遍历性——期望值为正，为什么全押必破产

这份页面讲什么

这台机器有个学术名字叫非遍历性（non-ergodicity）。2019 年，物理学家 Ole Peters 在《自然·物理》发表长文，指出主流经济学把「一万个平行宇宙里的平均」直接当成「一个人一生的时间平均」来用，而这个等价关系只在很苛刻的条件下成立——财富这种按百分比复利的东西，恰恰不满足公认。这一页把那台机器拆开给你看：两种平均在哪分岔、为什么乘法世界必分岔、三百年前的圣彼得堡悖论怎么早就撞见过它、以及解药为什么不是「别冒险」。

不写什么：随机过程的数学证明、期望效用理论的公理体系、连续时间金融那一套，一概不展开——本页只保证你需要的每一步算术都能在纸上复算。损失厌恶的实验细节与双系统框架在《思考快与慢讲解》里立过，本页只接线不重讲公认。

座位：机制解释文第十四篇。上一篇《重复即真相——大脑把“耳熟”算成“对”》拆大脑怎么把熟悉感算成真，这一篇拆期望值怎么把平行宇宙的平均算进你的账户。体裁配方同前：开头一个反直觉的大事实，主体一台可复用的机器，底下是论文，皮肤是大白话，最后落到「跟你有什么关系」。

两个现场：全押玩家的账，和指数没跌你却亏了

现场一：全押玩家。一百万元进场玩开头那个游戏，每次全部身家押上。第一轮正面，变 150 万；第二轮反面，150 万 × 0.6 = 90 万。赢了 50%、输了 40%，两轮下来亏了 10%。继续玩：再赢一轮回到 135 万，再输一轮剩 81 万——每赢一输一个循环，财富乘一次 1.5×0.6 = 0.9，缩水 10%公认。可按「期望值」算，每一轮的期望因子是 (1.5+0.6)/2 = 1.05，两轮期望 1.05² = 1.1025，平均剧本说一百轮后你该有约 131 倍的身家公认。两本账摆在一起：

两个数字都可在纸上复算：1.05¹⁰⁰ = e¹⁰⁰˙ˡⁿ¹·⁰⁵ ≈ e⁴·⁸⁸ ≈ 131.5；几何平均因子 √(1.5×0.6) = √0.9 ≈ 0.9487，0.9487¹⁰⁰ = e¹⁰⁰˙ˡⁿ⁰·⁹⁴⁸⁷ ≈ e⁻⁵·²⁷ ≈ 0.005。前者是「平均的结果」，后者是「你大概率走的那条路」公认。

「平均」没有撒谎——一万个平行宇宙里，确实有几个连续抛出正面、暴富了；是那几个天文数字的极端宇宙把平均值拉到 131 倍。平均值被赢家绑架，而你大概率不是那个赢家。这就是整台机器的核心：期望值描述的是群体的横截面，时间线上的你走的是几何平均，两者差出的不是误差，是指数级的差距公认。

现场二：指数没跌，你亏了。再看一个不用硬币、纯按算术来的现场。某指数两天走势：周一 +10%，周二 −9.09%——精确跌回原点。一只两倍杠杆 ETF（每天保证涨跌都是指数的两倍）：周一 100 → 120，周二 120 × (1−18.18%) = 98.18。指数原地踏步，ETF 亏了 1.82%；三倍杠杆的同样两天是 100 → 130 → 94.55，亏 5.45%公认。这两天里 ETF 每一天都完美完成了自己的任务（每天都是指数的两倍），可是「每天两倍」不等于「两天下来两倍」——因为每天重置的杠杆把复利算在了一条不断换底数的路径上。这个现象在行业里有名字，叫波动率损耗（volatility drag）公认，美国证监会与 FINRA 的投资者公告里明确警告：持有杠杆与反向 ETF 超过一天，累计回报可能严重偏离标的多倍表现公认。

两个现场是同一台机器：只要财富是按比例（乘法）变化的，「平均下来划算」和「我这一生划算」就会分家。接下来的几节拆它。

两种平均：期望值算的不是你的人生

先把两个词钉死，整页都靠它俩活着公认：

「遍历性」就是问这两个平均相不相等。这个词是 19 世纪统计力学借来的：玻尔兹曼研究密闭容器里的气体，提出（理想化的）遍历假设：单个分子反复运动足够久的行为统计，与同一时刻一大群分子的截面统计相同——若成立，就能用简单的概率分布替代逐分子追踪。严格版假设后来在数学上被证明过强，物理学改用弱化版本继续沿用；本页只取它的直觉：这套等价关系在气体上近似可用公认。等价成立，物理学家说系统是遍历的；不成立，就是非遍历的。

