正期望值策略的存在性——数学分析&量化交易

（多说招致反感，仅为自己记录）

“交易的圣杯”（即一种长期稳定盈利且无风险的策略）不存在

若金融市场价格反映了所有可用信息，任何试图通过技术分析或基本面分析获得超额收益的策略都将被市场迅速消除。

然而，现实中，市场并非完全有效。 即 短期内正期望值策略存在

构建正期望值策略的前提是市场存在可被识别和利用的非效率性。

• 定义：若某个交易策略的期望收益 [R] > 0 （扣除成本后），则长期执行该策略可通过大数定律实现盈利。

• 条件：策略需满足以下两点：

  1. 统计优势：交易逻辑在概率上具有微弱优势 如：胜率 ( p > 50 %) 或 盈亏比 ( w > 1 )。
  2. 风险控制：通过仓位管理（如凯利公式）限制单次亏损对总资金的影响。

长期执行该策略可通过大数定律盈利，但过程中必然存在回撤。

---

数学分析（请省略）：

1. 市场有效性与随机性

1.1 有效市场假说（EMH）

根据 有效市场假说（Efficient Market Hypothesis, EMH），股票价格已充分反映所有可用信息，且价格变动服从 随机游走（Random Walk）。在强有效市场中，任何历史信息或私有信息都无法帮助投资者获得超额收益。此时：

• 未来价格变化是 独立同分布（i.i.d.）的随机变量。
• 任何交易策略的期望收益率为零（扣除交易成本后可能为负）。

1.2 数学建模

假设价格 ( P_t ) 满足几何布朗运动：
[
dP_t = \mu P_t dt + \sigma P_t dW_t
]
其中 ( Wt ) 是标准布朗运动（随机项）。在这种情况下，价格变动的不可预测性使得：
[
\mathbb{E}[P{t+1} | Pt, P{t-1}, \dots] = P_t \cdot e^{\mu \Delta t}
]
若市场无风险利率为 ( r )，则超额收益的期望为 ( \mu - r )。在有效市场中，( \mu = r )，即不存在超额收益。

---

2. 概率论与鞅理论

2.1 鞅（Martingale）性质

如果市场是有效的，则资产价格是一个 鞅过程，即：
[
\mathbb{E}[P_{t+1} | \mathcal{F}_t] = P_t
]
其中 ( \mathcal{F}_t ) 是截至时间 ( t ) 的信息集。鞅的性质表明，未来价格的最佳预测是当前价格，任何交易策略的期望收益为零。

2.2 交易策略的数学限制

考虑一个交易策略 ( \theta_t )，其收益为：
[
RT = \sum{t=1}^T \thetat (P{t} - P_{t-1})
]
在鞅市场中，有：
[
\mathbb{E}[R_T] = 0
]
若存在交易成本 ( c )，则期望收益为负：
[
\mathbb{E}[R_T] = -c \cdot T
]
这表明长期交易必然亏损（见 Doob鞅收敛定理）。

---

3. 信息论与预测极限

3.1 香农熵与信息不对称

根据信息论，市场的价格变动可以视为一个信息源。若市场参与者拥有不同的信息集 ( \mathcal{F}_t )，某些人可能暂时获得信息优势。但根据 格罗斯曼-斯蒂格利茨悖论（Grossman-Stiglitz Paradox），如果市场完全有效，则无人有动力去收集信息（因为价格已反映所有信息），导致市场失效。因此，现实市场中必然存在一定程度的无效性，但这种无效性会被套利迅速消除。

3.2 预测能力的极限

即使存在短期预测能力，根据 Cramér-Rao下界，任何预测模型的均方误差存在理论下限。当市场参与者竞争性地优化策略时，超额收益会被压缩至零。

---

4. 圣杯策略的数学矛盾

4.1 无套利条件

根据 无套利定价理论，若存在一个无风险盈利策略（圣杯），则其必满足：
[
\text{Sharpe Ratio} = \frac{\mathbb{E}[R] - r_f}{\sigma(R)} \to \infty
]
但现实中，高夏普比率策略会吸引资金流入，直至套利机会消失。

4.2 凯利公式与破产风险

即使存在短期优势，使用 凯利公式（Kelly Criterion）最大化长期资本增长时，需满足：
[
f^ = \frac{p \cdot b - q}{b}
]
其中 ( p ) 为胜率，( b ) 为赔率。若市场不完全有效，可能存在 ( f^ > 0 )，但需满足 ( p > \frac{1}{1+b} )。然而，市场动态变化会导致参数 ( p, b ) 不稳定，长期无法保证正期望。

