預期效用理論 EUT：被前景理論取代之前，這套「理性決策」的數學基礎為什麼還是必須理解的？
摘要
當您站在保險櫃台前選擇要不要買意外險、當您決定 1,000 萬退休金要放定存還是股票、當您面對「確定贏 100 萬」與「50% 機率贏 250 萬」的抉擇時——您的決策行為，正是兩個世紀以來經濟學家試圖用數學描述的對象。這套數學描述的最完整版本，就是預期效用理論（Expected Utility Theory, EUT）。
EUT 的歷史源頭可追溯到 1738 年——瑞士數學家 Daniel Bernoulli 為了解釋「聖彼得堡悖論（St. Petersburg Paradox）」而提出「效用」概念。在這個著名的悖論中，一個賭局的數學期望值是無限大，但理性人卻不願意支付高昂代價參與——Bernoulli 提出了關鍵洞見：人類評估財富的不是「金額」，而是「效用」，且效用隨財富增加而遞減。這個「邊際效用遞減」原則，奠定了風險厭惡的數學基礎。
200 年後的 1944 年，數學家 John von Neumann 與經濟學家 Oskar Morgenstern 在《Theory of Games and Economic Behavior》一書中，將 Bernoulli 的直覺發展為嚴格的公理化框架。von Neumann-Morgenstern 公理（vNM 公理） 提出四條看似簡單但深遠的理性決策原則：完備性（Completeness）、傳遞性（Transitivity）、連續性（Continuity）、獨立性（Independence）。從這四條公理可以嚴格推導出：任何「理性」決策者的偏好，都可以用一個效用函數的期望值來表示——這就是 EUT 的核心定理。
EUT 主宰了 20 世紀前半的經濟學、財務學、決策科學、保險學——MPT、CAPM、選擇權定價理論、整個現代金融工程的數學骨架，全部建立在 EUT 假設之上。它是您今日所看到的每一個風險屬性問卷、每一個保險商品定價、每一個基金說明書中「適合您的風險偏好」概念的智識源頭。
然而，EUT 從問世以來就持續面臨實證挑戰。1953 年，法國經濟學家 Maurice Allais 提出「Allais 悖論（Allais Paradox）」——一個簡單的選擇實驗顯示，多數人的決策系統性違反 vNM 公理中的獨立性公理。1979 年，心理學家 Daniel Kahneman 與 Amos Tversky 發表前景理論（Prospect Theory），系統性地揭示了人類決策與 EUT 預測之間的多項偏差，並建立了一套描述真實人類決策的替代框架。Kahneman 因此於 2002 年獲頒諾貝爾經濟學獎。
但 EUT 並未因此被「推翻」——它仍是規範性決策理論（normative decision theory）的核心，仍是金融學、保險精算、公共政策評估的標準工具。今日的學界共識是：EUT 描述「應該」如何決策（規範性），前景理論描述「實際」如何決策（描述性）——兩者並存，互補而非互斥。
本文將完整爬梳 EUT 的歷史、公理基礎、聖彼得堡悖論、Allais 悖論、風險厭惡、行為財務學的挑戰，以及——對您切身的投資決策而言最重要的——理解 EUT 如何幫助您建立更紀律的長期決策框架。
研究方法論：公理化決策科學的誕生
EUT 的方法論價值在於它第一次將「理性決策」這個哲學概念，轉化為可以用數學嚴格推導的形式系統。理解這個方法論突破，是理解現代經濟學與金融學的關鍵起點。
Bernoulli（1738）的方法論起點。聖彼得堡悖論是 18 世紀數學家的智力挑戰：丟一枚公正的硬幣，第一次擲出正面得 2 元，第二次得 4 元，第 n 次得 2ⁿ 元；遊戲在第一次出現反面時結束。這個賭局的數學期望值是：
E = (1/2)×2 + (1/4)×4 + (1/8)×8 + ... = 1 + 1 + 1 + ... = ∞
期望值無限大！但實際詢問人們「您願意付多少錢玩這個賭局」，多數人答案在 10-20 元之間。為什麼理性人不願意為「期望值無限」的賭局付出無限多錢？
