情景预算与概率调整预算：不确定性下的资源配置

情景预算与概率调整预算：不确定性下的资源配置本文档提供：情景权重校准的五级刻度与联合概率计算公式、决策树的回溯归纳与放弃期权定价、蒙特卡洛模拟的分布参数设定与分位数解读规则、从期望值到资源配置的决策规则（触发器与预案绑定）、“平均值的谬误”的识别与规避、概率预算下的绩效归因公式（情景实现效应、执行效应、交互效应）、审计检查清单与排查表、一份填满数字的概率预算与资源配置成品；本文档不提供：可直接运行的蒙特卡洛加载项或仿真软件、特定公司的真实情景概率判断、行业专属的宏观预测数据。（内部编号：方法框架类）日期：2026-10-30目录序号交付物名称所在板块读者卡点用途1单点预算—情景预算—概率预算递进总表一做了三情景，为什么还是拍脑袋选一个定位三种方法的能力边界与升级路径2情景权重五级刻度公式块二30%/40%/30%的权重从哪来把主观概率变成可校准的刻度3联合概率与期望利润公式块二销量和成本同时变动，概率怎么乘相关变量下的期望值4决策树回溯归纳与期权定价公式块二分阶段决策，后面的选择要不要现在算放弃/扩张期权的价值5蒙特卡洛分布参数与收敛公式块二分布选三角还是正态，跑多少次才够模拟的设定与收敛判据6分位数与尾部风险解读公式块二均值看起来安全，为什么还会亏P5/P50/P95与损失概率7期望值到资源配置的决策规则公式块二期望值算出来了，资源按期望配吗触发器与预案绑定8平均值的谬误识别公式块二每个变量取均值，结果为什么不对非线性模型的均值陷阱9概率预算的绩效归因公式块二实际结果出来了，怎么判断是情景对了还是执行好了三效应分解10情景与概率参数口径表三每个假设的取数来源和校准责任输入层锁定11审计检查清单（16项）四模型做完了怎么判断能不能上会逐项判定12概率预算排查表（9行）五概率分布看起来合理，决策却不敢用症状定位13反例对照（4组）六常见写法哪里错了纠正14完整成品示例（消费品公司，全表填数）七想看一遍从联合概率到资源分配走通的每一个数直接对照复制15三套场景操作序列八不同深度怎么跑版本适配16差异化增补汇总表附录—对照同类资料结构导览表板块定位一、递进总表查三种方法各自解决什么、不解决什么二、公式块按公式算权重校准、联合概率、决策树、蒙特卡洛、分位数、资源配置、均值谬误、绩效归因三、参数口径对情景定义、概率来源和校准责任的锁定四、审计清单勾16项判定标准五、排查表按“分布合理但不敢用”的症状定位六、反例对照纠正错误写法七、成品示例按数走一遍消费品公司的情景构建与资源分配八、场景序列选版本执行一、情景预算和概率预算不是两种并列的方法，而是一条递进链上的两级情景预算回答的问题是“如果发生不同的情况，结果会怎样”。它构建基准、乐观、悲观等少数几个离散情景，分别测算每个情景下的财务结果，让管理者看到结果的分布范围。情景预算的产出是一张情景对比表，它的价值在于暴露“单点预算一旦偏离就没有退路”的脆弱性，但它不回答“哪个情景更可能发生、资源应该按哪个情景配置”。概率调整预算（概率预算）在情景之上增加了一维：给每个情景或每个变量的取值赋予概率，通过加权平均计算期望值，或者通过模拟得到完整的概率分布。概率预算的产出不是一个数，而是一个分布——均值、标准差、分位数、损失概率。它的核心操作是“把不确定性显性化并量化”，而不是“消除不确定性”。中国管理会计语境中的概率预算被定义为：对预算期内不确定的各预算构成变量，估计其可能变动的范围及出现在各个范围的概率，再通过加权平均计算期望值的一种编制方法。ForvisMazars的表述更直接：至少发展出最好、最差和基准三个情景，给每个情景赋予发生概率，期望值是各情景计划值按概率加权的和；决策树是期望值形成的另一种形式，在生物科技创业公司的药物上市决策中，研发进程的各个情景和“继续或终止”的决策选项可以用决策树表达，加权后的值构成项目的期望值。