遍历性经济学：基金赚10%你却血亏的认知理论

2019年，物理学家奥勒·彼得斯（Ole Peters）在《自然·物理》杂志发表了一篇颠覆性论文，指出传统经济学存在一个根本性漏洞：它混淆了群体的统计规律与个体的生存逻辑。

比如，某基金宣称“过去十年年化收益10%”，但多数投资者却在追涨杀跌中亏损；政府公布“人均收入增长5%”，但70%的民众感觉生活压力反而增大；一场看似“公平”的赌局，从群体统计看盈利概率极高，但若重复参与，个体终将破产——这些矛盾现象的背后，隐藏着经济学中最深刻的认知革命之一：遍历性经济学（Ergodicity Economics）。

这一诞生于统计力学与概率论交叉领域的新兴范式，以“时间平均”与“集合平均”的根本差异为钥匙，揭开了传统经济学模型的底层缺陷。

它不仅颠覆了投资、保险、政策等领域的决策逻辑，更揭示了一个反直觉的真相：在充满不确定性的世界里，群体的“平均成功”可能是统计幻觉，个体的“长期存活”才是真实挑战。

一、核心概念：时间与群体的双重宇宙

1. 遍历性：物理学播下的经济学种子

遍历性（Ergodicity）概念源于19世纪统计力学，用于描述系统状态的“时间平均”与“集合平均”是否等价。物理学家玻尔兹曼发现，若一个封闭系统的时间平均（单个分子长期运动的统计结果）等于集合平均（同一时刻大量分子的状态平均），则该系统具有遍历性。这一性质使得科学家可以通过群体测量推断个体行为。

• 时间平均：单一主体在无限时间内的行为结果（如一个投资者连续交易 10 年的收益）；
• 集合平均：同一时刻大量独立主体的统计均值（如 1000 个投资者某一年的平均收益）。

在投资场景中，这里的 “时间平均”，好比一位孤独的投资者，日复一日、年复一年地在交易市场摸爬滚打，最终积累的收益曲线；而 “集合平均”，则像是在某个特定时刻，将 1000 个投资者的收益数据丢进搅拌机，得出的那个看似整齐划一的平均值。标普500指数长期年化收益约10%，但大多数散户因择时错误实际亏损。

在理想的遍历性系统里，比如密闭容器中做无规则运动的气体分子，时间平均与集合平均完美重合，它们遵循着简洁而确定的物理法则。但现实世界中的大多数系统，尤其是金融市场、生物进化历程，都属于非遍历性系统 —— 在这里，两种平均会走向截然不同的方向，就像分道扬镳的旅人，再也无法相遇。

以经典的俄罗斯轮盘赌为例，这场充满死亡气息的游戏，将非遍历性的残酷展现得淋漓尽致。当 100 个人同时参与轮盘赌，左轮枪里只装 1 颗子弹，从集合平均来看，99 人存活，存活率高达 99%，仿佛是一场安全的冒险；

可如果单人重复参与这场赌局，每扣动一次扳机，存活概率就以的速度递减，随着次数增加，死亡阴影如潮水般逼近，最终迎接他的只有必然的毁灭。

这鲜明地印证了：在非遍历性系统中，群体呈现的 “统计安全” 与个体面临的 “必然毁灭”，如同硬币的两面，始终并存。

2. 数学本质：算术平均与几何平均的冲突

传统经济学依赖算术平均（集合平均）计算期望值，假设“理性人”追求收益最大化。但遍历性经济学指出，在非遍历性系统中，几何平均（时间平均）才是个体生存的关键。

传统经济学一直笃信算术平均（集合平均）的力量，将其作为计算期望值的核心工具，构建起 “理性人追求收益最大化” 的理论大厦。然而遍历性经济学毫不留情地指出，在非遍历性系统的真实战场上，几何平均（时间平均）才是决定个体生死存亡的关键。