---

5. 实证视角

5.1 统计套利的衰变

统计套利策略（如配对交易）依赖于历史统计规律，但这些规律在发现后可能因市场适应性而失效。例如，2000年后许多经典量化策略的夏普比率显著下降。

5.2 黑天鹅事件

根据 塔勒布的不对称性理论，金融市场存在厚尾分布，极小概率的极端事件（如金融危机）会摧毁长期盈利策略。

---

结论：数学上不存在交易的圣杯

1. 市场有效性：在强有效市场中，所有策略的期望收益为零。
2. 鞅性质与交易成本：长期交易必然因成本累积而亏损。
3. 动态竞争与套利衰减：任何短期优势会被市场参与者迅速消除。
4. 不确定性与厚尾风险：黑天鹅事件使长期稳定盈利不可行。

因此，股市中不存在严格数学意义上的“圣杯”。成功的交易者需依赖持续学习、风险管理和对市场非均衡状态的动态捕捉，而非寻找一劳永逸的策略。

---

附加说明

• 实践意义：高频交易、算法交易等可短暂利用市场微观结构，但需不断迭代。
• 哲学角度：“圣杯”的追求反映了人类对确定性的渴望，而金融市场本质是概率与不确定性的博弈。

---

在金融市场中，确实存在一种被称为 “自我实现预言”（Self-Fulfilling Prophecy） 或 “正反馈循环”（Positive Feedback Loop） 的现象，即当大部分交易者对某种资产的价格方向形成一致预期时，他们的集体行为可能导致价格朝预期的方向持续移动，甚至脱离基本面。这种现象在行为金融学和复杂系统理论中均有深入探讨，但需结合数学框架分析其本质与局限性。

---

1. 现象的存在性：群体行为与价格动态

1.1 正反馈机制

假设市场中存在大量交易者，若其买入行为仅基于 对他人行为的预期（而非基本面），则会形成如下正反馈：

• 初始阶段：部分交易者认为价格将上涨（可能因技术信号、新闻或情绪驱动），开始买入。
• 价格上升：买入推高价格，吸引更多交易者加入（“害怕错过”效应，FOMO）。
• 持续强化：价格上涨被视为“验证”了最初的预期，进一步强化买入意愿，形成循环。

这一过程可用 差分方程 或 随机过程 建模。例如，价格 ( P_t ) 的变化可表示为：
[
\Delta P_t = \alpha \cdot Dt(P{t-1}) + \epsilon_t
]
其中 ( D_t ) 是需求函数（依赖历史价格），( \alpha ) 为反馈强度，( \epsilon_t ) 为随机扰动。若 ( \alpha > 0 )，需求与价格正相关，系统可能出现指数增长或震荡。

1.2 数学实例：泡沫模型

在 理性泡沫模型（Blanchard-Watson, 1982）中，价格偏离基本价值 ( F_t ) 的部分 ( B_t ) 满足：
[
B_t = \frac{1}{1+r} \mathbb{E}t[B{t+1}]
]
其中 ( r ) 为折现率。若交易者预期泡沫会持续（( \mathbb{E}t[B{t+1}] > B_t )），则泡沫自我强化，直至破裂。

---

2. 群体一致的数学条件

2.1 协同阈值与相变

在复杂系统中，群体行为的一致性可通过 协同阈值模型 解释。假设每个交易者的决策依赖于周围人的行为，当“看涨”比例超过临界值 ( \theta_c )，系统从无序（价格随机波动）转为有序（趋势形成）。例如：

• Ising模型：类比磁体相变，交易者的“买入/卖出”决策受邻域影响，临界温度对应市场情绪阈值。
• Granovetter模型：个体行动阈值服从分布，当累计比例超过 ( \theta_c )，集体行为爆发。

2.2 信息级联（Information Cascade）

在贝叶斯框架下，交易者可能忽略自身信息，跟随他人行为。假设：

• 每个交易者收到私有信号 ( s_i \sim N(\mu, \sigma^2) )（真实价值为 ( \mu )）。
• 观察到前人的交易行为后，更新信念。若前人行为集中，后续交易者可能放弃自身信号，引发信息级联。

此时，均衡价格可能偏离真实价值 ( \mu )，形成群体一致的错误定价（见Bikhchandani-Hirshleifer-Welch, 1992）。

---

3. 正反馈的局限性与崩溃风险

3.1 不稳定性与临界点

正反馈系统通常具有 多重均衡 或 临界点。例如，在价格动态方程中：
[
P_{t+1} = P_t + \beta (Pt - P{t-1}) + \epsilon_t
]
若反馈系数 ( \beta > 1 )，系统趋于发散（泡沫或崩盘）；若 ( \beta < 1 )，波动衰减。实际市场中，( \beta ) 受流动性、杠杆和监管约束影响，可能突然逆转。

3.2 套利限制与市场修正

• 有限套利：即使价格偏离基本面，套利者可能因风险（如正反馈持续）或资金约束无法纠正错误定价（Shleifer-Vishny, 1997）。
• 均值回归：长期看，价格终将回归基本面。假设基本面 ( F_t ) 服从随机游走，泡沫部分 ( Bt ) 满足：
  [
  \lim{T \to \infty} \frac{1}{T} \sum_{t=1}^T B_t = 0 \quad \text{(泡沫破裂的必然性)}
  ]

---

4. 实证案例与数学模型

4.1 比特币泡沫（2017-2018）

• 现象：价格从1000美元飙升至近2万美元，随后暴跌80%。
• 模型解释：正反馈（媒体宣传、散户涌入）与反身性（Soros, 1987）导致价格脱离实际应用价值，最终因流动性枯竭和杠杆清算崩溃。

4.2 GameStop轧空（2021）

• 群体行为：Reddit论坛散户协同做多，对冲基金空头被迫平仓，价格短期暴涨。
• 数学机制：空头头寸占比 ( S ) 与价格 ( P ) 的关系满足：
  [
  \frac{dP}{dt} \propto S \cdot \gamma \quad \text{(轧空强度与空头持仓比例正相关)}
  ]
  当 ( S ) 超过临界值，价格可能因轧空呈非线性上升。

---

5. 结论：群体一致性的双刃剑

1. 短期存在性：市场确实可能因群体一致预期形成正反馈，推动价格朝预期方向运动。
2. 不可持续性：
   • 数学上，正反馈系统易受外部冲击（流动性变化、政策干预）或内部不稳定性（杠杆断裂）影响。
   • 长期看，价格回归基本面是概率的必然（大数定律）。
3. 非圣杯性：
   • 此类现象无法作为稳定盈利的“圣杯”，因其 不可预测性（触发时机未知）与 高风险性（崩溃概率非零）。
   • 参与者可能短期获利，但需承担尾部风险（如泡沫破裂时损失全部收益）。

---

数学总结

设群体一致性驱动的价格动态为：
[
P_t = P_0 e^{(\mu + \alpha N_t)t + \sigma W_t}
]
其中 ( Nt ) 为看涨交易者数量，( \alpha ) 为反馈强度。当 ( \alpha > 0 ) 时，系统可能指数增长，但存在停时 ( \tau )（泡沫破裂时刻）使得：
[
\mathbb{P}(\tau < \infty) = 1 \quad \text{且} \quad \mathbb{E}[P\tau] \ll P_{\tau-}.
]
因此，群体一致性能制造短期趋势，但无法逃脱概率的长期惩罚。市场的“圣杯”仍不存在，因风险与收益始终遵循 诺亚效应（Noah Effect）：高收益必伴随高风险，且二者不可持续分离。

---

在金融市场中，确实存在一些交易员或投资机构能够长期实现超额收益，但这种“稳定超高盈利”现象并不违背数学规律，也不代表“圣杯”存在。其背后的逻辑需要从概率、风险管理、市场非完全有效性以及人类行为等多个维度深入分析。以下是分层次的解释：

---

1. 数学视角：概率与期望值的动态管理

(1) 正期望值策略的存在性

• 定义：若某个交易策略的期望收益 ( \mathbb{E}[R] > 0 )（扣除成本后），则长期执行该策略可通过大数定律实现盈利。
• 条件：策略需满足以下两点：
  1. 统计优势：交易逻辑在概率上具有微弱优势（如胜率 ( p > 50\% ) 或盈亏比 ( \text{赢亏比} > 1 )）。
  2. 风险控制：通过仓位管理（如凯利公式）限制单次亏损对总资金的影响。

