引言：18世紀賭場的誘人神話——「只要一直翻倍就絕不會輸」？
1754年的威尼斯，傳奇冒險家與作家賈科莫·卡薩諾瓦（Giacomo Casanova）在回憶錄《我的一生》中記述了他在賭場玩「法羅（Faro）」紙牌時的慘痛經歷。他典當了情人的鑽石籌集巨資，採用當時歐洲貴族秘密流傳的「必勝法則」——馬丁格爾倍投策略（Martingale Doubling Strategy）：每輸一局就將賭注翻倍。最初幾天他贏取了大量金幣，然而在一個災難性的下午，一連串罕見的連敗擊穿了他的全部資金，使他在幾小時內輸光了5000金幣。1891年夏天，英國投機客查爾斯·威爾斯（Charles Wells）在蒙地卡羅輪盤賭桌上同樣使用激進的倍投法，11小時內12次贏光賭桌儲備金（被稱為「攻破蒙地卡羅銀行的人」）；但當他次年重返賭場時，大數法則無情地收回了一切，他最終輸光全部家產，於1922年在巴黎貧病交加地死去。
為什麼幾百年來無數賭徒、知識分子乃至現代量化外匯（FX）交易員與避險基金都對「倍投法」深信不疑，最終卻無一例外地走向毀滅？
原因在於其初等算術上看似無懈可擊的完美性。考慮一個賠率為 \(1:1\) 的二元博弈（如擲硬幣或輪盤賭押紅黑），單局獲勝機率為 \(p \in (0, 1)\)，失敗機率為 \(q = 1 - p\)。賭徒執行如下演算法：
- 第 \(1\) 局下注 \(\\)1\(；若獲勝則淨賺 \)+$1$ 並結束本輪循環。
- 若第 \(1\) 局失敗，第 \(2\) 局將賭注翻倍至 \(\\)2$。
- 此後每輸一局都將賭注翻倍：第 \(3\) 局 \(\\)4\(，第 \)4\( 局 \)$8\(，……，第 \)k\( 局下注 \)$2^{k-1}$。
- 一旦在第 \(k\) 局首次獲勝，立即停止本輪循環，下一輪重新從 \(\\)1$ 開始。
假設賭徒在經歷了前 \(k-1\) 局連敗後，終於在第 \(k\) 局迎來首次獲勝。前 \(k-1\) 局的累計虧損總額為等比數列之和：
\[L_{k-1} = \sum_{j=0}^{k-2} 2^j = 2^{k-1} - 1\]而第 \(k\) 局獲勝贏得的獎金為 \(+2^{k-1}\)。因此，在首次獲勝的第 \(k\) 局結束瞬間，賭徒在整個循環中的累計淨利潤 \(\Delta W\) 恆為：
\[\Delta W = 2^{k-1} - \sum_{j=0}^{k-2} 2^j = 2^{k-1} - (2^{k-1} - 1) = +\$1\]無論你是在第 \(1\) 局就贏（\(k=1\)），還是連輸 \(10\) 局後在第 \(11\) 局才贏（\(k=11\)），抑或連輸 \(100\) 局後在第 \(101\) 局獲勝，只要贏下哪怕一次，此前所有的累計虧損都會被一筆勾銷，並穩賺 \(+\\)1\( 的淨利潤！</strong> 而且，永遠連輸下去的機率是多少？由於單局失敗機率 \)q < 1\(，連輸 \)k\( 局的機率為 \)q^k\(。當 \)k \to \infty$ 時：
\[\lim_{k \to \infty} q^k = 0 \implies \mathbb{P}(\tau < \infty) = 1 - 0 = 1\]也就是說，首次獲勝的時刻 \(\tau\) 幾乎必然（以 \(100\%\) 的機率）是有限的！既然每個循環都以機率 \(1\) 淨賺 \(+\\)1$，為什麼這個「永動機」在現實中會徹底破產？
第一章：馬丁格爾倍投陷阱的數學解剖——有限本金與塔勒布的「壓路機」
1.1 指數級爆炸的本金需求與賭場限紅（Table Limit）
「以機率 \(1\) 穩賺 \(+\\)1\(」的論證暗中偷換了兩個不可能存在於現實物理世界的<strong>無窮大假設</strong>：賭徒擁有無限本金（\)B = \infty\(），且賭場允許無限大的下注額（\)b_k \to \infty$）。
在現實中，任何個人或基金的本金都是有限的，而且全球所有賭場都設有嚴格的賭桌投注上限（限紅，Table Limit）。假設賭徒的本金（或賭桌限紅）最多只能支撐 \(K\) 次連續下注。為了在連輸 \(K-1\) 次後還能擺出第 \(K\) 局的賭注 \(2^{K-1}\)，賭徒必須擁有的初始總本金 \(B_K\) 為：
\[B_K = \sum_{j=0}^{K-1} 2^j = 2^K - 1\]下表展示了隨著連敗局數 \(k\) 的增加，所需賭注與累計本金如何呈指數級爆炸（對比公平硬幣 \(q = 0.5\) 與歐洲單零輪盤賭 \(p = 18/37 \approx 0.4865, q = 19/37 \approx 0.5135\)）：
| 連敗局數 \(k\) | 第 \(k\) 局賭注 \(b_k = 2^{k-1}\) | 所需累計總本金 \(B_k = 2^k - 1\) | 獲勝時淨利潤 | 連輸 \(k\) 局機率 \(q^k\)（公平硬幣 \(q=0.5\)） | 連輸 \(k\) 局機率 \(q^k\)（歐洲輪盤 \(q=19/37\)） |
