综合得分
0.70
Kelly
0.0%
1 / 12
二线城市开咖啡馆
小微店主 / 加盟 · 24 个月时间窗
综合得分 0.70 · 在当前假设下期望收益为负 (NO_GO)
在你给定的资源投入（¥992,000 等价资本）与时间窗（24 个月）下，本机会的胜率先验为 22.0%，盈亏比 b=3.20，对应期望收益 EV=-¥75,392，风险调整后收益 RAROC=-0.05。在当前假设下，这并不是一个值得动手的机会。Kelly 公式建议的最优仓位 0.0% 在你画像 (在职决策者) 的风险预算上限 20% 之内。
📝 二线社区独立咖啡馆。高资金 + 高时间 + 高波动，胜率最低，多数情况下不建议。
2 / 12
决策摘要 · 三大数字
EV / Kelly / RAROC 是平台的三块基石
胜率 p
22.0%
成功概率（先验）
盈亏比 b
3.20 ×
b = E[win] / E[loss]
期望收益 EV
-¥75,392
EV = capital × (p × b − (1 − p))
Kelly 仓位 f*
0.0%
(b·p − (1 − p)) / b
RAROC
-0.05
EV / (capital × σ)
综合得分
0.70
score = p × b
3 / 12
资源投入分析
等价资本 ¥992,000 · 五维资源逐项拆解
本机会的等价资本为 ¥992,000，其中最大的一笔投入是「现金」，占比 42%（¥420,000）。现金投入有清晰的下限，但请预留 30% 应急资金；切勿把全部可流动资源压在一件事上。
影子价格说明
平台默认 1 小时个人时间 = ¥120，1 人月 = ¥36,000。这两个数字来自国家统计局工资中位数 + 技术岗市场薪酬调研，可在「假设清单」一键修改。
4 / 12
同类决策基准对比
行业胜率分布 (Beta 后验) vs 你的输入
行业胜率 P50
26.7%
Beta(α=8, β=22)
行业盈亏比 P50
3.00 ×
P90 5.50×
你给的胜率 22.0% 低于该类别基线 26.7%（-4.7%）。这通常是『决策更稳健』而非劣势 — 但也意味着 EV 会偏低。 盈亏比 3.20× 高于基线 P50 3.00× — 请确保你建模的『成功』情景没有把长尾压扁。 基线来自：中国连锁经营协会 2023 + 大众点评聚合。
基线来源：中国连锁经营协会 2023 + 大众点评聚合
5 / 12
行动方案与风险预算
基于画像「在职决策者」的个性化建议
建议：不要做（NO_GO） — 在当前胜率与盈亏比假设下期望收益为负，钱和时间不应该投。
- 目前期望收益为负 — 不是『胆量不够』，是『数学不允许』。
- 考虑两条路：(a) 调整投入结构（更少现金 / 更多时间）让 EV 翻正；(b) 把资源转向你 Portfolio 中排名靠前、Action=GO 的机会。
- 把这个决策保存下来，每 3 个月重算一次 — 行业胜率 / 盈亏比是会随时间变化的。
6 / 12
敏感性分析 · Tornado
±20% 单变量摆动对 EV 的影响
- · Tornado 显示「胜率」是结论最敏感的变量（±20% 摆动会让 EV 移动 ¥366,643）。建议优先收集这个变量的更准信息。
- · 第二敏感变量是「盈亏比」（EV 摆动 ¥279,347），其余变量影响显著较小。
- · 把『信息成本 < EV 摆动 / 5』作为收集情报的快速判定法 — 高于这个值就不值得再花时间。
7 / 12
蒙特卡洛分布
10,000 次模拟 · seed=demo-tier2-cafe
P5
-¥2,916,402
P50 (中位)
-¥775,831
P95
¥9,321,348
正收益概率
22.2%
10,000 次蒙特卡洛模拟显示：P5 = -¥2,916,402，P50 = -¥775,831，P95 = ¥9,321,348，正收益概率 = 22.2%。分布形态偏右偏（长尾收益占主导）。
8 / 12
情景分析
Bull / Base / Bear (±15% 同向)
情景分析（胜率与盈亏比同向 ±15%）：Bull = ¥182,568，Base = -¥75,392，Bear = -¥301,925。Bull 与 Bear 之间的差距 ¥484,493 反映了你假设的脆弱性 — 差距越大，越值得做更详细的尽调。
9 / 12
反事实矩阵
如果胜率/盈亏比变成… EV 会是多少
反事实矩阵显示：要让 EV ≥ 0，胜率至少要达到 20%，或者盈亏比至少要 0.5×。请用这两条线作为后续验证假设的最低门槛。
10 / 12
假设清单
任何一个值都可一键编辑后重算
11 / 12
数学复现附录
同一份数据：Python + TypeScript 双实现
核心公式
EV = capital × (p × b − (1 − p)) f* = (b·p − (1 − p)) / b RAROC = EV / (capital × σ)Python 复现脚本
from models.feasibility_model import expected_value, kelly_fraction, raroc, go_no_go
p, b, sigma, capital = 0.22, 3.2, 1.4, 992000
ev = expected_value(p, b, capital)
kelly = kelly_fraction(p, b)
rr = raroc(ev, capital, sigma)
print(ev, kelly, rr, go_no_go(ev, kelly, 0.20, rr))TypeScript 复现脚本
import { expectedValue, kellyFraction, raroc, goNoGo } from "decision-lab/lib/feasibility";
const p = 0.22, b = 3.2, sigma = 1.4, capital = 992000;
const ev = expectedValue(p, b, capital);
const kelly = kellyFraction(p, b);
const rr = raroc(ev, capital, sigma);
console.log(ev, kelly, rr, goNoGo(ev, kelly, 0.20, rr));这些脚本与 GitHub 仓库 models/feasibility_model.py 与 lib/feasibility/ 一一对应；运行后能复现本页所有数字到 IEEE-754 精度。
12 / 12
数据来源 + 免责声明
- · Kelly J.L. (1956). A New Interpretation of Information Rate. Bell System Technical Journal.
- · Markowitz H. (1952). Portfolio Selection. The Journal of Finance.
- · Sharpe W.F. (1966). Mutual Fund Performance. The Journal of Business.
- · Kahneman D. & Tversky A. (1979). Prospect Theory. Econometrica.
- · 行业基准来源：中国连锁经营协会 2023 + 大众点评聚合
- · Decision Lab 算法文档
- · 完整商业计划书 (PDF)