GIÁO TRÌNH KINH TẾ QUẢN LÝ - CHƯƠNG 5: Phân tích rủi ro và các quyết định đầu tư ppt

Thứ nhất là chắc chắn, nghĩa là người ra quyết định được thông tin trước một cách hoàn hảo về các kết quả của các quyết định của mình.. Trong tình huống này một quyết định có thể có nh

GIÁO TRÌNH KINH TẾ QUẢN LÝ

Chương 5: Phân tích rủi ro và các

quyết định đầu tư

Chương V

PHÂN TÍCH RỦI RO VÀ CÁC QUYẾT ĐỊNH ĐẦU TƯ

I PHÂN TÍCH RỦI RO

1 Các trạng thái khác nhau của thông tin

Có ba trạng thái khác nhau của thông tin

Thứ nhất là chắc chắn, nghĩa là người ra quyết định được thông tin trước một cách hoàn

hảo về các kết quả của các quyết định của mình Mỗi quyết định chỉ có một kết quả và người

ra quyết định biết được kết quả đó

Trạng thái thứ hai của thông tin là rủi ro Trong tình huống này một quyết định có thể

có nhiều hơn một kết quả, do đó không có sự chắc chắn Nhưng người ra quyết định biết tất cả các kết quả và xác suất xảy ra của các kết quả đó

Trạng thái thứ ba của thông tin là không chắc chắn Trong tình huống này một quyết

định có thể có nhiều kết quả và người ra quyết định biết giá trị của các kết quả nhưng không biết xác suất xảy ra của các kết quả đó

2 Các kỹ thuật ra quyết định trong điều kiện rủi ro

P i là xác suất của kết quả i

V i là giá trị của kết quả thứ i và

Ví dụ: Một cửa hàng bán kem biết rằng doanh thu thay đổi theo thời tiết và có ba xác suất xảy ra: nắng với xác suất p = 0,2, hoặc mưa với xác suất p = 0,4 Doanh thu phụ thuộc vào thời tiết và được cho ở bảng sau:

Trường hợp phân bố xác suất liên tục (một đường trơn), doanh thu của cửa hàng kem có

thể rất nhiều giá trị khác nhau Nếu phân bố xác suất của doanh thu là phân bố chuẩn thì EMV

của doanh thu là giá trị trung bình của sự phân bố đó

Những hạn chế của giá trị kỳ vọng

Nếu giá trị kỳ vọng được sử dụng làm tiêu thức ra quyết định thì người ta quyết định hợp lý luôn luôn chọn được hành động đem lại giá trị dự kiến cao nhất Mặc dù về mặt cảm tính ta có thể thấy đây là một cách có ý nghĩa để ra quyết định nhưng nhiều ví dụ cho thấy việc vận dụng nó có thể dẫn đến những kết luận vô nghĩa Ví dụ: một người có ngôi nhà trị giá 100.000$ và xác suất bị cháy trong một năm là một phần mười nghìn (0,0001) thì giá trị

kỳ vọng của mất mát là 10$ Một người ra quyết định áp dụng phương pháp giá trị dự kiến sẽ chỉ sẵn sàng trả 10$ mua bảo hiểm chứ không hơn Nhưng trong thực tế nhiều người hợp lý sẽ sẵn sàng trả nhiều hơn 10$ mua bảo hiểm để tin chắc một cách tuyệt đối rằng nếu nhà của họ

bị cháy thì họ sẽ được đền bù Một ví dụ khác là trò chơi tung đồng xu Nếu đồng xu rơi ngửa

sẽ được 1$, nếu nó rơi xấp thì sẽ mất 1$ Như vậy nếu đồng xu cân đối thì xác suất rơi xấp và rơi ngửa là như nhau và bằng 0,5 Như vậy giá trị kỳ vọng của trò chơi này bằng 0 Một người

ra quyết định sử dụng tiêu thức giá trị kỳ vọng sẽ thờ ơ với trò chơi này Nhưng trong thực tế vẫn còn có nhiều người chơi vì họ quan tâm đến cái được nhiều hơn

