均值保持扩展

均值保持扩展 (Mean-Preserving Spread)

均值保持扩展 (Mean-Preserving Spread, MPS) 是 不确定性经济学 中刻画概率分布"风险程度"的核心概念。直观而言，若分布 $G$ 由分布 $F$ 通过将概率质量从中心区域向两侧尾部平移——同时严格保持分布的均值不变——则称 $G$ 是 $F$ 的一个均值保持扩展。该操作不改变"平均结果"，但增大了"结果的不确定性"。MPS 概念由 Rothschild 与 Stiglitz (1970) 在经典论文《Increasing Risk: A Definition》中形式化提出，奠定了 二阶随机占优 (Second-Order Stochastic Dominance, SOSD) 的理论基础，并成为 风险分析、资产定价 与 信息经济学 中不可或缺的分析工具。

形式化定义与等价条件

设 $F$ 与 $G$ 为两个累积分布函数，定义在共同支撑集上且具有相同的有限均值 $\mu_F = \mu_G$。则 $G$ 称为 $F$ 的均值保持扩展，当且仅当以下三个等价条件之一成立：

条件一：积分条件

对于所有 $x$，有：

且在 $x \to \infty$ 时该积分收敛于零（即总积分为零，保证均值相等）。该条件在几何上意味着 $G$ 的累积分布函数与 $F$ 的累积分布函数之差的累积积分始终非负——换言之，$G$ 的"尾部质量"系统性高于 $F$。

条件二：凹函数期望条件

对于任意凹函数 $u(\cdot)$，有：

当 $u$ 为 效用函数 且 $u'' < 0$（风险厌恶）时，该不等式表明：所有风险厌恶的期望效用最大化者均偏好 $F$ 胜于 $G$。这直接将 MPS 与经济学行为选择联系在一起。

条件三：噪声构造

存在随机变量 $X \sim F$ 与一个条件均值为零的随机噪声 $\varepsilon$（即 $E[\varepsilon \mid X] = 0$），使得 $X + \varepsilon \sim G$。该条件提供了 MPS 的构造性理解：$G$ 等价于在原分布 $F$ 上叠加一个与 $X$ 不相关的纯噪声，从而使结果变得更加分散。

这三种等价性构成了 MPS 理论的数学核心：积分条件提供了分布的刻画，凹函数条件建立了与经济偏好的联系，噪声条件则给出了生成性解释。

与二阶随机占优的等价关系

MPS 与 二阶随机占优 (SOSD) 在本质上是同一枚硬币的两面：$F$ 二阶随机占优于 $G$（记作 $F \succeq_{\text{SOSD}} G$）当且仅当 $G$ 可通过一系列（有限或可数）均值保持扩展从 $F$ 生成。因此，SOSD 的偏好含义——所有风险厌恶者均偏好占优分布——完全由 MPS 的性质所保证。这一定理（Rothschild-Stiglitz 定理）将"风险增大"这一直觉严格化：在保持均值不变的前提下，任何将概率质量向尾部扩散的变换都使分布变得更"风险"，且该序关系与所有递增凹效用函数下的偏好排序一致。

均值保持收缩

与 MPS 对称的概念是 均值保持收缩 (Mean-Preserving Contraction, MPC)。若 $G$ 是 $F$ 的 MPS，则等价地 $F$ 是 $G$ 的 MPC——MPC 将概率质量从尾部向中心集中，降低方差而保持均值不变。MPC 在 信息经济学 与 契约理论 中具有重要的应用：获取额外信号（如市场调研、审计报告）通常可视为对决策者信念分布的 MPC，从而缩减不确定性、提高决策质量。这一视角将 布莱克威尔定理 (Blackwell's Theorem) 关于信息结构排序的结论与分布理论紧密联系起来——更丰富的信息结构恰对应于后验信念分布的均值保持收缩。

经济应用

资产定价与投资组合：在 马科维茨均值-方差分析 框架下，MPS 表现为方差的纯粹扩张。对于给定的期望收益，风险厌恶投资者严格偏好 MPS 前的资产——这为"分散化投资降低风险"提供了分布论基础：构建投资组合可将单一资产的厚尾分布收缩为更集中的收益分布。

收入不平等：MPS 为比较不同经济体或不同时期的收入分配离散度提供了严谨工具。若经济体 A 的收入分布是经济体 B 的 MPS（均值相同），则 A 的 洛伦兹曲线 更远离对角线、基尼系数 更高，不平等程度严格更大。相较于仅比较方差，MPS 更全面地刻画了尾部扩散的不平等含义。

保险市场：保险的本质是对损失分布的 MPC——投保人支付保费以消除财富分布的尾部风险，将不确定的大额损失替换为确定的保费支出。MPS/MPC 框架为分析保险合约的福利效应提供了直接的分布论语言。

信息价值：在前述 MPC 视角下，信息的价值直接体现为：额外信息使后验分布更集中（MPC），从而降低决策失误的期望损失。这一分析路径将信息经济学中的 信号博弈 与分布理论统一。

与方差及高阶矩的关系

MPS 必然增大方差——若 $G$ 是 $F$ 的 MPS，则 $\operatorname{Var}_G(X) > \operatorname{Var}_F(X)$ 除非 $F = G$。但其逆不真：方差更大并不意味着一个分布是另一个的 MPS。例如，在均值不变的前提下，仅增加右尾而削减左尾可使方差增大，但此时的分布变化并非纯粹的风险增大（因其改变了 偏度 结构）。MPS 的独特价值恰在于其超越了简单的方差比较，给出了风险增大的完整序关系刻画——它等价于所有风险厌恶者的偏好一致性。

局限性与扩展

MPS 仅适用于均值相同的分布比较场景。当两个分布的均值同时不同时，需引入 三阶随机占优 (Third-Order Stochastic Dominance) 等更精细的排序工具——三阶占优进一步要求递减绝对风险厌恶 (DARA) 下的偏好一致性，对偏度（上尾偏好）给出规范性刻画。此外，MPS 建立在 期望效用理论 框架之上；在 前景理论 等非期望效用范式下，决策者对概率尾部的非线性权重可能导致 MPS 的规范性含义失效。在实证层面，金融收益分布常呈现出 厚尾 与 波动率聚集 等特征，单纯依赖 MPS 序列分解不足以完整描述风险动态，需结合 GARCH 等时间序列方法。