Betting on Bets: Anytime-Valid Tests for Stochastic Dominance

傳統統計假說檢定在固定樣本量前若提前停止，假陽性率就會悄然失控——對於需要持續監控的線上實驗，這是長達數十年的結構性缺陷。CWI Amsterdam 與 INSEAD 四位研究者以博弈論「下注」語言重新架構了這個問題，構造出可在任意時間點停止且仍保持型一錯誤控制的序列統計工具，對一階到任意 k 階的隨機支配問題給出了檢力趨近 1 的理論保證。

比較均值遠遠不夠：FSD 是嚴格的全分布比較

「均值相等」的兩個賭局，可以有截然不同的分布形狀。正因如此，經濟學與決策理論中長期使用「隨機支配」（stochastic dominance，SD）而非均值比較作為不確定前景的排序標準——SD 描述的是整條累積分布函數（CDF，cumulative distribution function）的形狀關係，而非單一統計量。

一階隨機支配（FSD，first-order stochastic dominance）的定義直白：若 X 的 CDF 在每個點都不高於 Y 的 CDF，即 F_X(z) ≤ F_Y(z) 對所有 z 成立，則稱 X 一階支配 Y。等效的效用函數詮釋是：任何偏好「多多益善」的決策者，只要 X 支配 Y，無論其效用函數的具體形狀如何，都會選 X。更高階的 SD（k 階）對效用函數加入更多限制，例如二階 SD 對應風險規避型決策者。

一個根本的理論事實使 SD 測試遠比均值測試困難：沒有任何有限個矩不等式可以蘊含一階或更高階的 SD。這意味著 SD 是真正的非參數問題，必須從整條分布函數入手，傳統的參數化假設全部失效。

以打賭量化統計證據：e-process 的博弈論詮釋

論文的核心工具是 e-process（e 過程）——一個非負的隨機過程，在任意停止時間 τ 下，其期望值在虛無假設下不超過 1。這個性質讓它天然具備「隨時停止都有效」的保證，對應 Ville 不等式（Ville's inequality，時均版 Markov 不等式）：若 (M_t) 是一個測試超鞅（test supermartingale），則在所有時間點同時成立的假陽性率上界恆為 α。

論文給出的博弈論詮釋極為直觀：給定兩個不確定前景 X 與 Y（例如股票與債券的回報），「懷疑者」（skeptic）對閾值 z（例如 0%）下注——若 X 跌破 z 但 Y 沒有，賭注翻倍；若 Y 跌破 z 但 X 沒有，賭注歸零；兩者同時或同時不跌破則不變。懷疑者的累積財富，正是對抗「X 被 Y 支配」這一虛無假設的統計證據量。這個博弈可以由懷疑者自主選擇何時停止，而對統計效力毫無影響。

構成 e-process 的積木是「建構 e-variable」：S(λ, z) = 1 + λ[1(X≤z) − 1(Y≤z)]，λ ∈ [0, 1]。這個形式淵源可追溯到 Kelly（1956）的最優賭注策略理論；Clerico（2025）最新結果更顯示：這族形式是對 H₀(z) 唯一的容許 e-value 集合，已無法再改進。

GRO 最優下注公式：λ* = (p − q)/(p + q) 的精確解

知道 e-variable 形式後，關鍵問題是：λ 要怎麼選才能讓財富增長最快？論文給出了精確解析答案。定義兩個機率——p(z) = Q(X ≤ z < Y)（對懷疑者有利的事件）與 q(z) = Q(Y ≤ z < X)（對懷疑者不利的事件）——最大化對數期望增長率的最優增長率（GRO，growth-rate optimal）下注比例為：

λ*(z) = (p(z) − q(z)) / (p(z) + q(z))

這個公式有清晰的直觀：當有利事件遠多於不利事件（p ≫ q）時，λ → 1（傾全力押注）；當兩者旗鼓相當時，λ → 0（保守下注）。由於真實的 p 和 q 未知，論文提出對應的預測性插入估計量 λ̂_t，以前 t−1 期資料計算經驗分布後代入，且加入小幅上界限制避免財富歸零。

針對全局虛無假設，論文對所有閾值 z 取加權混合，再對所有時間步取乘積。定理 1 與命題 2 的核心結論是：這個混合 e-process 在任意對立假設下都以指數速率增長到無窮——即「漸近檢力一」（power one），且懷疑者累積財富越大，拒絕虛無假設的速度越快。

一階 FSD 到任意 k 階：框架的非參數推廣

論文的方法不止於一階 SD。二階隨機支配（SSD）對應 CDF 的一次積分排序（適用風險規避型效用函數），更高的 k 階 SD 涉及 CDF 的 k 次積分，無限階 SD 也在框架之內，另包含增凸序等變體。整套 e-process 構造方法均可推廣至這些「積分隨機序」（integral stochastic order）。

技術差異在於所需假設的強度：一階 SD 測試完全不需要分布假設；k 階（k ≥ 2）的 e-process 則需資料具備單邊下界（one-sided lower bound）或次指數（sub-exponential）尾部條件。相較之下，既有非序列文獻（如 Barrett & Donald 2003）通常要求更強的正則性條件（如分布連續性與有界性），本文假設更為寬鬆，屬於實質性的理論改進。

模擬驗證與「逆向問題」的開放挑戰

模擬實驗從三個維度驗證了方法的實用性：（1）序列測試在任意監控時間點嚴格維持型一錯誤控制，傳統非序列方法若中途停止則無法保證；（2）在檢力上與 McFadden（1989）的 KS 型檢定和 Linton et al.（2010）的 Cramér-von Mises 型檢定相當甚至更優；（3）明確優於以 CDF 時均信賴帶為基礎的先前序列方法（Howard & Ramdas 2022），後者為一般目的設計，對 SD 問題不夠專用。

論文最後坦承一個本質上更困難的「逆向問題」：若要測試 Y 確實在分布上優於 X（而非否定「Y 被 X 支配」），虛無假設與對立假設互換，虛無假設的「體積」遠大於對立，現有工具能給出非平凡 anytime-valid 測試的條件極為苛刻。這是論文明確留給後續研究的開放問題，顯示出作者對方法邊界的誠實態度。

打賭邏輯讓序列實驗在任意時間點中止都合法，e-process 比 p 值更適合需要持續監控的線上 A/B 測試與動態決策場景。