>讲义逻辑说明：第十六讲完整链条：信息逐期释放→多期模型框架→**叠期望定律**→两期/多期二叉树衍生品定价→资产价格鞅性质→二叉树收敛至Black‑Scholes公式。很多小白把叠期望定律当成单纯数学公式，忽略它的金融学含义：随着时间推移，信息一点点释放，我们的预期可以分层计算，**今天的期望，等于明天条件期望的期望**。它解释了为什么多期二叉树里面，我们可以用反向归纳，每一个节点都可以独立做风险中性定价；它是把单期无套利定价，平稳拓展到多期世界的桥梁。没有弄懂叠期望定律，多期二叉树只是机械算数，鞅性质、风险中性多期定价就变成死记硬背。
---
## 前置行情汇总（全文统一案例基准）
### 一、A股市场：8.14‑8.21周度复盘 + 2026年8月21日盘面基准
上证指数：8月20日收盘3956.33点；**8月21日收盘3944.76点，单日下跌0.29%**，沪市单边成交9316.82亿元。
深证成指：8月21日收盘14412.59点，下跌0.32%；创业板指3625.41点，下跌0.51%；两市合计成交1.924万亿元，成交量小幅回落。
盘面结构：AI算力、半导体高位震荡分化；消费医药小幅修复；中报披露收官，市场开始博弈9月宏观政策预期；部分上市公司发布业绩修正公告，新的信息落地，市场实时更新对企业未来盈利的预期。
衍生品观测：沪深300现货4672.34点；IF2609股指期货收盘4668.25点，小幅贴水4.09点；沪深300ETF期权9月平值合约，买卖权平价持续成立。做市商动态对冲持续运行，每一个交易日接收新信息，更新对未来收益的条件期望，调整对冲仓位。
对照观测样本（贯穿全文理论讲解）
①沪深300ETF期权市场：信息分期释放，每一个时间节点基于当下已知信息形成条件期望，叠期望定律在这里完美体现；风险中性定价可以逐期生效。
②小盘低覆盖个股：信息披露稀疏，信息到达是间断式的，条件期望更新不连续，预期分歧巨大，股价波动剧烈。
### 二、银行间利率债、国债期货市场
10年期国债活跃券260010:8月21日收盘收益率1.6945%，日内上行6BP；7天Shibor维持1.4160%，银行间流动性维持合理充裕。
30年期国债收益率2.1610%；国债期货主力合约小幅收跌。
债市盘面现象：宏观数据、政策讲话分期发布，每一次新信息落地，市场更新对未来利率路径的条件期望。利率债信息公开透明；而信用债市场信息获取不均衡，不同机构的条件期望差异巨大，带来估值分化。
### 行情理论观察结论
现实世界不是一次性把全部信息给到我们，信息是一期一期释放出来的。今天我们拥有一部分信息；明天财报、宏观数据出来，我们获得更多信息，修改我们对未来收益的预期。**叠期望定律，描述的就是分层预期之间的数学关系，是多期金融模型的底层逻辑**。不管是股市对未来盈利的预期，债市对未来利率的预期，还是衍生品风险中性框架下的定价，全部服从叠期望定律。
---
# 【‑】开篇导语
各位听众大家好，欢迎回到《北大金融经济学25讲》小白实战播客，我是本期主讲人。今天是2026年8月21日周五，A股、银行间债券市场正常开盘交易。我们继续精读徐高老师《金融经济学25讲》第十六讲，进入非常关键的一节：**叠期望定律**。
回顾我们前面的学习路径，我们一步步从单期世界，走进多期动态世界。
最开始我们学习单期模型：只有两个时刻，现在，未来。所有不确定性一次性揭开，所有信息一次性全部到位。我们弄懂了阿罗‑德布鲁、资产定价基本定理、单期二叉树复制定价、风险中性概率。
上两讲，我们向前迈出两大步。第一，我们学习了“信息”，明白现实当中信息不是一次性全部释放，而是随着时间流逝，一期一期慢慢到来；公共信息、私有信息不断涌现，投资者不断拿到新信号，修改自己对未来的判断。第二，我们学习动态完备市场与多期二叉树CRR模型。我们把时间切成很多小段，每一小段股价有上涨、下跌两种可能，我们使用反向归纳，从到期终点往回倒推衍生品价格，每一个中间节点都可以做风险中性定价。
