遍历性破缺：为什么群体平均赚钱，你个人会亏光
内容持续修订，过时部分会及时剔除
有一个赌局，算平均收益是每局 +5%，看图、看回测、看别人的统计都很漂亮；但你亲自一局一局玩下去，账户却在缩水。这不是错觉，是数学：一旦财富按乘法增长，群体的平均和你的平均就不是同一个数。
1. 遍历性破缺＝集合平均不等于时间平均。它不是哲学，是一道可以手算的算术题。
2. 破缺的配方只有两样：乘法增长＋随机性。加性场景不破缺，复利场景必然破缺。
3. 所以做决策要看时间平均（对数增长），不看期望值；杠杆、仓位、止损都是在调这个数。
一、彼得斯问了一个很朴素的问题
奥勒·彼得斯（Ole Peters）在 2019 年《自然·物理》的《经济学中的遍历性问题》里，把经济学里一个很少被追问的假设挑了出来：我们习惯用“期望值”评价一个决策，好像你可以把所有人的结果平均一下，再当成自己的结果。
但真实的你只有一条路径。你不会“平均地”经历一次上涨和一次下跌，你只会先遇到其中某一个。
彼得斯给出的答案很干脆：如果财富是乘性增长的（复利），那么“一群人各玩一次的平均”和“一个人玩很多次的时间平均”在数学上就是两个不同的量，而且差距会随时间指数级拉开。这个现象叫遍历性破缺。
这段历史的直觉版，在遍历性：活着才是第一要务那篇讲过；这一篇拆开机制，把公式和数字摊在桌上。
二、一个赌局：+50% 与 −40%
掷一枚公平硬币：正面你赚 50%，反面你亏 40%。两个结果同样可能，看起来“赚得多、亏得少”，应该很划算。我们分两种算法。
每个人的期望收益 = 0.5 × 50% + 0.5 × (−40%) = +5%
1000 个人各玩一局，平均每人变成原来的 1.05 倍。
玩 100 局，平均每人 1.05100 ≈ 131.5 倍。
每局的对数增长 = 0.5 × ln(1.5) + 0.5 × ln(0.6) ≈ −0.0527
也就是每局平均变成原来的 e−0.0527 ≈ 0.9487，即 −5.13%。
100 局之后：0.9487100 ≈ 0.0052——只剩本金的 0.5%。
同一枚硬币、同一个赌局，两个答案相差约 2.5 万倍。而且这不是“运气差”的问题，玩得越久，分叉越大。
再看一个更扎心的数：玩 100 局之后，你能回本（终值大于 1）的概率是多少？需要至少 57 次正面，概率约 9.7%。也就是说，九成的人亏钱，而“平均值”是 131 倍。
集合平均那 131 倍，是被极少数连续开正面的路径拉上去的。他们确实存在，但他们的存在不能给你任何保证——你不是“平均的那个你”，你是“某一个你”。
凡是有人拿“平均收益”“期望回报”说服你的时候，先问一句：这是谁的平均？
三、破缺是怎么来的：乘法 + 随机性
把两种情形并排放，破缺的来源就一目了然：
| 动态形式 | 时间平均等于什么 | 会不会破缺 |
|---|---|---|
| 加性：Xt = X0 + Σ 收益 | 期望收益 E[r] | 不破缺（两者一致） |
| 乘性：Xt = X0 × Π(1 + rt) | E[ln(1 + r)] | 破缺（两者不同） |
差别只在“相加”还是“相乘”。你的账户是相乘的：赚 50% 再亏 50%，不是回到原点，是剩 75%。所以时间平均天然用对数算，而集合平均用算术算。
数学上这就是詹森不等式：ln 是凹函数，所以
E[ln X] ≤ ln E[X]
等号只在没有波动时成立。波动越大，两者差得越远——这就是“波动拖累”的严格来源。
所以遍历性破缺不是玄学，是凹性。它同时解释了三件本站反复讲的事：为什么要用几何平均当标尺、为什么满凯利太大、为什么加杠杆会加速毁灭。
四、交易里的破缺，被杠杆放大
把赌局换成市场。假设某策略的算术平均年化 8%、年化波动 20%，你用杠杆 L 倍去做。集合层面（回测曲线的平均）和你的时间平均分别是：
| 杠杆 L | 集合平均（算术） | 时间平均（对数，近似） |
|---|---|---|
| 1 倍 | +8% | +6% |
| 2 倍 | +16% | +8%（最优） |
| 3 倍 | +24% | +6% |
| 4 倍 | +32% | 0% |