Ví dụ thứ ba là "nghịch lý St Petersberg" Giả sử tung đồng xu và khoản thanh toán trả cho người chơi phụ thuộc và việc tung đồng xu mà lần đầu tiên nó rơi ngửa Nếu lần đầu tiên

nó rơi ngửa thì được 2$, nếu đến lần thứ hai nó mới rơi ngửa thì được 22$=4$, và nếu đến lần

thứ n nó mới rơi ngửa thì được 2''$ Một người hợp lý sẽ trả bao nhiêu để tham giá trò chơi

này? Giá trị bằng tiền dự kiến của trò chơi này là:

EMV = 0,5(2) + 0,52(2)2+ 0,53(2)3+ + 0,5n(2)n

= 1+1+1+ +1

= Nói cách khác, giá trị bằng tiền kỳ vọng là vô cùng, và người ra quyết định sử dụng

EMV làm phương tiện ra quyết định sẽ sẵn sàng trả lại mọi thứ để được tham gia vào trò chơi

này

Nhưng mọi người không chấp nhận trò chơi mà phải trả lượng tiền lớn như thế vì họ quan tâm nhiều hơn đến cái mất Theo ngôn ngữ của phân tích kinh tế, "ích lợi" bị mất do mất 100$ lớn hơn ích lợi thu được do được 100$

Ích lợi và thái độ đối với rủi ro

Phân tích trên đây cho thấy rằng sử dụng giá trị bằng tiền kỳ vọng làm tiêu thức ra quyết định có những hạn chế nghiêm trọng Về mặt cảm tính dường như ích lợi bị mất do mất 100$ cao hơn ích lợi thu được khi được 100$ Điều này cho thấy rằng nếu cân nhắc mối quan hệgiữa ích lợi và thu nhập có thể cho ta một phương pháp khác nhau để đánh giá các quyết định trong tình huống có rủi ro Hình 5.1 minh hoạ ba mối quan hệ giữa mức thu nhập của một cá nhân và ích lợi của người đó khi có mức thu nhập đó Mỗi phần biểu thị một thái độ đối với rủi ro của cá nhân này

p i là xác suất của kết quả thứ i

U i là ích lợi của kết quả thứ i

Áp dụng tiêu thức ích lợi kỳ vọng cho phép đưa các thái độ khác nhau đối với rủi ro vào việc mô hình hoá việc ra quyết định Nhưng việc sử dụng nó theo cách chuẩn tắc sẽ gặp khó khăn vì phải ước lượng mối quan hệ giữa ích lợi và thu nhập đối với một người ra quyết định

cụ thể

Để giải quyết vấn đề này có thể sử dụng một phương pháp gọi là"so sánh trò chơi chuẩn" Nội dung của nó bao gồm các bước sau: Thứ nhất, các giá trị ích lợi được gán cho hai giá trị bằng tiền khác nhau Vì ích lợi không có các đơn vị rõ ràng nên phải dùng các đơn vị trung gian, với điều kiện là giá trị bằng tiền cao phải gán cho ích lợi cao Bước thứ hai là xác định giá trị ích lợi của hai mức tiền đã nêu trên

Ví dụ giá trị bằng tiền của 0$ là 0 và của 1000$ là 1 Sau đó tìm giá trị ích lợi của các lượng tiền giữa 0$ và 1000$ cho một người ra quyết định cụ thể Giả định rằng mục đích là

tìm ra giá trị ích lợi của 500$ Trong trường hợp này người ra quyết định phải chọn một trong hai phương án sau:

U(500$) = 0,6.U(1000$)+ 0,4.U(0$)

Vì ta đã gán những giá trị cho ích lợi phát sinh từ 1000$ và 500$, nên ta có:

U(500$) = 0,6(1) + 0,4(0) = 0,6Phương pháp ước lượng ích lợi này có nhược điểm là nó dựa vào khả năng trả lời những câu hỏi giả thiết giống như trả lời những câu hỏi thực của người ra quyết định Nhưng ưu điểm của nó là giúp ta thực hiện được sự phân tích

Các đường bàng quan và thái độ đối với rủi ro

Phân tích trên đây cho thấy cách thức phản ánh thái độ đối với rủi ro vào trong mối quan hệ giữa ích lợi và thu nhập Nhưng nó lại không đưa ra một thước đo trực tiếp cho mức