学到这里，很多听众心里会冒出一个非常关键的疑问：
为什么，我们可以在多期二叉树的每一个中间节点，都可以重复使用单期的风险中性定价公式？为什么风险中性定价，不光期初可以用，走到时间点t1，t2，每一个节点，这套定价逻辑依旧成立？把每一期的定价拼接在一起，最后得到的结果，和直接站在今天对到期收益做风险中性折现，结果为什么是相等的？
这个问题的答案，就是我们本期要讲的叠期望定律。很多教材、很多网课会把它当成一个纯粹的数学小公式，一笔带过。但是在徐高老师《金融经济学25讲》第十六讲里面，叠期望定律承上启下，地位极其重要。它连接“逐期释放的信息”和“多期资产定价”。没有叠期望定律，多期二叉树的反向归纳操作就缺少理论根基；后面我们要学的鞅性质，直接建立在叠期望定律之上。
很多做投资的朋友，一辈子都在做一件事：形成对未来的预期，并且随着新消息、新财报、新宏观数据出来，不断更新自己的预期。叠期望定律，就是把“更新预期”这件事，用严谨的逻辑表达出来。
本期我们依次解决下面几个核心问题：
第一，梳理全套名词，叠期望定律、条件期望、信息滤波，全部英文名称、学术别称、标准定义；
第二，梳理完整历史渊源：从概率论当中的全期望公式，一步步引入金融经济学，成为多期无套利定价的基础工具；
第三，用大白话拆解叠期望定律底层直觉，避开复杂数学公式，讲清楚金融学含义，区分无条件期望、条件期望；
第四，结合2026年8月21日A股、债市真实盘面案例，分别在股票市场、债券市场、衍生品市场讲解叠期望定律是如何运行；同时解释：为什么小盘股、信用债预期分歧会那么巨大；
第五，回到多期二叉树模型内部，解释叠期望定律如何支撑反向归纳、逐期风险中性定价；
第六，厘清模型理想化假设，提炼普通投资者实战启示，梳理大家学习当中高频认知误区。
还是老规矩，我们先把全套核心名词梳理清楚。
# 【‑】第一板块：核心名词体系｜中英文、别称、标准定义
## 1.1 叠期望定律
中文全称：叠期望定律
英文：**Law of Iterated Expectations**
别称：迭代期望定律、全期望公式、重期望公式、塔性质（Tower Property）
讲义定义：给定两组信息集合，较早时刻信息集合$\mathcal{F}_s$，较晚时刻信息集合$\mathcal{F}_t$，时间$\(s
通俗人话：**站在今天看终点的期望，等于站在今天，看待明天“站在明天看终点”的期望**。
公式简写：$E[E[X|\mathcal{F}_t]|\mathcal{F}_s]=E[X|\mathcal{F}_s]$
>徐高讲义重点提示：叠期望定律本质描述**信息增加的时候，条件期望如何变化**。时间越往后，我们掌握的信息越多，条件期望会随着新信息不断修正；但是不同时间点条件期望之间，服从这套嵌套关系。
## 1.2 条件期望 Conditional Expectation
英文：Conditional Expectation
定义：给定已经掌握一部分信息的前提下，计算随机变量的期望。
举例：拿到今年中报全部数据之后，我们对这家企业明年净利润的预期，就是条件期望，条件就是“已经看完2026年中报”这一套信息。
- $\(E[X]\)$：无条件期望，没有限定额外信息；
- $E[X|\mathcal{F}_t]$：条件期望，基于t时刻已经全部掌握的信息集合。
## 1.3 信息滤波 Filtration
英文：Filtration
别称：信息流、信息递增序列
定义：多期模型概念。随着时间推移，信息集合只会不断扩大，不会缩小。t+1时刻的信息集合，包含t时刻全部信息，还会新增一部分新释放出来的信息。我们不会丢失过去已经知道的信息。