| 5 倍 | +40% | −10% |
集合平均随杠杆一路直线上升，时间平均却在 2 倍之后掉头，4 倍归零，5 倍转负。时间平均的式子是 L × 8% − L² × 2%，最大值出现在 L = 8% ÷ (2 × 2%) = 2 倍——这正好是连续版本的凯利比例。
这张表就是“破缺被杠杆放大”的样子：杠杆越大，两个平均分道扬镳得越快。而市场上绝大多数“高收益低回撤”的展示，用的都是集合平均那一列。
五、三种真实世界里的“破缺”
- 纯粹的乘法复利。只要钱在滚，就自动成立。波动越大、单笔仓位越重，破缺越明显。这一层无法消除，只能靠仓位和波动管理压低。
- 吸收壁。破产、强平、合约到期被迫离场、资金期限到了要赎回——一旦触到，时间平均直接变成“游戏结束”，不管后面行情怎么走。这一层最危险，因为它把“暂时落后”变成“永久退出”。
- 行为端的破缺。回撤深了你会改规则、会减仓、会不敢下单。账户数学上还活着，实际执行的那条路径已经不是原来那条了。这也是为什么回撤要事前设上限，而不是留给未来的自己临场判断。
六、三条能直接落地的结论
- 用时间平均当标尺。评价一个策略，看它的对数增长率（几何平均），不看算术平均；看自己的账户曲线，不看别人的榜单。回测里出现“平均很好但曲线剧烈波动”的组合，八成就是集合平均在骗你。
- 先处理会破缺成 −100% 的地方。杠杆、裸卖期权、无止损的重仓、相关性叠加——这些不是“回撤大一点”，是把你的时间平均直接截断。它们的优先级高于任何提高胜率的努力。
- 主动制造一点可控的破缺来保护自己。止损就是最好的例子：它把“可能一直亏下去”的路径剪断，代价是把一部分浮亏变成确定亏损。你放弃了集合平均里那点“扛回来”的可能性，换来时间平均不会归零。这笔交换几乎总是划算的。
甲：单笔风险 1%，从不满仓，回撤上限 20% 停机复盘。
乙：单笔风险 5%，行情好时加到 3 倍杠杆，回测年化 60%。
集合平均上乙赢；时间平均上，乙只需要一次“运气正常差”的连续亏损，就会掉进那个 −100% 的吸收壁，之后再高的期望都与他无关。
七、一张自检表
| 问题 | 危险信号 | 健康做法 |
|---|---|---|
| 我的决策依据是哪个平均？ | 期望收益、平均年化 | 几何平均、对数增长 |
| 波动有多大？ | 没算过，只看收益 | 知道 σ²/2 吃掉多少 |
| 有没有吸收壁？ | 满仓、裸卖、不止损 | 有止损、有保证金缓冲 |
| 杠杆用了几倍？ | “感觉还行” | 低于 μ ÷ σ² 的一半 |
| 深回撤时我会怎么做？ | 临场决定 | 事前写好停机规则 |
八、三个常见问题
遍历性破缺和“幸存者偏差”是一回事吗？
不是。幸存者偏差是样本问题——你只看到活下来的人。破缺是数学问题：即使样本完整、数据全真、每个人都被统计到，集合平均和时间平均依然是两个数。前者靠更全的数据能修，后者只能靠换评价标准。
那我是不是应该追求“绝对不亏”？
不需要，也不可能。破缺不等于要躲开所有波动；正确做法是把时间平均做正，而不是把回撤做没。真正的红线只有一条：别让时间平均变成 −100%（出局）。所以本站的顺序是先活着、再谈增长，而不是先谈增长、再补止损。
既然期望值不可靠，为什么还学概率？
因为概率没错，错的是把“期望值”当成“复利场景下的目标函数”。胜率、盈亏比这些统计量依然要估，只是最后一步要用对数（几何平均）来合成，而不是用算术平均。换的是合成方式，不是放弃概率。
1. 决策时问“时间平均是多少”，而不是“期望是多少”。
2. 先消灭通向 −100% 的路径，再优化速度。
3. 杠杆是破缺的放大器：加之前先算 L × μ − L²σ²/2。
彼得斯与盖尔曼在《用动态评估赌局》里把这套思路又推了一步：不要先假设人的偏好是“风险厌恶”，而是先用动态（时间平均）算出这个赌局对一个人来说到底是增长还是衰减，剩下的“偏好”就没什么可解释的了。据其论述意译——这大概是这套框架最锋利的地方：所谓风险厌恶，很大一部分不是心理，是复利。
“同一枚硬币，集合平均每局 +5%，时间平均每局 −5%。区别不在于你胆子大不大，而在于你是一个人玩很多次，还是很多人各玩一次。”