|---|---|---|---|---|---|
| \(k = 1\) | \(\\)1$ | \(\\)1$ | \(+\\)1$ | \(50.000\%\) | \(51.351\%\) |
| \(k = 5\) | \(\\)16$ | \(\\)31$ | \(+\\)1$ | \(3.125\%\) | \(3.570\%\) |
| \(k = 10\) | \(\\)512$ | \(\\)1,023$ | \(+\\)1$ | \(0.0977\%\)（每 \(1,024\) 輪 \(1\) 次） | \(0.1276\%\)（每 \(784\) 輪 \(1\) 次） |
| \(k = 15\) | \(\\)16,384$ | \(\\)32,767$ | \(+\\)1$ | \(0.00305\%\) | \(0.00456\%\) |
| \(k = 20\) | \(\\)524,288$ | \(\\)1,048,575$ | \(+\\)1$ | \(0.000095\%\) | \(0.000163\%\)（每 \(61\) 萬輪 \(1\) 次） |
| \(k = 30\) | \(\\)536,870,912$ | \(\\)1,073,741,823$ | \(+\\)1$ | \(9.31 \times 10^{-10}\) | \(2.09 \times 10^{-9}\) |
1.2 有限本金容量 \(K\) 下的單循環嚴格數學期望值
當最大承受連敗次數為 \(K\)（本金 \(B = 2^K - 1\)）時，單輪馬丁格爾循環只有兩種互斥結局：
- 成功（在前 \(K\) 局內至少贏一次）：發生機率為 \(1 - q^K\)，淨收益為 \(+\\)1$。
- 災難性爆倉（連續 \(K\) 局全部失敗）：發生機率為 \(q^K\)，淨虧損為 \(-\\)(2^K - 1)$。
因此，單輪循環財富變化量 \(\Delta W\) 的嚴格數學期望值為：
\[\mathbb{E}[\Delta W] = (+1) \cdot (1 - q^K) - (2^K - 1) q^K = 1 - q^K - 2^K q^K + q^K = 1 - (2q)^K \le 0 \quad \left(\text{當 } q \ge \frac{1}{2}\right)\]這一核心公式揭示了三大鐵律：
- 公平博弈（\(p = q = 1/2\)）：此時 \(2q = 1\)，故 \(\mathbb{E}[\Delta W] = 1 - 1^K = 0\)。無論你的本金有多雄厚（無論 \(K = 10\) 還是 \(K = 100\)），高機率的 \(+\\)1\( 微利與極小機率的 \)-$(2^K - 1)\( 巨額爆倉精確抵消，<strong>期望收益恆等於零</strong>！而且若不設上限（\)K \to \infty\(），為了贏取 \)$1\( 所需投入的期望最終賭注為無窮大：\)\mathbb{E}[2^{\tau-1}] = \sum_{k=1}^\infty 2^{k-1}(1/2)^k = +\infty$。
- 賭場優勢博弈（\(p < 1/2 \implies q > 1/2\)）：此時 \(2q > 1\)，故 \(\mathbb{E}[\Delta W] = 1 - (2q)^K < 0\)。更可怕的是，你準備的本金 \(K\) 越雄厚，單輪循環的期望虧損反而呈指數級惡化！ 因為單輪期望總流水為 \(\mathbb{E}[S_K] = \sum_{j=0}^{K-1} (2q)^j = \frac{(2q)^K - 1}{2q - 1}\)，賭場對每一美元流水徵收 \((2q - 1)\) 的賭場優勢稅。
flowchart TD
Start["啟動馬丁格爾倍投循環<br/>初始賭注 b₁ = $1, 總本金 B = 2^K - 1"] --> Round["第 k 局下注 b_k = 2^(k-1)"]
Round -->|"獲勝 (機率 p)"| Win["收回此前全部虧損 (2^(k-1) - 1)！<br/>鎖定淨利潤 ΔW = +$1 (機率: 1 - q^K)"]
Round -->|"失敗 (機率 q = 1 - p)"| Check{"連敗次數 k 是否達到上限 K？<br/>(本金耗盡或觸及賭桌限紅)"}
Check -->|"否 (k < K)"| Double["賭注翻倍: k ← k + 1, b_(k+1) = 2^k"]
Double --> Round
Check -->|"是 (k = K)"| Ruin["災難性左尾破產！<br/>總虧損 ΔW = -(2^K - 1) (機率: q^K)"]
Win --> Expect["單循環嚴格期望收益：<br/>E[ΔW] = (+1)(1 - q^K) - (2^K - 1)q^K = 1 - (2q)^K ≤ 0"]