现实对应：我们看完2026年一季报，再看2026年中报；中报信息集合包含一季报全部内容，还新增二季度经营数据。我们不会看完中报，就忘掉一季报内容。信息只能增加，不会减少。这是叠期望定律成立的前提条件。
## 1.4 风险中性测度 Q测度 Risk‑Neutral Measure
英文：Risk‑Neutral Measure
回顾旧知识点：无套利等价鞅测度，多期二叉树当中每一个节点，都可以在Q测度下做条件期望折现定价。叠期望定律在风险中性Q测度下同样完全成立。这才允许我们多期二叉树逐节点倒推价格。
## 1.5 鞅 Martingale
英文：Martingale
别称：公平随机过程
第十六讲紧随叠期望定律之后的核心概念：在风险中性测度Q之下，经过无风险利率折现后的资产价格序列是鞅。鞅的数学定义直接依赖叠期望定律：$E^\mathbb{Q}[M_{t+1}|\mathcal{F}_t]=M_t$，下一期条件期望等于当前值。
## 1.6 反向归纳 Backward Induction
英文：Backward Induction
别称：回溯法，多期二叉树计算方法。
底层数学根基就是叠期望定律：我们从到期T往回算，T‑1期条件期望，再T‑2期，层层嵌套，一直回溯到0时刻今天。每一步嵌套运算，合法性来自叠期望定律。
## 1.7 期望更新 Expectation Updating
英文：Expectation Updating
金融学现实概念：当市场接收到新信息，投资者修改自己对未来现金流、未来利率、未来股价的条件期望。现实股票、债券价格波动，很大一部分来自期望的更新。
### 顶层完整逻辑链（第十六讲主线）
上一讲：多期二叉树模型，动态完备市场，反向归纳实操
↓抛出理论问题：为什么逐节点风险中性定价是合法？
↓叠期望定律（迭代期望/全期望公式）：信息滤波，信息只增不减，条件期望嵌套关系
↓支撑多期二叉树反向归纳，每一个中间节点均可执行风险中性条件期望折现
↓推导得出：风险中性测度下折现资产价格服从鞅性质
↓进一步：二叉树时间步无限加密，收敛到Black‑Scholes连续时间期权定价公式
# 【‑】第二板块：理论历史渊源梳理
叠期望定律，最早诞生于纯粹概率论，之后逐步引入金融经济学，成为多期资产定价的底层工具，我们沿着时间线梳理完整脉络。
**阶段一：概率论源头：全期望公式诞生（19‑20世纪初）**
叠期望定律最早并不是金融学理论，而是概率论基础定理，名字叫做全期望公式 Law of Total Expectation。概率论学者研究随机变量、条件概率的时候推导出：你可以分两步求期望，先给定第二个随机变量，算出条件期望，再对条件期望取期望，最终结果等于直接求期望。
在概率论当中，它只是一个计算工具，用来简化复杂期望计算。此时还没有和时间、信息释放挂钩，没有进入金融研究。
**阶段二：条件期望、信息滤波概念成型，适配时间序列（1930‑1950）**
随着随机过程理论发展，学者把条件期望和时间序列结合起来。提出Filtration，也就是信息滤波：随着时间前进，信息集合单调递增，过去知道的信息永远不会丢失。
于是全期望公式就有了时间维度含义：较早时间点的期望，可以对较晚时间点的条件期望再取期望。也就是我们金融学里面所说的叠期望定律、塔性质Tower Property。这套工具主要用于数理统计，还没有大规模用到资产定价。
**阶段三：理性预期思想兴起，经济学开始处理预期更新（1960‑1970年代）**
穆斯、卢卡斯发展理性预期理论。经济学家意识到：经济主体会随着时间接收新信息，不断更新自己对未来的预期。现实宏观、资产价格，就是不断更新预期的结果。经济学需要一套数学工具描述“预期更新”，叠期望定律进入经济学家视野。但是此时还局限宏观模型，衍生品定价尚未使用。