Bernoulli 的答案是：人類評估的不是「金額」而是「效用」，且效用函數呈對數型——u(w) = log(w)。在對數效用函數下，聖彼得堡賭局的「預期效用」是有限的小數字，理性人只願意支付對應的「確定等值（certainty equivalent）」。這個 1738 年的論文，是「邊際效用遞減」與「風險厭惡」概念的數學起源。
von Neumann-Morgenstern（1944）的公理化框架。EUT 真正成為嚴格的理論框架，要到 1944 年 von Neumann 與 Morgenstern 在賽局理論奠基性著作中提出公理化版本。他們的方法論突破在於：不是先假設效用函數，而是先列出「理性偏好」應該滿足的最少幾條公理，然後嚴格推導出「必然存在一個效用函數，使得偏好等價於期望效用」。
四條 vNM 公理是：
- 完備性（Completeness）：對任意兩個賭局 X 與 Y，決策者要嘛偏好 X、要嘛偏好 Y、要嘛無差異——不能「無法比較」。
- 傳遞性（Transitivity）：若 X 優於 Y、Y 優於 Z，則 X 必優於 Z——偏好不能形成循環。
- 連續性（Continuity）：若 X 優於 Y 優於 Z，必存在某個機率 p 使得「以 p 得 X、1-p 得 Z 的混合」與「確定得 Y」無差異——偏好對機率變化有平滑的反應。
- 獨立性（Independence）：若 X 優於 Y，則對任意賭局 Z 與機率 p，「以 p 得 X、1-p 得 Z」應該優於「以 p 得 Y、1-p 得 Z」——共同的選項不影響偏好。
從公理到效用函數的推導。vNM 證明：只要決策者的偏好滿足這四條公理，必然存在一個（在仿射變換下唯一的）效用函數 u(·)，使得對任意賭局 L = {p₁:x₁, p₂:x₂, …, pₙ:xₙ}，決策者偏好 L 而不偏好 L’ 若且唯若 E[u(L)] > E[u(L’)]。
這個結果是經濟學史上最優雅的數學成就之一。它將「理性決策」從哲學論述轉化為可以嚴格驗證的數學物件，並為後續整個經濟學的「理性人」模型奠定基礎。
Savage（1954）的延伸。Leonard Savage 進一步將 EUT 從「客觀機率」擴展到「主觀機率」，提出「主觀預期效用（Subjective Expected Utility, SEU）」理論。這讓 EUT 可以處理不確定性（uncertainty，機率未知）而不只是風險（risk，機率已知）。
這套方法論至今仍是規範性決策理論的標準。所有現代金融學的核心模型——MPT、CAPM、Black-Scholes、Merton 模型——背後的數學骨架，都是 EUT。
衡量框架：效用函數、風險厭惡與確定等值
EUT 的具體運用，需要理解三個核心衡量框架：效用函數的形狀、風險厭惡的量化、與確定等值的概念。
效用函數的形狀與風險偏好。EUT 的關鍵洞見是：效用函數的形狀決定了個體的風險偏好。
- 凹函數（concave）：u”(w) < 0，邊際效用遞減 → 風險厭惡（risk-averse）。例如 Bernoulli 的 log(w)、常見的 u(w) = √w。
- 線性函數（linear）：u”(w) = 0，邊際效用不變 → 風險中性（risk-neutral）。例如 u(w) = w。
- 凸函數（convex）：u”(w) > 0，邊際效用遞增 → 風險偏好（risk-seeking）。例如 u(w) = w²。
多數實證研究顯示，真實人類在大多數情境下呈現風險厭惡——也就是效用函數是凹的。這就是為什麼人們會買保險（接受小確定損失以避免大不確定損失）、為什麼股市需要「風險溢酬」才能吸引投資人。
Arrow-Pratt 風險厭惡量化。Kenneth Arrow（諾貝爾經濟學獎 1972）與 John Pratt 於 1960 年代提出量化風險厭惡程度的兩個關鍵指標：
- 絕對風險厭惡（Absolute Risk Aversion, ARA）：A(w) = -u”(w) / u'(w)
- 相對風險厭惡（Relative Risk Aversion, RRA）：R(w) = -w × u”(w) / u'(w)