Ruin --> Expect
正如《黑天鵝效應》作者納西姆·尼古拉斯·塔勒布（Nassim Nicholas Taleb）所指出的，馬丁格爾策略並未改變隨機漫步的期望漂移，而是對收益分佈實施了極端的負偏度（Negative Skewness）扭曲——把原本對稱的隨機漫步變成了「在壓路機前撿硬幣（Picking up pennies in front of a steamroller）」的尾部風險炸彈。1995年搞垮霸菱銀行的尼克·李森（Nick Leeson）和1998年破產的長期資本管理公司（LTCM），皆死於這一數學結構。
第二章：惠更斯與帕斯卡的「賭徒破產問題（1657）」——吸收壁隨機漫步與精確解
如果賭徒放棄危險的倍投法，改為每次只老老實實下注固定的 \(\\)1$ 單位（平注法，Flat Betting），結果又會如何？ 這就是1656年帕斯卡向費馬提出、並由克里斯蒂安·惠更斯（Christiaan Huygens）在1657年著作《論賭博中的計算》中正式發表的經典「賭徒破產問題（Gambler’s Ruin Problem）」。
設賭徒初始本金為 \(X_0 = k\) 單位，對手（賭場）擁有 \(N - k\) 單位，系統總資金固定為 \(N\)（在 \(0\) 和 \(N\) 處設有兩個吸收壁 / Absorbing Barriers）。每步賭徒以機率 \(p\) 贏 \(+1\)，以機率 \(q = 1 - p\) 輸 \(-1\)，直至停時 \(\tau = \inf\{t \ge 0 : X_t \in \{0, N\}\}\) 遊戲結束。
記 \(P_k = \mathbb{P}(X_\tau = N \mid X_0 = k)\) 為從本金 \(k\) 出發、在破產歸零前成功達到目標金額 \(N\) 的獲勝機率。由全機率公式與馬可夫性（第一步分析法），\(P_k\) 滿足二階常係數齊次線性差分方程：
\[P_k = p P_{k+1} + q P_{k-1} \quad (1 \le k \le N - 1), \qquad P_0 = 0, \quad P_N = 1\]將左端寫為 \((p + q) P_k\) 並移項整理，可得相鄰差分滿足等比關係：
\[p(P_{k+1} - P_k) = q(P_k - P_{k-1}) \implies P_{j+1} - P_j = \left(\frac{q}{p}\right)^j (P_1 - P_0) = \left(\frac{q}{p}\right)^j P_1\]對 \(j = 0, 1, \dots, k-1\) 進行裂項求和（望遠鏡求和），並代入上邊界條件 \(P_N = 1\)，即可導出完整的精確閉合解：
\[P_k = \begin{cases} \dfrac{k}{N} & \text{若 } p = q = \dfrac{1}{2} \;\text{（公平博弈 / Fair Game）} \\[12pt] \dfrac{1 - (q/p)^k}{1 - (q/p)^N} & \text{若 } p \ne q \;\text{（有偏博弈 / Biased Game）} \end{cases}\]精確解揭示的兩大震撼推論：
面對無限富有的賭場（\(N \to \infty\)），即便在 \(100\%\) 公平的博弈中也必將破產！ 在公平博弈（\(p = q = 1/2\)）中令賭場資金 \(N \to \infty\)（或者賭徒不設停利上限一直賭下去）：
\[\lim_{N \to \infty} P_k = \lim_{N \to \infty} \frac{k}{N} = 0 \implies \lim_{N \to \infty} R_k = \lim_{N \to \infty} \left(1 - \frac{k}{N}\right) = 1 \quad (100\%\text{ 必然破產！})\]由於一維對稱簡單隨機漫步具有零常返性（Null Recurrence），其軌道振幅無界，必然會在某個有限時刻觸碰下吸收壁 \(X = 0\)。僅僅是「有限本金對抗無限市場」這一邊界不對稱性，就足以保證 \(100\%\) 的破產率！
微小的賭場優勢構築的指數級高牆（輪盤賭翻倍失敗率高達 \(99.997\%\)）： 假設你帶著 \(k = \\)100\( 走進賭場，希望翻倍到 \)N = $200\( 就離場。若採取一把全押（<strong>大膽博弈 / Bold Play</strong>），在歐洲輪盤（\)p = 18/37\(）中成功率高達 <strong>\)48.65%\(</strong>。 但若你每次謹慎地下注 \)$1\(（<strong>保守博弈 / Timid Play</strong>，\)k = 100, N = 200\(），成功機率變為 \)P_{100} = \frac{1}{1 + (q/p)^{100}}$：