**阶段四：离散时间金融模型发展，叠期望成为多期定价底层工具（1970‑1979）**
Black‑Scholes、Merton的连续时间期权定价已经问世；Cox‑Ross‑Rubinstein在1979年发表多期二叉树模型CRR。CRR模型使用反向归纳，从到期往回逐节点定价。但这套回溯算法背后的数学基础，就是叠期望定律。每一个节点的条件期望层层嵌套，保证我们从终点倒推回到起点，结果自洽不矛盾。
简单讲，如果叠期望定律不成立，那么多期二叉树反向归纳算出来的价格，就会和直接站在期初对到期收益折现算出来的价格不一致，整个二叉树定价体系直接崩塌。
**阶段五：鞅理论体系完善，叠期望作为鞅定义基础（1980年代）**
Kreps、Duffie、Huang发展动态完备市场理论，大规模使用离散时间鞅方法。鞅的标准定义，直接建立在叠期望定律之上：给定今天全部信息，下一期折现资产价格的条件期望等于今天价格。没有叠期望定律，鞅就没有办法严谨定义。叠期望定律，正式成为现代无套利金融经济学的基石工具。
**阶段六：进入国内教科书，徐高《金融经济学25讲》第十六讲本土化梳理**
徐高老师特意把叠期望定律单独列为第十六讲一节，而不是放在附录数学公式里面，就是提醒读者：不要把它当成数学边角料。它对应的金融学现实，就是现实世界信息分期释放、投资者分期更新预期。很多人学金融，跳过这一节，直接去算二叉树、算鞅，知其然不知其所以然。
讲义着重提醒一个非常重要点：叠期望定律本身，不做任何经济假设，它是一个数学恒等式。只要信息集合满足“信息滤波”，也就是新信息来的时候旧信息不会丢失，叠期望定律就一定成立。不管市场是不是完备、有没有套利、投资者是理性还是非理性，数学上叠期望定律恒成立。**但是，风险中性多期定价，除了叠期望定律，还额外需要无套利、动态完备这些经济学假设。这二者不能混淆。**
# 【‑】第三板块：核心主体｜叠期望定律直觉拆解，结合2026年8月21日股债盘面实战案例
## 3.1 叠期望定律大白话通俗直觉
我们先用生活化例子，抛开公式理解叠期望定律。
假设现在是年初1月1号，我们要预估一家企业12月31号全年净利润。
站在1月1号，我们手里只有去年年报，没有今年任何季度数据，我们对全年净利润有一个预估。这就是**无条件期望**。
时间走到4月30号，一季报发布。我们拿到一季度真实经营数据，修正我们对全年净利润的预估。这个，就是**基于一季报信息的条件期望**。
时间走到8月21号，也就是今天，中报发布，我们拿到上半年完整经营数据，我们再次修正全年净利润预估，这就是基于中报信息的条件期望。
叠期望定律讲一件什么事？
站在1月1号，我当然不知道8月21号中报数据到底会是好还是差。但是站在1月1号，我可以去想象两种情景：情景一，中报业绩超预期；情景二，中报业绩不及预期。在两种情景下面，分别对应8月21号那一天对全年净利润的条件期望。
把8月21号两种情景下的条件期望，按照1月1号的概率做加权平均，得到的加权平均值，**正好等于1月1号直接给出的全年净利润预估**。
翻译成人话：
>今天对终点结果的平均预期，等于：今天，对“明天拿到新信息之后所形成的预期”再做一次平均。
未来明天我们拿到什么信息，今天我们是不知道的；但是明天拿到信息之后我们会形成什么样的预期，今天可以对这个未来预期取平均，平均值和今天直接预期相等。
这里有一个关键点：不是说明天的预期等于今天预期。明天拿到坏消息，预期会下调；拿到好消息，预期会上调。明天的条件期望本身是会上下波动的。**但是，站在今天看，明天未来预期的平均值，等于今天的预期**。明天预期会波动，但是波动的期望值为零。
