우리는 흡수되는 재앙적 상태 (absorbing catastrophic state)가 있는 마르코프 결정 과정 (Markov decision processes, MDPs)에서의 위험 중립 제어 (risk-neutral control)를 연구합니다. 보상이 선형적이고 에이전트가 효용 곡률 (utility curvature), 확률 가중 (probability weighting), 또는 프레이밍 의존성 (framing dependence)을 갖지 않음에도 불구하고, 표준 Bellman 최적성 (Bellman optimality)은 세 가지 전망 이론 (prospect-theory) 유사 특징을 생성합니다: S자형 가치 함수 (value-function) 프로필 (재앙 근처에서는 볼록하고, 원거리에서는 오목함), 내생적 손실 민감도 계수 $\lambda^(S) > 1$, 그리고 반사 효과 (reflection-effect) 정책 역전입니다. 495개의 구성에 걸쳐, 최적 정책은 양의 드리프트 (positive-drift, 성장) 체제에서는 위험한 행동의 즉각적인 기대값이 더 높음에도 불구하고 재앙 근처에서 안전하게 행동하며, 음의 드리프트 (negative-drift, 하락) 체제에서는 안전한 행동의 즉각적인 기대 손실이 더 낮음에도 불구하고 재앙 근처에서 위험하게 행동합니다. 우리는 승리 확률 $p$, 보상 비대칭성 $r = |\Delta_\ell/\Delta_w|$, 그리고 할인 계수 $\beta$에만 의존하며 수치적 해와 $R^2 = 0.999$로 일치하는 점근적 손실 회피 고원 (asymptotic loss-aversion plateau) $\bar{\lambda}$에 대한 폐쇄형 표현식 (closed-form expression)을 도출합니다. 이 메커니즘은 비대칭적 보상을 필요로 하지 않습니다. 세 가지 비대칭 수준에서 $(p, \beta)$를 전수 조사한 결과, 1을 초과하는 $\bar{\lambda}$의 비대칭 기여도는 $r = 1.25$에서 중앙값 4.6%였으며, $r = 2$에서는 13.9%로 상승했습니다. 이때 경계 기여도 (boundary contribution)는 테스트된 모든 셀에서 비대칭 기여도를 초과했습니다. 이러한 현상은 Tabular Q-learning (모델 프리 에이전트가 성장 체제에서 상관관계 0.98, 하락 체제에서 1.00로 $V^$를 재현함) 및 가우시안 (Gaussian), 두꺼운 꼬리를 가진 Student-$t_3$, 그리고 단계 크기의 최대 50%에 달하는 비대칭 왜도 정규 (asymmetric skew-normal) 노이즈를 가진 확률적 전이 (stochastic transitions) 하에서도 지속됩니다. 여기서 점근적 고원은 안전 채널 노이즈의 경우 0.41% 이내, 위험 채널 또는 양쪽 채널 노이즈의 경우 9.6% 이내로 폐쇄형 예측을 추적합니다. 이러한 결과는 흡수되는 실패 상태 (absorbing failure states)가 최적 제어 하에서 전망 이론과 유사한 행동을 유발하는 충분한 구조적 메커니즘임을 식별합니다.