歡迎來到風險與決策分析！

你好！歡迎來到 P1 學習中最實用且有趣的單元之一。在現實世界中，管理層很少擁有「水晶球」。他們必須在無法完全預知未來的情況下做出選擇：經濟會繁榮嗎？競爭對手會推出更好的產品嗎？

在本章中，我們將探討不同人在面對這種「未知」時的反應，並學習如何運用數學工具，即使在無法 100% 確定結果的情況下，也能做出最佳的選擇。別擔心如果你覺得自己不擅長數學——我們會一步步拆解這些概念！

1. 風險 (Risk) 與不確定性 (Uncertainty)：有什麼區別？

在我們進入計算之前，必須先釐清兩個關鍵術語。人們經常將它們混為一談，但在管理會計中，它們的定義截然不同！

風險 (Risk)：是指我們雖然無法確定結果，但我們 確實 擁有足夠的歷史數據或經驗來分配 機率 (probabilities)（例如：有 60% 的成功機會）。想像一下投擲一顆公平的骰子；你不知道結果會是多少，但你知道投出六點的機率是六分之一。

不確定性 (Uncertainty)：是指我們完全不知道機率是多少。我們可能正在推出一個從未出現過的新產品。沒有過往數據可供參考。這就像被要求猜測一個你從未見過的盒子裡裝著什麼東西一樣。

快速回顧：
- 風險 (Risk) = 機率已知。
- 不確定性 (Uncertainty) = 機率未知。

2. 決策矩陣 (Payoff Table)：你的決策地圖

為了在不確定性下做出決策，我們通常會從 決策矩陣 (Payoff Table) 開始。這只是一個簡單的表格，列出了每個可能的選擇以及每個「自然狀態」（未來可能發生的情況）所帶來的潛在利潤（或成本）。

例子： 想像你正在決定要建造大型、中型還是小型工廠。你能獲得的利潤取決於需求是「高」還是「低」。

關鍵提示： 請務必仔細閱讀表格。它顯示的是 利潤 (Profits)（越大越好），還是 成本 (Costs)（越小越好）？大多數考題都集中在利潤分析上。

3. 處理不確定性的三種方法

由於在不確定情況下我們沒有機率數據，因此決策取決於我們的 風險態度 (attitude toward risk)。你需要掌握以下三種經典方法：

A. 最大最大準則 (Maximax - 樂觀主義者)

Maximax 規則適用於「夢想家」。這種決策者會關注每個選項的最理想情況，並選擇能帶來 最大 可能 最大 利潤的選項。

步驟：
1. 查看每個選擇（例如：小型、中型、大型工廠）。
2. 找出每個選擇中最高的潛在利潤。
3. 從這些數字中選出最大的一個。

比喻： 這就像購買彩票，因為你只在乎頭獎，而不在乎輸掉 2 元的高機率。

B. 最大最小準則 (Maximin - 悲觀主義者)

Maximin 規則適用於「憂慮者」。這種決策者預設最壞的情況即將發生，並希望將這種「最糟情況」處理得盡可能好。他們追求的是 最小值中的最大值 (Maximum of the Minimums)。

步驟：
1. 查看每個選擇。
2. 找出每個選擇中 最差 (最低) 的利潤。
3. 選擇那個「最不糟糕」的結果（即最小值中的最大值）。

記憶法： Maximin = Maximising（最大化）你的 Minimum（最小）利潤。這是一種「安全第一」的方法。

C. 最小後悔值法 (Minimax Regret - 「怕錯失良機」型)

這是最棘手，但也最現實的方法。這種決策者希望將自己的「後悔」降到最低。後悔值 (Regret) 是指因為你做錯了選擇而 錯失的 利潤。

步驟：
1. 建立一個 後悔值表格 (Regret Table)。針對每個「自然狀態」（例如：高需求），找出最佳結果。將該列中的其他所有結果從最佳結果中減去。
2. 得到後悔值表後，找出每個選擇的 最大後悔值 (Maximum Regret)。
3. 選擇那個 最大後悔值 為 最小值 的選項。

例子： 如果你建造了小型工廠，但需求卻很高，你的「後悔值」就是大型工廠本可創造的利潤減去你小型工廠實際獲得的利潤。

4. 期望值 (Expected Values, EV)：風險中性方法

當我們 確實 有機率數據（風險）時，我們使用 期望值 (Expected Values)。這是所有可能結果的加權平均值。這種方法適用於 風險中性 (Risk-Neutral) 的決策者，他們根據長期平均值來做決定。

公式為：
\( EV = \sum (px) \)
其中：
\( p \) = 結果的機率
\( x \) = 結果的數值（利潤/成本）

步驟：
1. 將每個可能的利潤與其機率相乘。
2. 將該選擇下的所有乘積相加。

重要提示： 期望值是一個長期平均值。它甚至可能是一個在單次嘗試中根本無法實現的數字！例如，如果你有 50% 的機率獲得 0 元，50% 的機率獲得 100 元，EV 就是 50 元。但你實際上永遠不可能獲得 50 元；你要麼得到 0 元，要麼得到 100 元。

應避免的常見錯誤： 如果決策是一次性的，且決策者非常規避風險，請不要使用 EV。EV 最適合用於多次重複的決策。

5. 敏感度分析 (Sensitivity Analysis)

有時候，我們想知道我們的決策有多「穩固」。敏感度分析 問的是：「我們的估計值（如銷售量或價格）需要改變多少，才會導致決策結果改變？」

如果銷售量的微小變化就能讓一個項目從「盈利」變成「虧損」，我們就說該項目對該變量 高度敏感 (highly sensitive)。這能告訴管理層應該將注意力集中在哪裡！

計算方式：
\( Sensitivity = \frac{淨現值 (或利潤)}{被測試變量的總值} \times 100 \)
注意：百分比越小，表示該變量越敏感（風險越高）！

6. 風險態度的總結

最後，讓我們將態度與方法連結起來：

- 風險偏好者 (Risk-Seeker)： 使用 Maximax。他們追逐最大可能的收益，並忽視風險。
- 風險規避者 (Risk-Averse)： 使用 Maximin。他們謹慎行事，希望確保最低限度的績效。
- 風險中性者 (Risk-Neutral)： 使用 期望值 (Expected Values)。他們忽略風險的波動，只關注數學上的平均利潤。

快速回顧框

1. Maximax： 最好的中的最好（樂觀主義者）。
2. Maximin： 最壞的中的最好（悲觀主義者/謹慎型）。
3. Minimax Regret： 最大後悔值中的最小值（避免「錯失良機」）。
4. Expected Value： 平均結果（風險中性）。
5. Sensitivity： 測試在決策改變前，一個變量能變動的幅度。

如果後悔值表格剛開始讓你覺得混亂，別擔心。只需記住：後悔值 = 「我本來可以得到的」減去「我實際得到的」。多練習幾次表格佈局，你很快就能成為專家！