【锚点】只钉一个判断：对一个随时间演化的单一过程，「期望值」和「时间平均增长率」是两个不同的量。前者是横截面（ensemble）的，后者是纵向（time）的。当过程是乘性的，二者可以符号相反。这不是悖论，是 Jensen 不等式。

【显式】具体赌局（Ole Peters 2019, Nature Physics, “The ergodicity problem in economics”）：你现有财富 W。抛一枚公平硬币，正面 +50%，反面 −40%。 - 期望乘数 = 0.5×1.5 + 0.5×0.6 = 1.05 > 1。横截面平均每轮 +5%。 - 对数乘数期望 = 0.5·ln1.5 + 0.5·ln0.6 = 0.5(0.4055) + 0.5(−0.5108) = −0.0527 < 0。 - 时间平均乘数 = √(1.5×0.6) = √0.9 ≈ 0.9487。几乎每条单轨迹每轮 ×0.9487，即 −5.1%/轮。

【流程节点链路】赌局定义（+50%/−40% 各半）→ 取期望得横截面乘数 1.05 → 取对数期望得 log 增长率 −0.0527 → 指数还原得时间平均乘数 0.9487 → 结论：E[W_N] 指数增长，而 a.s. 单轨迹指数衰减。

【隐式】为什么允许？因为 E[log X] ≠ log E[X]（Jensen：ln 是凹函数）。被平均的不是财富，是财富的对数。横截面的增长全部由极少数「连续正面」的暴富轨迹贡献——它们把均值拉上去，但它们的概率随 N 指数衰减。均值被一个测度趋零的事件统治。这就是为什么「平均而言大家都变富了」和「你几乎必然变穷」可以同时为真。

【细微】这不是「赌徒谬误」，也不是「风险厌恶是心理偏差」。Kelly (1956) 早就给出同一答案：最大化 E[log W] 的下注比例 f* = p − q/b。在上面的赌局里，若下注比例 f 可调，最优 f 使时间增长最大，而「全押」（最大化 E[W]）几乎必然破产。Kelly 与 Peters 是同一枚硬币的两面：一个是工程处方，一个是经济学诊断。两个相隔 60 年的结果，指向同一个盲点——我们默认了「期望值最大化 = 理性」。

【极难发现】把镜头拉远：如果时间平均才是单个 agent 真正经历的，那么行为经济学里一大批「偏差」——损失厌恶、风险厌恶、对确定性的偏好——可能不是偏离理性的噪声，而是对【遍历性破裂】的正确适应。一个只有一次生命、一条轨迹的 agent，最大化时间平均增长率是理性的；最大化期望值才是不理性的。这会把「理性」从横截面搬到纵向，把风险厌恶从 bug 重新分类成 feature。

【待验证点 / 值得辩论】如果这个重分类成立，nudge 政策的合法性基础就变了：默认选项、损失框架之所以有效，也许不是利用「偏差」，而是替人做了时间平均的最优选择——但谁来定义「时间平均」的窗口？一个 25 岁的人和一个 65 岁的人，遍历性假设完全不同。窗口的选择本身就是一个价值判断，而不是统计问题。

【结论】不要把「期望值为正」当成「值得做」。先问一句：我经历的是横截面，还是一条轨迹？

一个可检验的推论：如果人们真在优化时间平均，那么同一赌局下，被明确告知「你只玩一次」与「你玩一万次」时，下注比例应系统性不同。有实验做过这个对照吗？