這兩個指標讓我們能跨個體、跨情境比較風險偏好。實證研究估計：多數人的相對風險厭惡係數約為 1-4。這個數字看似抽象，但有具體意義——若 R = 2，意味著您願意接受「90% 機率得到財富 X」而非「100% 機率得到財富 0.9X」（兩者差異是 10% 的可能損失需要對應的補償）。
確定等值（Certainty Equivalent）。EUT 的另一個重要概念是「確定等值」——對任何不確定的賭局 L，存在一個確定金額 CE(L) 使得「確定得到 CE(L)」與「玩賭局 L」對該決策者而言無差異。對風險厭惡者，CE(L) 通常小於賭局的期望值。
「期望值 − 確定等值」這個差距，被稱為「風險溢酬（risk premium）」——它量化了該決策者為了規避賭局風險而願意「捨棄」的金額。例如：賭局「50% 機率得 100、50% 機率得 0」的期望值是 50；若您的確定等值是 40，則風險溢酬是 10——您願意接受 10 元的代價來消除這個風險。
這個概念在保險定價、選擇權估值、退休規劃中都至關重要——它讓抽象的「風險偏好」變成可以計算、可以定價的數學物件。
關鍵研究案例：從聖彼得堡悖論到 Allais 悖論
EUT 的兩百多年發展史，是由幾個關鍵的「悖論」與實驗推動的——每一個都加深了我們對「理性決策」的理解。
1738：聖彼得堡悖論（St. Petersburg Paradox）。如前述，這個悖論揭示「期望值無限的賭局，人類不願意付出無限多錢」。Bernoulli 的對數效用解釋為 EUT 的雛形。雖然 Bernoulli 解決了原始悖論，但「超級聖彼得堡賭局」（將獎金改為 2^(2^n)）仍可以建構成讓對數效用也失敗的版本——這顯示 EUT 在處理「極端尾部風險」時的局限。
1944：vNM 公理化。von Neumann 與 Morgenstern 將 EUT 嚴格化，並指出「賽局理論」需要 EUT 作為玩家偏好的基礎。這篇 600 頁的著作奠定了現代博弈論與決策科學的雙重基礎。
1953：Allais 悖論。法國經濟學家 Maurice Allais（後獲 1988 年諾貝爾經濟學獎）設計了一系列實驗，揭示真實人類系統性違反 vNM 的獨立性公理。經典的 Allais 實驗如下：
問題 1：選擇 A 或 B
* A：100% 機率得 100 萬
* B：10% 機率得 500 萬、89% 機率得 100 萬、1% 機率得 0
問題 2：選擇 C 或 D
* C：11% 機率得 100 萬、89% 機率得 0
* D：10% 機率得 500 萬、90% 機率得 0
實驗結果：多數人在問題 1 選 A、問題 2 選 D。但 EUT 證明：若您 A > B，則必有 C > D；反之亦然。多數人的「A + D」組合違反獨立性公理。
Allais 悖論成為 EUT 的最重要實證挑戰之一，預示了 30 年後 Kahneman-Tversky 對 EUT 的系統性批判。
1961：Ellsberg 悖論。Daniel Ellsberg（後因揭露五角大廈文件聞名）設計實驗顯示人類偏好「已知機率」而非「未知機率」的不確定性——也就是「模糊規避（ambiguity aversion）」。這個發現挑戰了 Savage 的主觀預期效用框架。
1979：Kahneman-Tversky 前景理論。最重要的 EUT 替代理論。Kahneman 與 Tversky 透過實驗發現：
– 人類以「相對於參考點的得失」評估，而非「絕對財富水準」（vs. EUT）
– 損失的痛苦約是同等獲利快樂的 2.25 倍（損失厭惡）
– 機率被系統性扭曲（高估小機率、低估中高機率）
– 在獲利情境風險厭惡、損失情境風險偏好
這套理論不是要取代 EUT，而是提出「描述性決策理論」——描述人類「實際」如何決策，與 EUT「應該」如何決策並存。Kahneman 因此於 2002 年獲頒諾貝爾獎。
