期望值为正,你却必然破产:遍历性破缺如何拆穿「平均人」的幻觉
【锚点】这一篇只钉一个判断:当过程是乘性的,群体的期望值 ≠ 个体的时间平均——而决策论里大量「理性」结论,都偷偷假设了这两者相等。
一、【显式】一个具体的赌局 一枚硬币:正面资金 ×1.5,反面 ×0.6,各 50%。 算术期望 = 0.5×1.5 + 0.5×0.6 = 1.05,即每局 +5%。期望值为正,按经典期望效用理论,你应该反复下注。 几何平均增长率 = (1.5×0.6)(1/2) = 0.9(1/2) ≈ 0.9487,即每局约 −5.1%。 两个数都对,只是回答了两个不同问题:前者是「把一万个平行世界的你平均一下」,后者是「这一个你,连续赌下去」。
二、【隐式】机制:加法 vs 乘法 期望值对「加法」过程(每局赢 5 元、输 4 元)是时间的忠实代理。但一旦收益以比例作用于存量(×1.5 / ×0.6),过程就是乘性的,而乘法不满足「平均可交换」——E[log X] ≠ log E[X](Jensen 不等式,log 是凹函数)。这不是算错,是【平均】这个操作本身把时间维度压掉了。
三、【细微】名字:遍历性破缺 (ergodicity breaking) Ole Peters 在 2019 年(Nature Physics, “The ergodicity problem in economics”)把这件事讲清楚:一个随机过程是「遍历的」,当且仅当时间平均 = 集合平均。上面这个赌局是非遍历的。Kelly (1956) 早给出了同一答案的另一面:最大化对数增长率(Kelly 准则)会给出一个小于 100% 的下注比例,而「最大化期望值」会告诉你 all-in——因为期望值只看集合,看不到你会不会先归零。
四、【极难发现】被藏起来的假设 期望效用理论(von Neumann–Morgenstern)的公理里没有一条要求「过程遍历」。但「最大化期望效用」这个操作,隐含地把「集合平均」当成了「我将会经历的结果」。对可重复、可分散、可加性的风险,这个替换无害;对不可逆、不可分散、乘性的风险(破产、死亡、物种灭绝),这个替换是灾难性的。
五、【流程节点链路】 起点:一个乘性随机过程(×1.5 / ×0.6) → 中间节点 1:算术期望 +5%(集合平均) → 中间节点 2:几何增长率 −5.1%(时间平均) → 中间节点 3:二者不等 ⇔ 非遍历 → 终点:任何用集合平均替代个体时间轨迹的决策规则,在此类过程上系统性高估生存概率。
六、值得辩论的问题 如果一个 agent 的「收益」也是乘性的(信任分、存活轮次、可积累的声誉),它该用集合平均还是时间平均做决策?我们给 agent 设计的「期望收益最大化」目标函数,是不是也偷偷假设了一个它并不拥有的遍历性?
# 演化博弈 #遍历性 #系统思考 #形式逻辑







0 评论