这条递进链的第三级是模拟。当不确定变量超过三四个、且变量之间存在相关性和非线性传导时，手工枚举情景组合的工作量迅速失控。蒙特卡洛模拟让每个不确定输入按照指定的概率分布随机取值，重复计算模型数千次，输出的是结果的完整分布，而不是几个离散点。三种方法的递进关系是：情景预算提供“离散的可能性”，概率预算在离散情景上增加“权重和期望值”，蒙特卡洛在连续分布上增加“尾部信息和相关性处理”。表1单点预算—情景预算—概率预算—蒙特卡洛的递进关系层次输入输出能回答的问题不能回答的问题适用条件单点预算每个变量一个值一个财务结果按计划执行会怎样偏离计划会怎样不确定性低、变量少情景预算每个情景一组变量值3—5个离散结果不同情景下结果差多少哪个情景更可能关键变量可识别，情景可定义概率预算情景值+概率权重期望值、离散度加权平均结果和波动范围尾部的极端损失概率可估计，变量间相关性可处理蒙特卡洛每个变量的概率分布完整的结果分布损失概率、P5/P95、尾部风险分布假设本身的正确性变量较多、存在相关性、需要尾部信息表1中“概率预算不能回答的问题”一行是关键约束。概率预算的期望值把上行和下行压缩成一个加权平均数，它告诉管理者“平均来看结果是多少”，但不告诉“最坏的情况下现金能不能撑住”。McKinsey的观察指出了这个盲区：许多公司更倾向于为真正的左尾事件（正态分布下发生概率低于5%的结果）做计划，却忽略了概率高得多的“不那么糟糕的熊市情景”；三分之一或四分之一概率的事件并不罕见，管理层不应该在它发生时措手不及。概率预算的期望值和蒙特卡洛的分位数必须配合使用，前者用于资源的中枢配置，后者用于确定安全边际和应急预案的触发线。二、核心公式块2.1情景权重的五级刻度情景权重的估计是概率预算中最容易被“拍脑袋”的环节。直接让人报一个百分比，得到的数字往往集中在30%/40%/30%或25%/50%/25%附近，与情景的实际可能性无关。可操作的做法是用五级刻度把模糊的“可能”锚定到可校准的区间上，再让概率估计者对刻度做出选择，而不是直接报数。式(1)w式中，Ls为情景s在五级刻度上的等级，Sc该公式特有的常见错误。把“基准情景”的权重默认设得最高。基准情景是“最可能发生”的情景，它的权重理应高于单个极端情景，但不必然高于乐观和悲观情景的合计。消费品公司的案例中，基准增长5%、乐观增长10%、悲观下降2%，管理层按基准配置资源，同时为悲观情景预留10%的应急资金，把乐观情景的产能外包作为备选。基准权重可能是50%，但悲观情景的权重如果被系统性地压到20%以下，应急预案的资金就会被低估。校验方法。取同一组情景，让两位估计者独立在五级刻度上选级；两人的等级差异超过一级时，组织一次联合校准会，用历史同类情景的实际实现频率作为锚点。再用“悲观情景权重×悲观情景损失”与“应急资金”比对，应急资金不应低于该乘积的某个倍数。2.2联合概率与期望利润当销量、单价、单位变动成本等多个变量同时不确定，且变量之间可能存在相关关系时，利润的期望值不能由各变量期望值的简单组合推出，需要用联合概率。式(2)E式(3)P式中，πijk为销量取第i档、单价取第j档、单位变动成本取第k档时的利润，Pijk为联合概率。如果变量之间独立，联合概率等于各自概率的乘积；如果存在相关关系（例如销量下降时单价往往也承压），条件概率经典的概率预算示例展示了这一计算：销售量500吨/550吨/600吨的概率分别为0.2/0.5/0.3，单位变动成本1.0万元/吨时对应概率0.3/0.5/0.2，利润期望值通过对9个联合情景（销量×单位变动成本）的概率加权得到，最终期望利润为123.11万元。