经济学在 17 世纪先于物理学发明了期望值——1657 年惠更斯的骰子论、帕斯卡与费马的通信——到 20 世纪搭起期望效用理论时，直接沿用了「期望值描述个体命运」的算法公认。Peters 2019 年的论文把这个默认假设翻出来检查：期望效用理论及其全部后裔，实际上无差别地假设了经济过程是遍历的；而这个假设在财富按百分比复利的世界里系统性不成立公认。

什么时候相等？加法动态：每次赌局的输赢是固定的金额，加在你已有的财富上。掷骰子赢 5 块输 5 块，玩一万次的时间平均，确实收敛到期望值——大数定律直接管用。什么时候分家？乘法动态：输赢是百分比，乘在你已有的财富上。投资、复利、杠杆、生意、粉丝增长，全是乘法的。乘法世界里，极端赢家把集合平均一路拉高，而绝大多数路径被少数大输盘拖向下方——两种平均不但不相等，差距还随时间指数扩大公认。

把话说透：期望值不是错的，它是答非所问。它正确地回答了「群体平均会怎样」，却被当成了「你会怎样」的答案。在加法世界里这个偷换无害；在乘法世界里，这个偷换价值一个账户推断。

圣彼得堡悖论：三百年前就撞见过的裂缝

这台机器不是 2019 年才被发现的裂缝，人类第一次撞上它是 1713 年公认。尼古拉斯·伯努利在给数学家蒙特摩的信里提出一个游戏（原版用骰子：掷出六点为止，奖金按次数翻倍；今天常见的硬币版是 1728 年 Cramér 给出的简化记法）：抛一枚公平硬币，直到第一次正面为止；如果第 n 次才出正面，奖金是 2ⁿ⁻¹ 枚金币——第 1 次正面得 1 枚，第 2 次得 2 枚，第 3 次得 4 枚，翻倍往上。算期望值：每一项的概率乘奖金都恰好是 1/2，加起来 1/2 + 1/2 + 1/2 + …… = 无穷大公认。期望无穷大的游戏，按理论该倾家荡产也要玩。可现实里没有一个人愿意为它付出超过几张钞票——这个落差悬了两百年，1738 年的解法又恰好发表在圣彼得堡科学院的院刊上，史称圣彼得堡悖论公认。

1738 年，丹尼尔·伯努利（尼古拉斯的堂弟）给出那个流传至今的解法：钱的效用不是线性的——一万元对穷人和对富人的意义不同，效用应按对数计算，边际递减。对数效用一上，无穷大的期望立刻被驯服成几块钱的合理价格公认。这就是期望效用理论的起点：把「人对钱的心理感受」写成效用函数，决策=最大化期望效用。1944 年冯诺依曼与摩根斯坦把它公理化，成为此后八十年现代经济学的地基公认。

Peters 2019 年的重解，一句话说：伯努利的数学没错，辩护错了。他在论文里说得很直白——按时间平均增长率算出的结果，与伯努利的对数效用在数学上完全相同，不同的是辩护：对数不再来自「人心里对钱的感受」，而来自「财富按乘法复利」这个动态事实本身。只要赌局嵌在一个复利的财富过程里，最大化时间平均增长率就自动等价于最大化期望对数财富——不需要假设任何人的任何心理公认。

别小看「辩护」这个差别，它把一个无法检验的假设变成了可以检验的预测推断：

注意表里最后一行：两套理论在「换动态会不会改变风险偏好」上给出相反的预测。这是可以进实验室的——第六节就去看这场实验的结果。

乘法世界的两条硬性质

为什么偏偏乘法世界这么危险？因为它有两条加法世界没有的硬性质，两条都简单到可以在手指上数出来公认。

硬性质一：零是吸收壁。乘法里有个特殊的数——0。你乘上任何数字，只要中间乘过一次 0，之后不管乘多大的正数，结果永远是 0：0 × 任何数 = 0。一串乘法，出现一个零，整串报废。加法世界没有这个状态：亏光了下个月的收入，下下个月工资照发，账本可以从负数里爬出来（欠债就是负数上的加法）。乘法世界的 0 是单向门——财富、信用、健康、声誉，凡是按比例缩放的东西，都有一条「归零后不再续玩」的红线推断。这直接改写了期望值的算法，两种情形要分开说：赌局若可能一注输光（亏 100%），红线就是真吸收壁，重复次数够多，撞上它的概率趋向 1；本页这种按比例亏的赌局虽然永远不会精确踩到 0，全押玩家的财富却以概率 1 沿指数衰减逼近零——期望值还挂在 1.05 那里，但账上已经没有足以继续玩的本金，大数定律永远等不到出场那天公认。

