图片

比特币涨了千万倍,为什么买过的人照样可能亏钱?

2014年1月,一个网名为"诺丁山的邂逅"的网友,拿出原本准备买房的48万元积蓄,买入100枚比特币,在百度贴吧开帖直播。接下来的监管收紧和币价暴跌让他的资产大幅缩水,买房要用钱,持仓又在亏,贴吧里还有冷嘲热讽。2016年初比特币回暖时,他割肉离场,亏损18万。不到两年后,2017年底,比特币一度飙升到约13万元人民币。

连经常讨论概率与决策的科普作家万维钢,也曾在买入比特币不到一个月后卖出。后来,他感叹:"没有人能拿住。"

从早期不足1美分,到2025年一度超过12万美元,比特币的涨幅以千万倍计。但买过比特币的人,照样可能亏钱。

你可能觉得原因很简单:拿不住,意志力不够,太贪心。但拿不住未必只是意志力问题。把恐惧和贪婪全部拿掉,只留下一枚硬币,你会发现问题仍然存在:即使平均收益为正,多数参与者最后也可能亏钱。


每轮平均赚5%,为什么玩100轮后却可能只剩5毛钱?

比特币当然不等于下面这个硬币游戏。它的价格路径受政策、技术和市场情绪驱动,远比抛硬币复杂。但它揭示了同一个问题:一项资产从起点涨到终点,不等于每个进入其中的人都能走完整条路径。

物理学家Ole Peters在2019年发表于《Nature Physics》的论文中,用一个更简单的版本,把这个机制说给你看。

游戏规则:初始财富100元。每轮抛硬币,正面财富上涨50%,反面财富下跌40%,概率各50%。每轮结束后,账户里的全部财富都继续参加下一轮。

先算单轮期望值:50%的概率涨50%,50%的概率跌40%,平均下来是0.5×1.5 + 0.5×0.6 = 1.05。每轮期望收益率是正5%。如果决策标准只有期望财富,这个游戏会被判断为值得玩。

那玩两轮呢?四条路径,清清楚楚:

涨涨,225元。涨跌,90元。跌涨,90元。跌跌,36元。

四条路径的平均财富是110.25元,确实比100元多,但四条路里有三条亏钱。平均值上涨,是因为225元那条路径把平均数拉高了,它不等于多数路径都上涨。

两轮结果先让我们看到,平均财富上涨不等于多数路径都赚钱。但非遍历性的关键还在后面,这个游戏会反复进行,而且上一轮剩下的钱就是下一轮的本金。

再看100轮。如果把所有可能路径按照发生概率加权,平均财富是:100 × 1.05的100次方,大约13150元。但对一个连续玩100轮的人来说,上涨次数最可能落在50次附近。假设正好上涨50次、下跌50次,最终财富就是:100 × 1.5的50次方 × 0.6的50次方,等于100 × 0.9的50次方,大约0.52元。100轮里至少需要56次上涨,财富才能超过最初的100元。出现56次或更多上涨的概率只有约13.6%。反过来说,约86%的路径最后都会亏损。

图片

同一个游戏,同一个正5%的期望值,按概率加权计算,平均财富变成了最初的约131倍,但100轮后的典型财富却只剩5毛钱。

每轮平均赚5%并没有算错,问题在于这个5%回答的是另一个问题:如果把许多可能的结果同时摊开,平均会有多少钱。

可你不是许多个自己,你只有一份本金,必须把上一轮剩下的钱带进下一轮。

横着看所有可能,平均财富在增长;竖着看同一个人,典型财富却在缩水。

平均值没有错,错的是把所有可能的平均,当成自己的长期命运。

这里有两个概念需要区分。集合平均是把同一时刻很多人的财富放在一起算平均。想象10万人同时玩这个游戏,第一轮结束后5万人变成150元,5万人变成60元,总财富确实增加了5%。但少数运气极好的人将拥有天量财富,把集合平均拉高。长期来看,作为运气一般的普通人,你的财富却在缩水。时间平均是一个人沿着一条路走很久的结果。你只能经历其中一条路径,不能同时走十条路再取平均。

严格地说,0.52元是100轮后的典型终值。对应到长期增长速度,这条典型路径平均每轮约缩水5.1%。在这个游戏里,集合平均显示每轮增长5%,时间平均却显示每轮缩水约5.1%。两者不相等,这才是非遍历性的关键。

非遍历性不只是"平均数被少数赢家拉高",而是集合平均不能代表同一个体的长期时间路径。


一群人的平均,为什么代表不了你一个人的结果?

因为这是一个乘法过程,每期结果按比例改变当前状态,你上一轮的结果改变了下一轮的起点。涨50%再跌40%,不是回到原点,而是乘以0.9。100元涨50%变150元,150元跌40%变90元。一涨一跌之后,本金少了10元。

每一轮的涨跌都是按照当时的本金计算,因此不能把"上涨50%"和"下跌40%"直接相加。这个游戏中,财富先乘以1.5再乘以0.6,两个财富乘数相乘只有0.9,所以经历一次上涨和一次下跌后,本金只剩原来的90%。


生存边界:一旦出局,后面涨多少都跟你无关

波动拖累已经够狠了,但还有另一层风险:生存边界。原始的硬币游戏其实没有吸收壁,因为1.5和0.6都大于零,只要初始财富大于零,任何有限轮次后财富都不会严格归零,只是沿着典型的长期路径,财富会不断逼近零。如果规则进一步规定财富低于10元就不能继续参与,10元才构成一个退出边界,一旦越过这条线,这一轮游戏就结束了。