算术平均的公式 ，适用于彼此独立的事件，它暗含着 “无限重复” 的理想假设，就像在实验室里可以无限次重复的化学实验；而几何平均公式 则精准捕捉到复利过程中的路径依赖，更贴近现实世界中财富积累的复杂曲线。

彼得斯设计的抛硬币实验，堪称击碎传统经济学幻想的 “致命一击”。实验规则很简单：抛一枚特殊的硬币，50% 概率赚 60%，50% 概率亏 50%，重复 100 次。

从算术平均计算，收益高达 5%，看似稳赚不赔；但按照几何平均计算，结果却是触目惊心的 -13.4%，100 轮后本金仅剩初始值的 2.65%。这意味着，盲目追求传统经济学推崇的 “期望值最大化”，在非遍历性系统中，就如同饮鸩止渴，是一场缓慢而确定的 “慢性自杀”。这一反差揭示了非遍历性系统的致命性：群体层面的“正期望”与个体层面的“必然毁灭”共存。

二、历史演进：从赌局悖论到科学革命

1. 概率论的困境：期望值的崩塌（17-19 世纪）

• 赌桌上诞生的理论裂痕
• 1654 年，法国贵族梅雷骑士向数学家费马提出 “赌局分金” 难题：一场未完成的赌局，若甲需再赢 2 局、乙需再赢 3 局即可获胜，赌金该如何分配？费马与帕斯卡通过 “期望值” 概念给出解决方案 —— 计算双方获胜概率并按比例分配，这一理论奠定了传统决策理论的数学基础。然而，他们默认 “赌局可无限重复” 的假设，如同在地基中埋下一枚炸弹：现实中，赌徒的本金有限、生命有限，“无限重复” 不过是理论上的空中楼阁。
• 

• 悖论敲响警钟：当数学期望失效
• 1713 年，瑞士数学家尼古拉斯・伯努利提出 “圣彼得堡悖论”：一场赌局若抛硬币第n次首次正面朝上，奖金为元。按期望值计算，奖金的数学期望为 ，理论上人们应愿意支付任意高价参与。但现实中，几乎无人愿意花超过 20 元下注。这一悖论撕开了期望值理论的致命缺口：纯数学计算无法解释人类在 “有限重复” 中的真实决策逻辑。

• 心理学的补丁与核心矛盾的遗留
• 1738 年，丹尼尔・伯努利试图用 “边际效用递减” 挽救理论危机：随着财富增加，每一元的效用逐渐降低，因此人们对高额奖金的实际估值低于数学期望。这一修正首次将心理学引入经济学，却绕过了最关键的 “时间维度”—— 赌局的 “无限重复” 假设仍未被质疑，个体在 “单次或有限次参与” 中的生存风险依然被忽视。

2. 物理学的启示：遍历性概念的跨学科迁徙（19 世纪）

• 气体分子运动揭开非遍历性面纱
• 1870 年代，玻尔兹曼与麦克斯韦在研究理想气体时发现，虽然单个分子的运动轨迹复杂多变，但大量分子的统计规律（如压强、温度）却呈现稳定性。然而，这种 “集合平均” 的有效性依赖于 “遍历性假设”—— 即单个分子在无限时间内会遍历所有可能状态。但现实中，多数物理系统（如带有吸收边界的容器）并不满足遍历性，这意味着时间平均与集合平均可能永远无法统一。这一发现如同一束光，照亮了经济学困境的本质：经济系统中的个体（如企业、投资者）同样面临 “吸收态”（破产、死亡），无法实现 “无限重复”。

• 姓氏灭绝的微观隐喻
• 1875 年，弗朗西斯・高尔顿与亨利・沃森通过 “高尔顿 - 沃森过程” 研究姓氏传承：假设每个家庭生育男孩的概率为p
• ，女孩为1−p，当p≤0.5时，尽管群体期望的姓氏数量保持稳定，但单个姓氏因随机事件（如连续生女）灭绝的概率高达 100%。这一模型揭示了非遍历性的核心特征：群体统计的 “稳定” 与个体命运的 “灭绝” 可以共存，恰似金融市场中 “平均收益” 与 “个体亏损” 的悖论。