硬性质二：亏损必须用更大的涨幅才能补回。涨跌看起来对称，算在不称呼彼此的底数上：跌 10% 要涨 11.1% 才回本，跌 50% 要涨 100%，跌 90% 要涨 900%公认。涨 10% 再跌 10%，你不是平手——是剩 99%：公认

口径：回本涨幅 = d/(1−d)−1，d 为回撤幅度。所有数字纯算术，可当场验算。

这条不对称在加法世界不存在（跌 10 块涨 10 块正好平手），在乘法世界是处处生效的税。它意味着：乘法世界里，大亏的代价不是线性的，是超线性的——同样「平均而言打平」的一串波动，先大亏后小赚的组合，比平稳小波动侵蚀得多。这正是波动率损耗的算术根源，也是为什么「控制回撤」不是胆小，是算术推断。

杠杆：给乘法波动装放大器

杠杆是什么？向未来借购买力，把你账户的百分比波动放大 L 倍。在遍历性的语言里：杠杆不改变游戏的期望值方向，它把你的财富动态沿着乘法方向拉得更陡——集合平均涨得更猛，时间平均也可能跌得更狠，两本账的分岔同时被放大推断。看第一天就埋在 s1 的那笔账，把一个完整轮回画出来：

把轮回次数加上去，损耗滚起来：同样的 ±10% 震荡再走一轮，2 倍 ETF 净值 98.18 → 117.82 → 96.40，两天又磨掉 1.82%——指数再走两轮（四个交易日）原地踏步，它已经磨掉 3.6%公认。把震荡的幅度加大，损耗涨得更快：同样的两日回原点，把 ±10% 换成先涨 20%、再跌 16.67%（120 → 100，同样精确回原点），两倍 ETF 是 100 → 140 → 93.33，一轮磨掉 6.67%——波动翻倍，损耗约 3.7 倍公认。（顺带交代一个反直觉的细节：两日「一涨一跌、终点回原点」的轮回里，先涨后跌与先跌后涨的结果完全相同——乘法交换律，两日内顺序不影响结果；路径依赖要多于两天、或拿不同日子对来对比才显形。）

诚实起见，反方向的账也要摆出来：单边趋势市里，每日重置反而加分。指数连涨两天 5%，到 110.25；两倍 ETF 每天涨 10%，到 121——比「指数涨幅的两倍」（120.5）还多 0.5 个点公认。所以正确的话不是「杠杆必然亏」，而是：杠杆把你的结局从「指数涨多少」改绑到「路径怎么走」。单边行情里它锦上添花，震荡行情里它持续抽血，而明天的路径没人提前知道——这正是《明斯基时刻的百年轮回》里那句话的算术底座：杠杆越高，稳定期赚得越漂亮，对路径的依赖越致命推断。

实验室：风险偏好会跟着动态自动切换吗

理论说得再漂亮，要看人身上是不是真的这么运转。s3 那张表留了一个可检验的分歧：如果对数来自心理（伯努利版），换环境不该改变风险偏好；如果对数来自动态（Peters 版），换了动态风险偏好就该变。2021 年，哥本哈根一个神经科学研究团队把它做成了实验公认。

设计不复杂，狠的地方在「真钱」：被试两天到实验室玩赌局，输赢都按真实货币结算公认。一天的赌局是加法动态——输赢固定金额，加在总账上；另一天换成乘法动态——输赢按当时总资金的百分比结算，每局后账户重算。被试在决策中实际体会两种设置的差别。研究团队用贝叶斯模型分别拟合两种动态下每个人的效用函数，看它挪不挪公认。

