欢迎来到决策树：通往明智决策的导航图！
你好！欢迎来到 P1 课程中视觉感与逻辑性最强的部分之一。在管理会计的世界里，我们经常需要在未来充满变数的情况下作出选择。新产品会大受欢迎吗？经济会持续强劲吗？
决策树（Decision Trees）是一个非常棒的工具，因为它能将复杂且充满不确定性的问题，转化为清晰、步骤分明的地图。你可以把它想象成一本“互动式冒险”书籍，不过这里的主角是商业利润！看完这些笔记后，你将能绘制出这些“导航图”，并精确计算出企业应该采取哪条路径来实现利益最大化。
1. 到底什么是决策树？
决策树是一种图解，用于展示企业可以采取的不同路径以及这些路径可能产生的结果。它属于“应对不确定性”的章节，因为它能协助我们处理那些没有单一正确答案，而是存在多种可能性、且每一种可能性都有相应发生概率（Probability）的情境。
先备知识检查：在深入研究之前，请先复习期望值（Expected Value, EV）的概念。它简单来说就是所有可能结果的加权平均数。
公式为：\( EV = \sum (p \times x) \)
其中 \( p \) 是概率，\( x \) 是结果（利润或成本）。只要你会计算期望值，你就能驾驭决策树！
决策树的结构
你需要记住三个主要符号，只要掌握这三个，你就已经成功了一半：
• 方格（决策节点 Decision Node）：代表一个由你必须作出选择的点。例如：“我们应该推出产品 A 还是产品 B？”
• 圆圈（概率节点 Chance Node）：代表一个由自然或市场决定结果的点。这里你无法控制，只能通过概率来评估。例如：“市场需求是高（60%）还是低（40%）？”
• 分支（线条）：用来连接节点，代表不同的选项或结果。
重点复习：方格代表选择（由你掌控），圆圈代表概率（不由你掌控）。
2. 如何绘制决策树（由左至右原则）
在构建决策树时，请务必按照由左至右的顺序进行。这其实就是按时间顺序讲述一个故事。
步骤 1：从你需要作出的第一个决策开始（画一个方格）。
步骤 2：为每个选项画出分支。
步骤 3：在这些分支末端，如果有不确定的事件，画一个圆圈（概率节点）。
步骤 4：从圆圈引出所有可能结果的分支（例如：好、普通、坏）。
步骤 5：在最右侧的每个分支末端，写下最终的回报（Payoff）（利润或损失）。
例子：想象你正决定是否举办户外演唱会。
决策（方格）：举办或不举办。
如果你选择举办，就会面临概率（圆圈）：天气晴朗（70%）或下雨（30%）。
回报：晴天 = 利润 \$10,000；雨天 = 亏损 \$2,000。
3. 数学运算：反向推导（由右至左原则）
如果刚开始觉得困难别担心，大多数学生都觉得计算部分最棘手，但它遵循非常严格的逻辑。一旦画好树状图，我们就通过由右至左的反向推导（Rolling Back）来计算其价值。
反向推导步骤：
1. 从最右侧开始：观察分支末端的结果。
2. 计算每个圆圈（概率节点）的期望值：将每个回报乘以其概率并相加，将得出的数值写在圆圈内或上方。
3. 向左移动到方格（决策节点）：比较来自不同分支的数值。
4. 作出决策：选择数值最高的分支（如果是计算利润）或数值最低的分支（如果是计算成本）。
5. 修剪决策树：在被放弃的选项分支上画两条平行小短线，代表该选项已被剔除，不再考虑。
关键总结：我们按时间顺序由左至右绘制，但按目标导向由右至左计算。
4. 现实范例：新产品上市
一间公司正在考虑是否推出新产品。
• 初始上市成本：\$50,000。
\n• 若需求高（60% 概率），收入为 \$150,000。
• 若需求低（40% 概率），收入为 \$30,000。
\n概率节点的计算：
\n\( (0.60 \times \$150,000) + (0.40 \times \$30,000) \)
\n\( = \$90,000 + \$12,000 = \$102,000 \)
最终决策：
推出产品的价值：\$102,000（期望值）- \$50,000（成本）= \$52,000
\n什么都不做的价值：\$0
决策：选择推出产品，因为 \$52,000 大于 \$0！
常见错误提醒！永远记得在最后减去投资的初始成本。学生常忘记这一步，导致选择了看起来有盈利，但实际上投入成本过高的选项！
5. 为什么要使用决策树？（优缺点）
在 P1 考试中，你可能会被问及此技术的局限性。尽管它们看起来很科学，但并不完美。
优点：
• 清晰度：将所有选项可视化，让管理层更容易理解。
• 逻辑性：强迫决策者考虑每一种可能结果，即使是糟糕的情况。
• 多功能性：可以处理复杂的多阶段决策（例如：“如果我们先测试产品，再决定是否上市”）。
缺点：
• 数据质量：整个树状图取决于概率。如果你的“60% 概率”只是随意猜测，最终结果也会是错的。（Garbage In, Garbage Out，垃圾进垃圾出！）
• 复杂度：对于大型项目，树状图可能会变得庞大且混乱。
• 忽略风险偏好：决策树使用期望值，这假设决策者是风险中性（Risk Neutral）的。它没有考虑到那些非常害怕损失资金的人（风险趋避者，Risk Averse）。
你知道吗？决策树在今天的人工智能和机器学习中被广泛应用！你现在为管理会计所学的逻辑，正是建构复杂计算机算法所使用的同一套逻辑。
6. 总结与快速提示
• 方格 = 决策。圆圈 = 概率。
• 务必在圆圈引出的分支上标记概率。它们的总和必须等于 1.0（或 100%）。
• 永远记得由右至左计算。
• 选择具有最高期望值的路径。
• 如果题目提到“完美信息（Perfect Information）”，这与我们愿意花多少钱将一个圆圈（不确定性）转变为方格（确定性）有关！
最后的鼓励：决策树本质上只是一系列互相连接的小型简单谜题。别让整张图表吓倒你。只要一个节点一个节点地处理，往回推算，你一定能找到正确的路径！