综合得分
1.53
Kelly
8.4%
1 / 12
自媒体 IP 长期投入
副业 / 微创业 · 24 个月时间窗
综合得分 1.53 · 在你的画像下 → 建议执行 (GO)
在你给定的资源投入（¥366,000 等价资本）与时间窗（24 个月）下，本机会的胜率先验为 18.0%，盈亏比 b=8.50，对应期望收益 EV=¥259,860，风险调整后收益 RAROC=0.34。这是一个 EV 为正、数学上值得动手的机会。Kelly 公式建议的最优仓位 8.4% 在你画像（在职决策者）的风险预算上限 20% 之内。
2 年内持续输出短视频/长内容。低胜率（爆款稀缺），但长尾盈亏比极高。
2 / 12
三大数字
胜率、盈亏比与期望收益决定了建议的大部分；Kelly、RAROC 与综合得分把它们变成一个可执行的动作。
胜率 p
18.0%
成功概率（先验）
盈亏比 b
8.50 ×
b = E[win] / E[loss]
期望收益
¥259,860
EV = capital × (p × b − (1 − p))
Kelly 仓位
8.4%
(b·p − (1 − p)) / b
RAROC
0.34
EV / (capital × σ)
综合得分
1.53
score = p × b
3 / 12
你投入了什么
等价资本 ¥366,000，由五类资源折算而来。
本机会的等价资本为 ¥366,000，其中最大的一笔投入是「个人时间」，占比 59%（¥216,000）。时间一旦投入便无法收回；建议设定明确的『时间预算上限』并在过半时强制复盘。
非现金资源如何折价
你自己的时间按每小时 ¥120 计价，雇佣人力按每人月 ¥36,000 计价。这是市场影子价格，不是你个人的实际收入；改动它只影响绝对量级，不改变排序。
4 / 12
与同类决策的对比
你的假设 vs 这一类决策的 Beta(α, β) 先验。
行业平均胜率
26.7%
Beta(α=8, β=22)
行业盈亏比 P50
4.50 ×
P90 12.00×
你给的胜率 18.0% 低于该类别基线 26.7%（-8.7%）。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 8.50× 高于基线 P50 4.50× — 请确保你建模的『成功』情景没有把长尾压扁。 基线来自：清华 x-lab 副业创业调研 2023 + 自有种子用户 N=37。
基线来源：清华 x-lab 副业创业调研 2023 + 自有种子用户 N=37
5 / 12
行动方案
按你的画像「在职决策者」的风险预算来定仓位。
建议：可以做（GO） — 在你的风险预算内放手干。
- 按 Kelly 推荐的仓位上限投入；保留至少 30% 的资源作为缓冲。
- 把决策横向告诉一位你信任、但不在这个圈子里的人；他能问出最一针见血的问题。
- 为这件事设一个『撤退条件』（例如 6 个月内未达 X 指标就止损），写进日历。
6 / 12
敏感性分析
每个变量单独摆动 ±20% 时期望收益的变化，按影响大小排序。排在最前的两个，是你投入之前最值得先去核实的。
- · Tornado 显示「胜率 (p)」是结论最敏感的变量（±20% 摆动会让 EV 移动 ¥250,344）。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 (b)」（EV 摆动 ¥223,992），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，随机种子 demo-media-ip——同样的输入重跑会得到同样的分布。
P5
-¥1,802,213
中位数 (P50)
-¥274,792
P95
¥12,749,859
正收益概率
18.1%
10,000 次蒙特卡洛模拟显示：P5 = -¥1,802,213，P50 = -¥274,792，P95 = ¥12,749,859，正收益概率 = 18.1%。分布形态偏右偏（长尾收益占主导）。
8 / 12
情景分析
乐观 / 基准 / 悲观三档，胜率与盈亏比同向变动 ±15%。
情景分析（胜率与盈亏比同向 ±15%）：Bull = ¥450,336，Base = ¥259,860，Bear = ¥94,584。Bull 与 Bear 之间的差距 ¥355,752 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
换成其他胜率与盈亏比组合时期望收益会是多少——也就是你的假设可以错到什么程度，结论才会翻转。
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
支撑上述所有数字的全部输入，集中列在这里。
11 / 12
数学复现附录
自行重算这份报告所需的一切。
核心公式
EV = capital × (p × b − (1 − p)) f* = (b·p − (1 − p)) / b RAROC = EV / (capital × σ)Python
from models.feasibility_model import expected_value, kelly_fraction, raroc, go_no_go
p, b, sigma, capital = 0.18, 8.5, 2.1, 366000
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
import { expectedValue, kellyFraction, raroc, goNoGo } from "decision-lab/lib/feasibility";
const p = 0.18, b = 8.5, sigma = 2.1, capital = 366000;
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));两套实现都在代码仓库中，并由 golden parity 测试保证一致：models/feasibility_model.py 与 lib/feasibility/。
12 / 12
数据来源与免责声明
- · 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：清华 x-lab 副业创业调研 2023 + 自有种子用户 N=37
- · Decision Lab 算法文档
- · 完整商业计划书 (PDF)