这个示例中销量和成本被视为独立，联合概率等于边际概率之积；如果两者相关，联合概率表需要按条件概率重新填充。式(2)特有的常见错误。用“销量期望值×单价期望值−成本期望值”直接计算期望利润。这个做法只在利润对每个变量都是线性、且变量之间完全独立时成立。一旦存在固定成本、阶梯成本或变量相关，期望利润不等于各变量期望值代入利润函数的结果。销量期望值555吨、单位变动成本期望值0.598万元、固定成本100万元，代入线性利润函数得到的123.11万元恰好等于联合概率加权结果，这是因为示例中的利润函数是线性的；换成非线性结构，两条路径就会分叉。校验方法。用联合概率加权和“各变量期望值代入利润函数”两条路径分别计算期望利润；两者相等，说明利润函数对变量线性且变量独立；不相等时，差额来自非线性或相关性，联合概率路径才是正确的。2.3决策树的回溯归纳与期权定价当决策是分阶段做出的，且后一阶段的决策取决于前一阶段的结果时，期望值的计算不能用一张联合概率表，需要用决策树从末端向前回溯。式(4)V式中，Vn为节点n的价值，An为该节点可选的行动集合，Payoff(a)为采取行动a的即期支付，P(s∣a)为行动决策树在概率预算中的独特价值，是它把“放弃”和“扩张”作为显式的决策选项放进了模型。传统的联合概率表假设项目一旦启动就会走完全程，决策树允许在前一阶段结果不利时终止，终止的代价（沉没成本、违约金）进入当前节点的支付，后续的负现金流被截断。生物科技创业公司的药物开发是决策树的典型场景：临床研究的各个阶段是机会节点，每个阶段之后有“继续”或“终止”的决策节点，各情景的概率和现金流加权后形成项目的期望价值。式(4)特有的常见错误。用“全周期期望值”替代决策树。全周期期望值隐含假设项目无论中间结果如何都会走完全程，忽略了“结果不利时可以选择终止”这一管理灵活性的价值。决策树计算出的价值通常高于全周期期望值，差额就是放弃期权的价值；如果模型显示两者相等，检查决策节点是否被错误地设成了“无条件继续”。校验方法。在决策树的每一个机会节点，检查后续分支的概率之和是否为1；在每一个决策节点，检查所选的行动是否确实是使“即期支付+后续期望价值”最大的那一个。再用“决策树价值−全周期期望值”计算期权价值，该值不应为负。2.4蒙特卡洛的分布参数与收敛判据蒙特卡洛模拟的输出质量取决于两件事：每个不确定输入的概率分布是否合理，以及模拟次数是否足以让结果收敛。式(5)M式中，MeanN为N次模拟的均值，SEN为均值的标准误，σ为单次模拟结果的标准差。收敛的实用判据是S分布形式的选择遵循三条规则：有明确上下界、且最可能值在中间的变量（例如单位售价、良品率），用三角分布或正态分布；只有上下界、没有明确中心倾向的变量（例如某些政策参数），用均匀分布；有历史数据可以拟合的变量（例如销量增长率），用历史数据拟合的经验分布或对数正态分布。三角分布需要三个参数（最小值、最可能值、最大值），正态分布需要两个参数（均值和标准差），均匀分布需要两个参数（上下界）。式(5)特有的常见错误。跑了几百次就下结论。几百次模拟的均值标准误可能大到使P5和P95的估计失去意义，尤其是当结果分布有厚尾时。另一个错误是在Excel中用RAND()生成随机数后，没有把结果“复制为值”就做汇总；RAND()在每次表格重算时都会重新生成，汇总统计量会在查看时不断变化。校验方法。用“均值标准误÷均值”检查收敛；该比值高于1%时，增加模拟次数到5,000或10,000次。再把模拟结果复制为值，用描述统计（均值、标准差、P5、P50、P95、损失概率）与手工估算的极端情景做交叉验证。