1992：累積前景理論（Cumulative Prospect Theory, CPT）。Tversky 與 Kahneman 進一步改進前景理論，引入累積機率權重函數，讓理論可以處理任意數量結果的賭局。CPT 成為今日描述性決策理論的標準工具。
2017：Thaler 的整合。Richard Thaler 將前景理論、心理帳戶、稟賦效應、自我控制等行為財務學概念整合為完整體系，並獲頒諾貝爾經濟學獎。從 EUT 到行為財務學的範式轉移，至此基本完成。
歷史事件中的啟示：EUT 在金融危機中的應用與失靈
EUT 不只是理論，它是過去 70 年金融工程、保險定價、退休規劃的數學骨架。理解 EUT 在歷史關鍵事件中的應用與失靈，才能真正掌握其實務價值。
1973 Black-Scholes 選擇權定價模型的問世。Fischer Black、Myron Scholes、Robert Merton 發展的選擇權定價公式，本質上是 EUT 在連續時間下的應用。這個公式徹底改變了衍生性金融商品市場，並使 Scholes 與 Merton 於 1997 年共獲諾貝爾經濟學獎。今日全球選擇權市場規模超過 600 兆美元——這個市場的數學骨架是 EUT。
1998 LTCM 危機。長期資本管理公司（Long-Term Capital Management）由 Scholes 與 Merton 領軍，使用最尖端的 EUT 衍生模型進行高槓桿套利。當 1998 年俄羅斯金融危機觸發極端市場移動時，模型賴以為基礎的「常態分布」「穩定相關性」假設徹底崩潰，LTCM 在數週內虧損 46 億美元——這是 EUT 模型在「尾部風險（tail risk）」面前失靈的經典案例。Scholes 後來坦言：「模型告訴我們，這種損失每幾百萬年才會發生一次。」
2008 金融海嘯與 EUT 的角色。海嘯前，主流金融機構大量使用基於 EUT 的「風險值（Value-at-Risk, VaR）」模型評估風險。VaR 計算「在 95% 信賴水準下最大損失」——但它假設報酬呈常態分布，嚴重低估了尾部風險的真實機率。事後 Nassim Taleb 在《黑天鵝》中尖銳批判：「VaR 是金融史上最大的單一錯誤工具。」這場危機推動了「條件風險值（CVaR / Expected Shortfall）」「壓力測試」等更穩健工具的發展——這些仍在 EUT 框架內，但放寬了部分假設。
保險業的 EUT 應用。保險業是 EUT 應用最深入的領域。從醫療險、意外險、人壽保險、產險到再保險，所有保費計算都建立在「投保人是風險厭惡者，願意支付風險溢酬以換取確定」的 EUT 邏輯上。Howard（1980）提出的「微死亡（micromort，百萬分之一死亡機率）」概念，是 EUT 在公共健康政策的標準工具。
台灣本地應用。台灣的勞保、勞退、健保、各類商業保險的精算，都採用 EUT 框架。台灣金融研訓院、精算學會的考試，EUT 是核心必考內容。
EUT 失靈的真實成本。當 EUT 模型低估極端事件機率時，整個系統會面臨措手不及的衝擊：1987 黑色星期一、1998 LTCM、2008 海嘯、2020 COVID-19、2022 加密貨幣崩盤——這些事件都是 EUT「常態分布尾部假設」的真實失敗案例。
研究演進與學術影響：從 18 世紀數學到 21 世紀整合
EUT 的學術影響軌跡，是 18 世紀數學洞察如何演化為當代決策科學標準的完整故事。
諾貝爾經濟學獎與 EUT 相關得主：
- 1972 Kenneth Arrow：一般均衡理論與風險厭惡量化（Arrow-Pratt 指標）。
- 1988 Maurice Allais：Allais 悖論揭示 EUT 局限。
- 1990 Harry Markowitz、William Sharpe、Merton Miller：MPT 與 CAPM 都是 EUT 的應用。
- 1994 John Harsanyi、John Nash、Reinhard Selten：賽局理論需要 EUT 作為偏好基礎。
- 1997 Robert Merton、Myron Scholes：選擇權定價是 EUT 在連續時間的延伸。
