决策与风险的分析

⑴ 风险决策分析是什么内容

是指决策者对决策对象的自然状态和客观条件比较清楚，也有比较明确的决策目标，但是实现决策目标必须冒一定风险。

在未来的决定因素，可能出现的结果不能作出充分肯定的情况下，根据各种可能结果的客观概率作出的决策。决策者对此要承担一定的风险。风险型问题具有决策者期望达到的明确标准，存在两个以上的可供选择方案和决策者无法控制的两种以上的自然状态，并且在不同自然状态下不同方案的损益值可以计算出来，对于未来发生何种自然状态，决策者虽然不能作出确定回答，但能大致估计出其发生的概率值。对这类决策问题，常用损益矩阵分析法和决策树法求解。

http://ke..com/link?url=CYwalLTYj5CuLjP1yQxNb_OprheBzl0dGgGEw6O4YxQ3zBeX6S-x6Gb-Cv5iU64t0qJCIzLHmF_0OhEVfzfYG_

⑵ 分析和决策有什么区别

市场分析、财务分析、敏感性分析和风险分析。详细的，你可以去看刘秋雁编著的第二版《房地产投资分析》。我们上课就用这一本。不错，听老师说是同类书中较好的。你可以比较一下。

⑶ 决策风险的导致决策风险的因素

任何一种决策，都是在一定环境下，按照一定程序（流程），由单个人或多个人集内体做出的。决策不仅仅只容是一个客观过程，还涉及大量的个人的情感以及价值判断等主观因素。因此，导致决策风险的因素有客观方面的因素，也有主观方面的因素。客观因素如信息不充分不可预知的因素发生，决策机制不健全等，主观因素如决策者的能力不足、受情绪、成见影响导致判断失误。随着决策机制的不断发展与完善，客观因素在决策风险中所占的比重将越来越小，而主观方面因素将越来越重要。