- 在歐洲輪盤（\(p = 18/37, q/p = 19/18 \approx 1.0556\)）中，\((19/18)^{100} \approx 222.26\)，成功率僅為 \(0.448\%\)（破產率 \(99.552\%\)；若每次押 \(\\)0.50\( 即 \)k=200, N=400\(，破產率高達 <strong>\)99.998%$）！
- 在美式輪盤（\(p = 18/38, q/p = 10/9 \approx 1.1111\)）中，\((10/9)^{100} \approx 37,648.6\)，成功率僅為 \(0.00266\%\)，破產機率高達驚人的 \(99.9973\%\)！這正是著名的杜賓斯-薩維奇定理（Dubins-Savage Theorem, 1965）：在負期望博弈中，分割賭注會啟動大數法則，使你必死無疑；唯有盡量減少博弈次數的「大膽全押」才是最優策略。
第三章：保羅·萊維與約瑟夫·杜布的現代鞅論與可選停止定理（OST）
為了從根本上證明任何動態調整賭注的策略都無法戰勝公平博弈，20世紀數學家保羅·萊維（Paul Lévy）與約瑟夫·杜布（Joseph Leo Doob）建立了現代測度論機率論的核心——鞅論（Martingale Theory）。
設 \((\Omega, \mathcal{F}, \{\mathcal{F}_t\}_{t \ge 0}, \mathbb{P})\) 為帶資訊流（Filtration）的機率空間，其中 \(\mathcal{F}_t\) 代表截至時刻 \(t\) 的全部歷史資訊。適應過程 \(\{M_t\}_{t \ge 0}\) 若滿足可積性 \(\mathbb{E}[|M_t|] < \infty\)，則稱為：
- 鞅（Martingale，公平博弈）：\(\mathbb{E}[M_{t+1} \mid \mathcal{F}_t] = M_t\) a.s.
- 下鞅（Submartingale，有利博弈）：\(\mathbb{E}[M_{t+1} \mid \mathcal{F}_t] \ge M_t\) a.s.
- 上鞅（Supermartingale，不利博弈）：\(\mathbb{E}[M_{t+1} \mid \mathcal{F}_t] \le M_t\) a.s.
任何不具備預知未來能力的下注策略 \(\{H_k\}\) 都必須是可預測過程（Predictable Process），即第 \(k\) 局的賭注只依賴於前 \(k-1\) 局的歷史資訊（\(H_k \in \mathcal{F}_{k-1}\)）。賭徒在時刻 \(n\) 的累計財富由離散隨機積分（鞅變換 / Martingale Transform）給出：
\[W_n = W_0 + (H \cdot M)_n = W_0 + \sum_{k=1}^n H_k (M_k - M_{k-1})\]由於 \(\mathbb{E}[H_n (M_n - M_{n-1}) \mid \mathcal{F}_{n-1}] = H_n \mathbb{E}[M_n - M_{n-1} \mid \mathcal{F}_{n-1}] = 0\)，鞅變換仍然是鞅，在任意確定性時刻 \(n\) 恆有 \(\mathbb{E}[W_n] = W_0 = 0\)！
那麼，為什麼在隨機停時 \(\tau = \inf\{n \ge 1 : W_n = +1\}\) 處會出現 \(\mathbb{E}[W_\tau] = +1 \ne 0 = \mathbb{E}[W_0]\) 的悖論？ 杜布可選停止定理（Doob’s Optional Stopping Theorem, OST）給出了終極解答：對於有限停時 \(\tau\)（\(\mathbb{P}(\tau < \infty) = 1\)），等式 \(\mathbb{E}[M_\tau] = \mathbb{E}[M_0]\) 成立當且僅當停止過程族 \(\{M_{t \wedge \tau}\}_{t \ge 0}\) 一致可積（Uniformly Integrable, UI），這在滿足以下三個充分條件中的任意一條時必然成立：
- 停時有界：存在常數 \(C < \infty\) 使得 \(\mathbb{P}(\tau \le C) = 1\)；或
- 停止過程有界：存在常數 \(K < \infty\) 使得對所有 \(t\) 有 \(|M_{t \wedge \tau}| \le K\) a.s.（對應現實中的有限本金與限紅！）；或
- 停時期望有限且條件增量有界：\(\mathbb{E}[\tau] < \infty\) 且存在常數 \(c < \infty\) 使得 \(\mathbb{E}[|M_{t+1} - M_t| \mid \mathcal{F}_t] \le c\) a.s.
