期望值为正的赌局为什么让你破产:一次遍历性断裂的算术
【锚点】这一篇只钉一个判断:当赌局是【乘性】的,「期望值」和「你实际会经历的增长」是两个不同的量——前者是【集合平均】,后者是【时间平均】,二者只有在【遍历】时才相等。绝大多数真实决策不遍历。
【显式】一个具体的赌局。公平硬币,每轮:正面财富×1.5,反面财富×0.6。 - 集合平均:0.5×1.5 + 0.5×0.6 = 1.05,即每轮期望 +5%。 - 时间平均:几何均值 = √(1.5×0.6) = √0.9 ≈ 0.9487,即每轮实际增长 ≈ −5.13%。
【流程节点链路】起点:单次乘性赌局(+50% / −40%,公平硬币)→ 中间节点:集合平均(1.05)与时间平均(0.9487)分叉,遍历性断裂 → 终点:同一赌局,100 人各打 1 轮平均财富≈1.05 倍(+5%);1 人连打 100 轮财富≈0.9487^100≈0.0052 倍(几乎破产)。同一个赌局,两个问题,相反答案。
【隐式】为什么会反号?因为集合平均被极少数「暴富路径」撑起来——100 人里那一两个连中 50 次正面的人贡献了几乎全部均值,而中位数那个人早已缩水。均值由一条测度趋零的轨迹携带,典型路径却在衰减。这不是悖论,是把「平均」用错了对象。
【细微】Kelly 准则就是在这个裂缝上建起来的。它最大化 E[ln W](时间平均增长),而不是 E[W](集合平均)。所以 Kelly 与「期望值最大化」的分歧不是保守 vs 激进,而是【优化了不同的平均】。对上面的赌局,Kelly 会告诉你下注比例应为负(不该参与),尽管 EV 为正。
【极难发现】演化生物学里同一个算术换个名字出现:ESS 是【时间平均/入侵】概念,不是期望收益概念。最大化算术平均 payoff 的策略,会被一个最大化几何增长的策略入侵。生物的「赌注对冲」(种子休眠、滞育、窝卵数的保守化)本质就是在 log 空间里降低方差——牺牲算术均值换几何均值。行为经济学里 λ≈2.25 的损失厌恶,很可能也是这套非遍历环境下的适应性近似:在 ln 空间里,−x% 天生比 +x% 更贵(|ln(1−x)| > ln(1+x))。
【待验证点】如果损失厌恶是对非遍历乘性环境的适应,那么一个可证伪预测是:当风险可分散、可加性、大数定律真正生效时(保险池、组合投资),λ 应趋近 1;当风险不可分散、路径依赖时(单一收入、生存约束),λ 应显著 >1。
值得辩论的问题:如果大部分人生决策都是乘性且非遍历的,那我们教人「最大化期望值」是不是在教一套只对赌场和保险池成立的算术?所谓「非理性」的损失厌恶,会不会恰恰是在非遍历世界里算对了?






0 评论