• 经济学的第一次触电：随机游走与市场波动
• 1900 年，法国数学家路易・巴舍利耶在博士论文《投机理论》中提出，股票价格遵循 “随机游走模型”，其波动具有 “马尔可夫性”（未来价格仅取决于当前状态，与历史无关）。这一理论首次将物理学中的 “非遍历性” 概念引入经济学 —— 股票价格的 “时间路径” 不可预测，单一投资者的收益轨迹与市场整体均值可能长期背离，传统经济学的 “均衡假设” 在真实市场波动面前摇摇欲坠。

3. 数学化与金融实践：从理论到工具（20 世纪）

• 数学基石的奠定与金融模型的异化
• 1930 年代，冯・诺依曼与伯克霍夫通过 “遍历定理” 为遍历性建立严格数学框架，指出在遍历性系统中，时间平均与集合平均几乎处处相等。然而，金融学却借用这一理论走向了反面：几何布朗运动（GBM）成为资产定价的标准模型，其核心公式 中的 “乘性噪声” 意味着，资产价格的微小波动会因复利效应被放大，导致时间平均与集合平均必然分离。换言之，金融模型从诞生起就内置了 “非遍历性” 基因，但传统经济学却长期视而不见。

• 凯利公式：用几何平均挑战期望值霸权
• 1956 年，贝尔实验室工程师约翰・凯利针对通信噪声问题提出 “凯利公式”，其核心思想被迅速引入投资领域： （f∗为最优仓位，p为胜率，b为赔率）。该公式通过最大化几何平均收益，解决了 “在非遍历性系统中如何避免破产” 的难题。例如，若某投资胜率 60%、赔率 1:1(b=1)，凯利公式建议下注 20% 本金，而非满仓追求算术平均最大化。这一工具直接挑战了 “期望值至上” 的传统智慧，成为华尔街对冲基金的生存法则。
• 

• 复杂系统革命：从物理到经济的路径依赖
• 1980 年代，圣达菲研究所的学者们将非遍历性研究推向新高度。他们发现，经济中的技术演进（如 VHS 录像带战胜 Betamax）并非由技术优劣决定，而是受制于历史偶然形成的 “路径依赖”—— 一旦某技术因早期优势占据市场，即使存在更优选项，系统也会锁定在低效状态。这种 “锁定效应” 正是非遍历性的典型表现：过去的随机事件会永久改变未来路径，群体最优与个体选择之间并无必然联系。

4. 现代范式的确立：从物理学回到经济学（21 世纪）

• 用遍历性破缺重构经济学逻辑
• 2011 年，奥勒・彼得斯在圣达菲研究所发表研究，以 “遍历性破缺” 重新诠释圣彼得堡悖论。他指出，传统经济学误用集合平均（群体视角）替代时间平均（个体视角）：若赌局由单个参与者重复进行，其实际收益的几何平均远低于集合平均的算术期望，因此理性人必然拒绝参与。这一修正直指传统经济学的根基：个体的决策目标应为 “时间平均收益最大化”，而非 “集合平均收益最大化”，前者确保生存，后者导致毁灭。

• 《自然・物理》的呐喊：批判遍历性谬误
• 2019 年，彼得斯在《自然・物理》发表《经济学中的遍历性问题》，尖锐批判传统经济学将 GDP 增长、人均收入等 “集合平均指标” 等同于个体财富积累的做法。他以 “财富分配模型” 为例：假设群体财富呈几何布朗运动增长，集合平均财富上升，但个体财富的时间平均可能因路径差异持续下降，导致 “统计上增长，现实中衰退” 的荒诞结局。这一研究引发学界震动，被视为遍历性经济学成为独立范式的宣言。
• 