độ rủi ro của một hành động cụ thể Thước đo phổ biến nhất của mức độ rủi ro của một hành động cụ thể Thước đo phổ biến nhất của mức độ rủi ro của một hành động là độ lệch chuẩn của kết quả Độ lệch chuẩn của một phân bố xác suất biểu thị giá trị trung bình của chênh lệch tuyệt đối của tất cả các kết quả so với giá trị kỳ vọng của phân bố xác suất đó Chênh lệch giữa mỗi kết quả có thể và giá trị dự kiến được gán cho các trọng số là xác suất xảy ra của nó

Ta lấy giá trị tuyệt đối vì nếu không thì các chênh lệch dương và các chênh lệch âm sẽ triệt tiêu lẫn nhau Trước hết lấy bình phương các sai số rồi sau đó khai căn bậc hai

1

2

)(

Trong đó

là tổng

EPV là giá trị trung bình của tất cả các kết quả

n là số các kết quả

Khi cân nhắc để ra quyết định người ra quyết định phải cân nhắc các kết hợp khác nhau giữa giá trị kỳ vọng của kết quả và rủi ro của kết quả đó, đo bằng độ lệch chuẩn Trong trường hợp này các đường bàng quan biểu thị những kết hợp kết quả và rủi ro khác nhau đem lại cho người ra quyết định cùng một mức thoả mãn Nếu cá nhân này ghét rủi ro thì các đường bàng quan sẽ dốc lên, các kết hợp được ưa thích hơn biểu thị theo chiều mũi tên Độ dốc của các đường bàng quan biểu thị mức độ ghét rủi ro của cá nhân này

Hình 5.2: Các đường bàng quan về rủi ro và thu nhập kỳ vọng (người ghét rủi ro).

Khái niệm tương đương chắc chắn

Ứng dụng quan trọng nhất của phân tích bàng quan, rủi ro và thu nhập (hoặc giá trị trung bình/sai số) là ứng dụng vào việc xây dựng danh mục giữ tài sản, nằm ngoài phạm vi

môn học này Tuy nhiên có một khái niệm hữu ích đáng lưu ý đó là tương đương chắc chắn

của một hành động rủi ro Đó là lượng tiền sẵn có chắc chắn làm cho người ra quyết định thoả mãn như khi tiến hành một hành động có rủi ro Đó chính là điểm cắt với trục tung của đường

bàng quan liên quan đến hành động có rủi ro đang xem xét Ở hình 5.2 A$ là tương đương chắc chắn của việc thực hiện hành động có rủi ro và thu nhập ở đường I 1

Cây ra quyết định

Các quyết định quản lý có rủi ro thường được thực hiện theo từng giai đoạn, Các quyết định và các sự kiện sau phụ thuộc vào kết quả của các quyết định trước Cây ra quyết định biểu thị trình tự của các quyết định quản lý có thể đưa ra và kết quả kỳ vọng trong mỗi hoàn cảnh Hãy tưởng tượng một cây mà thân cây được chia thành hai hoặc ba nhánh chính, ở mức cao hơn, mỗi nhánh chính lại chia thành hay hoặc ba nhánh nhỏ hơn Các nhánh chính ở lớp

1

U2Rủi

ro

Thu nhập A

thứ nhất biểu thị các quyết định khác nhau có thể được đưa ra để giải quyết vấn đề Khi không

có sự chắc chắn thì có thể có nhiều hơn một kịch bản, mỗi nhánh có một sự phân chia thành nhiều nhánh hơn biểu thị mỗi kịch bản có thể có Đối với các quyết định có lợi nhuận ở năm thứ hai và các năm sau, mỗi một trong các nhánh này sẽ chia thành các nhánh cao hơn biểu thị các kịch bản có thể có ở năm thứ hai, bằng một tập hơn các nhánh mới ta biểu thị năm thứ ba, v.v Các nhánh cuối cùng của cây biểu thị các kết quả của năm cuối cùng của thời kỳ xem xét