举例：
假设某策略胜率 ( p = 55\% )，盈亏比 ( b = 2:1 )，则期望收益为：
[
\mathbb{E}[R] = p \cdot b - (1-p) \cdot 1 = 0.55 \cdot 2 - 0.45 \cdot 1 = 0.65 > 0
]
长期执行该策略可通过大数定律盈利，但过程中必然存在回撤（见图1）。

(2) 盈利的“稳定性”是概率的幻象

• 路径依赖：即使策略期望值为正，短期收益仍服从随机游走。优秀交易员可能在样本外时间段（如某几年）表现优异，但这可能是运气成分（统计上称为 生存偏差）。
• 案例分析：
  若1000名交易员每人使用期望值为零的策略（如抛硬币交易），5年后：
  • 约 ( 1000 \times (0.5)^5 \approx 31 ) 人连续5年盈利。
  • 这些“幸存者”会被市场宣传为“天才”，但其成功可能纯属偶然。

---

2. 市场视角：非完全有效性与套利机会

(1) 市场的局部无效性

• 行为金融学：投资者情绪（如过度反应、羊群效应）会导致价格偏离基本面，形成短期套利窗口。
• 微观结构：高频交易者利用订单流、流动性失衡等微观现象获利（时间尺度为毫秒级）。

数学建模：
假设市场存在短暂定价错误，价格偏离真实价值 ( \Delta P )，套利者收益为：
[
R = \Delta P - \text{交易成本} - \text{风险溢价}
]
若 ( R > 0 )，策略可行，但机会会因竞争迅速消失（见图2）。

(2) 动态适应能力

优秀交易员的优势在于：

1. 信息处理：更快、更准地识别市场异常信号（如通过自然语言处理分析新闻）。
2. 策略迭代：当旧策略失效时，迅速开发新策略（如机器学习模型动态优化参数）。
3. 多市场分散：在股票、期货、加密货币等不同市场中寻找非相关性的机会，降低整体风险。

---

3. 风险视角：收益与风险的重新定义

(1) 风险调整后收益

• 夏普比率：衡量单位风险下的超额收益，优秀交易员的夏普比率可能较高，但绝对收益未必“超高”。
  [
  \text{Sharpe Ratio} = \frac{\mathbb{E}[R] - r_f}{\sigma(R)}
  ]
  例如，若年化收益15%、波动率10%、无风险利率2%，则夏普比率为1.3，属于优秀水平，但并非“无风险暴利”。

(2) 尾部风险隐蔽性

• 杠杆的双刃剑：使用杠杆可放大收益，但也会放大亏损。某些“超高收益”可能隐含未暴露的极端风险（如长期资本管理公司LTCM的崩溃）。
• 黑天鹅防护：真正优秀的交易员会通过期权、对冲策略限制尾部损失，但这会降低名义收益率。

---

4. 人类行为视角：纪律与认知偏差

(1) 纪律的执行力

数学上最优的策略常因人性弱点（贪婪、恐惧）而失效。优秀交易员的优势在于：

• 机械执行：严格遵循预设计划，避免主观干预。
• 情绪隔离：通过算法交易或心理训练减少认知偏差影响。

(2) 认知升级

• 贝叶斯学习：持续根据新信息更新策略参数（如动态调整止损阈值）。
• 反身性应对：识别市场因自身交易行为引发的反馈（如大额订单影响流动性），提前调整策略。

---

5. 实证检验：为什么没有普遍复制的成功？

(1) 资源壁垒

• 技术门槛：高频交易需投入数千万美元于硬件、数据、算法。
• 信息不对称：内幕信息或独家数据源（如卫星图像分析原油库存）无法被公众获取。

(2) 容量限制

• 策略衰减：任何有效策略的资金容量有限。当管理规模超过市场流动性阈值时，收益被稀释（见图3）。
  

(3) 不可知因素

• 政治干预：央行政策、监管变化可能瞬间改变市场逻辑（如2020年美联储无限QE扭转了美股崩盘）。
• 技术创新：区块链、AI等颠覆性技术可能重置市场规则。

---

结论：收益与风险的永恒平衡

1. 不存在“圣杯”：所有盈利策略均承担风险，区别仅在于风险形式（市场风险、流动性风险、模型风险等）是否被合理定价与管理。
2. 优秀交易员的本质：
   • 他们并非“战胜市场”，而是通过概率优势、动态适应和风险控制，在特定时间段内实现风险调整后的超额收益。
   • 其成功依赖持续的智力投入、技术资源与纪律，而非一劳永逸的“圣杯”。
3. 长期视角：
   即使最优秀的交易员，其生涯年化收益也鲜有超过30%（西蒙斯大奖章基金约66%*，但含高杠杆与隐蔽风险），且需接受某些年份的亏损（如2008年多数对冲基金回撤超20%）。