⑷ 简述风险决策的过程

风险决策是指存在一些不可控制的因素，有出现几种不同结果的可能性，要冒一定风险的决策。 风险决策是在多种不定因素作用下，对2个以上的行动方案进行选择，由于有不定因素存在，则行动方案的实施结果其损益值是不能预先确定的。“多种不定因素”在学术名词上常称为“自然状态”（State of Nature) 风险决策可分为两类：若自然状态的统计特性（主要指概率分布）是可知的，则称为概率型决策；若自然状态的统计特性不知道，则称为不定型决策。对不成熟的高新技术产业所进行的风险投资决策，有些属于不定型决策，而有些则属于概率型决策。 比较而言，不成熟的高新技术产业面临风险决策的时候更多。但现实情况是，这个术语适用于所有和风险投资无关的普通人经济生活：生活成本风险、购房风险、股市风险等等。 与风险型决策相关的概述 风险型决策是指每个备选方案都会遇到几种不同的可能情况，而且已知出现每一种情况的可能性有多大，即发生的概率有多大，因此在依据不同概率所拟定的多个决策方案中，不论选择哪一种方案，都要承担一定的风险。 先验概率：根据过去经验或主观判断而形成的对各自然状态的风险程度的测算值。 自然状态：指各种可行方案可能遇到的客观情况和状态。 损益矩阵：一般有三部分组成：可行方案、自然状态及其发生的概率、各种行动方案的可能结果。把这三部分内容在一个表上表现出来，这个表就是损益矩阵表。 不同标准的决策方法 常用的方法有：以期望值为标准的决策方法、以等概率（合理性）为标准的决策方法、以最大可能性为标准的决策方法等。 （一）各种方法描述 以期望值为标准的决策方法：以收益和损失矩阵为依据，分别计算各可行方案的期望值，选择其中期望收益值最大（或期望损失值最小）的方案作为最优方案。设E(di)表示第 个方案的期望值；xij表示采取第i个方案，出现第j种状态时的损益值；P(θj) 表示第j种状态发生的概率，总共可能出现m种状态，则期望损益的计算公式为： 以等概率（合理性）为标准的决策方法：由于各种自然状态出现的概率无法预测，因此假定几种自然状态的概率相等，然后求出各方案的期望损益值，最后选择收益值最大（或期望损失值最小）的方案作为最优决策方案。 以最大可能性为标准的决策方法：此方法是以一次试验中事件出现的可能性大小作为选择方案的标准，不是考虑其经济的结果。 （二）各种方法的适用场合 1．以期望值为标准的决策方法一般适用于几种情况： （1）概率的出现具有明显的客观性质，而且比较稳定； （2）决策不是解决一次性问题，而是解决多次重复的问题； （3）决策的结果不会对决策者带来严重的后果。 2．以等概率（合理性）为标准的决策方法适用于各种自然状态出现的概率无法得到的情况。 3．以最大可能性为标准的决策方法适用于各种自然状态中其中某一状态的概率显著地高于其它方案所出现的概率，而期望值相差不大的情况。 风险型决策的决策树 （一）简述 决策树是对决策局面的一种图解。它是把各种备选方案、可能出现的自然状态及各种损益值简明地绘制在一张图表上。用决策树可以使决策问题形象化。 （二）决策树图的制作步骤 1．绘出决策点和方案枝，在方案枝上标出对应的备选方案； 2．绘出机会点和概率枝，在概率枝上标出对应的自然状态出现的概率值； 3．在概率枝的末端标出对应的损益值，这样就得出一个完整的决策局面图。 （三）决策树图的分析 决策树图的分析程序是先从损益值开始由右向左推导，称为反推决策树法。 风险决策的敏感性分析 （一）简述 在决策过程中，自然状态出现的概率值变化会对最优方案的选择存在影响。概率值变化到什么程度才引起方案的变化，这一临界点的概率称为转折概率。对决策问题做出这种分析，就叫做敏感性分析，或者叫做灵敏度分析。 （二）敏感性分析的步骤 1．求出在保持最优方案稳定的前提下，自然状态出现概率所变动的容许范围； 2．衡量用以预测和估算这些自然状态概率的方法，其精度是否能保证所得概率值在此允许的误差范围内变动； 3．判断所作决策的可靠性。 风险决策的的方法 一、效用概率决策方法 效用概率决策方法是以期望效用值作为决策标准的一种决策方法。 效用：决策人对于期望收益和损失的独特兴趣、感受和取舍反应就叫做效用。效用代表着决策人对于风险的态度，也是决策人胆略的一种反映。效用可以通过计算效用值和绘制效用曲线的方法来衡量。 效用曲线：用横坐标代表损益值，纵坐标代表效用值，把决策者对风险态度的变化关系绘出一条曲线，就称为决策人的效用曲线。 二、连续性变量的风险型决策方法 连续性变量的风险型决策方法是解决连续型变量，或者虽然是离散型变量，但可能出现的状态数量很大的决策问题的方法。连续性变量的风险型决策方法可以应用边际分析法和标准正态概率分布等进行决策。 方法的思想：设法寻找期望值作为一个变量随备选方案依一定次序的变化而变化的规律性，只要这个期望值变量在该决策问题定义的区间内是单峰的，则峰值处对应的那一个备选方案就是决策问题的最优方案。这个方法类似于经济学中的边际分析法。 三、马尔科夫决策方法 马尔科夫决策方法就是根据某些变量的现在状态及其变化趋向，来预测它在未来某一特定期间可能出现的状态，从而提供某种决策的依据。马尔科夫决策基本方法是用转移概率矩阵进行预测和决策。 转移概率矩阵：矩阵各元素都是非负的，并且各行元素之和等于1，各元素用概率表示，在一定条件下是互相转移的，故称为转移概率矩阵。如用于市场决策时，矩阵中的元素是市场或顾客的保留、获得或失去的概率。P(k)表示 步转移概率矩阵。