• 从理论到现实：实证研究的崛起
• 进入 2020 年代，遍历性经济学从象牙塔走向现实应用。机器学习算法被用于量化金融市场的 “时间 - 集合平均缺口”，例如通过随机森林模型预测不同投资者的收益路径分化；神经科学研究则揭示，人类大脑天生偏好 “集合平均思维”（如被基金的历史平均收益吸引），而非 “时间平均思维”（关注最大回撤与生存概率），这种认知偏差正是非遍历性风险被忽视的心理根源。

从 17 世纪赌局中的数学猜想，到 21 世纪《自然》期刊上的范式革命，遍历性经济学的演进史恰似一场漫长的 “去理想化” 旅程。它用物理学的严谨、数学的冷峻和现实的残酷，告诉我们一个简单却颠覆性的真理：经济学的起点不应是 “无限重复的理想人”，而应是 “有限生命的真实个体”。当我们学会用时间的维度丈量世界，那些被 “平均” 掩盖的生存危机，才会真正浮出水面。

三、颠覆传统：经济学的范式革命

在传统经济学的大厦中，三大假设如同基石般支撑着整个理论体系。然而，遍历性经济学的出现，却如同一场精准的地质勘探，揭示出这些基石下隐藏的巨大裂隙。

传统经济学的第一个假设 —— 个体可无限重复决策，在现实世界中遭遇了残酷的挑战。企业破产、投资者血本无归、个体生命终结等 “吸收态” 的存在，彻底击碎了 “无限重复” 的幻想。就像一家初创企业，在激烈的市场竞争中一旦资金链断裂，宣告破产，它就永远失去了重新开始的机会，无法像传统模型假设的那样，无限次地重启决策。

第二个假设，即风险独立且可平均化，同样与现实背道而驰。风险从来不是孤立存在的，它具有强烈的路径依赖性。例如，投资者在经历一次重大亏损后，不仅本金大幅缩水，后续能够承担风险的能力也随之降低，进而影响其投资决策和收益潜力，这与传统模型中风险可简单平均化的设想大相径庭。

而第三个假设 —— 群体规律适用于个体，更是在贫富分化加剧、社会不平等凸显的当下，暴露出其荒谬性。“人均收入” 等看似美好的统计数字，常常掩盖了多数人实际收入下降的残酷现实，让个体在追求 “平均成功” 的道路上迷失方向。

面对这些传统经济学的缺陷，遍历性经济学提出了深刻且具有革命性的修正。

首先，它将生存优先于最大化作为核心目标。传统经济学一味追求期望值（算术平均）的最大化，鼓励人们冒险以获取更高收益；而遍历性经济学则强调最大化几何平均收益，因为在充满不确定性的世界里，避免 “归零风险” 才是确保个体长期生存的关键，就像凯利公式通过精确计算仓位，帮助投资者在追求收益的同时，将破产风险控制在可承受范围内。

其次，遍历性经济学用动态路径取代静态统计。传统模型往往只关注某一时刻的群体快照，例如市场均值，忽视了个体收益随时间变化的具体路径；而遍历性模型则聚焦于个体收益路径，深入分析复利增长过程中的波动性，因为正是这些波动决定了个体最终能否在长期竞争中存活下来。

最后，它以异质性取代同质性。传统经济学假设所有个体无差异，使用 “代表性 agent” 模型简化复杂的经济现象；但遍历性经济学从现实出发，承认个体在财富、风险承受能力、信息获取等方面存在巨大差异，这些差异正是导致经济结果分化的重要原因。

四、应用场景：从华尔街到政策大厅

遍历性经济学的影响力，早已超越了理论探讨的范畴，在金融投资、公共政策、保险养老以及复杂系统等诸多领域引发了深刻变革。

在金融投资领域，遍历性经济学掀起了一场风险认知与投资策略的双重革命。基金公司常常宣传的 “平均收益”，本质上是集合平均，它就像一个精心编织的美丽谎言，掩盖了投资过程中的巨大风险。个体投资者如果只关注这一数字，而忽视 “最大回撤”，往往会在市场波动中遭受重创。