这一点对应A股非常真实的现象：很多散户会疑惑，财报还没出，市场预期一会上调一会下调，但是你不能说市场预期乱了。叠期望定律告诉我们：未来条件期望本身是随机波动的，但是它的平均水平，锚定当下的期望。
同时我们记住叠期望定律成立前提：**信息滤波Filtration**。时间越往后，信息只会增加，不会丢失。我们看完中报，不会忘掉一季报内容。现实市场大体满足这个条件，历史财报、历史宏观数据会留存公开，不会消失。
## 3.2 叠期望定律在多期二叉树模型内部的作用（承接上一期课程）
回到我们上一期重点学习的多期二叉树CRR模型。
我们衍生品到期时间T，我们从终点T开始，反向归纳，一步一步往回算T‑1，T‑2……一直算到现在0时刻。
在T‑1时刻，我们基于T‑1时刻节点信息，使用风险中性概率，算衍生品条件期望，折现得到T‑1时刻衍生品价格。
在T‑2时刻，我们不知道T‑1会走到上涨节点还是下跌节点。但是T‑2时刻，我们可以对T‑1时刻的衍生品价格（也就是T‑1时刻的条件期望折现结果），再取风险中性条件期望，折现，得到T‑2时刻价格。
叠期望定律保证：我们这样一层一层往回倒推计算，最终算出来0时刻价格，等价于站在0时刻，直接对T时刻到期收益做一次风险中性条件期望折现。两种算法结果完全一致。
>换句话讲：叠期望定律，保证了反向归纳这套计算方法的合法性。如果没有叠期望定律，我们就不能一步一步从终点往回倒推，多期二叉树工具直接失效。
并且，风险中性Q测度之下叠期望定律同样成立。所以二叉树每一个节点，都可以重复使用单期风险中性定价公式，不需要重新改造定价规则。这就是为什么单期定价逻辑可以无缝拓展至多期。
## 3.3 A股股市真实案例：8月21日，中报收官，盈利预期更新
8月21日本周，A股中报披露基本收官。大量上市公司释放半年经营数据。
举一个真实盘面情景：某算力龙头，年初市场一致预期2026全年净利润120亿。
到8月21日中报落地，出现两种现实路径：
路径A：中报大超预期，上半年利润大幅高于预判，于是市场更新条件期望，把全年净利润上调到140亿；
路径B：中报不及预期，上游成本挤压利润，市场更新条件期望，把全年净利润下调到100亿。
站在年初，我们不知道中报最终会走向A还是B。但是站在年初，把A情景140亿、B情景100亿，按照年初预判的发生概率加权平均，加权平均结果，正好等于年初120亿的全年预期。这就是叠期望定律在权益盈利预期上面的直观体现。
股价为什么会在中报发布那一天发生波动？
不是未来真实净利润发生了变化；而是我们拿到新信息，**更新了条件期望**。如果中报是超预期，条件期望向上跳升，股价上涨；不及预期，条件期望向下跳，股价下跌。
这里区分两类A股标的：
第一类，沪深300成分股，公开信息充分，机构大量跟踪。大家共享同样公开信息集合，条件期望更新节奏大体接近，预期分歧相对可控。
第二类，小盘低覆盖个股，公开披露少，私有信息多。不同投资者信息集合不一样，每个人的条件期望完全不一样，所以股价经常出现巨大分歧、暴涨暴跌。**叠期望定律数学上人人成立，但是每个人手里的信息集合不一样，所以每个人的条件期望结果不一样。**这一点非常关键，很多小白会在这里产生误解。定律本身不变，但是每个人的信息不一样，输入不一样，输出条件期望就不一样。
## 3.4 债市案例：叠期望定律应用于利率预期，国债与信用债对比
我们再看债券市场，债券价格由未来一系列利息、本金现金流的期望，经过折现得到。而未来折现率本身，取决于未来各期的短期利率。
站在2026年8月21日今天，市场对一年之后的1年期短期利率，有一个市场预期。
等到3个月之后，会有新的CPI、就业、政策信息发布。到那个时候，我们会更新对一年后短期利率的条件期望。有可能上调，也有可能下调。
叠期望定律告诉我们：站在今天，把3个月之后两种情景下对远期利率的条件期望做加权平均，就等于今天直接对远期利率的预期。