Ví dụ một người quản lý muốn mua một máy in mới Người này phải cân nhắc xem nên mua máy to hay máy nhỏ Cây ra quyết định ở bảng 5.2 biểu thị các kết quả kỳ vọng trong năm thứ nhất và năm thứ hai sau khi quyết định đã được đưa ra Các kịch bản có thể có trong mỗi năm phản ánh điều kiện thị trường, yếu tố ảnh hưởng đến cầu về sản phẩm của hãng Giả

sử điều kiện thị trường trong năm tới có thể tốt hơn, không thay đổi, hoặc xấu hơn Các tình huống khác nhau được xác định bởi các yếu tố nằm ngoài sự kiểm soát của hãng, hãng có thể

sẽ gặp một trong các tình huống đó vào năm sau nhưng vào thời gian ra quyết định người ra quyết định không biết tình huống nào sẽ xảy ra Ba tình huống khác nhau làm phát sinh ba

điều kiện cầu khác nhau: Cầu cao, cầu trung bình và cầu thấp Lợi nhuận gắn với mỗi điều kiện cầu, tính bằng giá trị danh nghĩa, được cho ở bảng 5.2 Với máy to lợi nhuận kỳ vọng của năm thứ nhất có thể là 10.000$, 4.000$, hoặc lỗ 1.000$ Năm thứ hai, điều kiện cầu có thể thay đổi so với năm thứ nhất Chẳng hạn, mặc dù cầu có thể thấp ở năm đầu, nhưng năm thứ hai có thể là cao, trung bình hoặc thấp Lợi nhuận trong mỗi điều kiện cầu vào năm thứ hai, với mỗi một quyết định, được biểu thị ở cột cuối của bảng này Tất nhiên các số liệu về lợi nhuận này phản ánh các điều kiện chi phí khác nhau cho máy to và máy nhỏ, và các giá khác nhau có thể thu trong các điều kiện cầu khác nhau

Để quyết định mua máy nào ta phải đánh giá giá trị hiện tại kỳ vọng (EPV) của lợi nhuận hứa hẹn từ mỗi phương án Trước hết cần gán xác suất cho các điều kiện cầu trong mỗi năm Giả sử rằng nghiên cứu thị trường cho thấy rằng xác suất xảy ra cầu cao, trung bình và thấp là 20%, 30% và 50% tương ứng Năm thứ hai xác suất ước tính là 40%, 40% và 20% tương ứng Tiếp theo, phải xác định tỷ lệ chiết khấu của hãng Giả sử rằng hãng có thể thu được 10% lợi nhuận một năm nếu đầu tư khoản tiền đó vào một tài sản khác có rủi ro tương

tự (yếu tố chiết khấu DF = 0,909) Tiếp đó cần phải đưa ra các giả định về diễn biến của luồng tiền, theo thời gian, chi phí ban đầu để mua máy, giá trị còn lại của máy theo thời gian, và miễn thuế trích khấu hao Để đơn giản hoá, giả định rằng lợi nhuận nhận được một lần vào cuối mỗi năm, khoảng thời gian chỉ là hai năm; chi phí cho máy to là 2.000$ và cho máy nhỏ

là 1.700$; Giá trị thanh lý của mỗi máy đều bằng không vào cuối năm thứ hai; và chi phí khấu hao không được miễn thuế

Bảng 5.2 Cây ra quyết định về việc quyết định mua máy in

CaoTrung bìnhThấpCaoTrung bìnhThấpCaoTrung bìnhThấpCaoTrung bìnhThấp

CaoTrung bìnhThấp

12.5005.0001.000

12.5005.0001.00012.5005.0001.0008.0006.0002.0008.0006.0002.000

8.0006.0002.000

Việc tính EPV từ mỗi máy được biểu thị ở bảng 5.3 và 5.4 Ở mỗi bảng cột 1 biểu thị

chi phí ban đầu cho mỗi phương án Cột 2 biểu thị điều kiện cầu và xác suất của chúng, cột 3 biểu thị lợi nhuận kỳ vọng trong mỗi điều kiện cầu Cột 4 biểu thị giá trị hiện tại của các mức lợi nhuận kỳ vọng đó, với tỷ lệ chiết khấu là 10% Các tình huống cầu và lợi nhuận trong 2 năm được liệt kê ở cột 5 và 6 Cột 7 biểu thị giá trị hiện tại của năm thứ hai Cột 8 biểu thị giá trị hiện tại ròng của năm thứ nhất và năm thứ hai, trừ chi phí ban đầu để mua máy (đã tính theo giá trị hiện tại) Cột 9 biểu thị xác suất thu được mỗi một trong các tổng này Lưu ý rằng