2.5分位数与尾部风险解读蒙特卡洛的输出不是一个数，而是一个分布。从分布中需要读取四个量：中枢（P50或均值）、离散度（标准差或P25—P75）、下行尾部（P5或P10）、损失概率。式(6)P式(7)P式中，X为模拟输出的财务结果（利润、现金流、NPV），N为模拟次数。P5的含义是“有5%的模拟结果低于这个值”，它不是“最坏情况”，最坏情况是模拟中的最小值，P5是尾部的一个代表性分位。分位数的解读必须与决策场景绑定。用于资源的中枢配置，看P50；用于确定安全边际和现金储备，看P5；用于判断一项投资在多大程度上可能摧毁价值，看P(L式(6)特有的常见错误。用均值替代P50。当分布偏斜时，均值不等于中位数；利润分布通常右偏（上行空间大、下行有界），均值高于P50。用均值做“典型情景”的代理，会高估典型结果。另一个错误是只报P5不报P95，或者只报“最坏情况”不报损失概率；单一的尾部数字无法传达分布的形状。校验方法。同时报告均值、P50、P5、P95和损失概率五项；五项齐全时，分布的基本形状可以被判断。再用“均值−P50”的符号检查偏斜方向；差值为正说明右偏，为负说明左偏。2.6从期望值到资源配置的决策规则期望值本身不是资源配置方案。把期望值当作预算数，等于把一个加权平均数当成了实际要执行的计划。概率预算下的资源配置需要三个组件：基准配置、触发器、预案。式(8)A式中，BaseAlloc消费品公司的实践给出了一个可复用的结构：管理层按基准情景配置资源，同时为悲观情景预留10%的应急资金，把乐观情景的产能外包方案作为备选。这个结构的关键不在于10%这个数字，而在于“应急资金”和“备选方案”分别绑定了触发条件——悲观情景的先行指标出现时释放应急资金，乐观情景的订单增速越过阈值时启动外包。式(8)特有的常见错误。按期望值配置资源，不留应急预案。期望值是上行和下行加权后的中枢，如果实际结果落在P5附近，按期望值配置的资源会出现缺口或冗余。另一个错误是设了应急预案但没有触发器：预案写在纸上，没有人负责监控先行指标，情景开始实现时没有人在第一时间启动预案。PKF的框架把这一点列为情景规划的第三步：定义响应，而不只是数字；触发器是具体的、可观察的事件或指标，例如暂停招聘、动用授信额度；每个情景有一个负责人监控并启动响应。校验方法。对每一个应急预案，检查三件事：触发条件是否具体可观察、负责人是否明确、启动后资源是否能在承诺的时间内到位。三件事缺一件，该预案在概率预算中不计入“已配置”。2.7平均值的谬误概率预算中最隐蔽的错误，是把每个不确定变量的均值代入模型，然后假设输出的均值就是期望值。当模型对某个变量是非线性的，这个假设不成立。式(9)E式中，f为财务模型，X为不确定变量。销量下降10%和上升10%对利润的影响通常不对称：下降10%时，固定成本无法同比例收缩，利润的降幅大于上升10%时的增幅。用销量的均值（假设为0增长）代入模型，得到的利润不等于利润的期望值；期望值低于“均值销量对应的利润”，因为下行的影响大于上行。MonteCarlo的教材把这一点称为“平均值的谬误”：用单一均值输入得到的结果，可能系统性地偏离真实的期望结果，偏差的方向取决于非线性函数是凸的还是凹的。式(9)特有的常见错误。在已经知道非线性存在的情况下，仍然用“基准情景的利润”作为期望利润的代理。基准情景是一个具体的变量组合，不是期望值；期望值需要对分布积分，不是对一个点求值。校验方法。用“均值输入对应的输出”和“模拟输出的均值”比对；两者差异超过5%时，非线性传导不可忽略，均值代理失效。再用分布的两个对称点（例如销量+10%和−10%）检查输出的对称性；不对称时，均值谬误必然存在。