对应两组债市现实对比：
第一组，利率债（国债）：宏观数据全部公开，市场参与者拿到的公共信息基本一致。大家更新条件期望的时间点高度同步。宏观数据发布一瞬间，全市场同步更新对未来利率的条件期望，国债收益率瞬间完成调整。
第二组，低流动性信用债：很多民营、弱区域城投，信息披露不充分。机构A做过实地调研，机构B只看公开财报。两者信息集合不一样。即便叠期望定律数学上对所有人都成立，但二者的条件期望差异巨大，对同一只信用债估值判断天差地别，买卖很难达成一致。
## 3.5 衍生品市场案例：沪深300ETF期权，叠期望定律+多期二叉树现实落地（8月21日盘面）
沪深300ETF期权9月合约，还有一段时间到期，到期收益由到期那一天ETF价格决定。
站在今天8月21日，我们可以用两种方式计算期权理论价格。
方式一：直接站在今天，在风险中性测度下，对到期 payoff求条件期望，无风险利率折现，直接算出现价。
方式二：多期二叉树反向归纳。把剩余时间切成很多小段，每一个节点，基于该节点信息，求下一期收益的风险中性条件期望、折现；一层一层倒推回到今天。
叠期望定律保证两种算法得到一模一样的结果。券商、做市商程序里面运行的二叉树定价代码，底层逻辑就是这个。每过一个交易日，市场新增信息，二叉树节点对应的条件期望同步更新，期权理论价格随之变动。我们8月21日盘面看到的期权价格实时变动，背后就是不断更新条件期望，叠期望定律持续生效。
## 3.6 重要提醒：叠期望定律是数学恒等式，不等于市场永远理性
这里一定要划重点：叠期望定律本身，是数学恒等式，**不要求投资者理性**。
哪怕投资者情绪亢奋、恐慌、出现认知偏差，只要信息满足“信息滤波，信息只增不减不丢失”，叠期望定律数学上依旧成立。
定律只是描述：不同时间点的条件期望之间，应该满足什么样的嵌套数学关系。定律本身不会保证投资者的条件期望一定符合客观现实。
举个例子：散户集体过度乐观，对未来盈利给出虚高条件期望。叠期望定律依旧成立，只是所有人的条件期望整体高估真实基本面。不要混淆：数学恒等式，和投资者预期是否客观正确。
# 【‑】第四板块：承上启下、小白实战启示、高频认知误区纠正
## 4.1 承上启下：叠期望定律为什么放在第十六讲这个位置？
我们梳理第十六讲逻辑链条：
上一讲我们进入多期世界，信息逐期释放，学习动态完备、多期二叉树、反向归纳。但是我们没有回答：为什么反向归纳逐节点定价有效？
叠期望定律给出数学根基：因为条件期望服从嵌套关系，我们可以从终点层层倒推。
弄懂叠期望定律之后，我们立刻可以推导下一个核心概念：**资产价格的鞅性质**：在风险中性测度下，折现后的资产价格是鞅。鞅的定义直接使用叠期望定律。之后再继续走向连续时间Black‑Scholes期权定价。
所以叠期望定律，是从离散多期二叉树通往鞅理论、连续时间金融的关键跳板。很多学习者跳过这一节，后面鞅就只能死记硬背。
## 4.2 面向普通投资者五大实战启示
第一，区分“期望本身会波动”和“期望的平均值不变”。拿到新财报、新宏观数据之后，市场对未来盈利、利率的条件期望会上调或者下调，这就是股价、债价波动来源。但是站在当下看，未来各种情景下条件期望的加权平均，锚定现在的预期。不要看到市场预期不断修正，就认为市场完全没有逻辑。
第二，人与人之间预期分歧，往往不是大家不懂叠期望定律，而是每个人拿到的信息集合不一样。小盘股、冷门信用债私有信息多，不同人信息集合差异大，条件期望差异巨大，估值分歧剧烈；大盘蓝筹、利率债公共信息充足，预期分歧更小。
第三，不要迷信“预测未来”。我们今天只能对“未来的预期”做平均，但是无法预知未来会走到哪一条具体情景路径。明天条件期望向上还是向下，取决于明天落地的新信息，这本身是随机的。