đó là xác suất có điều kiện, vì việc đến mỗi nhánh của cây cuối phụ thuộc vào xác suất của

một kịch bản cụ thể của năm thứ nhất và xác suất của một kịch bản cụ thể của năm thứ hai Ở

cột 10 số liệu về NPV của mỗi nhánh cuối được nhân với xác suất có điều kiện của việc xảy ra chúng (để có trọng số thích hợp) và EPV được tính bằng cách cộng tất cả các PV đã nhân với trọng số Như vậy máy to có EPV là 6.401,5$, máy nhỏ có EPV là 6.346,6$ Như vậy theo EPV thì nên chọn máy to.

Bảng 5.3 Tính giá trị hiện tại kỳ vọng cho máy to

PV(DF = 0,909)[4]

Cầu(xác suất[5]

Lợi nhuận[6]

PV(DF = 0,909)[7]

Tổng PV[8]

Xác suất chung[9]

PV có trọng số[10]

90903636-909

Cao(p=0,4)TB(p=

0,4)Thấp(p=0,2)Cao(p=0,4)TB(p=

0,4)Thấp(p=0,2)Cao(p=0,4)TB(p=

0,4)Thấp(p=0,2)

125005000100012500500010001250050001000

103254130826103254130826103254130826

17415112207916119615766246274161221-2083

0,080,080,040,120,120,060,200,200,10

1393,20897,60136,641435,32691,92147,721483,20244,20-208,30

Giá trị hiện

Bảng 5.4 Tính giá trị hiện tại kỳ vọng cho máy nhỏ

PV(DF = 0,909)[4]

Cầu(xác suất[5]

Lợi nhuận[6]

PV(DF = 0,909)[7]

Tổng PV[8]

Xác suất chung[9]

PV có trọng số[10]

63634545909

Cao(p=0,4)TB(p=

0,4)Thấp(p=0,2)Cao(p=0,4)TB(p=

0,4)Thấp(p=0,2)Cao(p=0,4)TB(p=

0,4)Thấp(p=0,2)

800060002000800060002000800060002000

660849561652660849561652660849521652

112719619631594537801449758174165861

0,080,080,040,120,120,060,200,200,10

901,68769,52252,601134,36936,12269,821163,40833,0086,10

Giá trị hiện

Các loại xác suất

Có nhiều loại xác suất khác nhau

Phân biệt quan trọng nhất là "biết trước" và "biết sau" Xác suất biết trước là xác suất có thể tính được bằng kiến thức có trước Ví dụ, nếu một đồng xu có hai mặt và đồng xu đó là đồng xu cân thì xác suất rơi ngửa và rơi sấp là như nhau và bằng 0,5 Xác suất biết sau là xác suất chỉ có thể biết được sau khi đã xảy ra Ví dụ, trong 30 ngày của tháng 7 có 10 ngày mưa trong 20 năm qua thì xác suất biết sau của một ngày mưa trong tháng 7 là 0,333

Cả xác suất biết trước và biết sau đều có thể mô tả là xác suất "khách quan" vì chúng phát sinh từ một phân tích thống nhất về các nguyên lý cơ bản hoặc từ sự quan sát các sự kiện trong quá khứ Việc sử dụng có hiệu quả các kỹ thuật thống kê phụ thuộc vào các xác suất sử dụng Nhưng nhiều quyết định kinh doanh là độc nhất do đó các xác suất khách quan

