KNOWECON WIKI

ARTICLE

期望财富

期望财富 (Expected Wealth) 期望财富 (Expected Wealth) 是一个随机财富变量所有可能取值按照其发生概率加权平均得到的数值。在概率论和统计学中，它即随机变量的期望 (Expected Value)或数学期望；在经济学和金融学中，它是分析不确定性下决策行为的基础概念之一，尤其与期望效用理论 (Expected Utility T

浏览 0 更新 2025-10-26

期望财富 (Expected Wealth)

期望财富 (Expected Wealth) 是一个随机财富变量所有可能取值按照其发生概率加权平均得到的数值。在概率论和统计学中，它即随机变量的期望 (Expected Value)或数学期望；在经济学和金融学中，它是分析不确定性下决策行为的基础概念之一，尤其与期望效用理论 (Expected Utility Theory) 密切相关，两者之间的张力构成了现代风险决策理论的出发点。

数学定义

设随机财富 W~\tilde{W} 为一个在概率空间 (Ω,F,P)(\Omega, \mathcal{F}, P) 上定义的随机变量，表示决策者在未来某一时点拥有的财富水平。其期望财富记为 E[W~]\mathbb{E}[\tilde{W}]，定义如下。

离散情形：若 W~\tilde{W} 取有限或可数多个值 {w1,w2,…}\{w_1, w_2, \ldots\}，对应概率分布为 {p1,p2,…}\{p_1, p_2, \ldots\}，其中 pi=P(W~=wi)p_i = P(\tilde{W} = w_i) 且 ∑ipi=1\sum_i p_i = 1，则

E[W~]=∑iwi pi\mathbb{E}[\tilde{W}] = \sum_{i} w_i \, p_i

连续情形：若 W~\tilde{W} 具有概率密度函数 f(w)f(w)，则

E[W~]=∫−∞∞w f(w) dw\mathbb{E}[\tilde{W}] = \int_{-\infty}^{\infty} w \, f(w) \, dw

基本性质：期望算子 E[⋅]\mathbb{E}[\cdot] 具有线性性 (Linearity)，即对任意常数 a,ba, b 和随机变量 X,YX, Y，有 E[aX+bY]=aE[X]+bE[Y]\mathbb{E}[aX + bY] = a\mathbb{E}[X] + b\mathbb{E}[Y]。这一性质使得期望财富在金融资产的组合分析中极为便利。但需注意，期望财富不一定等于任何可能实现的财富值——它只是一个加权平均意义上的度量，反映的是大量重复试验下平均结果的收敛目标（由大数定律 (Law of Large Numbers) 保证）。

期望财富与期望效用：圣彼得堡悖论

虽然期望财富提供了一个简单直观的度量，但它并不能完全描述决策者面对风险时的行为。圣彼得堡悖论 (St. Petersburg Paradox) 是这一局限的经典历史例证。该悖论由尼古拉斯·伯努利在18世纪提出，描述如下：抛一枚均匀硬币直到出现正面，若第 nn 次首次出现正面，则奖金为 2n2^n 元。该游戏的期望财富为

E[W~]=∑n=1∞(12)n⋅2n=∑n=1∞1=∞\mathbb{E}[\tilde{W}] = \sum_{n=1}^{\infty} \left(\frac{1}{2}\right)^n \cdot 2^n = \sum_{n=1}^{\infty} 1 = \infty

然而经验观察表明，理性个体只愿意支付极小金额（通常不过几十元）参与该游戏。这一矛盾说明，人类决策的目标并非最大化期望财富本身，而是最大化财富带来的主观效用的期望。丹尼尔·伯努利由此提出了期望效用假说，以边际效用递减的凹效用函数解释了该悖论。

冯·诺依曼-摩根斯坦效用定理 (von Neumann-Morgenstern Utility Theorem) 后来为这一思想提供了严格的公理化基础。设 u(⋅)u(\cdot) 为决策者的冯·诺依曼-摩根斯坦效用函数，则面对随机财富 W~\tilde{W}，决策者的目标函数为

