综合考量概率与收益/损失的乘积之和，以理性评估决策的真实价值，而非仅凭感觉判断好坏。
概述
期望值（Expected Value，EV）是决策分析的核心工具，定义为所有可能结果的概率加权平均值：
期望值 = Σ（概率 × 收益/损失）
在投资与决策中，期望值思维要求我们不再问”这次会赢吗？“，而是问”平均下来，反复做这个决策会赚还是亏？“。这是将单次事件的不确定性，转化为长期概率优势的关键跨越。
老喻将期望值列为其 EKB 决策算法三层次的第一层——对应尼采精神发展隐喻中的”骆驼”，象征决策的理性与责任。
核心要点
- 概率 × 赔率才是决策基础：选择扔硬币（50%概率）而非扔骰子猜6（17%概率），即使赢的金额相同，前者期望值更高
- 好决策≠好结果：低概率事件发生不代表选择正确，评价决策应看决策时的期望值，而非事后结果
- 胜率与赔率需兼顾：胜率高但赔率低的决策（如总是保守），不如胜率适中但赔率高的决策（如价值投资）
- 避免只看单次结果：决策者常犯的错误是将结果归因于决策质量，而忽略运气成分
EKB 决策算法框架
期望值是 EKB 框架的第一层：
| 层次 | 理论 | 核心问题 | 象征 |
|---|---|---|---|
| 第一层 | 期望值（Expected Value） | 综合收益和风险，哪个选择更优？ | 骆驼（理性与责任） |
| 第二层 | 凯利公式（Kelly Criterion） | 应该押注多少比例的资源？ | 狮子（勇敢与智慧） |
| 第三层 | 贝叶斯定律（Bayes’ Theorem） | 如何根据新信息迭代更新判断？ | 婴儿（初心与成长） |
实践应用
在投资中的应用：
- 计算买入一只股票的期望值 = 上涨概率×预期涨幅 − 下跌概率×预期跌幅
- 巴菲特买入时不仅看”这只股票会涨吗”，而是看”预期回报率是否足够高”
- 价值投资本质上就是寻找期望值显著为正的机会
在人生决策中的应用：
- 老喻放弃一笔顾问费换取长期合作机会，本质上是期望值计算：放弃确定的小额 vs. 获得更大未来合作机会的概率×潜在价值
- 指数基金策略：看起来”懒”，但期望值优于大多数主动管理策略
常见误区
- 结果主义：仅凭结果好坏来评价决策，忽视概率。赢了不代表决策正确，输了不代表决策错误
- 过度乐观：高估有利概率，低估不利概率
- 忽视尾部风险：期望值为正但极端损失可能导致”出局”（需配合凯利公式使用）
- 只考虑单次：期望值在多次重复中才能显现，单次决策受运气主导
实战计算示例
投资决策期望值计算
情景：某股票现价10元，分析师预测：
- 60%概率上涨至15元（+50%）
- 40%概率下跌至8元（-20%）
期望值计算：
期望值 = 60% × (+50%) + 40% × (-20%)
= 0.30 - 0.08
= +22%
结论：期望值为正（+22%），长期来看这是正期望值机会。
贵州茅台案例（简化示例）
| 情景 | 概率 | 持有5年回报 | 加权回报 |
|---|---|---|---|
| 正常情景（业绩稳定增长） | 50% | +100% | +50% |
| 乐观情景（量价齐升） | 25% | +200% | +50% |
| 悲观情景（竞争加剧） | 25% | -30% | -7.5% |
期望值 = 50%×100% + 25%×200% + 25%×(-30%) = 50% + 50% - 7.5% = +92.5%
关键：价值投资者寻找的是期望值显著为正且概率分布对自己有利的标的。
相关概念
- 凯利公式 — 决定了在正期望值机会中应下注多少比例
- 贝叶斯定律 — 帮助动态更新概率估计，使期望值计算更准确
- 安全边际 — 价值投资中构建正期望值的核心手段
- 风险管理 — 期望值为正也需要控制极端损失
- 概率思维 — 期望值计算的底层认知基础
- 长期投资 — 期望值优势需要在长期重复中兑现
资料来源
- 老喻·决策算法100讲 — 得到课程，2024-2025