结果：挪了，而且方向和幅度都贴着理论走。论文原话的骨架是——效用函数随赌局动态被调制，其方式无法被主流决策理论解释；乘法动态下风险厌恶上升，且分布接近「最大化局内财富时间平均增长」的最优值公认。换句话说：没人给被试讲过遍历性，他们换到乘法环境后就自动变得更谨慎，谨慎的程度约等于数学上该有的样子。2026 年同一谱系的团队把实验升级为预注册设计重新跑了一遍（分层贝叶斯、等弹性效用函数），拿到了强证据：乘法条件下风险厌恶参数系统性上升——同时还恢复出另一层事实：剥离环境效应后，个体之间的特质差异依然存在且跨条件稳定公认。两个都对：环境在动，人格也在。

这个结果对决策科学是一次扰动，因为它戳的是决策理论的一个默认设定：风险偏好像人格特质，对个人而言稳定、不随环境换挡公认。哥本哈根实验（研究者博客与后续文献对它的称呼推断）说：至少在真实金钱、动态可感的赌局里，人比这个设定灵活——「某人是个风险厌恶的人」这句话少了半个坐标系，得补上「在什么动态下」。

对普通人，这一节可以压缩成一句话：你对风险的态度，一部分是性格，一部分是对环境的正确反应——而后者常被误诊成前者推断。下一节把这个发现放回心理学那本最著名的书旁边。

损失厌恶的翻案：心理偏差还是数学理性

《思考快与慢讲解》里立过那条著名的现象：损失带来的痛，大约是同等收益带来快乐的两倍——损失厌恶，系统 1 的出厂设置，前景理论的支柱之一公认。在行为经济学的叙事里，它长期站在「非理性偏差」那一列：理性经济人不会这样，所以我们错了。

遍历性视角给这个叙事补了一半算术：在乘法动态里，拒绝那个「期望值 +5%」的全押游戏，根本不需要任何心理偏差来解释——那就是最大化长期财富的正确答案，一代数就推出来。人在乘法环境下表现出的谨慎，落在数学最优附近（上一节的实验）。也就是说：同一份「厌恶」，在加法世界里可能是偏差，在乘法世界里可能是理性——不看动态就给行为贴「非理性」标签，等于不问路况就批评司机刹车推断。Peters 在论文里用过一个更扎人的问法：让你拿房产、车子、全部积蓄去玩开头那个正期望游戏，正面资产 +50%、反面 −40%——你拒绝，是「损失厌恶过度」，还是基本算术？公认（这是 1713 年尼古拉斯·伯努利问过的同一个问题，隔了三百年被物理学家原样捡回公认。）

三条边界，防止这个翻案把自己翻过头：

一，损失厌恶的现象没被推翻。前景理论的实验事实——对损失的过度权重、对确定性的偏好——有大量重复验证，本页只主张其中一部分风险厌恶（乘法环境下的谨慎）另有算术解释，不是把偏差清单整页作废推断。

二，不是所有厌恶都是理性。过度厌恶在任何动态下都付代价：乘法世界里连「什么都不做」也在复利——现金的购买力按通胀逐年乘一个小于 1 的因子，长期全额趴着不动同样是时间平均为负的策略。翻案翻的是「把谨慎一律当偏差」，不是给「一律不冒险」发奖状推断。

三，正确的用法是先问动态，再问心理。看到一个人拒绝一个「平均划算」的机会，先别诊断偏差，先问：这个机会嵌在什么动态里？单次固定金额（加法）、还是按比例复利（乘法）？失败后还能不能重玩？答案不同，「该不该接受」的算术完全不同——这正是下一节要给的工具。

解药不是不冒险：下注比例的算术

如果结论停在「全押必死」，这一页就只是一篇劝人谨慎的鸡汤。真正的结论更有意思：该押多少，是一道有唯一解的算术题。

1956 年，贝尔实验室的 John Kelly Jr. 在研究噪声信道传输时推出一个下注公式，给定赢率和赔率，回答「按多大比例下注，能让资金的长期几何增长最快」——这就是凯利公式公认。它后来被 Edward Thorp 带进二十一点牌桌和证券市场，成了仓位管理的理论天花板公认。注意凯利原式有个约定：输，就输光全部赌注——所以它的常用简式不能直接代入本页这个「输只亏赌金的 40%」的游戏（硬代会得出错误的 10%）；正确做法是回到它与遍历性经济学共享的那个内核，直接对时间平均增长率求最优推断。

把开头那个游戏代进这个框架。设每轮押上总资金的 f 比例（其余留现金），则赢轮资金 ×(1+0.5f)，输轮 ×(1−0.4f)。时间平均增长率 g(f) = ½ln(1+0.5f) + ½ln(1−0.4f)。求最大值：对 f 求导令其为零，两行代数解出 f* = 0.25——押四分之一公认。不肯信公式可以用数值直接验证：

