均值為一的變數之積作為鞅（product of mean-one variables as a martingale）

在加性鞅（均值為零的衝擊的跑動「和」）旁，住著它的乘性雙胞胎：獨立的、均值為一的因子的跑動「積」。想像一筆財富，每期被一個獨立隨機因子相乘，而該因子的平均恰為 1——一個在乘性意義下公平的毛報酬，平均而言既不使你的資本增長、也不使其縮小。這個跑動的積是一個鞅，而這個乘性形式是概似比、指數鞅，以及驅動數理金融的測度變換機制的種子。

令 X_1, X_2, ... 為獨立的非負隨機變數、每個 E[X_i] = 1，並設 Y_n = X_1 * X_2 * ... * X_n、Y_0 = 1。對過去 F_n 取條件，下一個因子獨立且均值為 1，故 E[Y_(n+1) given F_n] = Y_n * E[X_(n+1)] = Y_n * 1 = Y_n——鞅方程，只是乘法取代了加法。（若改為每個 E[X_i] = m，則 Y_n / m^n 是鞅。）一個著名的特例是指數鞅：取 X_i = exp(theta * Z_i - K(theta))，其中 Z_i 為獨立同分布、K 為累積量母函數；每個因子依 K 的定義均值為一，所以積是鞅，而它是 Chernoff 界與 Wald 恆等式背後的主力。一個模型相對於另一個模型、在不斷增長的資料上計算的概似比，在真模型之下也是另一個積鞅。

積鞅也是「幾乎必然收斂」與「均值收斂」之間落差最乾淨的例證。一個非負鞅永遠幾乎必然收斂，所以 Y_n 趨向某個極限 Y_infinity。但極限的均值可能崩塌：若因子不一致可積，你可以對所有 n 都有 E[Y_n] = 1，卻 Y_infinity = 0 幾乎必然——例如 X_i 以各 1/2 的機率取值 0 或 2，單一個零因子就永遠殲滅整個積。所以「每一步乘性公平」並「不」意味「在極限中保住你的資本」。質量悄悄漏走，是一個鮮明的警告：恆定的期望與一個不消失的極限不是同一回事。