賭徒心態終究會輸光，數學分析教你投資的生存法則

一夕致富是每個投資者的美夢，但是人們往往被網路上少數成功者的經驗所沖昏腦袋，喪失了理性判斷，本文源自 雪鹅，DataCafe 所著文章，教你如何控制風險。由深潮整理、編譯及撰稿。 （前情提要：傳奇投資人Paul Tudor Jones：買比特幣、黃金與股票，對抗美元未來1年跌10% ） （背景補充：黃金還值得投資嗎？最知名的避險資產是否過氣 ）   總覺得再來一局就能翻盤，恰恰是因為我們誤把群體平均當成了個體命運。想像你帶著 1000 元起始資金參加這樣一個翻硬幣挑戰遊戲，你可以選擇一直玩下去： 每輪拋一次硬幣， 拋到正面，財富增加 80%。 拋到反面，財富減少 50%。 聽上去是個穩賺不賠的遊戲！ 但現實是…… 如果讓 10 萬個玩家參加這個遊戲，並讓他們各自玩 100 輪，你會發現：他們的平均財富確實在指數增長，但絕大多數人最後的財富竟然不到 72 元，甚至破產！ 為什麼平均財富是增長的，但大多數人卻越玩越窮？ 這就是典型的非遍歷性陷阱。總覺得再來一局就能翻盤，恰恰是因為我們誤把群體平均當成了個體命運。 非遍歷性的陷阱：長期平均≠ 你的真實命運 什麼是遍歷性？ 遍歷性（Ergodicity）這個概念最早出現在統計物理學中，也在概率論、金融、行為科學、機器學習等領域產生深遠的影響。它試圖回答的核心問題是：長期平均值，是否適用於個體？我們在做決策時，到底該相信‘長期平均’，還是‘一次次親身經歷’的現實？ 19 世紀，物理學家路德維希・玻爾茲曼（Ludwig Boltzmann）研究氣體分子運動時提出了遍歷性假設：如果觀察一個氣體分子足夠久，它會遍歷所有可能的狀態。 想像一個封閉的氣體容器，容器中有無數氣體分子，每個分子都在碰撞過程中經歷不同的速度軌跡。單個分子的長期軌跡和整個氣體的統計分佈是相同的，這意味著我們可以用某個時刻所有分子的狀態，來推測單個分子的長期軌跡。 這就是著名的玻爾茲曼的遍歷性假設。 數學上，遍歷性意味著： 左側是時間平均：描述一個個體在足夠長的時間裡，多次經歷同一過程後所得的平均結果； 右側是群體平均：描述在某一時刻觀察無數個體的結果所得的統計期望。也就是說：當系統滿足遍歷性條件時，單個個體的表現最終會收斂到群體的 「長期平均」。 如果世界是遍歷的，每個人的財富最終都會趨近於社會的平均財富水平。在遍歷的世界，所有人都能體驗到所有可能的經濟狀態（富有、貧窮、成功、失敗），個體的命運總會收斂到群體的 「長期平均」。 但現實生活往往是非遍歷的：個體的資源有限，往往在經歷到所有可能的路徑前就因某次失敗直接出局。 我們經常聽到這樣一些具有引導性的言論： 「某行業的平均年收入過百萬。」 「某人 30 歲就財務自由，創業只花了兩年。」 「某指數基金長期年化收益高，只要堅持投就會變富。」 …… 這些看似合理的統計資料彷彿在告訴我們一個確定的真相。好像只要行動，長期平均收益就會適用於個體。但這些個案屬於路徑依賴 + 不可複製的非遍歷過程。模仿者無法經歷相同歷史背景、關係網路、運氣節點，甚至不知道隱藏失敗者的數量。 資料告訴你群體長期的平均值，但現實卻充滿短期的 「斷崖式失敗」。 這正是非遍歷性最隱蔽的陷阱 —— 大資料統計的平均值 ≠ 個體的真實命運。 一次崩潰對於個體來說可能再也無法彌補，一次失敗可能讓人徹底出局，無法再回歸到 「平均狀態」。我們每個人的生命路徑只能經歷一次，無法像賭場一樣吃群體的長期平均，等著概率在無數次個賭徒中平均化。 為何個體的長期命運大多比 「平均值」 更差？ 在非遍歷系統中，個體長期表現往往低於群體平均。這不是偶然，而是系統性的結構特徵。光鮮的平均值往往是被極少數創業成功、投資暴富、逆襲上岸的故事拉了上去，更多人的失敗從未進入統計。 現實系統在多數情況下是乘法型、且具有路徑依賴的特徵 —— 比如投資的複利、健康的衰退、聲譽的損毀。這類系統的典型特徵是：上漲有限，下跌無底。 一次破產，可能毀掉一生； 一場次錯誤決策，可能徹底改變命運； 一次失信可能徹底摧毀信任； 而能賺到的財富、漲的績效、建立的優勢卻總是有限。 這正是為什麼在數學上，乘法型過程的長期增長率並不等於 「平均收益」，而是更接近於： 相比之下，群體平均通常用的是算術平均， 而由於對數函式是嚴格凹函式，基於 Jensen 不等式，有： 因此，乘法系統的長期增長率（即幾何平均）始終小於算術平均。波動越大，這個差距越明顯。算術平均是告訴你‘如果永遠幸運會怎樣’，而幾何平均告訴你‘在真實世界裡走過風雨之後你剩下多少。 這意味著個體的長期表現總是遠低於 「群體平均收益」，不是運氣不好而是結構使然。 如何做最優決策？ 凱利公式的黃金分割線 那麼在人生決策中，我們能做點什麼避免在長期遊戲中歸零的命運？如何既不破產出局，還能實現長期複利？ 答案是：永遠不要 All in，學會凱利下注！ 凱利公式（Kelly Criterion）是一種用於重複博弈中的最優下注策略，目標是最大化長期收益的同時避免短期虧光出局。它最初由約翰・凱利（John L. Kelly Jr.）於 1956 年在貝爾實驗室提出，原意是解決通訊系統中 「如何在有噪聲的通道中分配訊號功率」，以實現資訊傳輸效率最大化。 後來這套理論很快就跨界出圈。 美國數學家、投資奇才愛德華・索普（Edward Thorp）發現凱利公式能夠優化財富增長路徑。他將凱式帶進賭場，在《Beat the Dealer》中首次用它系統性打敗了 21 點莊家，之後又帶進了華爾街，在《Beat the Market》中繼續 「收割」。 這一準則本質上等價於最大化對數期望收益（log-utility），從而兼顧了增長與風險之間的動態平衡。它幫你在 「活得長久」 和 「賺得夠多」 之間，找到一個最優平衡點。 凱利公式： 其中，成功的概率是 p，失敗的概率是 q = 1-p；成功時的收益倍率（不包含本金）是 b，失敗時的虧損比例是 a（通常是 1，如果虧的是全部下注金額）。 回到開篇提到的拋硬幣遊戲...