理性 = 最大化效用的期望
vN-M 定理说：只要你的偏好满足几条常识公理（完备性、传递性、连续性、独立性），那么你的选择必然等价于在最大化某个效用函数 u 的期望值。注意这是一条"表示定理"——它不规定你该喜欢什么，只说如果你的偏好自洽，就一定存在一把内在的效用尺子在背后。
关键在于 u 通常是凹的（钱越多，每一块的效用越小），这直接推出风险厌恶：一个期望值为零的公平赌局，理性人会拒绝，因为可能输掉的效用大于可能赢到的效用。伯努利的洞见在这里被公理化——但效用凹性到底是心理事实，还是别的东西的伪装？遍历性会给出惊人的回答。
是心理，还是数学？
主流解释（伯努利—vN-M）：风险厌恶源于效用函数的凹性——一个关于心理的假设，你天生觉得损失比等量收益更痛。前景理论进一步刻画了它的非理性细节（损失厌恶约 2 倍、参照点依赖）。这一层已是大众认知的天花板。
但彼得斯给出第二种解释，且不需要任何心理假设：风险厌恶可以纯粹是"正确处理时间"的数学后果。因为财富是乘法性地增长的（涨跌是百分比），一次大亏损会永久压低你未来所有的复利基数——回避它不是因为你"厌恶"，而是因为在你唯一的时间线上，它真的会拖垮长期增长率。同一个行为，两套完全不同的底层解释——这就是下一个概念的战场。
你在对谁平均？
一个系统是"遍历的"，如果时间平均（一个个体走很久）等于系综平均（很多个体各走一步的均值）。掷骰子的点数是遍历的——你掷一万次的平均，约等于一万个人各掷一次的平均。但乘法性的财富不是。
看那个经典赌局：抛硬币，正面财富 ×1.5，反面 ×0.6。系综平均每轮 +5%（(1.5+0.6)/2=1.05），看起来该玩。但你这一条时间线呢？长期看，正反各半，你的财富每两轮乘以 1.5×0.6=0.9——每轮实际以约 −5% 的速度衰减，几乎必然归零。期望值指向"玩"，时间增长率指向"别碰"。经济学两百年一直用系综平均给个人建议，而个人活在时间平均里——这个错配，就是遍历性问题。（下面就让你亲手看它发生。）
遍历性赌局模拟器
经典的 Peters 赌局：每轮抛硬币，你押上财富的一个比例 f。正面这部分 ×1.5，反面 ×0.6。拖动 f，看两条线的命运分道扬镳——蓝色系综平均（很多平行世界的均值）和红色中位数时间线（你最可能的那一条）。全押（f=100%）时期望值最高，你却几乎必然归零；最优在别处。
你会发现两件事同时为真：下注越多，系综平均（期望值）增长越快——因为极少数暴富的世界把均值拉得很高；但你这条中位数时间线的增长率，在 f = 25% 处触顶，之后转负。那个 25%，就是这个赌局的 Kelly 最优比例。期望值最大化会怂恿你全押，然后送你去归零——决策理论最贵的一课，就画在这两条线的裂缝里。
下注多少：最大化的是增长率，不是期望值
Kelly 准则回答"押多大"：选那个能最大化财富对数的期望的下注比例——等价于最大化你这条时间线的长期几何增长率。对一个赔率 b、胜率 p 的赌局，Kelly 比例 f* = p − (1−p)/b。它有两个近乎神奇的性质：长期看，任何别的策略的财富，最终都会被 Kelly 甩开任意倍；同时它永不下注到破产（因为对数在零处是负无穷，它对归零无限厌恶）。
实践中人们常用"半 Kelly"（押一半），因为全 Kelly 的波动大到令人生理不适，且对胜率估计的误差极其敏感——高估了自己的优势，全 Kelly 会放大成灾难。这与遍历性是同一枚硬币：Kelly 最大化的正是时间平均增长率，它天然就活在"你只有一条命"的世界里。
−100% 是一堵墙，不是一个数
算术直觉把 +100% 和 −100% 当成对称的两个数，这是致命错觉。亏 50% 需要赚 100% 才能回本；亏到 0，则永远出局，再高的期望值也与你无关。在乘法性的世界里，零是一个吸收壁——一旦碰到，游戏结束，你退出了所有未来的复利。
这给出决策理论最实用的一条铁律：先保证活着，再谈优化。任何有非零破产概率的策略，只要重复足够多次，破产概率就趋于 1——这就是"赌徒破产"定理。塔勒布把它讲成一句话：为了成功你首先必须活下来。避免归零不是保守，是让复利有机会发生的前提。
预测日记的下一层
把概率标出来（贝叶斯站的"给信念标刻度"）只是决策的上半场。下半场是 Kelly 的问题：基于这个概率，该投入多少资源？一个校准良好的预测者，若还懂下注纪律，才算完成了从"判断对错"到"配置资源"的闭环。
这对现实决策的迁移是直接的：新项目该投多少预算、某个机会该压上多少声誉、一个不确定的方向该分配多少时间——都是"押多大"的问题。Kelly 的精神是：优势越大、越确定，押越多；但永远不押上会让你出局的那一注。把预测日记升级成"预测 + 下注日记"，你就同时练了校准与配置两块肌肉。