返回资讯中心
外部精选
软件工程
#开发者实时流

文章解释遍历性概念:投资与财富属于非遍历过程

来源标题:Ergodicity: What Does It Mean?

一篇科普文章解释了遍历性(ergodicity)的含义:若一个过程的集合平均等于时间平均,则为遍历过程,反之则不是。文章指出投资和财富是非遍历过程,这意味着我们对预期值的直觉判断可能是错误的,并强调判断过程是否具有遍历性对决定承担多少风险至关重要。

Hacker News 最新AlinaFilomena2026/11/18 · 今天18 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

了解一个过程是否具有遍历性,对于判断该承担多少风险至关重要。投资与财富积累都是非遍历过程,这意味着我们对期望值的直觉判断往往是严重错误的。

我以前听说过遍历性,但直到看了 Ergodicity TV 的这个视频才真正理解。这是个重要的概念,但它在物理学界似乎比在金融界更为人熟知。下面我想用自己的话试着解释一下。

我们都熟悉不同类型的“平均值”——均值、中位数、众数¹。今天我们先聚焦于均值,把它当作某个随机事件的期望值²。我们如何定义期望值,会得出截然不同的结果,从而改变我们对赌局吸引力的看法以及下注多少的判断。

遍历性意味着系综平均等于时间平均。非遍历则相反,即系综平均不等于时间平均。

说实话,我也不太确定这里的“系综”和“时间”是什么意思³,所以我们来看一个抛硬币的例子。

假设某个随机找来的人抛 5 次硬币,得到若干正面和反面。我们可以通过计算一个人在一段时间内得到正面的平均次数,来得出这个模拟的时间平均。5 次抛掷中有 3 次正面,所以是 0.6 个正面(3 除以 5)。

假设我们再找几个人来抛硬币。结果大致如下,为方便起见,我用 1 表示正面,0 表示反面:

这里我们可以使用两种平均值。第一种是之前提到的时间平均,即一个人在一段时间内的平均值。

第二种是系综平均,即多个人在某一时间段内的平均值。

遍历性试图回答的核心问题是:从长期来看,我们应该期望这两种平均值相同吗?

仔细想一想,在这个例子中我们可以推断出它们应该相同。抛硬币是随机的,不依赖之前的结果。从长期来看,系综平均等于时间平均。抛足够多次后,我们会期望这些平均值趋近于 0.5⁴。

为了说明一个你大概本来就相信的事情,我写了这么多字,那为什么我还认为这很重要呢?

让我们在这个例子的基础上继续,让人们就抛硬币下注。每个人起始有 1 美元,赢了获得 50% 的利润,输了则损失下注额的 40%。例如:

与其关注抛硬币本身的结果,不如想想每个人将拥有的财富。如果我们把这些画出来,从长期来看,我们应该期望一个人财富的时间平均等于所有人财富的系综平均吗?

换句话说:如果反复给你提供这样的赌局,你愿意参与吗?

这样一次下注的期望值是 50% 乘以 1.50 美元,加上 50% 乘以 0.60 美元,得到 1.05 美元。既然期望值为正,看起来我们应该一直下注。让我们模拟一些抛硬币来看看会发生什么。

我在这个 jupyter notebook⁵ 中编写了一个抛硬币的模拟。对一个人进行上述场景的 100 次抛硬币,我们注意到他的财富一度增长到 4 美元,随后基本归零。

嗯,也许我们遇到了不走运的情况。让我们换成 100 个人重复这个过程,仍然每人抛 100 次。我还会计算每次抛硬币时的平均财富(系综平均),并用红色虚线⁶表示。

下面两张图的数据完全相同;我只是用对数坐标轴重新缩放以便更好地可视化。

奇怪的事情发生了。我们看到一个幸运的离群者财富达到了 1000 美元,也看到平均财富(红色虚线)在持续增长。然而,请注意这些人中的大多数都在亏钱!在这个模拟中,100 个参与者中有 94 人最终拥有的财富少于他们起始的 1 美元。

如果你还不信服,notebook 里有一个一千人的例子;也欢迎你自行调整参数。

我们看到的是,即使期望值为正、系综平均在增长,任何单个个体的时间平均通常却在下降。整个“系统”的平均值在上升,但这并不意味着单个个体的平均值在上升。巨大的离群值拉高了平均值,但大多数人都在亏损。

这一点值得反复强调。即使这种赌局的期望值为正,100 个参与这个游戏的人中有 94 人损失了大部分钱财。这些结果发生在同一个系统内,却会让你对是否愿意参与得出截然相反的结论。

在这个场景中,财富是非遍历的,因为未来的财富取决于过去的财富(路径依赖)。系综平均不等于时间平均。

总的来说,财富也是非遍历的,因为你投资组合明天的回报取决于今天组合的规模和配置。

在实践中,这对投资的含义是:

  • 注意你如何使用期望值,因为你需要弄清楚那是整个系统的平均值,还是像你这样的个体平均应该期望的结果。如果你心中已有概率,把它们建模出来,看看意味着什么。
  • 乍看之下很有吸引力的东西往往很糟糕,因为少数离群值会把平均值拉高⁷。
  • 如果你不喜欢看到的赔率,试着改变游戏规则。我之前那篇关于凯利准则的文章讨论了如何确定下注规模,这会影响你的盈亏幅度。

总结一下,遍历性关乎的是对多次模拟的长期平均是否等于对单次模拟的平均。当事物是非遍历的——而生活中许多事物都是非遍历的——你必须极其谨慎地对待你所承担的风险水平。

感谢 Tyler Richards,以及 Recurse Center 的成员 Vaibhav Sagar、Sidharth Shanker、SengMing Tan、Alex Yeh 对本文的建议。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →