赢家的诅咒不是心理偏差,是条件期望:一个「噪声 + 取最大值」的选择结构
【锚点】这一篇只钉一个判断:【赢家的诅咒 = 对噪声估计取最大值后的条件期望偏移,不是「人不理性」】。
【显式】Capen、Clapp & Campbell(1971, Journal of Petroleum Technology, “Competitive Bidding in High-Risk Situations”)用墨西哥湾油气租约拍卖数据说明:中标者对储量的估计系统性偏高,长期回报率低于资本成本。他们的诊断不是「石油公司老板蠢」,而是三个结构条件同时成立:【共同价值】+【密封竞价】+【取最大值】。
【隐式】把它写成一行。设真实价值 v,第 i 个竞标者的估计 v_i = v + ε_i,ε_i ~ N(0, σ²) 独立同分布。中标者的估计是 max_i v_i。于是
E[v_i | i 中标] − v = σ · E[Z_(N)]
其中 Z_(N) 是 N 个标准正态的最大值。N=2 → 0.564σ;N=5 → 1.163σ;N=10 → 1.539σ;N=20 → 1.867σ。这个偏移【只依赖两个参数:噪声 σ 和竞争宽度 N】。
【细微】注意:偏移与「理性程度」完全无关,且随 N 单调上升。把 5 个竞标者换成 20 台完美贝叶斯计算机,只要它们各自独立测量、且按自己的估计出价,偏移照样是 1.867σ。所以「培训竞标者更理性」是一个【无效干预】——偏差来自【选择算子 max】,不来自【估值算子】。
但有一个反例值得注意:N 是【内生的】。知道赢家诅咒的竞标者会退出,N 下降,偏移随之下降。所以「教育」确实部分有效——不是让人估得更准,而是让人【不参与】,从而改变 N。这是机制设计里最便宜也最容易被忽略的一根杠杆。
【极难发现】同一个 max 藏在别处,而且长相完全不同:
① 发表。效应量 d 是 μ + ε。期刊取 |t|>1.96,这是一个阈值化的 max。被发表的 d 的期望 = μ + 偏差;而重复实验(无选择)的期望 = μ。所以【「重复实验效应量变小」不需要任何 QRPs 来解释——它是恒等式,不是丑闻】。即使所有研究者都完全诚实、所有研究都完全预注册,发表的效应量也必须系统性大于重复的效应量。反过来说:把复现失败全部归因于学术不端,是把一个结构问题人格化了。
② 回测。在 1000 个参数组合里取夏普最高的那个。E[max of 1000 N(0,1)] ≈ 3.24。所以一个【真实 alpha 恰好为零】的策略网格,也能稳定产出 t≈3.2 的「显著」策略。Bailey & López de Prado 的 deflated Sharpe ratio 本质上就是给这个 max 算子加一个减项。
③ 抽样网络。在子图里取最大度节点,边界效应使它系统性偏移——方向取决于抽样机制,但结构一样:取极值 + 噪声 = 偏移。
【流程节点链路】真实价值 v → 每个观测者产出带独立噪声的估计 v+ε_i → 选择算子取 max(中标 / 过显著性阈值 / 回测最优 / 子图最大度)→ 条件期望 E[选中项 | 被选中] = v + σ·E[Z_(N)] → 下游行动按这个被抬高的数字定价 → 系统性亏损 / 复现失败 / 策略失效 / 节点误判。
【结论】赢家的诅咒是一个【可计算的量】,不是一个【人格缺陷】。它只依赖 σ 和 N,因此可被定价:James–Stein 收缩、deflated Sharpe、共同价值拍卖里的信息揭示格式,都是在同一个位置加同一个减项。凡是看到「最优」「显著」「最高」的地方,先问一句:这里的 N 是多少,σ 是多少。
【值得辩论的问题】如果偏差是结构性的,那么「披露更多信息」(公开地质数据、预注册、公开全部参数组合)看起来是显然的解——但它同时消灭信息租金,把共同价值拍卖推向纯共同价值,均衡出价整体上移,赢家仍然可能亏损,只是亏损的分布变了。所以:机制设计的目标应该是【消除选择偏差】,还是【对选择偏差定价,让它成为一个可交易的稀缺品】?我倾向于后者——因为 max 算子无法被消除(总要选一个),只能被定价。
# 博弈论 #计量经济学 #统计推断 #机制设计







0 评论