SLOW / VARIABLES25 SEP 2026

慢变量⑮｜一次归零，抵消之前所有的快

段永平那句"慢就是快，足够的最小发展速度"，光凭直觉信它是不够的——它背后有一套很硬的数学。

SLOW / 01

一、算术平均和几何平均，是两件不同的事

假设一笔钱交替涨跌：涨 50%，再跌 50%。

算术平均很好算：（50% - 50%）÷ 2 = 0%，看起来不涨不跌。

但实际结果是：100 涨到 150，再跌到 75。亏了 25%，不是 0%。

这就是复利的非对称性：跌 50% 之后，需要涨 100% 才能回到原点，不是涨 50%。亏损对后续涨幅的要求，永远比直觉算出来的更高。

SLOW / 02

二、一次归零，前面的全部清零

几何平均是把每一次的结果连乘起来，再开次方根。

这意味着：不管前面有多少次乘以 1.5，只要有一次乘以 0，结果永远是 0。

几何平均对"归零"这件事没有一点宽容——它会记得每一次的乘法，不会因为前面的成绩好就遗忘任何一次崩掉。这跟算术平均完全不同：算术平均会被一堆好数字稀释掉一个坏数字，几何平均不会。

SLOW / 03

三、凯利公式说的就是这件事

1956 年，贝尔实验室的凯利（John L. Kelly Jr.）发表一篇论文，专门回答一个问题：重复下注的时候，每次该下多大。

答案不是"按期望值最大化来下"，是"按长期几何增长率最大化来下"——而这个数字，几乎永远小于"期望值最大化"建议的那个尺寸。

超过凯利值的那部分下注，看起来是在追求更高的期望收益，实际在追求更高的归零概率。长期跑下来，几何增长率反而更低——这不是保守的说法，是这套数学本身算出来的结果。

SLOW / 04

四、速度该参照的，是你自己这条路

2019 年，物理学家 Ole Peters 在《自然·物理》上提出一个说法：财富的演化是乘法过程，不是加法过程，而大多数经济学理论习惯用"整体平均"去判断一个人该怎么选择——假设有无数个你，同时下注，取所有结果的平均。

但现实中只有一个你，只能沿着一条路走下去，经历很多次之后得到的是"时间平均"，不是"整体平均"。这两个数字，在乘法过程里几乎永远不相等。

"足够的最小速度"说的正是这件事：别管那个不属于你的整体平均，管好自己这一条路能走多久、会不会中途归零。

SLOW / 05

最后

段永平那句话，翻成数学语言就是：复利公式奖励的是几何平均，不是算术平均；几何平均对归零零容忍；所以真正该优化的从来不是"这一次能冲多快"，是"这条路能走多久不中断"。

如果只记一句：

不是慢更安全那么简单，是复利本身的数学结构，天生惩罚任何会导致归零的速度——不管那个速度曾经带来过多好看的单次回报。

本篇把凯利公式与ergodicity economics的核心结论，从赌注/投资的原始场景，借用为理解"足够的最小速度"的数学直觉；是框架性的类比说明，不构成具体的投资或下注建议，实际下注/仓位决策需结合专业判断。

阅读依据：John L. Kelly Jr., "A New Interpretation of Information Rate", Bell System Technical Journal, 1956——提出以最大化长期几何增长率（而非单次期望值）确定最优下注比例，即凯利公式；Ole Peters, "The ergodicity problem in economics", Nature Physics, 2019——区分乘法财富过程中的"整体平均"(ensemble average)与"时间平均"(time average)不相等的问题。均为公开发表文献的核心结论转述，未改动其数学结论，示例数字为简化说明用。