第四，理解衍生品定价逻辑：多期二叉树反向归纳不是玄学，背后是叠期望定律支撑的条件期望层层嵌套。期权价格实时变动，本质就是每一个交易日，基于新增信息更新条件期望。
第五，分清数学定理和现实假设。叠期望定律本身是恒等式；但是风险中性定价、动态完备是经济学假设。定律永远成立，但经济学假设在现实会有摩擦，会被打破。
## 4.3 十大高频认知误区纠正
误区1：叠期望定律说，明天的预期等于今天的预期。
纠正：大错特错。明天拿到新信息，条件期望可以大幅上调或者下调；叠期望说：**站在今天看，明天各种可能条件期望的加权平均值，等于今天的期望**。明天的条件期望本身是随机波动的随机变量。
误区2：叠期望定律是金融学理论，有很多经济前提。
纠正：叠期望定律是概率论数学恒等式，唯一前提是信息滤波（信息只增不减）。无论市场是否有效、有无套利、投资者理性与否，数学上都成立。
误区3：既然叠期望定律人人成立，市场所有人预期就应该一致。
纠正：定律公式人人成立，但每个投资者拥有的信息集合$\mathcal{F}_t$不一样，输入信息不同，输出的条件期望自然不一样。
误区4：多期二叉树反向归纳只是一种近似计算技巧。
纠正：反向归纳的逻辑合法性来自叠期望定律，在模型假设下，反向归纳和直接期初折现是严格相等，不是近似。
误区5：叠期望定律只能够在风险中性Q测度下成立。
纠正：叠期望定律在真实客观概率P测度、风险中性Q测度，两套测度下面全部成立。
误区6：信息滤波意思是信息会越来越准确。
纠正：信息滤波只是信息集合只会增加旧信息不会丢失，新增信息可以是噪音，不一定让判断更准确。
误区7：股价波动违背叠期望定律。
纠正：股价波动恰恰来自条件期望随新信息更新，叠期望定律允许条件期望随机变动，并不要求价格不动。
误区8：弄懂叠期望定律，就可以精准预测股票未来价格。
纠正：叠期望定律描述不同时间点预期之间的嵌套关系，它不能预测未来信息会是什么，因此不能预测股价路径。
误区9：叠期望定律等价于鞅。
纠正：叠期望是数学恒等式；鞅是附加无套利假设之后，风险中性测度下资产价格满足的特殊性质。鞅一定用到叠期望定律，但叠期望定律不等于鞅。
误区10：现实市场有交易摩擦，叠期望定律就失效。
纠正：交易摩擦影响的是资产定价、市场均衡；叠期望定律描述条件期望数学关系，不受交易摩擦影响。
# 【‑】结尾总结
今天我们精读徐高《金融经济学25讲》第十六讲核心单元：**叠期望定律，也叫迭代期望定律、全期望公式**。我们打通了从多期二叉树，走向鞅性质的关键一环。
叠期望定律的人话含义：站在今天，对最终结果的期望，等价于站在今天，对“未来拿到更多信息之后形成的条件期望”再取期望。它成立的前提是信息滤波：随着时间推移，信息集合只会增加，已经知道的信息不会丢失。
我们梳理了理论历史渊源：它起源概率论全期望公式，之后结合随机过程信息滤波，引入经济学，成为CRR多期二叉树反向归纳算法的数学根基，也是鞅理论的基础定义工具。
结合2026年8月21日A股盘面：中报收官，新信息落地，市场不断更新对上市公司盈利的条件期望，带来股价涨跌。小盘标的信息获取不均衡，不同投资者条件期望差异巨大；沪深300成分股公开信息充足，预期分歧相对可控。
债市当中，国债依靠公共宏观信息，市场同步更新对远期利率的条件期望；低流动性信用债信息不对称，机构之间条件期望分化严重。沪深300ETF期权多期二叉树定价，两种计算路径等价，底层保障正是叠期望定律。
我们一定要分清：叠期望定律是数学恒等式；但风险中性定价、动态完备是经济学理想化假设。定律本身不会因为市场情绪、交易摩擦而失效，但现实会违背那些经济学假设。
下一期播客，我们顺着第十六讲继续前进，基于叠期望定律讲解**资产价格的鞅性质**。本期播客到此结束，我们下期再会。
《北大金融经济学25讲》｜第十六讲：叠期望定律
10分钟 ·
30·
0
300