最终，金融市场是概率的游戏，而非确定性的圣殿。所谓“稳定超高盈利”的背后，是风险与不确定性的精密平衡，而非对数学规律的超越。

---

正期望值策略的存在性及实现的数学分析

---

一、正期望值策略的存在性证明

正期望值策略的核心在于其收益序列满足 (\mathbb{E}[R] > 0)（扣除成本后）。存在性可通过以下数学框架验证：

---

1. 市场非完全有效性的数学表述

假设市场存在短期定价错误（如行为偏差或流动性冲击），价格偏离真实价值 (V_t)，定义偏差为 (\Delta_t = P_t - Vt)。若偏差服从均值回归过程：
[
\Delta{t+1} = \rho \Delta_t + \epsilon_t, \quad \epsilon_t \sim N(0, \sigma^2), \quad |\rho| < 1
]
则策略“在(\Delta_t < -k)时买入，(\Deltat > k)时卖出”的期望收益为：
[
\mathbb{E}[R] = \mathbb{E}[\Delta{t+1} - \Delta_t | \, |\Delta_t| > k] = (\rho - 1)\Delta_t
]
当(\rho < 1)时，若选择(k)使得(\Delta_t)显著偏离零，则可构造正期望策略。

---

2. 博弈论视角：非对称信息下的纳什均衡

考虑一个不完全信息博弈模型：

• 参与者：知情交易者（拥有私有信号(s \sim N(V, \sigma_s^2))）和噪声交易者。
• 市场出清：价格(P)反映订单流(Q = \beta(s - P) + z)（(z)为噪声交易）。

知情交易者的最优策略为：
[
\beta = \frac{1}{2\lambda}, \quad \lambda = \sqrt{\frac{\sigma_z^2}{\sigma_s^2}}
]
其期望利润为：
[
\mathbb{E}[\pi] = \frac{\sigma_s^2}{4\lambda} > 0
]
结论：在信息不对称市场中，正期望策略存在。

---

3. 随机控制理论：动态策略的存在性

设资产价格服从伊藤过程：
[
dS_t = \mu(S_t, t)dt + \sigma(S_t, t)dW_t
]
交易者通过动态调整头寸(\thetat)最大化终端财富效用：
[
\max{\theta_t} \mathbb{E}[U(W_T)], \quad dW_t = \theta_t dS_t
]
通过求解 Hamilton-Jacobi-Bellman方程，最优策略(\theta_t^)存在且满足：
[
\theta_t^ = \frac{\mu(S_t, t) - r}{\gamma \sigma^2(S_t, t)}
]
其中(\gamma)为风险厌恶系数。当(\mu > r)时，策略具有正期望收益。

---

二、正期望值策略的数学实现方法

---

1. 基础条件：构建统计优势

设单次交易收益(R)为随机变量，策略需满足：
[
\mathbb{E}[R] = p \cdot b - (1-p) \cdot l > 0
]
其中：

• (p)：胜率（盈利交易概率）
• (b)：平均盈利比例（如+2%）
• (l)：平均亏损比例（如-1%）

关键不等式：
[
p > \frac{l}{b + l} \quad \text{（盈亏平衡条件）}
]
例如，若(b = 2l)，则需(p > 1/3)。

---

2. 动态头寸管理：凯利公式的严格推导

假设独立同分布交易机会，最大化对数效用：
[
\max_f \mathbb{E}[\ln(1 + f R)]
]
通过泰勒展开与极值求解，得最优头寸比例：
[
f^* = \frac{\mathbb{E}[R]}{\mathbb{E}[R^2]} = \frac{pb - (1-p)l}{pb^2 + (1-p)l^2}
]
性质：

