彩票、买保险)。万分之一概率的中奖感觉上好像有百分之一那么重要。
- 低估中高概率事件:对于90%的成功率,人们可能会觉得“十拿九稳”,心理权重可能只有80%;而对于10%的失败率,则会感到“非常危险”,心理权重被放大。
- 忽视中间概率: 对50%这种概率最不敏感。
前景理论 (Prospect Theory) —— 更贴近现实的模型
正是因为上述系统性偏差,心理学家丹尼尔·卡尼曼和阿莫斯·特沃斯基在1979年提出了前景理论,并因此获得了2002年诺贝尔经济学奖。该理论完美地包含了上述三个现实因素。

前景理论的四个核心过程:
1. 编辑阶段 (Editing Phase)
人们会先根据“参照点”对选项进行初步分析,把结果编码为“收益”或“损失”。(参照点效应)
2. 价值函数 (Value Function)
取代了“效用函数”。价值函数把表面价值(如财富或金额)转换为了决策价值,具体形式是:
其中 是表面价值如金额的得失,得为正,失为负; 为决策价值。在 Kahneman & Tversky 的一个研究中,被试们的中位参数 。曲线如下图所示:

该曲线的特征如下:
- 以参照点为原点: 价值基于相对于参照点的变化(收益或损失),而非最终总财富。
- 递增函数,
- S形不对称曲线:
- 收益区域: 为凹函数(向上凸), ,体现风险厌恶。赚500元的快乐 > 赚1000元快乐的一半。
- 损失区域: 为凸函数(向下凹), ,体现风险偏好。赔500元的痛苦 > 赔1000元痛苦的一半。
- 损失区域更陡峭: 直接体现了损失厌恶——损失带来的痛苦远大于等量收益带来的快乐。通俗地说,失去 100 元所带来的 痛苦的程度要大于得到 100 元所带来的快乐的程度。
3. 权重函数 (Weighting Function)
取代了客观概率。权重函数把概率转化为决策权重。当风险前景为两结果时,其具体形式如下:
其中,为概率, 为得到时的决策权重, 为失去时的决策权重。在 Kahneman 的一个实验中,求得被试们的中位参数 。其他研究者也得到相近的结果。
其曲线如下图所示:

上述曲线的绘图代码:
该曲线的特征如下:
- 人们决策时使用的是决策权重 ,而非概率 ,二者并不相等。其中的 为得到时的权重, 为失去时的权重。当概率较小时,同等概率下, 大于 ;当概率中等或较大时,同等概率下, 小于 。
- ; 是 的递增函数
- 该函数的特点:对小概率赋以过高的权重,对中高概率赋以过低的权重。(注意:并非高估小概率,因为被试清楚地知道概率 是多少;只是小概率所对应的心理权重高于概率本身)
- 这解释了为何人们既买彩票(高估极小概率的大奖)又买保险(高估极小概率的灾难)。
4. 评价阶段 (Evaluation Phase)
将表面价值带入决策价值函数 ,将事件概率带入决策权重函数之后得到 ,之后根据下列等式可以得到各个前景(选项)的心理价值:
其中 为一个前景的心理价值, 和 分别为第 个结果的决策权重与决策价值,结果分得失即正负,所以结果的下标也分正负。 然后比较各个前景的 值,选择最高 值对于的的前景(选项)。
总结对比
特征 | 期望效用理论 | 前景理论 |
核心 | 追求最终财富的期望效用最大化 | 追求相对于参照点的收益和损失的价值最大化 |
对待得失 | 对称 | 不对称,损失厌恶(损失带来的痛苦 > 等量收益的快乐) |
对待概率 | 线性、客观 | 非线性、主观扭曲(高估小概率,低估中高概率) |
决策基础 | 绝对水平 | 参照点(受描述框架影响) |
模型假设 | 理性人 | 现实人(具有系统性的认知偏差) |
解释现象 | 解释理性决策 | 完美解释阿莱悖论、保险与彩票、处置效应等现实行为 |
参考资料
Kahneman & Tversky 的前景理论. 曾建敏. 逻辑与认知, vol.3, issue 1, 2005.
Prev
理论创新之假说对立
Next
自然对数的转换方法
Loading...