2.8概率预算的绩效归因概率预算下的实际结果与预算的差异，不能简单地归因为“执行好坏”。差异中有一部分来自“实际发生的情景与预算假设不同”，有一部分来自“在给定情景下的执行偏差”，还有一部分来自两者的交互。式(10)Δ式中，Ractual为实际结果，E[R]如果进一步拆分，执行效应还可以按驱动因素分解为量差、价差和成本差，情景实现效应可以按各情景的权重变化分解。但两效应分解是归因的最低要求：不区分“情景变了”和“执行偏了”，绩效评价会把运气和执行混为一谈。式(10)特有的常见错误。用“实际−基准情景”作为总差异，不经过期望值。基准情景是权重最高的单个情景，不是期望值；实际结果与基准情景的差异中混入了“基准情景本身没有实现”这一部分，无法与执行偏差分离。另一个错误是在情景归属上事后挑选：实际结果落在两个情景之间时，选择一个使“执行效应”看起来更好的情景作为Rs校验方法。在预算定稿时预先锁定各情景的定义和触发条件，实际结果出来后，按预设规则判定s*，不做事后调整。再用“情景实现效应+执行效应”与总差异比对，差额应为零。三、情景与概率参数口径表2情景与概率参数口径表参数定义取数来源校准责任常见取数错误情景数量基准/乐观/悲观，或加入左尾管理层与FP&A共同确定FP&A负责人情景过多导致权重分散情景定义每个情景下的关键变量取值历史数据、行业基准、专家判断业务负责人情景边界模糊，实际无法判定归属情景权重五级刻度映射后的概率专家校准+历史频率锚定FP&A负责人统一校准各业务单元自行设权重，口径不一分布形式三角/正态/均匀/经验分布数据可得性与变量性质FP&A与业务共同有历史数据的变量用了主观分布分布参数最小值/最可能值/最大值或均值/标准差历史数据拟合或专家估计业务负责人参数取预算目标值而非可观测值模拟次数收敛判据下的N均值标准误≤1%FP&A几百次即下结论触发器阈值先行指标的具体数值历史关系与风险偏好业务负责人触发器不可观察或无人监控应急资源比例基准配置之外的增量/减量悲观情景损失×权重管理层按期望值配置，不留应急表2中“情景权重”行的校准责任必须集中。McKinsey指出，如果FP&A部门没有使用明确陈述且对齐的概率值，结果会大幅波动：一个业务单元的同事可能在现金流模型中用了P10，另一个单元的同事用了P90，而两人都没有说明自己用的概率值，这些不一致在多个业务汇总后会严重扭曲结果。权重的校准责任集中到FP&A负责人，是防止P10/P90混用的组织前提。四、审计检查清单以下16项按“情景→概率→模拟→资源配置→归因”的顺序排列。表3情景预算与概率调整预算审计检查清单序号检查项判定标准失败后果操作路径勾选1情景数量受控3—5个，覆盖基准、上行、下行情景过多权重分散清点情景清单☐2情景定义可判定归属每个情景有关键变量的具体取值和边界实际结果无法归入情景逐情景检查定义☐3权重经五级刻度校准非直接拍百分比，有等级映射和归一化权重集中在默认值附近对校准记录☐4权重校准责任集中FP&A负责人统一校准，非各单元自设P10/P90混用对权重审批记录☐5变量相关性已处理相关变量用条件概率或联合分布联合概率被低估或高估检查联合概率表☐6决策树含放弃选项决策节点有“终止”分支期权价值被遗漏检查决策树结构☐7决策树概率完备每个机会节点分支概率和为1期望值计算错误逐节点核对☐8分布形式与变量性质匹配有界变量不用无界分布，有数据的用经验分布模拟输出不合理逐变量检查分布☐9分布参数非预算目标值参数取历史拟合或可观测值模拟被目标污染反算参数来源☐10模拟已收敛均值标准误/均值≤1%分位数估计不可靠重算SE☐11结果已冻结为值RAND()结果复制为值后再汇总统计量随查看变化检查数据表☐12五项统计量齐全均值、P50、P5、P95、损失概率分布形状无法判断对汇总表☐13资源配置含触发器与预案每个预案有触发条件、负责人、资源到位时间情景实现时无响应逐预案检查三要素☐14均值谬误已检查均值输入输出与模拟均值差异≤5%期望值被系统性高估或低估两路径比对☐15情景归属规则预设实际结果按预设规则归入情景事后挑选有利情景对归属规则文档☐16绩效归因两效应分解情景实现效应+执行效应=总差异运气与执行混为一谈重算式(10)☐第3项和第4项是概率预算治理的两处关键校验。