口径：每轮增长率 = ½ln(1+0.5f) + ½ln(1−0.4f)，对数口径；换算成每轮因子见括号外曲线。全押行：½ln(1.5×0.6) = ½ln0.9 ≈ −5.27%，与 s1 的 −5.1%（每轮因子 0.949）是同一件事的两种记法。每一行都可当场验算。

留意这张表的形状：增长最快的位置不在「期望值最大」的 100%，而在 25%；押 50% 已经把增长率磨到零——一个正期望的游戏，下注过重可以玩成零增长乃至负增长。这行字值得读两遍：它说明「资产好不好」和「你玩得起多大」是两个问题，混在一起算会两头都错。

实务里没人直接跑满凯利：赢率和赔率都是估计值，估高一点，全凯利的回撤就大到拿不住，所以成熟从业者普遍用半凯利或四分之一凯利，让出一点增长，换回大量路径平稳公认。这不是不勇敢，是把「参数是估的」这个事实也算进去。对普通人，凯利公式可以不用，但它的三个变体值得焊在脑子里——分散（把身家放进多个不完全同步的乘法过程，等于天然的部分押注）、保险（花小的确定成本，买掉那条吸收壁）、留后路（应急资金保住「还能继续玩」这个状态）。三件事其实是同一句话：活下来，才有下一轮推断。

你的现场：这套机器在钱包里长什么样

一，「年化收益」先问口径。同一只基金，「平均年化 10%」有集合与时间两种读法：前者是一万个平行宇宙的平均（被大赢家拉高），后者是你这条路的时间平均——两者之差就是 s1 那两行数字的差距。一个纯算术的小演示：某资产交替涨 25% 跌 20%，算术平均每轮 +2.5%，几何平均 √(1.25×0.8) = 1.00，恰好零增长——「平均赚 2.5%」的世界里，典型账户原地踏步公认。看任何长期业绩、回测报告、理财广告，先问一句：这个平均，是横截面的平均，还是时间线上的平均。

二，回测骗人的方式。回测引擎给的历史年化是集合口径的语言：一段历史里的高均值可能由两三段大行情贡献，换一条时间线（晚三个月开始、中间停一年）结果完全不同。样本外验证、走前推（walk-forward）防的正是这个：一段历史里平均有效的规则，在你接下来要走的这条路线上未必有效推断。更扎心的一版：一个回测平均年化 20% 的策略，如果允许任何一期全押，它的"平均"里躺着的那条归零路径，对活在一维时间里的你就是全部结局。

三，策略体系里那些「纪律」，遍历性视角一句话都能解释。不加杠杆 = 不给乘法波动装放大器；分散 = 把单一乘法过程拆成多个；应急资金 = 不把自己逼到「必须在坏路径上卖出」——被迫卖出是路径依赖变成永久损失的最后一公里；定投自动化 = 把「要不要现在投」的手痒决策从乘法暴露里拿走；预设档位、单一出口 = 承认自己只活在一条时间线上，让整条时间线的几何平均最优，而不是每个时点都追求局部最优推断。这些规则当初多半是拿「对抗人性」的理由立起来的，遍历性给它们补了一个不依赖心理学的地基：它们同时是数学上正确的仓位管理。

四，职业也是乘法暴露。收入的增长按百分比计算，行业的兴衰按比例传导——单一雇主、单一技能，就是一次隐形的全押。给职业留第二条腿（第二技能、第二收入来源、跨圈子的信息渠道），跟投资里的分散是同一条数学推断。

五，保险为什么明明「期望为负」还该买。保险的期望赔付率低于保费——按集合平均算，保险公司稳赚，你稳亏。但保险买的是拆吸收壁：大病、事故这些低概率事件一旦发生，可能把你的财富动态整个按进归零方向。用小的确定损失，换掉「时间线上出现一次归零乘数」的可能，这正是时间平均逻辑与期望值逻辑给出相反答案的标准场景——也是两套口径什么时候该听谁的活教材推断。