- 2002 Daniel Kahneman：前景理論挑戰 EUT 的描述性有效性。
- 2017 Richard Thaler：行為財務學整合對 EUT 的批判。
這個諾貝爾獎得主名單，本身就是 EUT 學術影響力的最佳證明——它催生了至少 7 位諾貝爾獎得主的研究，無論是擁護還是挑戰它。
金融工程教育的核心。EUT 是 CFA（特許財務分析師）、FRM（金融風險管理師）、FSA（精算師）等全球專業認證的必考內容。MBA 課程的「公司財務」「投資管理」「衍生性商品」必然涵蓋 EUT 數學。台灣大學、政治大學、清華大學等校的財務金融研究所，EUT 是博士資格考的核心。
規範性 vs. 描述性決策理論的整合。當代決策科學的主流共識是：EUT 是「規範性理論」——告訴我們理性人應該如何決策；前景理論等行為財務學是「描述性理論」——描述真實人類實際如何決策。兩者並存：規範性理論告訴我們「最佳實踐」，描述性理論幫我們理解「為什麼人們偏離最佳實踐」。
機器學習與當代決策科學。21 世紀的 AI 決策系統大量採用 EUT 框架——從強化學習的「獎勵函數」設計、到自動駕駛的決策邏輯、到推薦系統的優化目標，EUT 的數學語言無所不在。當代 AI 安全研究的核心議題之一，就是「如何設計符合人類效用函數的 AI 系統」。
台灣本地研究。中央研究院經濟學研究所、政治大學金融學系、台灣大學財金所等機構，多年來持續以本地資料檢驗 EUT 與其替代理論的適用性。多項研究顯示，台灣投資人的風險厭惡係數較已開發市場略高，可能與本地文化、儲蓄率、社會安全網結構有關。
心理基礎：為什麼人類系統性違反 EUT 公理？
EUT 在學術上極其優雅，但實證研究反覆顯示：真實人類的決策行為系統性偏離 EUT 預測。這個落差的心理基礎，是理解現代行為財務學的關鍵。
問題一：完備性公理的失敗。EUT 假設您對任何兩個選項都能比較。但實證顯示，當選項極為複雜或不熟悉時，人類常陷入「決策癱瘓」——拒絕做出選擇，違反完備性。Iyengar 與 Lepper 的「果醬實驗」顯示，當顧客面對 24 種果醬時，購買比例反而比面對 6 種時低 10 倍——這就是「選擇過載（choice overload）」。
問題二：傳遞性公理的失敗。EUT 假設偏好是傳遞的（A>B, B>C → A>C）。但實驗顯示，當選項在多個維度上各有優劣時，人類偏好可能形成循環——A 在維度 X 優於 B、B 在維度 Y 優於 C、C 在維度 Z 優於 A。這違反傳遞性。
問題三：獨立性公理的失敗（Allais 悖論）。如前述，Allais 悖論顯示人類在面對「確定獲利」時，給予「確定性」過度的權重——這就是「確定性效應（certainty effect）」。EUT 預測「共同選項不影響偏好」，但實際上「共同選項」確實會改變偏好結構。
問題四：機率扭曲（Probability Distortion）。EUT 假設人類能客觀使用機率。但實證顯示，人類系統性高估小機率（如買樂透、保險）、低估中高機率。Tversky-Kahneman 1992 估計，1% 的客觀機率被心理放大為約 5.5%，99% 的客觀機率被低估為約 91%。
問題五：參考點依賴（Reference Dependence）。EUT 假設人類以「絕對財富水準」評估，但實際上人類以「相對於某個參考點的得失」評估。同一筆 100 萬元，對「剛從 50 萬升到 100 萬」的人是巨大正向，對「剛從 200 萬跌到 100 萬」的人是嚴重損失——這違反 EUT 的「狀態獨立」假設。
問題六：損失厭惡（Loss Aversion）。前景理論的核心發現：損失的痛苦約是同等獲利快樂的 2.25 倍。這個「不對稱」直接違反 EUT 的對稱效用函數假設。
問題七：框架效應（Framing Effect）。EUT 假設「等價的賭局應該被同樣評估」。但 Kahneman-Tversky 的「亞洲疾病問題」顯示，同一個賭局以「獲利框架」或「損失框架」呈現，人們的選擇可以完全相反——這是 EUT 完全無法解釋的。
