时间平均 vs 集合平均：赌博游戏里的致命错觉
- 用具体计算看清两种平均的分离
- 认出日常表述中混用两种平均的地方
- 把「我只有一条路径」这个约束落到具体决策上
遍历性 那一篇讲了核心结论。这一篇把两种平均的分离讲透，因为它是很多判断错误的共同根源。
一、两个不同的问题
问题 A：如果一万个人每人玩一次这个游戏，他们的平均结果是什么？
问题 B：如果一个人连续玩一万次这个游戏，他最终会怎样？
这是两个不同的问题，答案可以完全不同。
- 问题 A 的答案叫集合平均（ensemble average），也就是我们通常说的期望值
- 问题 B 的答案叫时间平均（time average）
在物理学里，两者相等的系统被称为遍历的。而财富的乘性增长过程不是遍历的。
二、用那个硬币游戏算清楚
规则：抛一枚公平硬币，正面财富 +50%，反面财富 −40%。
算集合平均
一万个人，每人玩一次。大约五千人得到 ×1.5，五千人得到 ×0.6。
假设每人起始 100 元：
- 五千人变成 150 元
- 五千人变成 60 元
- 平均：(150 + 60) / 2 = 105 元
每轮期望增长 5%。 这个计算完全正确。
算时间平均
一个人，连续玩很多次。假设正反面大致各半，那么他经历的是交替的 ×1.5 和 ×0.6。
1.5 × 0.6 = 0.9
每两轮，财富变成原来的 90%。
100 轮（50 组）之后：100 × 0.9⁵⁰ ≈ 0.5 元
这个计算也完全正确。
两个数字的对比
同一个游戏，玩 100 次：
| 结果 | |
|---|---|
| 集合平均（期望财富） | 100 × 1.05¹⁰⁰ ≈ 1.3 万元 |
| 一条典型路径 | ≈ 0.5 元 |
这不是矛盾，是两个问题的两个答案。
三、那 1.3 万元去哪了
一个自然的疑问：如果大多数人只剩五毛，那平均 1.3 万是怎么来的？
答案是：来自极少数运气极好的人。
在一万个人里，会有那么几个人连续抛出大量正面，他们的财富变成天文数字。这几个人把整体的平均值拉了上去。
Peters 团队的模拟给出了这组数字：10,000 人各抛 100 次，平均财富达到约 16,000 美元，而中位数只有 51 美分。
平均值 16,000 是真的，中位数 51 美分也是真的。
它们描述的是同一个实验的两个不同侧面：一个描述集合，一个描述个体。
而你只能是一个个体。你没有一万条平行人生可以取平均。
四、日常表述中的混用
理解了这个区分之后，你会发现很多说法在悄悄地混用两种平均。
混用一：「长期来看这个策略是赚钱的」
该问一句：长期来看是谁赚钱？
- 如果指的是"很多人做这件事，平均下来是赚的" → 这是集合平均，它不保证你赚
- 如果指的是"一个人长期做这件事，会赚" → 这是时间平均，需要单独验证，不能从期望值推出来
很多策略的宣传隐含了第一种，而听的人理解成了第二种。
混用二：「历史上这类资产的年化收益是 X%」
如果这个 X% 是把很多个标的、很多个时段平均出来的，那它是一个集合平均。
而你实际会持有的，是其中特定的几个标的、特定的一段时间。 你的结果可能与那个平均值相差很远。
更麻烦的是幸存者偏差：那些消失了的标的可能没有进入统计。见 沉默的证据。
混用三：「这个赌注的期望值为正，所以值得做」
期望值为正是集合平均的性质。 它要成为"你值得做"的理由，需要额外的条件：
- 你能重复足够多次
- 单次下注不会让你出局
- 过程是加法的，或者你的下注比例足够小
混用四：「大多数人都赚钱了」
这句话里的"大多数人"是一个横截面观察（同一时刻的很多人），而你关心的是纵向的（你自己在很多时刻）。
在一段上涨行情里，大多数人当下是浮盈的——这不说明大多数人最终会赚。
混用五：用别人的平均经验推断自己的结果
「我认识的人做这个都还不错」——这仍然是一个集合观察。
而且它比统计数据更不可靠，因为你认识的人本身就是一个被筛选过的样本：做得差的人不太会主动跟你说，做得特别差的可能已经离开这个圈子了。 见 沉默的证据。
判别这一类混用有一个通用的问句：
「这个数字，是把很多人放在一起算出来的，还是跟踪一个人算出来的？」
如果是前者，那么它描述的是集合的性质。而集合的性质，只有在系统是遍历的情况下，才能用来推断个体——而财富增长不是。
五、为什么下注比例是关键
有一个非常重要的技术细节值得说清楚：
那个硬币游戏之所以致命，是因为它每次赌上的是全部财富。
如果你每次只押总资产的一小部分呢？
假设每次只押 10%，其余 90% 不参与。那么：
- 正面：财富变成 1 + 0.1×0.5 = 1.05 倍
- 反面：财富变成 1 − 0.1×0.4 = 0.96 倍
- 一正一反：1.05 × 0.96 = 1.008
从每两轮亏 10%，变成了每两轮赚 0.8%。
同一个游戏，只因为下注比例不同，从必输变成了正增长。
这就是为什么：
第一，"这个机会好不好"和"该下多重"是两个必须分开的问题。 一个正期望的机会，下注过重会变成负增长。
第二，仓位控制不是"保守"，它是数学上的必需。 见 凯利公式实战——凯利公式解决的正是这个问题：在乘性过程中，最大化时间平均增长率的下注比例是多少。
第三，这也解释了 杠铃策略 为什么有效：把绝大部分放在极安全的地方，只用一小部分承担高波动——这个结构从根本上限制了乘法诅咒的作用范围。
本节要点
- 集合平均（一万个人各玩一次的平均，即期望值）和时间平均（一个人连玩一万次的结果）是两个不同问题的答案。两者相等的系统叫遍历的，而财富的乘性增长过程不遍历。
- 硬币游戏（+50%/−40%）的两个正确答案：集合平均每轮 +5%，100 轮后期望约 1.3 万元；而一条典型路径 1.5 × 0.6 = 0.9，100 轮后约 0.5 元。
- 那个高平均值来自极少数运气极好的人。模拟数据：10,000 人各抛 100 次，平均约 16,000 美元，中位数只有 51 美分。两个数字都是真的，一个描述集合，一个描述个体——而你只能是一个个体。
- 四种日常混用：「长期来看这个策略赚钱」（长期来看是谁赚钱？宣传常指集合，听者理解成个体）、「历史年化 X%」（很多标的很多时段的平均，且可能有幸存者偏差）、「期望值为正所以值得做」、「大多数人都赚钱了」（横截面观察不说明纵向结果）。
- 关键技术细节：下注比例决定一切。 同一个游戏，每次押全部是必输，每次只押 10% 则一正一反后为 1.008（每两轮赚 0.8%）——从必输变成正增长。
- 三个推论：「机会好不好」和「该下多重」是两个必须分开的问题、仓位控制不是保守而是数学上的必需（凯利公式解决的正是这个问题）、杠铃策略从根本上限制了乘法诅咒的作用范围。
本文为投资通识教育内容，不构成任何投资建议。文中数字为说明性计算。
本文为投资教育整理，关键数据与结论请结合下列权威来源验证。