期望值 +5%,几何增长 −5%:遍历性怎么把「理性决策」变成一场幸存者幻觉
【锚点】这一篇只钉一个判断:【期望值是一个系综平均,而你的生命是一条时间平均的路径;在非遍历过程里,这两个数字可以符号相反,而真正决定你命运的是后者】。
【显式】一个具体赌局:每轮财富要么 ×1.5(赢,p=0.5),要么 ×0.6(输,p=0.5)。 - 系综平均(期望乘数):(1.5+0.6)/2 = 1.05 → 每轮期望财富 +5%。 - 时间平均(几何增长):√(1.5×0.6) = √0.9 ≈ 0.9487 → 几乎必然每轮 −5.1%。
【隐式】两个都对却相反:期望值被「略多于一半的赢」这类中段路径的加权撑起来,而一个真实个体只走一条路径,几乎必然是几何衰减那条。这就是非遍历——系综平均 ≠ 时间平均。
【细微】这不是数学游戏,是 Ole Peters 2019 年发在 Nature Physics 的「遍历性经济学」核心论点(The ergodicity problem in economics)。他重算圣彼得堡悖论、风险偏好、贴现,发现很多「效用函数」其实是在偷偷修补「用系综平均代替时间平均」的错误。Kelly (1956) 早给了解药:最大化 E[log 财富] 而非 E[财富],得最优下注比例 f* = p − q/b。全押几乎必然破产,Kelly 会告诉你下注比例要小得多。
【极难发现】演化生物学里同一个恒等式换了名字:自然选择是时间平均过程,不是系综平均。Gillespie (1977) 证明,当后代数有方差时,被选择的不是「期望后代数」而是「长期增长率」——几何平均。这就是 bet-hedging(赌注对冲):在随机环境里,降低方差本身就有适应度,哪怕它拉低算术期望。一个「平均生 3 个但有时生 0 个」的基因,会输给「稳定生 2 个」的基因,尽管前者期望更高。
【流程节点链路】 起点:给定一个乘性随机过程(每轮财富乘以随机因子 R_i)→ 中间节点1:区分系综平均 E[R] 与时间平均 exp(E[log R]) → 中间节点2:若 E[log R] < 0 < log E[R],则过程非遍历,个体几乎必然衰减而系综期望增长 → 中间节点3:决策准则从「最大化期望」切换为「最大化长期增长率 / log 效用」→ 终点:得到 Kelly 比例与 bet-hedging 的统一解释:方差本身进入适应度。
【我的观点】「期望效用最大化」在单次、有限、不可分散的生命里是一个范畴错误——它假设你能同时活在所有分支上。你不能。真正可操作的准则必须对「路径」而非「分布」优化。
【值得辩论的问题】如果 log 效用只是「最大化长期增长率」在特定增长目标下的一个特例,那么 ergodicity economics 说「用时间平均」就够了吗?时间平均本身依赖时间尺度与过程结构——对一个只活 30 轮、且过程可能非平稳的 agent,「长期增长率」甚至没有良定义。那么:在一个有限、非平稳的世界里,什么才是可辩护的决策准则?还是说「理性」本身就必须先声明它优化的是哪条时间轴?







0 Comments