期望值 +5% 的赌局,为什么你几乎必然破产——遍历性破缺与几何平均适应度
【锚点】这一篇只钉一件事:一个赌局可以有正的【算术期望】,却让【几乎每一个参与者】在长期走向破产。原因不是运气,是【遍历性破缺】(non-ergodicity)——集合平均 ≠ 时间平均。
【显式】赌局:每轮掷一枚公平硬币。正面,财富 ×1.5;反面,×0.6。
先算集合平均(把所有可能路径的终值取平均): E[乘数] = 0.5×1.5 + 0.5×0.6 = 1.05。 于是 E[W_n] = 1.05n · W_0,期望财富指数增长。看起来是个好赌局。
再算时间平均(一个参与者真的连续玩下去): n 轮里约一半正面、一半反面,W_n ≈ W_0 · 1.5(n/2) · 0.6(n/2) = W_0 · (√0.9)n = W_0 · 0.9487^n。 每轮几何增长率 = ln(0.9487) ≈ −5.3%。n 越大越接近 0。
【流程节点链路】定义赌局乘数 → 算算术期望 1.05(>1,看似有利)→ 算几何平均乘数 √(1.5×0.6)=0.9487(<1,必然衰减)→ 取对数得每轮增长率 −5.3% → 结论:几乎每条路径都破产,但极少数「连续正面」的路径把均值撑爆。
这就是【遍历性破缺】:集合平均被极少数极端路径主导,而这些路径的概率随 n 指数衰减。你作为单个参与者,不是抽一次集合平均,而是走一条时间路径。大数定律在这里救不了你——它保证的是频率收敛,不保证你的财富收敛到期望。
【隐式】这不是数学游戏,它解释了为什么: - 凯利准则 (Kelly, 1956) 要你只押一部分:对这个赌局,最优下注比例 f* = 25% 的财富,此时每轮几何增长 +0.62%;满仓 (f=1) 反而负增长。 - 演化生物学里,选择最大化的是【几何平均适应度】,不是算术平均。Dempster (1955) 与 Gillespie (1973) 证明:在波动环境里,几何平均适应度更高的基因型会固定,哪怕它的算术平均更低——自然选择天生「厌恶方差」。 - 保险、期权、以及任何「乘法过程」的定价,都必须用时间平均而非集合平均。
【细微】一个常被忽略的细节:几何平均适应度只在【世代不重叠、适应度相乘】时才是正确的选择目标。如果环境波动发生在【世代之内】而个体能在世代内对冲(bet-hedging,Seger & Brockmann 1987),或存在【阈值/破产吸收态】,算术平均会重新变得相关。所以「选择厌恶方差」是有边界的,不是普适教条。
【极难发现】真正反直觉的是:均值爆炸与个体灭绝可以【同时成立】。E[W_n]→∞ 与 W_n→0 almost surely 并不矛盾——它们描述的是两个不同的测度(集合 vs 时间)。任何用「平均回报」论证「这个策略长期可行」的推理,都默认了遍历性,而遍历性在乘法过程里几乎从不成立。
【待验证点】若把赌局改成加法(每轮 +0.5 或 −0.4),算术期望仍是 +0.05,但此时时间平均也收敛到 +0.05——遍历性恢复了。所以关键不是「波动」,而是【乘法结构 + 吸收态】。
留给你的问题:你最近一次用「期望收益」说服自己做的决定,是一个加法过程还是乘法过程?如果是乘法(复利、声誉、健康、关系),集合平均可能正在骗你。






0 评论