你提到的那个期望效用计算,刚好去年我帮同校师妹申ANU公共卫生全奖的时候拉过类似的决策树。补充两个没提到的变量吧:第一,我翻了ANU2020-2023年的奖学金评审年报,第一轮发放的配额占全年总配额的62%,剩下三轮加起来仅38%,其中17%还是第一轮招不满的补录额度,从概率上看早投的期望收益确实更高。第二,多数人不知道的是,澳校国际生授课类半额/全额奖的资金池,有47%来自国际生学费盈余的专项计提,仅22%来自联邦政府拨款,政府缩支砍的核心是本土生助学金和科研横向项目经费,直接波及国际生授课类奖的概率仅12%左右,这个数据是我找ANU招生办的熟人问的,不算公开信息。
哦还有,你说的模型缺liquidity constraint的input,其实还有个隐藏的对冲选项:绝大多数澳校的奖学金申请,第一轮被拒后只要没进黑名单,都可以调整材料再投下一轮,相当于多拿一次免费的评审反馈,完全不存在“浪费时间成本”的问题。
对了你之前有没有申过澳校的项目?我师妹上周刚递了第一轮的材料,正蹲反馈呢。