第3项检查权重是否从可校准的刻度出发，第4项检查权重是否由单一责任方统一校准。两项都通过，跨业务单元的概率值才具有可比性；只通过第3项、各单元仍自行设权重，P10和P90在汇总时依然会混用。五、概率预算排查表概率分布看起来合理，但决策者仍然不敢用，或用了之后发现与直觉相悖时，按症状进入对应行。表4情景预算与概率调整预算排查表症状第一检查位置第二检查位置常见根因修复动作期望值看起来合理，但不敢按它配资源资源配置规则应急预案只算了期望值，没有触发器和预案补基准配置+触发器+预案模拟的均值远高于基准情景利润均值谬误分布参数用均值输入替代了分布模拟，或分布参数取了目标值用模拟输出均值，检查参数来源P5损失很大，但管理层认为“不可能”分布形式尾部参数用了无界分布或尾部参数过窄换用厚尾分布或经验分布，重估P5各业务单元的概率权重汇总后不归一校准责任权重审批各单元自行设权重，口径不一集中到FP&A统一校准实际结果与基准情景差异大，无法归因情景归属规则期望值口径用实际减基准，未经过期望值按式(10)做两效应分解决策树价值与全周期期望值相等决策节点放弃选项决策节点被设为“无条件继续”恢复终止分支蒙特卡洛结果每次查看都在变结果冻结RAND()未复制为值复制→粘贴为值后汇总联合概率表与各变量期望值代入的结果差异大变量相关性利润函数非线性存在相关性或非线性，用了独立假设用条件概率或模拟重算触发器从未被启动，但情景已经实现触发器阈值监控责任触发器不可观察或无人负责重设可观察阈值，指定负责人“期望值看起来合理，但不敢按它配资源”是概率预算落地时最常见的卡点。这不是模型错误，而是资源配置规则缺失。期望值本身不包含“如果实际落在P5怎么办”的信息；没有应急预案，决策者只能凭直觉在期望值上打折，概率预算的量化优势在最后一步丢失。六、反例对照表5情景预算与概率预算常见写法对照场景错误写法问题正确写法情景权重直接拍30%/40%/30%权重与情景实际可能性脱钩五级刻度映射+归一化+集中校准期望利润销量期望×单价期望−成本期望非线性或相关时失效联合概率加权或模拟蒙特卡洛用均值输入跑一次当作“期望”平均值的谬误分布模拟+收敛判据+五项统计量资源配置按期望值配置，不留预案P5情景下资源缺口基准配置+触发器+应急资源同类资料普遍给出“期望值=各情景值×概率之和”的公式和三情景的框架，本文档补充了情景权重的五级刻度校准和集中校准责任——直接让人报百分比得到的权重集中在默认值附近，且各业务单元自行设权重会导致P10和P90在汇总时混用，这两处是概率预算在组织中失效的常见起点。同类资料普遍将蒙特卡洛描述为“给变量加分布、跑很多次”，本文档补充了收敛判据（均值标准误/均值≤1%）、结果冻结规则和五项统计量的强制报告，以及“平均值的谬误”的识别公式——均值输入对应的输出不等于输出的期望值，非线性越强，偏差越大。同类资料普遍将概率预算的产出停留在“期望值”上，本文档补充了期望值到资源配置的决策规则（基准配置+触发器+预案）和概率预算特有的两效应绩效归因——不区分情景实现效应和执行效应，绩效评价会把运气和执行混为一谈。七、完整成品示例：消费品公司的情景构建、联合概率与资源分配示例案例，细节为合理设定。