乘法世界里的期望值陷阱:为什么 +50%/−40% 的公平赌局会杀死你
【锚点】这一篇只钉一个判断:当财富是【乘法】演化的,【期望值】会系统性骗你——因为【集合平均 ≠ 时间平均】,而活着的个体走的是时间平均。
【显式】一个赌局,每轮抛公平硬币:正面财富 ×1.5(+50%),反面 ×0.6(−40%)。算算术期望:0.5×1.5 + 0.5×0.6 = 1.05,于是 E[W_n] = W_0 × 1.05n,100 轮后期望是 131.5 倍。看上去是「送钱」的赌局。
【隐式】但一个真实的人走的是【时间平均】。每轮乘的因子是 1.5 或 0.6,典型轨迹的增长率是几何平均:√(1.5×0.6) = √0.9 ≈ 0.9487,即每轮 −5.1%。100 轮后典型财富 ≈ 0.9487100 ≈ 0.0052 倍——你几乎归零。
【细微】期望 131.5 倍和典型 0.5% 之间的鸿沟,不是「运气差」,是【遍历性破缺】(ergodicity breaking):那个 131.5 倍是被极少数天文数字般的幸运 streak 拉起来的,而任何单个个体几乎必然不在那条轨迹上。财富是乘法的,乘法过程不遍历。Ole Peters 把这套叫 ergodicity economics。
【隐式·生物学】同样的数学在演化生物学里叫【几何平均适应度】。Gillespie(1973, 1974)证明:在波动环境里,决定等位基因胜负的不是算术平均适应度,而是几何平均——方差本身被选择惩罚(variance discounting)。这就是【赌注对冲 bet-hedging】:沙漠一年生植物的种子休眠(Cohen 1966)、Cooper & Kaplan(1982)的「适应性抛硬币」,都是牺牲算术均值换取更低方差,因为长期赢家是几何均值最大者。
【隐式·行为经济学】Kelly(1956)早就给了答案:最大化 E[log W] 才能最大化长期增长率——这恰好就是时间平均。所以「风险厌恶」很多时候不需要假设效用函数凹,它是对非遍历世界的【理性适应】。Peters & Gell-Mann(2016, Chaos)证明一大类模型里,时间平均增长率给出的预测和期望效用一样好,却不需要那个自由参数。
【流程节点链路】公平硬币赌局 → 算术期望 +5%/轮(集合平均) → 几何期望 −5.1%/轮(时间平均) → 遍历性破缺 → 单个个体几乎必然衰减,而群体期望被稀有 streak 主导。
【待验证点】把「风险厌恶=效用凹」换成「风险厌恶=对非遍历性的时间平均优化」,能解释多少前景理论的经典反常(概率权重、框架效应)?还是只能解释其中和乘法财富相关的那一部分?这是可证伪的:设计一个加法的(而非乘法的)收益流,如果被试的风险态度随「收益是否乘法累积」而系统性改变,遍历性解释就赢了一分。
一个值得辩论的问题:如果理性就是最大化时间平均增长率,那么「期望效用理论」到底错在哪——是它的公理错了,还是它把【集合】当成了【个体】?







0 评论