期望理论—一种描述性模型
　　ProspectTheory–adescriptivemodel
　　
　　
　　内容：
　　
　　I.价值函数（取代EUT的效用）
　　
　　1.S形价值函数
　　2.损益的边际递减效应
　　3.损失的“突出”
　　
　　II.决策权重（取代EUT的概率）
　　
　　1.π函数
　　2.确定性效应
　　3.小概率偏重
　　
　　III.期望价值的计算
　　
　　IV.有提示的练习
　　
　　
　　译注：EUT（ExpectedUtilityTheory），预期效用理论。
　　
　
　　期望理论（PT）--描述分析
　　
　　I.价值函数
　　
　　1.S形价值函数

 
　　
　　2.损益的边际递减效应
　　
　　（1）大笔亏损比逐笔亏损更容易承受。
　　（2）逐笔赢利比大笔赢利更令人愉快。
　　
　　例如：你会愿意马上付掉所有的账单，但是希望在连续几天内陆续收到生日礼物。
  　　

　　3.损失的“突出”
　　
　　（1）与赢得500美元的良好感觉相比，亏损500美元的感觉更糟糕。
　　
　　（2）在损失和收益不同的域内，人们对风险的态度会发生变化。
　　
　　·下凹收益曲线：风险厌恶（risk-aversion）。
　　A.确定赢8美元；
　　B.50：50的赌博，赢了得20美元，输了一分钱没有。
　　偏好A。
　　
　　·上凸亏损曲线：风险追求（risk-seeking）。
　　A.确定输8美元；
　　B.50：50的赌博，输了亏20美元，赢了一分钱不亏。
　　偏好B。
　　
　　短期适应：考虑如“懊悔”这类原因。
　　
　　长期适应：根据EUT，长期无法适应。如果是根据进化论，那么，或许长期可以适应。
　　
　　·EUT—决策策略已经预期了很多决策的不同结果。如果玩很多次并不会使你的收入最大化。
　　EV（确定赢8美元）=$8
　　EV（50：50赢20美元）=0.5*20美元+0.5*0美元=10美元。
　　
　　·进化论。如果生存取决于避免灾难性损失，我们可能就会变得对损失（而不是收益）过度敏感。
　　
　　（3）损失厌恶—避免确定的损失。
　　
　　·捐赠效应
　　·现状偏见
　　·沉没成本偏见
　　·不过，支付“保险费”是一种购买证券的行为。价值函数重构进入收益域。（Slovic,Fischhoff,&Lichtenstein,1982）。
　　
　　
　　
　　II.决策权重—π函数
　　
　　用于说明我们如何解释或转换概率。
　　
　　1.π函数假说
　  　

　　2.确定性效应（Certaintyeffect）
　　
　　（1）ETU（预期效用理论）：概率10%的变动在分布区间内处处相同。
　　举例：p=0.4至p=0.5，p=0.9至p=1.0与p=0.0p=0.1是相同的。
　　
　　（2）PT（期望理论）：确定性效应
　　·由p=0.4至p=0.5这10%的变化是微不足道的。
　　·确定性收益非常吸引力。
　　由p=0.9至p=1.0这10%的变化效力很大。
　　·确定性损失非常缺乏吸引力。
　　由p=0.0至p=0.1这10%的变化效力很大。
　　
　　3.π函数的提示
　　
　　（1）非常小的概率被偏重。
　　
　

[1] [2]