现实中的退出边界有两类。有些人因为强制平仓,资金链断裂或资本耗尽,被迫退出;也有人因为买房用钱,家庭压力或心理承受能力,主动退出。两者的可逆性不同,但都会结束当前这条持仓或经营路径。

48万哥撞上的不是数学意义上的吸收壁,而是现实中的个人生存边界。理论上他还可以重新买入,但对这一次投资来说,他的路径已经结束,后来的上涨不再属于他。

强制平仓,资金链断裂和失去继续参与的资本,更接近现实中的吸收边界。它们未必永远不可逆,却足以终止当前这条持仓或经营路径,撞上之后,后面涨多少都跟你无关。

非遍历性不只属于投资。一个项目按全年测算可能盈利,不代表企业一定撑得到利润兑现,如果第三个月现金流断裂,后九个月的预期利润不会回来救它。

因此,仅仅说"长期来看会涨",对个体决策仍然不够。资产最后涨没涨是一回事,你能不能持有到那个终点是另一回事。生存边界不是非遍历性的定义,而是它在现实决策中最重要的后果之一。


怎样做,才能不在最坏的时候被迫出局?

应对策略的核心就一件事:别让自己被清出场。面对一项需要反复投入的投资、项目或其他决策时,先问自己四个问题:

1. 这项选择只做一次,还是会反复发生?

2. 本轮结果会不会改变下一轮的本金、能力或选择空间?

3. 除了平均收益,大多数情况下会怎样?最坏又会怎样?

4. 在长期优势有机会显现之前,我会不会先失去继续参与的资格?

以下四条策略都从这四个问题出发。

第一,不要全押。降低每次投入的比例,不让一次失败摧毁继续参与的能力。在上涨50%下跌40%的游戏中,如果每轮重新投入总财富的10%而不是全部押上,其余90%假设收益为零,那么上涨时总财富乘以1.05,下跌时总财富乘以0.96。在这组参数下,典型路径的长期增长率从每轮约负5.1%,变成每轮约正0.4%。同样的赔率和概率,仅仅改变投入比例,典型的长期结果就从持续缩水变成缓慢增长。10%只是说明仓位会改变长期结果,不是普遍最优答案。到底投多少,留给下一篇凯利准则回答。

第二,不要单押。分散真正独立的风险,不把全部结果寄托在一只股票、一个项目或一个客户上。分散不是简单地买得多,关键是让风险来源尽量不同。十只同一行业的股票看起来不少,但它们可能同时受到同一种风险冲击。一家公司70%的收入来自同一个客户,也是单押。真正的分散,是一个风险发生时不会让所有筹码一起失效。Bessembinder在2018年的研究发现,1926至2016年间,表现最好的约4%上市公司,贡献了美国股市相对于一个月期国库券的全部净收益;其余股票合在一起,长期表现大体只与国库券相当。广泛分散持有,能够降低漏掉少数超级赢家的风险。

第三,保留续命资金。建立现金和时间缓冲,避免因为短期波动,追缴保证金或现金流断裂被迫退出。很多出局不是因为方向错,是中间撑不住。缓冲不能保证判断正确,但能避免判断尚未得到验证就因为现金流断裂而被迫退出。

第四,转移不可承受的损失。保险公司把大量相对独立的风险汇集起来,并让保费覆盖预期赔付、运营成本和风险资本。对个人来说,购买保险是用一笔确定、可承受的小成本,转移一个概率不高但可能无法承受的大损失。

图片

非遍历性是在劝你永远别冒险吗?

非遍历性不等于"永远别冒险",也不是劝人永远拿住。期望为负、逻辑已经改变的选择,撑得再久也不会自动变好。期望值概括的是所有可能结果的概率加权平均,非遍历性进一步追问:当选择反复发生时,这个平均能不能代表你的长期路径。它并不直接判断一件事值不值得做,只是提醒你,不能不加检查地把所有可能结果的平均当成个人的长期结果。至于是否值得冒险,还要结合赔率、目标、机会成本和个人约束判断。并不是有波动就叫非遍历,也不是所有平均数都不可信,关键在于集合平均能不能代表同一个体的长期时间平均。

数学上可以确定的是,在这个乘法游戏中,按概率计算的平均财富持续增长,典型路径的长期增长率却为负。学界真正争论的是,能不能进一步把"长期时间增长率"当成所有经济决策的统一标准。本文不做这么强的主张,只使用一个较稳妥的提醒:面对会重复、会复合的选择,不能未经检验就把整体平均当成个人结果。2020年发表在《Nature Physics》上的一篇评论,主要针对的就是Peters提出的更强经济学主张,并不否认上述乘法计算本身。


模型档案卡

非遍历性(Non-ergodicity)

定义

同一时点上所有可能路径的概率加权平均,不一定等于一个系统沿单一路径反复运行时的长期增长率;在某些乘法过程中,两者甚至可能方向相反。

来源

非遍历性概念源于遍历理论与统计物理。Ole Peters与Murray Gell-Mann在2016年发表于《Chaos》的论文中,将其系统用于赌博与财富动态分析;Peters又在2019年发表于《Nature Physics》的论文中,集中讨论了它对经济决策的意义。

方法

先检查平均结果能不能代表个人的时间路径,再检查路径会不会让你失去继续参与的资格。具体策略包括不要全押、不要单押、保留续命资金、转移不可承受的损失。

边界

非遍历性不等于"永远别冒险"或"期望值没用";不回答"这事值不值得做";学术争议尚存,但对个体决策者的核心洞察成立。


这是思维模型系列的第80篇。

下次有人说"长期看一定会涨",别急着争论终点。先问一句:中间最坏会发生什么,我还能不能留在场上?把这篇文章分享给他,帮他换一个视角看风险。

平均值没有错,错的是把所有可能的平均,当成自己的命运。