là không có Nếu môi trường thay đổi thì xác suất rút ra từ những sự kiện trong quá khứ là không áp dụng được Trong trường hợp đó, phải dùng đến xác suất chủ quan, dựa trên kỳ vọng, sở thích, kinh nghiệm và sự đánh giá về tương lai của người ra quyết định Những sở thích như thế có thể lượng hoá bằng cách đề nghị người ra quyết định so sánh một vấn đề thực cần xem xét với một tình huống giả thiết mà xác suất khách quan đã biết Điều đó có thể giúp ước lượng được xác suất, nhưng rõ ràng là các cá nhân khác nhau trong một tổ chức có thể gắn những xác suất khác nhau cho cùng một kết quả, hoặc cùng một cá nhân có thể đưa ra những xác suất khác nhau cho cùng một kết quả nếu được hỏi vào những thời gian khác nhau Bởi thế việc sử dụng xác suất chủ quan có thể là một sự hướng dẫn nguy hiểm cho việc ra quyết định

Giá trị dự kiến của thông tin

Từ phân tích trên đây ta thấy thông tin rất có giá trị và doanh nghiệp có thể cần hoàn thiện kiến thức về một tình huống cụ thể bằng cách thu nhập thêm thông tin Nhưng để làm được điều đó mà tiết kiệm chi phí nhất người ra quyết định cần phải biết giá trị của việc có thêm thông tin để xem xét xem đáng thực hiện với chi phí bổ sung là bao nhiêu Có thể chỉ ra hai trường hợp Thứ nhất là có thể được thông tin hoàn hảo về tình hình tương lai và thứ hai là trường hợp tổng quát hơn - chỉ có thể có được thông tin không hoàn hảo về tình hình tương laiNếu có thể có được thông tin hoàn hảo về tình hình tương lai thì giá trị kỳ vọng của thông tin hoàn hảo có thể được đo bằng chênh lệch giữa giá trị kỳ vọng của hành động tương lai, đã cho thông tin hiện tại và giá trị kỳ vọng của hành động tương lai đã cho thông tin hoàn hảo.Thực tế các tình huống trong đó có thông tin hoàn hảo về tương lai là rất hiếm và việc mua thông tin bổ sung sẽ không cung cấp sự thể hiện trước một cách tuyệt đối chắc chắn về tình huống tương lai Nhưng việc tính giá trị dự kiến của thông tin vẫn là một công cụ hữu ích trong các tình huống đó vì nó tạo ra giới hạn trên cho giá trị của thông tin bổ sung có thể thu thập được Bước đầu tiên cần thực hiện khi cân nhắc việc mua thông tin là cân nhắc xem chi phí để có thêm thông tin đó có cao hơn giá trị dự kiến của thông tin không Nếu cao hơn thì không nên làm Nếu chi phí của việc có thêm thông tin thấp hơn giá trị dự kiến của thông tin thì nên làm

3 Các kỹ thuật đối phó với sự không chắc chắn

chắn, chứ không phải là rủi ro, và các kỹ thuật đã nêu trên không thể áp dụng được Tuy vậy,

có nhiều chiến lược có thể áp dụng để ra quyết định trên cơ sở các tiêu thức hợp lý

Tiêu thức maximin

Một doanh nghiệp ra quyết định có thể phải lựa chọn một trong hai phương án mà kết quả của các phương án đó lại phụ thuộc vào tình thế xảy ra khi thực hiện hành động đó Trong

trường hợp không chắc chắn xác suất của các tình huống khác nhau là không biết Giả định

một matrix kết quả có thể được cho như sau:

Maximin là thuật ngữ biểu thị kết quả lớn nhất (maximum) trong các kết quả bé nhất

(minmum) gắn liền với mỗi quyết định

Nếu áp dụng tiêu thức maximin thì người ra quyết định nghiên cứu kết quả xấu nhất của mỗi hành động và sau đó chọn hành động mà kết quả xấu nhất là cao nhất Trong ví dụ đã cho các kết quả xấu nhất là:

Qui tắc maximin đảm bảo tránh được kết quả xấu nhất và có thể được gọi là chiến lược

bi quan, bảo thủ hoặc ghét rủi ro ở mức độ cao Nhược điểm của nó là nó bỏ qua kết quả có giá trị lớn nhất