学界在吵什么：三张争论卡

卡一：这是新东西，还是旧东西换了名字？批评一方的主力论点：把对数效用与长期增长联系起来的结果，决策理论里早就有——凯利 1956 年起一整支文献在算这个；期望效用理论本身也从不强制某种效用函数，写一个对数进去，多数结论原样成立；要比较就该跟「多期动态的期望效用」比，而不是跟静态版本比，比完顶多算重新发现公认。Peters 一方的回应落在「辩护」上：效用函数是自由参数——什么样的行为都能靠事后设定效用曲线解释，等于什么都没解释；时间平均框架不引入自由参数，从「财富按乘法复利」这一可观察的动态出发，给出一个可检验的差别预测（最优效用随动态切换），而哥本哈根实验把这个预测送进了实验室公认。判据一句话：别急着问结论一不一样，问「对数从哪来」——从自由参数里来，还是从动态里来；后者能被实验否证，前者不能。推断

卡二：遍历性是万能钥匙吗？不是，至少三处要用得克制。第一，加法世界期望值就是对的：固定金额的单次决策、按次数摊薄的保险池，大数定律直接管用，本页的主张只对乘法过程成立。第二，「财富按乘法复利」本身就是模型假设：现实里有破产法庭、有限责任、社会保障——吸收壁常被制度软化，把一切场景都套进纯乘法模型是越界使用。第三，「最大化时间平均增长率」本身是个目标假设：一个把活下去排在增长前面、或对波动有极端厌恶的人，完全可以合理地选择低于凯利的暴露——框架给的是「想最快增长该怎么下注」，不是「你必须想最快增长」推断。把圣彼得堡赌局嵌进一个复利过程来解，同样是一个需要交代的假设，不是天上掉下来的推断。

卡三：实验证据到底多硬？目前是「方向干净、体量有限」：真钱实验（2021）与预注册复刻（2026）都拿到了动态切换改变风险厌恶的证据，且落点接近时间最优——这在「实验可重复性危机」的年代算质地不错的证据链。但要诚实列出边界：被试玩的是实验室内的小额局内资金，不是身家；「自动逼近最优」是在特定实验设计里测出来的，能不能外推到大额、长周期、真实金融决策（房贷、杠杆、职业选择），还没有直接的实验答案；至于现实中大量长期存在的全押行为（重仓单一资产、梭哈创业），框架解释了为什么那是数学上亏的，没解释为什么人们还在做推断。这一页讲的机器，算术部分是硬的；人这部分，证据还在积累。

随身四问

把整页的机器收成四个进随身口袋的问题。遇到任何「平均而言划算」的机会，按顺序过一遍：

四问合起来的立场是一句话：别问「平均上划算吗」，问「最坏的那条时间线上，我还活着吗」。

接线：这一页在库里挂哪

与《思考快与慢讲解》：同一份「厌恶」的两本账。那页立了双系统与损失厌恶的现象——损失之痛约是收益之乐的两倍，被归进系统 1 的出厂设置。本页补算术那一半：在乘法动态下，对全押说「不」本身就是最优解，一部分「厌恶」可能不是偏差是理性。两页合起来的读法：先问动态（本页），再谈偏差（那页）——顺序反了会把数学理性误诊成心理毛病。

与《明斯基时刻的百年轮回》：杠杆的算术底座。那页拆明斯基机器：稳定孕育不稳定，庞氏融资段靠不断加码的杠杆维持。本页给「杠杆为什么危险」补上不依赖危机叙事的那层算术——杠杆把乘法波动放大 L 倍，震荡路径下时间平均被持续抽血，路径依赖变成本质风险（s5）。两页合读：那页讲杠杆什么时候爆，本页讲杠杆平时在磨什么。

与《钱是什么——金本位、信用货币与债务》：复利的时间维度。那页立了钱的时间本质——信用是把未来的钱搬到今天。本页补时间维度里的一个岔路：按百分比滚动的复利是乘法动态，它的「平均」从第一天起就有两种读法。那页的「好债坏债尺子」加上本页的「时间平均尺子」，是一套地基的两块砖。

家族座位：机制解释文第十四篇，同族近亲是《挤兑——个体理性怎么造出集体灾难》（那台机器讲个体理性怎么加总成集体灾难，本页讲个体算术怎么骗过个体自己）与《赢家的诅咒——出价最高的那个先亏》（那页讲「赢」这个事件本身就是坏消息，本页讲「平均」这个数字本身就是别人的故事）。