問題八：時變的風險偏好。EUT 假設效用函數是穩定的。但實證顯示，人類在多頭時更願冒險、在恐慌時更厭惡風險。Eisenbach-Schmalz（2016）的「焦慮投資人」模型顯示，「即將到來的風險」與「遙遠的風險」在心理感受上有顯著差異——這違反 EUT 的時間中性假設。
這些心理偏離不是「個別異常」，而是系統性、可重複、跨文化普遍存在的決策模式。它們解釋了為什麼即使是受過嚴格訓練的金融專業人員，也無法完全按 EUT 行動。
對個人與市場的影響與後果
EUT 過去 80 年深刻塑造了個人投資、金融工程、保險業、與公共政策的方方面面。
對個人投資人的影響。所有金融商品的「風險屬性問卷」「風險承受度測驗」「投資人適合度評估」，都是 EUT 框架的延伸——將投資人的「效用函數參數」量化後配對對應風險水準的產品。今日您在銀行、券商開戶必填的風險屬性測驗，背後跑的數學就是 EUT。
對保險業的影響。所有保險商品的定價、所有再保險合約的設計、所有保險公司的資本充足率計算——精算的數學骨架就是 EUT。台灣壽險業每年發行的數千種保單、產險業的車險、健康險保費，都是 EUT 應用的具體呈現。
對金融工程的影響。選擇權、期貨、結構性商品、衍生性商品——所有現代金融工程產品的定價公式，都是 EUT 在不同情境下的應用。Black-Scholes、Merton 模型、二項式定價、Monte Carlo 估值，都依賴 EUT 的數學語言。
對退休規劃的影響。「目標日期基金（Target-Date Fund）」的「下滑路徑（glide path）」設計——年輕時高股票、接近退休時調低股票——背後的數學就是 EUT 在不同生命階段的最佳化結果。Merton（1971）關於跨期最佳化消費與投資的研究，是退休金規劃的數學基礎。
對公共政策的影響。EUT 是公共政策成本效益分析的標準工具。健保的「品質調整生命年（QALY）」、交通安全的「統計生命價值（Value of Statistical Life）」、環境政策的「碳價」設定——都是 EUT 在公共決策的應用。
對投資人實際財富的影響。多項長期研究顯示：嚴格按 EUT 邏輯（以效用函數最佳化作配置決策）操作的投資人，30 年累積報酬比「憑感覺進出」的投資人高出 2-4 個百分點/年——這個差距複利下意味著最終資產可能多出 50-150%。
EUT 失靈的真實成本。當實際決策行為偏離 EUT 時，個人會付出真實財務代價：(1) 過度買保險（風險厭惡過強導致保費支出超過合理水準）；(2) 不買保險（高估自己抗風險能力導致重大損失無保障）；(3) 過早賣股或抱住跌股（違反 EUT 的最佳停損／持有規則）；(4) 在退休時段風險偏好錯配（造成資產縮水或長壽風險）。
真實生活情境案例：四個 EUT 教您看穿的決策誤區
情境一：「我這個賭局期望值正，當然要玩」。一位投資人看到某加密貨幣項目宣稱「期望年化報酬 50%」，興奮地大筆投入。但 EUT 提醒：僅看期望值是不夠的，必須考慮報酬分布的形狀。若這 50% 報酬是「1% 機率漲 5000%、99% 機率歸零」，期望值雖正，但對絕大多數投資人而言效用為負——因為效用函數的凹性會嚴重懲罰「99% 歸零」的災難性結果。聖彼得堡悖論的核心教訓就是：期望值不等於決策值。
情境二：「保險業者一定占我便宜，所以不買保險」。一位年輕投資人計算意外險的保費與理賠期望值，發現保費高於期望理賠——他認為「保險公司賺我錢」於是不買。但 EUT 嚴格證明：對風險厭惡者而言，購買「公平定價略高」的保險仍然是最佳決策，因為消除「災難性尾部風險」的效用增加，超過保費的效用損失。這就是為什麼即使保險公司獲利，理性人仍應該購買適度保險。
情境三：「我看到一個 50% 機率翻倍的機會，全部資金投入」。一位投資人面對「50% 機率資產翻倍、50% 機率歸零」的賭局，計算期望值是原始資產的 100%——他覺得「沒輸沒贏，可以試」。但 EUT 警告：因為效用函數的凹性，這個賭局對任何風險厭惡者都是負面決策。具體而言，若 u(w)=√w，賭局的期望效用是 0.5×√(2w) + 0.5×√0 = 0.707√w，遠低於確定不玩的 √w。期望值中性的賭局，對風險厭惡者是壞賭局。