Tiêu thức điều đáng tiếc minimax

Áp dụng quy tắc này người ra quyết định cân nhắc mức độ phải hy sinh nếu một tình huống cụ thể xảy ra nhưng hành động tốt nhất cho tình huống đó lại không được chọn Trong

ví dụ trên đối với tình huống A, hành động 1 có "điều đáng tiếc" là 40, hành động 2 có điều đáng tiếc là 100 và hành động 3 có điều đáng tiếc là 0 Hình 5.4 biểu thị một matrix hoàn chỉnh về điều đáng tiếc cho tất cả các hành động và các tình huống

Hình 5.4 Matrix điều đáng tiếc

Xây dựng xong matrix điều đáng tiếc, chọn lấy hành động có điều đáng tiếc lớn nhất là tối thiểu, đó là hành động 1 Chiến lược này đảm bảo rằng không phải chịu điều đáng tiếc cực đại, và đó cũng là một cơ sở tương đối bi quan để ra quyết định

Cũng giống như trường hợp tiêu thức maximin trường hợp này cũng bị phê phán là sử dụng một lượng thông tin hạn chế sẵn có mà bỏ qua mọi thứ khác

Tiêu thức maximax

Tiêu thức này đối lập với tiêu thức maximin ở chỗ xác định tất cả các kết quả tốt nhất

của mỗi hành động và chọn hành động nào có kết quả tốt nhất lớn nhất Đây là một tiêu thức

"lạc quan" vì nó chọn ra hành động có kết quả cao nhất Nhược điểm của nó cũng là sử dụng một lượng hữu hạn thông tin hiện có

Tiêu thức hệ số biến thiên

Hệ số biến thiên ở đây được định nghĩa là tỷ số giữa độ lệch chuẩn () và giá trị hiện tại

kỳ vọng (EPV) Như vậy hệ số biến thiên đối với một phân bố xác suất -/EPV - biểu thị

lượng rủi ro trên một đồng lợi nhuận kỳ vọng Người ra quyết định ghét rủi ro nên chọn phương án có hệ số biến thiên thấp nhất (nhưng có giá trị dương).

Tiêu thức Hurwicz "alpha"

Phương pháp của Hurwicz cố gắng sử dụng nhiều thông tin hiện có hơn bằng việc xây dựng chỉ số "chỉ số alpha" cho mỗi hành động, có tính đến việc người ra quyết định muốn sử dụng quan điểm bi quan hay lạc quan

Chỉ số này được xác định theo cách sau:

L i là kết quả cao nhất của hành động i

Hành động nào có chỉ số alpha cao nhất sẽ được chọn Chỉ số lạc quan/bi quan có thể

lấy những giá trị từ 0 đến 1

Kết hợp những chiến lược khác nhau

Không có lý do gì để các doanh nghiệp phải thực hiện một tiêu thức nào đó trong việc ra quyết định trong điều kiện không chắc chắn Các doanh nghiệp có thể thực hiện các chiến lược khác nhau cho các tình huống khác nhau hoặc chủ ý kết hợp các chiến lược khác nhau để

"san sẻ rủi ro"

Những ứng dụng rộng hơn của sự không chắc chắn cho lý thuyết doanh nghiệp

Các phương pháp hỗ trợ cho người ra quyết định trong điều kiện không chắc chắn là có ích nhưng cũng rất hạn chế và có nguy cơ là làm lu mờ một thực tế là sự tồn tại của sự không chắc chắn có những ứng dụng sâu sắc cho lý thuyết về doanh nghiệp Trong một tình huống không chắc chắn các doanh nghiệp và các cá nhân không thể tính được xác suất của các kết quả của các hành động của mình Trong nhiều tình huống việc tính xác suất của họ có thể còn đem lại kết quả xấu hơn là họ không biết gì về các kết quả có thể xảy ra của các hành động Công nhận sự hạn chế này của các doanh nghiệp và các cá nhân cần phải hiểu kỹ hơn các hoạt động của doanh nghiệp

Không chắc chắn và các chi phí giao dịch

Một ứng dụng của sự không chắc chắn là nó làm cho việc ký kết một hợp đồng hoàn chỉnh giữa các cá nhân là rất khó khăn và tốn kém Nếu tất cả những tình huống tương lai đều