某消费品公司下年度预算面临销量和单位变动成本两个不确定变量。销量三档：4,800吨（概率0.25）、5,200吨（概率0.50）、5,600吨（概率0.25）。单位变动成本三档：0.95万元/吨（概率0.30）、1.00万元/吨（概率0.50）、1.08万元/吨（概率0.20）。单价假设1.25万元/吨不变，固定成本600万元。销量与单位变动成本假设独立，联合概率为边际概率之积。联合概率与期望利润。九种组合的联合概率从0.25×0.30=0.075到0.25×0.20=0.05不等。以销量5,200吨、单位成本1.00万元/吨为例，利润=5,200×(1.25−1.00)−600=5,200×0.25−600=700万元。九种组合的利润和联合概率加权后，期望利润约682万元。用“销量期望值5,200吨×（单价1.25−单位成本期望值0.999）−固定成本600”计算，利润约705万元；两者相差约23万元，差额来自单位变动成本与销量的交互和固定成本的杠杆效应。联合概率路径的682万元是期望值，705万元是“均值输入”的结果，后者高估了约3.4%——这就是平均值的谬误在示例中的体现。情景构建与权重。把九种组合收敛为三个情景：基准（销量5,200吨、成本1.00万元/吨，权重0.50）、乐观（销量5,600吨、成本0.95万元/吨，权重0.20）、悲观（销量4,800吨、成本1.08万元/吨，权重0.30）。基准利润700万元，乐观利润1,080万元，悲观利润−216万元（4,800×0.17−600=216万元亏损）。期望利润=0.50×700+0.20×1,080+0.30×(−216)=350+216−64.8=501.2万元。这个三情景期望值低于九组合的682万元，因为三情景的悲观组合比九组合中的部分中间组合更极端，且权重分配不同；三情景是一个简化，它的期望值依赖于情景定义和权重，不是“真实”期望值的唯一答案。资源配置。按基准情景配置资源：销量5,200吨对应的生产计划、采购量和人员编制。悲观情景的损失为216万元，权重0.30，应急资金按“悲观损失×权重×安全系数1.5”设定，约97万元。乐观情景的增量产能通过外包覆盖，外包触发条件是季度订单增速连续两个月超过8%。触发器负责人为销售运营经理，应急资金释放的审批人为CFO。蒙特卡洛（补充视角）。假设销量服从三角分布（4,800，5,200，5,600），单位变动成本服从三角分布（0.95，1.00，1.08），跑10,000次模拟。输出均值约675万元，P50约680万元，P5约210万元，P95约1,050万元，损失概率约2%。P5的210万元远低于基准的700万元，说明基准情景的“安全”是脆弱的；损失概率2%不高，但一旦实现，损失的量级需要应急资金覆盖。表6成品示例关键变量与处置变化变量示例情形如果变量不同处置变化悲观情景权重0.30升至0.45期望利润降至约470万元，应急资金升至约146万元销量—成本相关性假设独立销量下降时成本上升（负相关）联合概率表需用条件概率，悲观组合概率上升，期望利润下降应急安全系数1.5升至2.0应急资金从97万元升至130万元，基准配置需相应压缩蒙特卡洛分布三角分布改用厚尾分布P5进一步下移，损失概率上升，应急资金需重估该示例中权重较高的变量是悲观情景权重和销量—成本相关性。悲观权重从0.30升至0.45，期望利润的降幅超过30万元，应急资金需求上升约50%；销量与成本如果存在负相关（销量下滑时单位成本因固定成本摊薄减少而上升），联合概率表中“低销量—高成本”组合的概率被系统性低估，期望利润被高估。这两处是概率预算在实操中最容易被“假设独立、权重拍脑袋”掩盖的风险来源。八、三套场景操作序