⑸ 什么是决策分析

决策分析，一般指从若干可能的方案中通过决策分析技术，如期望值法或决策树法等，选择版其一的决策过程的权定量分析方法。
决策分析一般分四个步骤：(1)形成决策问题，包括提出方案和确定目标；(2)判断自然状态及其概率；(3)拟定多个可行方案；(4)评价方案并做出选择。常用的决策分析技术有：确定型情况下的决策分析，风险型情况下的决策分析，不确定型情况下的决策分析。

⑹ 确定型决策、非确定型决策和风险型决策三者的区别

存在着决策人希望达到的一个明确目标，只存在一个确定的自然状态。

在实际决策中，有些客观条件不由决策者控制，这类问题称为非确定型决策

风险型决策：是指决策者对决策对象的自然状态和客观条件比较清楚，也有比较明确的决策目标，但是实现决策目标必须冒一定风险。

⑺ 决策风险的介绍

决策风险，是指在决策活动中，由于主、客体等多种不确定因素的存在，而导致决策活动不能达到预期目的的可能性及其后果。降低决策风险，减少决策失误，一直以来都是为人们所关注和探讨的问题。

⑻ 用决策树的方法进行决策风险分析

决策树学习是机器学习方法中的一种。这种方法将习得的训练集函数表示内成树结构，通过它来近似离散容值的目标函数。这种树结构是一种有向树，它以训练集的一个属性作节点，这个属性所对应的一个值作边。决策树一般都是自上而下的来生成的。每个决策或事件（即自然状态）都可能引出两个或多个事件，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干，故称决策树。选择分割的方法有好几种，但是目的都是一致的：对目标类尝试进行最佳的分割。从根到叶子节点都有一条路径，这条路径就是一条“规则”。决策树可以是二叉的，也可以是多叉的。对每个节点的衡量：1) 通过该节点的记录数2) 如果是叶子节点的话，分类的路径3) 对叶子节点正确分类的比例。有些规则的效果可以比其他的一些规则要好。决策树对于常规统计方法的优缺点优点：1)可以生成可以理解的规则。2)计算量相对来说不是很大。3)可以处理连续和种类字段。4)决策树可以清晰的显示哪些字段比较重要缺点：1) 对连续性的字段比较难预测。2) 对有时间顺序的数据，需要很多预处理的工作。3) 当类别太多时，错误可能就会增加的比较快。4) 一般的算法分类的时候，只是根据一个字段来分类。

⑼ 风险型决策与非确定型决策的区别主要在于

不确定性下的决策

风险和不确定是两个重要的概念，人们日常生活很多方面都会风险和不确定性，需要在不确定性下进行决策。对风险和不确定性的研究，最常见的是用数理统计进行分析。在数据统计里面，有很多基础的概念都跟风险和不确定相关。

1 期望损失和方差

随机变量是具有不确定性结果的变量，变量可以是离散的也可以是连续的。可以包含某一特定价值和可以包含任意价值。如果选择一个随机变量的样本数，我们可以绘制整个随机变量的可能型分布，最常见的有正态分布，帕累托分布等。根据随机变量的统计分布情况，我们可以预测特定事件的发送概率和产生特定值的信息，这就是风险定价的数理基础。

期望值(Expected Value)是给定某一事件发生的概率计算出来的。其计算公式表示为：

其中xi,表示发生概率，pi表示发生结果。

概率分布的期望值代表了结果的平均水平。

从纯粹损失的角度，我们可以建议一个损失的概率分布，损失分布的期望值相当于预期损失。保险公司在过往的经营过程中，积累了大量的损失数据作为及保险精算定价的基础。

2 方差和标准差

方差，也成为标准差，（标准差等于方差开平方）。这个指标可以反映结果偏离预期期望值的程度。公式表示为：

期望值
其中 为期望值，xi,表示发生概率，pi表示发生结果

标准差等于方差开平方根，方差越小，在实际结果与期望值非常接近，如果方差较大，则可能与期望值较达且难以预测。我们想要考察一个损失观察值落在特定区间范围的可能性时，可以使用标准差，比如一个观测值落在正负1标准差的概率是68%，落在正负1.96个标准差的概率是95%，因此，68%，95% 也可以成为置信区间。