情境四：「我用 Kelly 公式算最佳投注比例」。一位數量導向的投資人使用 Kelly 公式（依據對數效用函數推導）計算最佳投注比例，得出「全部資金 50% 投入」。但他忘了 Kelly 公式假設機率估計完全準確——實務上機率估計有誤差，且 Kelly 投注的最大回撤（drawdown）極大。Samuelson 等學者批判：對絕大多數投資人，「分數 Kelly（fractional Kelly，如 0.25-0.5 倍 Kelly）」才是符合真實效用函數的選擇。這顯示 EUT 應用需要謹慎選擇參數。
對應機制與理財規劃建議
EUT 雖然在描述性上有局限，但在規範性上仍是最強大的決策框架。以下是行為財務學與實務經驗整合出的最有效機制。
機制一：明確定義您的效用函數。EUT 的應用始於「了解自己的風險偏好」。實務做法：透過詳細的風險屬性問卷、模擬決策情境、過去決策記錄分析，明確化自己的相對風險厭惡係數（R）。研究顯示，多數人的 R 約 1-4，但個人差異可達 ±50%。理財顧問會用這個係數做後續所有配置決策。
機制二：使用「確定等值」概念重新評估賭局。當您面對任何投資決策時，問自己：「如果有人現在給我 X 元的確定金額，我願不願意放棄這個投資機會？」這個 X 就是您對該投資的確定等值。若 X 高於投資的成本，您應該投資；若 X 低於成本，您不應該投資。這個簡單問題能幫您穿透情緒，做出符合自己真實偏好的決策。
機制三：在 EUT 規範與行為描述之間取得平衡。EUT 告訴您「最佳決策」，但前景理論告訴您「實際容易做的決策」。實務上，理財顧問會設計出「既接近 EUT 最佳化、又能讓客戶實際執行」的配置——這通常意味著：分層心理帳戶、自動化執行、降低檢視頻率、書面化承諾。
機制四：警惕「期望值陷阱」。許多投資商品（特別是衍生性商品、結構性產品、選擇權策略）會強調「正期望值」「夏普比率高」——但忽略尾部風險。EUT 教您必須評估「整個報酬分布」，特別是極端情境的效用——而非只看平均數。
機制五：使用適當的「分數 Kelly」進行部位規模管理。對於主動投資部位，分數 Kelly（通常 0.25-0.5 倍）提供了 EUT 框架下平衡「報酬最大化」與「破產風險最小化」的實務工具。建議單一部位不超過總資產的 5-10%，且依信心程度動態調整。
機制六：尋求專業理財規劃顧問的核心價值。EUT 雖然是公開知識，但個人投資人應用時常遇困難：
- 效用函數參數估計專業性：自己評估自己的風險厭惡係數時，常受近期市場情緒影響——需要專業工具與長期追蹤。
- 多帳戶整合效用計算：勞退、自選股、保險、不動產等多個帳戶整合計算「總效用」需要專業精算。
- 動態調整效用：人生階段、家庭結構、健康狀態變化會改變效用函數——需要持續調整。
- 避免「EUT 教條主義」：盲目套用 EUT 公式而忽略行為財務學洞察，可能設計出「最佳但執行不下去」的計畫。
- 整合稅務與成本：EUT 計算稅前效用，實際稅後效用需要整合精算。
安睿宏觀的觀點：EUT 是我們為客戶設計理財規劃時最重要的數學基礎——它告訴我們「理性決策的最佳實踐」。但我們從不忽視行為財務學的洞察——它告訴我們「真實人類如何決策」。我們的工作是在 EUT 規範與行為現實之間找到平衡，設計出既數學上最佳、又心理上可執行的長期規劃。如果您對自己的風險偏好、效用函數、或如何在實務上應用 EUT 智慧感到困惑，歡迎與安睿宏觀的專業團隊預約一次完整的理財規劃對話。
參考資料來源
核心原始文獻
Bernoulli, D. (1738/1954). Exposition of a New Theory on the Measurement of Risk. Econometrica, 22(1), 23-36.
von Neumann, J., & Morgenstern, O. (1944). Theory of Games and Economic Behavior. Princeton: Princeton University Press.