十句话

1. 期望值算的是一万个平行宇宙的平均，你只活其中一条时间线——乘法世界里两者不相等，且差距随时间指数扩大。
2. 正面 +50%、反面 −40% 的游戏：算术平均每轮 +5%，几何平均每轮 −5.1%；全押一百轮，一百变五千。
3. 平均值被极端赢家绑架——它描述的是群体的横截面，不是你的命运。
4. 圣彼得堡悖论三百年前就暴露了裂缝；伯努利用对数效用缝上了它，但对数不在人心里，在乘法动态里——数学相同，辩护不同，辩护不同就有可检验的差别。
5. 乘法世界两条硬性质：零是吸收壁（0 乘任何数都是 0），亏损要更大的涨幅才能补回（跌 50% 要涨 100%）。
6. 杠杆不是放大收益，是把你的结局改绑到路径上：指数原地踏步，两倍杠杆已磨掉 1.82%，三倍磨掉 5.45%——每天都是两倍，加起来不是两倍。
7. 实验室里的人比理论假设灵活：赌局从加法换成乘法，被试的风险厌恶自动上升、落点接近时间最优——风险偏好是环境与人格的二元函数。
8. 损失厌恶未必全是心理偏差：在乘法动态下厌恶全押是数学理性；但过度厌恶同样付代价，先问动态再谈偏差。
9. 解药不是不冒险：这个游戏的最优下注是 25%——押太多波动吃掉全部增长，押太少辜负正期望；分散、保险、留后路，全是同一句话：活下来才有下一轮。
10. 看任何「平均」先问口径，做任何决定先找吸收壁——别问平均上划算吗，问最坏的那条时间线上，我还活着吗。

来源与免责

文献与依据

• Peters, O. (2019). The ergodicity problem in economics. Nature Physics, 15(12), 1216–1221.——本页理论主源：集合/时间平均框架、期望效用理论的遍历性假设、伯努利重解（「数学上相同、辩护不同」出自其论文正文）、圣彼得堡悖论的时间平均解。
• Peters, O., & Gell-Mann, M. (2016). Evaluating gambles using dynamics. Chaos, 26(2), 023103.——硬币游戏（×1.5/×0.6）原出处；圣菲研究所官方介绍（2016-02）确认「任一现实中的财富随时间指数衰减」的表述。
• Peters, O., & Adamou, A. (2025). An Introduction to Ergodicity Economics. LML Press.——框架的系统教材（综述性引用）。
• Meder, D., Rabe, F., Morville, T., Madsen, K. H., Koudahl, M. T., Dolan, R. J., Siebner, H. R., & Hulme, O. J. (2021). Ergodicity-breaking reveals time optimal decision making in humans. PLOS Computational Biology, 17(9), e1009217.——真钱实验（正文称「哥本哈根实验」的名字出自后续文献）。
• Skjold, B., Steinkamp, S. R., Connaughton, C., Hulme, O. J., & Peters, O. (2026). Ergodicity transformations predict human decision-making under risk. PLOS Computational Biology, 22(7), e1014409.——预注册复刻与扩展：乘法条件风险厌恶参数上升、个体特质差异跨条件稳定。
• Kelly, J. L. Jr. (1956). A New Interpretation of Information Rate. Bell System Technical Journal, 35(4), 917–926.——凯利公式原出处；full/half/quarter Kelly 的实务惯例为从业者文献共识。
• Bernoulli, D. (1738). Specimen theoriae novae de mensura sortis. 圣彼得堡帝国科学院院刊（英译 1954, Econometrica 22(1)）.——对数效用原典；1713 年尼古拉斯·伯努利提出悖论，转引自 Peters (2019) 与 ScienceDaily 报道（2019-12）。
• SEC & FINRA. Leveraged and Inverse ETFs: Specialized Products with Extra Risks for Buy-and-Hold Investors（投资者公告）.——杠杆与反向 ETF 超日持有的偏离警告。
• Doctor, T. 等 (2020) 对遍历性经济学的批评（多期期望效用/动态模糊厌恶的比较立场），经争论双方公开文献转引，未直接核对原文。
• 波动率损耗的算术表与轮回数字为页内复算（先涨 10% 后跌 9.09% 及其逆序），与 SEC/FINRA 警告及多篇从业者解释一致；行业术语 volatility drag / beta slippage 为通用称呼。

免责

本页所有结构性解释只是在本库口径下的一种读法，不是学界定论。遍历性经济学仍是发展中的研究纲领（见 s10 争论卡）；本页 s9 对个人策略的讨论是这套框架的应用读法，不构成投资建议。对普通人有什么用是本库的使用建议，不是学界共识。