以 2008 年全球金融危机为例，美股暴跌 50%，多数投资者因无法承受巨大损失而割肉离场，根本无法坚持到市场反弹。雷曼兄弟的破产更是一个典型案例，其通过高杠杆追求算术平均收益，表面上风光无限，但在非遍历性的金融市场中，几何平均收益为负，最终走向覆灭；而巴菲特凭借 “安全边际” 原则，始终将风险控制在较低水平，成功规避非遍历性风险，实现长期稳定收益。

在投资策略革新方面，凯利公式成为了投资者的制胜法宝。例如，当某投资胜率 60%、赔率 1:1 时，根据凯利公式计算出的最优下注比例为 20%，而非满仓操作，这样既能保证获取收益，又能确保长期复利增长。

此外，资产配置的分散化原则也得到了进一步强化，通过合理搭配股票、债券等不同资产，降低单一资产的非遍历性风险，构建稳健的投资组合。

公共政策领域也因遍历性经济学的引入，开始重新审视政策制定的逻辑。在收入分配方面，单纯追求人均 GDP 增长的目标，可能会产生严重的误导。人均 GDP 增长 5% 的亮眼数据背后，可能隐藏着 70% 人群收入下降的残酷现实。因此，政策制定者应更加关注收入中位数，从个体视角出发，切实改善大多数人的生活水平。

例如，某国 “平均工资” 的增长，实际上是少数富豪收入飙升的结果，多数工薪阶层的实际购买力反而下降，这种 “平均暴政” 严重影响了社会公平与稳定。

在气候政策方面，全球平均升温 2℃的目标看似可控，但在非遍历性的气候系统中，热带地区可能升温 6℃，导致生态系统崩溃。因此，政策制定应摒弃 “全球统计平均” 的思维，以 “区域生存底线” 为导向，制定更具针对性和有效性的气候政策。

保险与养老行业也在遍历性经济学的指导下，开启了时间维度上的再平衡之旅。在车险定价中，传统模型依据 “群体事故率” 统一设定保费，完全忽视了新手司机风险是老手 5 倍的个体差异。而基于遍历性经济学的车险方案，通过车载 GPS 动态追踪驾驶行为，实时调整保费，例如急刹车频率高的司机保费上浮，这种个性化定价方式更加公平合理，也更符合实际风险状况。

在养老金设计方面，基于平均寿命的固定发放模式存在明显缺陷，可能导致长寿者资金短缺，而早逝者 “多交少领”。遍历性经济学提出的解决方案是将终身年金（确保个体活多久领多久）与个人账户（覆盖个体差异）相结合，为老年人提供更可靠、更灵活的养老保障。

在复杂系统领域，遍历性经济学为理解技术演进和财富分配提供了全新视角。技术演进过程中，VHS 战胜 Betamax 并非因为技术更优，而是由于历史偶然因素形成的路径依赖，这一经典案例充分体现了非遍历性系统的 “锁定效应”。这启示政府在芯片、新能源等关键领域，应适时干预，避免市场锁定在低效路径上，影响整个产业的发展。

在财富分配方面，个体财富遵循几何布朗运动，集合平均增长的表象下，是贫富分化不断加剧的现实。全球前 1% 人群掌握 45% 财富的背后，是少数人因 “幸运路径” 积累巨额财富，而多数人因风险暴露逐渐被淘汰的残酷事实。

五、现实启示：普通人的非遍历性生存指南

遍历性经济学不仅是学术研究的前沿理论，更为普通人在充满不确定性的世界中生存提供了实用的指南。

在投资决策方面，普通人必须拒绝 “赌徒式理性”。遍历性经济学的黄金法则明确指出，任何存在 “破产概率” 的策略，即便概率极低，如 1%，从时间平均的角度来看，最终也必然失败。