E[u(W~)]=∑iu(wi)pi\mathbb{E}[u(\tilde{W})] = \sum_i u(w_i) p_i

而非 E[W~]\mathbb{E}[\tilde{W}]。这一转变从根本上重塑了不确定性下的经济分析范式。

风险态度与期望财富的关系

决策者的风险态度由效用函数的曲率决定，它直接刻画了期望财富与期望效用之间的关系。

  1. 风险厌恶 (Risk Aversion)：若 u(⋅)u(\cdot) 是严格凹函数 (Strictly Concave Function)，则根据詹森不等式 (Jensen's Inequality)， \[ \mathbb{E}[u(\tilde{W})] < u(\mathbb{E}[\tilde{W}]) \] 即随机财富的期望效用严格小于在期望财富处获得的效用。风险厌恶者宁愿接受确定性的期望财富，也不愿参与具有相同期望值的公平赌局。这一差异即为风险溢价 (Risk Premium)。风险厌恶程度由阿罗-普拉特测度 (Arrow-Pratt Measure) 量化：绝对风险规避系数为 rA(w)=−u′′(w)/u′(w)r_A(w) = -u''(w)/u'(w)，相对风险规避系数为 rR(w)=−w u′′(w)/u′(w)r_R(w) = -w\,u''(w)/u'(w)。
  2. 风险中性 (Risk Neutrality)：若 u(⋅)u(\cdot) 是线性函数 (Linear Function)，即 u(w)=aw+bu(w) = a w + b，则 \[ \mathbb{E}[u(\tilde{W})] = u(\mathbb{E}[\tilde{W}]) \] 期望效用等于期望财富的效用。风险中性者完全根据期望财富进行决策，对风险本身不要求额外补偿。许多金融模型（如布莱克-舒尔斯模型的某些设定）假定风险中性定价。
  3. 风险偏好 (Risk Loving)：若 u(⋅)u(\cdot) 是凸函数 (Convex Function)，则 \[ \mathbb{E}[u(\tilde{W})] > u(\mathbb{E}[\tilde{W}]) \] 风险偏好者愿意为参与赌局付出额外代价，其确定性等价高于期望财富。

确定性等价与风险溢价

确定性等价 (Certainty Equivalent, CE) 定义为满足 u(CE)=E[u(W~)]u(CE) = \mathbb{E}[u(\tilde{W})] 的确定数额。它衡量了决策者愿意接受以替代随机财富 W~\tilde{W} 的固定金额。风险溢价 π\pi 则为 π\pi = E\mathbb{E}[W~\tilde{W}] - CE 即决策者为了完全消除风险而愿意放弃的期望财富数额。对于风险厌恶者，π>0\pi > 0；风险中性者，π=0\pi = 0；风险偏好者，π<0\pi < 0。

在小风险情形下，风险溢价可由阿罗-普拉特近似给出：

π≈12rA(E[W~])⋅Var⁡(W~)\pi \approx \frac{1}{2} r_A(\mathbb{E}[\tilde{W}]) \cdot \operatorname{Var}(\tilde{W})

这一简洁公式直观地表明，风险溢价与绝对风险规避系数和财富的方差均成正比，为保险定价和金融风险管理提供了理论基础。

在金融学中的应用

在资产定价 (Asset Pricing) 和投资组合理论中，期望财富与期望效用之间的张力构成了现代金融学的核心。期望财富的概念也直接出现在资本资产定价模型 (CAPM) 中，其中资产的期望收益率与市场组合的期望收益率呈线性关系。均值-方差分析 (Mean-Variance Analysis) 由马科维茨创立，将期望财富（即收益率的期望）作为投资决策的一个维度，而将方差作为风险度量，在两者之间追求最优权衡。更一般的随机贴现因子 (Stochastic Discount Factor) 方法则将资产价格表达为期望财富的现值经风险调整后的结果：

P=E[mW~]P = \mathbb{E}[m \tilde{W}]

其中 mm 为随机贴现因子，反映了边际效用增长率与期望财富之间的关系。

此外，在行为金融学 (Behavioral Finance) 中，前景理论 (Prospect Theory) 进一步修正了期望财富模型，引入参考点依赖和损失厌恶，更加准确地描述了现实中的投资决策。

小结

期望财富是连接客观概率分布与主观经济决策的核心桥梁。它本身只是一个统计度量，不能完全捕捉决策者对风险的感受；只有将其纳入效用函数的分析框架，并借助确定性等价、风险溢价等辅助工具，才能完整理解不确定性下的经济行为。从圣彼得堡悖论到现代金融理论，从保险精算到行为经济学，期望财富的概念始终是经济学工具箱中不可或缺的基石。