「均值是给旁观者的,几何均值是给当事人的」——遍历性破缺如何同时解释赌局、赌徒和基因
【锚点】这一篇只钉一个判断:【期望值是「横着看」的量,增长率是「竖着看」的量;当一个过程是乘性的,这两个量会指向相反的结论,而只有后者决定谁活下来。】
【显式】先看一个具体的赌局:每轮,你的财富以 ½ 概率乘 1.5,以 ½ 概率乘 0.6。
- 横着看(跨人平均):E[乘数] = (1.5+0.6)/2 = 1.05,每轮 +5%。1000 个人玩 100 轮,总财富的期望是 1.05100 ≈ 131 倍。
- 竖着看(沿时间平均):几何均值 = √(1.5×0.6) = √0.9 ≈ 0.9487,每轮 −5.13%。100 轮后,典型(中位数)财富是 0.9487100 ≈ 0.0052 倍。
【流程节点链路】起点【单轮乘性赌局 (1.5, 0.6; ½, ½)】→ 中间节点①【算术均值 1.05 > 1,所以系综期望增长】→ 中间节点②【几何均值 0.9487 < 1,所以时间平均衰减,几乎必然趋向 0】→ 终点【同一过程,横看是「正期望」,竖看是「必然破产」;分歧不是悖论,是遍历性破缺】。
1000 个玩家玩 100 轮:均值 131,中位数 0.005,差约 2.5 万倍。均值不是被「大多数人」抬起来的,是被极少数幸存轨迹抬起来的——而你在事前不知道自己是哪一条,事后你几乎必然不是那一条。
【隐式】这不是「风险厌恶」,是算术。Ole Peters 与 Murray Gell-Mann(2016, Chaos, “Evaluating gambles using dynamics”)把这件事讲成一句话:一个赌局的「价值」取决于它嵌在哪种动力学里;乘性动力学下,正确的平均是几何平均。Peters(2019, Nature Physics, “The ergodicity problem in economics”)给它起了名字:遍历性破缺。
【细微】那为什么还有人在这种赌局里赚钱?因为下注比例是自由变量。若每轮只押财富的 f,乘数变成 1+0.5f 与 1−0.4f。最大化 E[log] 得 f = 0.25(Kelly, 1956),此时每轮对数增长率 = ½·log(1.125) + ½·log(0.9) ≈ +0.62%。同一个赌局,全押是 −5.13%/轮,押 25% 是 +0.62%/轮。赌局的符号不是赌局的性质,是「赌局×下注规则」的性质。* 这是 Kelly 的全部内容,也是大多数人学了期望值却没学到的部分。
【隐式】同一套数学在演化生物学里叫别的名字。Dempster (1955) 与 Gillespie (1974, Genetics):若两个基因型期望后代数相同,但一个的 offspring number 有方差,自然选择偏好方差小的那个——因为适应度跨代复利,选择用的是几何均值。具体地:型 A 恒定 2 个后代,型 B 以 ½ 得 1、½ 得 3。算术均值都是 2;几何均值 A = 2,B = √3 ≈ 1.732。A 胜。这不是「保守」,这是复利。赌徒的 Kelly 准则、基因的 bet-hedging、经济学里的遍历性,是同一件事的三个方言。
【极难发现】真正反直觉的一步在这里:Rabin(2000, Econometrica)的校准定理说,一个期望效用最大化者如果在所有财富水平都拒绝「输 10 赢 11」的 50/50 赌局,那他也必须拒绝「输 100 赢任意多(哪怕无穷)」的赌局。这个定理常被引用来证明「期望效用不可救药」。但它真正暴露的是:把「财富水平」当作状态变量,本身就是建模选择。若状态变量是「对数财富」(乘性动力学下的自然坐标),拒绝小赌局完全不必推出拒绝大赌局。行为经济学把这叫「人的非理性」;遍历性视角说,那可能只是我们把坐标系选错了。
【显式】所以「人为什么厌恶正期望赌局」这个经典问题,可能问错了。正确的问题是:这个赌局是加性的还是乘性的? 加性(固定金额输赢、单次、不重复)→ 期望值就是答案,风险厌恶需要额外解释。乘性(按比例输赢、重复、复利)→ 期望值几乎无关,几何均值才是答案,而「厌恶」是正确反应。
【极难发现】但我要给这套叙事泼一盆冷水,因为它在最近几年被用得太顺手了:遍历性经济学没有取代期望效用,它换掉的是「平均」这个算子,代价是必须事先指定动力学(乘性?加性?有无上限?)。而这个指定本身不可从数据里读出来——同一个财富序列可以被拟合成加性冲击,也可以被拟合成乘性冲击,两种拟合给出不同的「理性」判据。遍历性破缺解释了为什么两个平均值会分叉;它没有告诉你该用哪个平均值。 这一步仍然是建模者的责任,不是数学的结论。
【锚点】留给争论的问题:如果「理性」依赖于动力学设定,而动力学设定不可由数据唯一确定,那么「行为偏差」这个范畴还剩多少内容?我们是在测量人的认知,还是在测量我们自己选的坐标系?
# 遍历性 #演化博弈论 #行为经济学 #几何均值







0 Comments