預期價值(EV)的定義，公式和例項

在賭場裡，你會看到各種各樣的遊戲可以玩。你在那裡是為了找樂子，但你想透過玩能使你的利潤最大化（使你的損失最小化，讓我們現實一點）的遊戲來節約成本。

為了做到這一點，你將選擇具有最高預期價值（EV）的遊戲。如果你不熟悉這個概念，你可以閱讀investopedia上的文章。

https：//www。investopedia。com/terms/e/expected-value。asp

預期價值（EV）的定義，公式和例項

什麼是預期值（EV）？ 預期價值（EV）是一項投資在未來某個時間點的預期平均價值。投資者使用EV來估計投資的價值，通常與他們的相對風險性有關。例如，現代投資組合理論（MPT）試圖根據投資的預期值和標準差（即風險）來解決最佳的投資組合配置。

在統計學和機率分析中，預期值的計算方法是將每個可能的結果乘以每個結果發生的可能性，然後將所有這些值相加。透過計算預期值，投資者可以選擇最有可能獲得預期結果的方案。

重要啟示 預期值（EV）描述了基於機率分佈的隨機變數的長期平均水平。 在投資中，股票或其他投資的預期價值是一個重要的考慮因素，並被用於情景分析。 現代投資組合理論將預期值與投資的風險（標準差）結合起來，得出最佳化的投資組合。 期望值（EV）的公式是。

X是一個隨機變數 P（X）是該隨機變數的機率 因此，隨機變數X的EV被認為是隨機變數的每個值乘以其機率，然後將每個乘積加起來。 瞭解預期值 情景分析是計算投資機會的預期價值（EV）的一種技術。它使用估計的機率與多變數模型來研究一項擬議投資的可能結果。情景分析也有助於投資者確定他們是否在投資的可能結果下承擔了適當的風險水平。

一個隨機變數的EV給出了一個變數分佈中心的度量。從本質上講，EV是該變數的長期平均值。由於大數法則的存在，當重複次數接近無窮大時，變數的平均值會收斂到EV。EV也被稱為期望值、平均值或第一時刻。EV可以針對單個離散變數、單個連續變數、多個離散變數和多個連續變數進行計算。對於連續變數的情況，必須使用積分。

預期值的例子 要計算單個離散隨機變數的EV，必須將變數的值乘以該值出現的機率。例如，以一個正常的六面骰子為例。一旦你擲出骰子，它有六分之一的機會落在1、2、3、4、5或6上。鑑於這些資訊，計算就很簡單了。

如果你要把一個六面骰子擲出無限次，你會發現平均值等於3。5。

什麼是紅利股票的預期價值？ 一支股票的預期價值被估計為該股票未來支付的所有股息的淨現值（NPV）。如果你能估計出紅利的增長率，你就可以利用戈登增長模型（GGM）等紅利折扣模型預測投資者應該願意為該股票支付多少錢。

如何找到不分紅的股票的預期價值？ 對於不分紅的股票，分析師通常使用倍數方法來得出預期價值。例如，市盈率（P/E）經常被使用，並與同行業進行比較。因此，如果科技行業的平均市盈率為25倍，那麼科技股的EV將是其每股收益的25倍。

股票的預期價值在投資組合理論中是如何使用的？ 現代投資組合理論（MPT）和相關模型使用均值-方差最佳化，在風險調整的基礎上得出最佳投資組合配置。風險以投資組合的標準差來衡量，而均值是投資組合的預期值（預期收益）。

用100，000美元的虛擬現金進行無風險競爭 用我們免費的股票模擬器來測試你的交易技能。與數以千計的Investopedia交易員競爭，並以交易方式達到頂峰！ 在你開始用自己的錢冒險之前，在虛擬環境中提交交易。練習交易策略，這樣當你準備進入真正的市場時，你已經有了你需要的練習。

你將得到一個包含命名為

Game

的例項的元組。每個Game例項都有一個欄位name和results。name只是遊戲的名稱，用字串表示。results是一個元組，每個內部元組代表一個可能的結果。

示例遊戲例項。

g1 = Game（“Breakeven Steven”， （（0。5， 20）， （0。5， -20））

對於每個結果（內部元組），第一個值代表發生的機率，第二個值代表獎勵。在上面的例子中，有50%的機會贏得20，50%的機會失去20。

你將構建的函式應該返回具有最高期望值的遊戲的名稱。

限制條件。

2 <= N <= 20

注意：每個輸入都有一個明顯的贏家。

每個輸入都有一個明顯的贏家。

Namedtuple Game

已經被預先載入。 遊戲

namedtuple

Game = namedtuple（“Game”， ［“name”， “results”］）

有解釋的例子

g1 = Game（“Breakeven Steven”， （（0。5， 20）， （0。5， -20））

g2 = Game（“Go big or go home”， （（0。99， -10）， （0。01， 980））

比較g1和g2輸出結果

Breakeven Steven

find_best_game（（g1， g2）） # => “Breakeven Steven”

盈虧平衡的史蒂文的EV值高於 “不成功便成仁”（0 vs -0。1），因此該函式應該返回該名稱。

機率數學基本原理資料科學統計學

def find_best_game（games）：

maxev = float（“-inf”）

for word，rate in games：

ev = sum（［x*y for x，y in rate］）

if ev > maxev：

maxev = ev

winner = word

return winner

Best solve

def find_best_game（games）：

return max（games， key=lambda g： sum（p*v for p，v in g。outcomes））。name