flowchart TD
Start["鞅過程 {M_t} 與有限停時 τ (P(τ < ∞) = 1)"] --> CheckUI{"杜布可選停止定理 (Doob's OST)<br/>檢驗一致可積性 (UI) 的三大充分條件"}
CheckUI -->|"條件1: τ ≤ C a.s. (有限時間上限)"| Valid["一致可積性成立！<br/>lim E[M_(t∧τ)] = E[M_τ] = E[M_0]<br/>(期望守恆定律嚴格成立)"]
CheckUI -->|"條件2: |M_(t∧τ)| ≤ K a.s. (有限本金 B / 賭桌限紅)"| Valid
CheckUI -->|"條件3: E[τ] < ∞ 且單步增量 |ΔM_t| ≤ c"| Valid
CheckUI -->|"三條全部違背 (非物理的無窮假設)"| Invalid["一致可積性破裂：lim E[M_(t∧τ)] ≠ E[M_τ]"]
在無限制馬丁格爾倍投中，雖然 \(\mathbb{E}[\tau] = 2 < \infty\)，但單步增量 \(|W_{t+1} - W_t| = 2^t \to \infty\) 破壞了全部三條條件；一旦回到現實世界，有限本金立即觸發條件2，將期望收益無情地拉回 \(\mathbb{E}[W_{\tau \wedge K}] = 0\)！
利用瓦爾德恆等式（Wald’s Identity）與二次鞅秒解破產期望時間 \(\mathbb{E}[\tau]\)
在賭徒破產問題中，藉助三個經典鞅與杜布可選停止定理，無需解差分方程即可瞬間導出全部結論：
線性鞅 \(M_t^{(1)} = X_t\)（當 \(p=1/2\)）：由 \(\mathbb{E}[X_\tau] = N P_k = k \implies P_k = k/N\)。
棣莫弗指數鞅 \(M_t^{(2)} = (q/p)^{X_t}\)（當 \(p \ne q\)）：由 \(\mathbb{E}[(q/p)^{X_\tau}] = P_k (q/p)^N + (1 - P_k) = (q/p)^k \implies P_k = \frac{1 - (q/p)^k}{1 - (q/p)^N}\)。
二次補償鞅 \(M_t^{(3)} = X_t^2 - t\)（當 \(p=1/2\)）：由於 \(\mathbb{E}[X_{t+1}^2 - (t+1) \mid \mathcal{F}_t] = X_t^2 + 1 - t - 1 = X_t^2 - t\)，由可選停止定理得：
\[\mathbb{E}[X_\tau^2 - \tau] = k^2 \implies \mathbb{E}[\tau] = N^2 \left(\frac{k}{N}\right) - k^2 = k(N - k)\]當賭場資金無限（\(N \to \infty\)）時，\(\lim_{N \to \infty} \mathbb{E}[\tau] = \infty\)：儘管破產以 \(100\%\) 的機率發生（\(\mathbb{P}(\tau < \infty) = 1\)），但直到破產為止的期望時間卻是無窮大（\(\mathbb{E}[\tau] = \infty\)，因此違背了條件3）！ 而在有偏博弈（\(p \ne q\)）中，由瓦爾德恆等式 \(\mathbb{E}[X_\tau - k] = (p - q)\mathbb{E}[\tau]\) 可得 \(\mathbb{E}[\tau] = \frac{k - N P_k}{q - p}\)（當 \(N \to \infty, q > p\) 時為 \(\frac{k}{q - p}\)）。在現代金融數學中，唯有當擁有正期望優勢（\(p > 1/2\)）並採用按本金比例下注的凱利公式（Kelly Criterion, \(f^* = p - q\)）時，才能在實現零破產機率的同時最大化長期對數成長率。