在实际操作中，投资者应学会运用凯利公式计算合理仓位，始终保留 “生存本金”，例如将总资金的 20% 作为安全垫，确保在市场波动时有足够的资金东山再起。同时，要坚决远离 “黑天鹅密集区”，像高杠杆加密货币合约、单一行业押注等高风险投资，这些领域看似充满诱惑，但隐藏着巨大的非遍历性风险，一旦遭遇危机，投资者可能血本无归。

职业选择同样需要警惕 “集合平均陷阱”。高薪但高风险行业，如创业、投行，常常充斥着 “平均成功故事”，这些故事就像绚丽的烟花，吸引着无数人投身其中，然而其背后 90% 的失败率却鲜为人知。遍历性思维提醒我们，应选择 “时间友好型” 职业，如技术专家、医生等。这类职业的技能积累具有复利效应，随着时间的推移，从业者的经验和能力不断提升，价值也随之增长，而不是依赖短期的机会和运气。

在消费与储蓄方面，普通人要学会对抗路径依赖。现代消费主义常常通过分期消费等手段，营造出 “低月供” 的假象，实际上却通过复利放大了总成本。例如，12 期免息分期的实际年化利率可能高达 15%，消费者在不知不觉中承担了高额利息。基于遍历性经济学的策略是优先储蓄，用 “几何平均思维” 规划长期支出，提前存钱购买所需物品，而非依赖借贷消费，这样才能避免陷入债务陷阱，实现财务的长期稳定。

六、争议与未来：遍历性经济学的挑战与可能

遍历性经济学自诞生以来，在学术界引发了广泛的讨论，既收获了众多赞誉，也面临着诸多争议与挑战。

在学术争议方面，部分学者对遍历性经济学的独立性提出质疑。他们认为，遍历性经济学的核心观点可以被动态规划、行为经济学等现有理论所涵盖，缺乏成为独立范式的价值。然而，遍历性经济学支持者回应称，它提供了更为简洁且有力的数学框架，直击传统经济学模型的 “遍历性谬误” 这一根本缺陷，从全新的视角解释经济现象，具有不可替代的理论价值。

此外，遍历性经济学在数学计算上的复杂性也成为其推广应用的障碍。由于几何平均计算涉及乘性噪声，分析难度远高于传统加性模型，这在一定程度上限制了其在政策制定等实际应用中的普及。

不过，随着机器学习算法的不断发展，如随机森林等技术的应用，正在逐步突破计算瓶颈，实现对非遍历性风险的实时量化，为遍历性经济学的应用提供了新的可能。

展望未来，遍历性经济学有着广阔的发展空间。首先，量化非遍历性将成为重要研究方向，学者们致力于开发 “遍历性指数”，通过量化指标衡量系统偏离遍历性的程度，例如计算金融市场的 “时间 - 集合平均缺口”，为风险评估和决策制定提供更直观的依据。

其次，在建模方面，将更加注重异质性，把年龄、财富、风险偏好等个体差异纳入宏观经济模型，使模型更贴近现实，提高预测和决策的准确性。

最后，跨学科融合将成为趋势，遍历性经济学将与神经科学等领域深入合作，研究 “非遍历性认知偏差”，解释人类为何在决策过程中普遍偏好集合平均思维，从而为经济学理论和实践提供更坚实的行为基础。

参考文献  

• Peters, O. (2019). The Ergodicity Problem in Economics. Nature Physics. 
• Kelly, J. L. (1956). A New Interpretation of Information Rate. Bell System Technical Journal. 
• 布莱恩·亚瑟. (2018). 技术的本质：技术是什么，它是如何进化的 . 中信出版社. 
• 彼得·伯恩斯坦. (2008). 与天为敌：风险探索传奇 . 机械工业出版社.

---

**小提示**：投资有风险，入市需谨慎。本文仅供参考，不构成任何投资建议哦！

来源：钻研的暴博