• (f^* > 0)当且仅当(\mathbb{E}[R] > 0)
• 超凯利杠杆（(f > f^*)）会导致破产风险指数上升。

---

3. 高频交易的微观结构模型

在订单簿动态中，假设买一价(B_t)与卖一价(A_t)的中间价为(M_t = \frac{B_t + A_t}{2})，价差为(\delta_t = A_t - B_t)。
做市商通过挂单捕捉价差，其单笔交易期望收益为：
[
\mathbb{E}[R] = \frac{\delta}{2} \cdot \mathbb{P}(\text{成交}) - \lambda \cdot \sigma^2 \cdot \tau
]
其中(\lambda)为库存风险系数，(\tau)为持仓时间。若：
[
\frac{\delta}{2} \cdot q > \lambda \sigma^2 \tau \quad (q为成交概率)
]
则策略具有正期望值（见Foucault, Pagano & Röell, 2013）。

---

4. 统计套利的协整策略

设资产价格(P_t^A)与(P_t^B)协整，即存在线性组合(Z_t = P_t^A - \beta P_t^B \sim I(0))。交易规则：
[
\begin{cases}
\text{做多}Z_t & \text{当} Z_t < -\kappa \sigma_Z \
\text{做空}Z_t & \text{当} Z_t > +\kappa \sigma_Z
\end{cases}
]
期望收益为均值回归速率(\alpha)的函数：
[
\mathbb{E}[R] = \alpha \cdot \kappa \sigma_Z - \text{交易成本}
]
通过ADF检验（Augmented Dickey-Fuller test）确定(\alpha > 0)，且(\kappa)优化选择。

---

三、实际挑战的数学量化

---

1. 交易成本的影响

设单边成本率为(c)，则盈亏平衡条件变为：
[
p > \frac{l + 2c}{b + l}
]
若(c = 0.1\%)，(b = 1\%)，(l = 0.5\%)，则要求(p > 37.5\%)（原为33.3%）。

---

2. 策略衰减的动态方程

假设市场中存在(N)个套利者，策略收益随时间衰减：
[
\mathbb{E}[R(t)] = R_0 \cdot e^{-\lambda N t}
]
其中(\lambda)为竞争强度系数。为维持盈利，需满足：
[
\frac{dN}{dt} < \frac{\ln(R0 / R{\min})}{\lambda t^2}
]
即新策略开发速度需超过旧策略衰减速度。

---

3. 厚尾分布的破产风险

若收益分布存在厚尾（如学生t分布），则破产概率上界为：
[
\mathbb{P}(\text{破产}) \leq e^{-2 \mu W_0 / (\sigma^2 + \mu \kappa)}
]
其中(\kappa)为超额峰度。需通过 VaR 或 CVaR 约束控制仓位。

---

四、数学实现的步骤总结

1. 统计优势发现

   • 通过假设检验验证市场异象：(H_0: \mathbb{E}[R] \leq 0 \quad vs \quad H_1: \mathbb{E}[R] > 0)
   • 使用Bootstrap方法估计策略收益分布的置信区间。

2. 动态优化

   • 构建状态空间模型：(s_{t+1} = f(s_t, a_t, \epsilon_t))
   • 通过Q-learning或动态规划求解最优动作(a_t^*)。

3. 风险预算分配

   • 使用谱风险度量（Spectral Risk Measure）分配资本：
     [
     \phi(R) = \int_0^1 \phi(p) F^{-1}(p) dp
     ]
     其中(\phi(p))为风险厌恶函数。

4. 非线性效应建模

   • 使用随机微分方程包含跳跃过程：
     [
     dS_t = \mu dt + \sigma dW_t + J dN_t
     ]
     其中(N_t)为泊松过程，(J)为跳跃幅度。

---

五、结论：数学与现实的鸿沟

尽管数学上可严格证明正期望值策略的存在性，但其实际实现受限于：

• 模型误设风险：真实市场动力学比假设更复杂（如非平稳性、机制转换）。
• 计算可行性：高维状态空间下的动态规划存在“维度诅咒”。
• 竞争性衰减：套利者的自我竞争使(\mathbb{E}[R(t)] \to 0)。

最终路径：
成功的交易策略需在数学框架内持续迭代——
[
\text{Profit} = \int_{0}^{T} \underbrace{\mathbb{E}[Rt]}{\text{数学优势}} \cdot \underbrace{e^{-\lambda t}}{\text{衰减}} \cdot \underbrace{\Gamma(t)}{\text{适应力}} dt
]
其中(\Gamma(t))代表策略更新能力。唯有三者协同，方可逼近“理论上的正期望”。