Savage, L. J. (1954). The Foundations of Statistics. New York: Wiley.
風險厭惡量化
Arrow, K. J. (1965). Aspects of the Theory of Risk-Bearing. Helsinki: Yrjö Jahnssonin Säätiö.
Pratt, J. W. (1964). Risk Aversion in the Small and in the Large. Econometrica, 32(1/2), 122-136.
EUT 的挑戰與替代理論
Allais, M. (1953). Le Comportement de l’Homme Rationnel devant le Risque. Econometrica, 21(4), 503-546.
Ellsberg, D. (1961). Risk, Ambiguity, and the Savage Axioms. Quarterly Journal of Economics, 75(4), 643-669.
Kahneman, D., & Tversky, A. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47(2), 263-291.
Tversky, A., & Kahneman, D. (1992). Advances in Prospect Theory: Cumulative Representation of Uncertainty. Journal of Risk and Uncertainty, 5(4), 297-323.
EUT 在金融工程的應用
Merton, R. C. (1971). Optimum Consumption and Portfolio Rules in a Continuous-Time Model. Journal of Economic Theory, 3(4), 373-413.
Black, F., & Scholes, M. (1973). The Pricing of Options and Corporate Liabilities. Journal of Political Economy, 81(3), 637-654.
部位規模管理
Kelly, J. L. (1956). A New Interpretation of Information Rate. Bell System Technical Journal, 35(4), 917-926.
Samuelson, P. A. (1979). Why We Should Not Make Mean Log of Wealth Big Though Years to Act Are Long. Journal of Banking & Finance, 3(4), 305-307.
行為財務學整合
Kahneman, D. (2011). Thinking, Fast and Slow. New York: Farrar, Straus and Giroux.
Statman, M. (2019). Behavioral Finance: The Second Generation. Charlottesville: CFA Institute Research Foundation.
諾貝爾頒獎詞
The Royal Swedish Academy of Sciences. (1972, 1988, 1990, 1994, 1997, 2002, 2017). The Sveriges Riksbank Prize in Economic Sciences.
本文由安睿宏觀全生涯理財規劃團隊整理撰寫，旨在提供預期效用理論與行為財務學基礎知識。本文不構成個人投資建議，個別投資決策請洽詢合格理財規劃顧問。
延伸閱讀：多元資產基金 • 50 年指數投資 • 10 年全球資產熱力圖
