本章只讲概率直觉，不构成任何交易、投资或博彩建议。凯利公式在现实中的应用受到诸多限制（真实胜率无法精确知道、赔率会变、结果并非独立、存在交易成本与流动性约束），本章的模拟是理想化的教学模型，不能直接套用于任何实际决策。涉及资金的决定请咨询有资质的专业人士。
有这样一个赌局，你可以反复玩 200 次：
你有 100 元本金。每一轮该押上本金的百分之几？
凭直觉选一个：
5.1 章末尾那条曲线已经剧透了答案：它先升后降。下注太少，赚得慢；下注太多，会亏——即使每一注的期望值都是正的。中间有一个最优点。
为什么会「亏」？因为财富是连乘的，不是连加的。而连乘对损失极不宽容：
这个不对称是所有麻烦的根源。下注比例越大，单次损失越深，而深的损失需要不成比例的收益才能补回来。到某个点之后，「偶尔的大亏」造成的复利伤害，会超过「经常的小赚」带来的复利收益——于是长期增长率由正转负。
1956 年，贝尔实验室的 John L. Kelly Jr. 给出了那个最优点的表达式：
还有一个更好记的等价形式（当 b = 1，即赢亏对等时）：
这个公式最优化的不是期望财富，而是财富的长期增长率——也就是你实际经历的那条时间线上的复合收益。它等价于最大化 5.1 章的对数效用，这不是巧合：对数正是把连乘变成连加的那个函数。
凯利公式回答的问题，和「这个赌局值不值得赌」是两个完全不同的问题。期望值告诉你方向（该不该赌），凯利告诉你规模（赌多大）。方向错了，你会慢慢亏钱；规模错了，你会迅速归零——即使方向是对的。下面的实验会让你看到，同一个「有利」的赌局，规模选错就是一场灾难。
需要立刻加上的三条限制，否则这个公式会害人：
① 你不知道真实的 p。公式假设你精确知道胜率。现实中 p 是估计出来的，而高估 p 会让你系统性地超额下注——而超过凯利比例的代价是不对称的（下面实验会看到）。因此实务中常用「半凯利」等更保守的比例：增长率只损失约 25%，波动却能减半。
② 凯利比例下的波动大得超出多数人的承受力。即便在最优比例上，路径中出现腰斩也是家常便饭。一个数学上最优、但你会在半路上放弃的策略，实际上并不最优。
③ 它假设结果独立、可以无限重复。现实中的机会往往相关、有限、且伴随成本。
每条细线是一条独立的人生：从本金 ×1 出发，走 200 轮。纵轴是对数刻度（财富要跨好几个数量级）。红线是破产的路径。
请务必盯住「中位数」和「破产率」这两个数字，而不是均值。均值描述的是所有平行宇宙的平均，而你只走一条路。
三个预设的对比，是本书最值得记住的一组数字：
| 每轮仓位 | 中位数结局 | 平均值 | 破产率 |
|---|---|---|---|
| 5%（保守） | ×6.37 | ×7.6 | 0.0% |
| 20%（凯利） | ×56.10 | ×5,500 | 0.6% |
| 50%（激进） | ×0.00 | ×98,000 | 76.5% |
请仔细看「激进」那一行。它的平均值是凯利档的 18 倍，看起来遥遥领先。可它的中位数是零，而且四分之三的路径破了产。那个惊人的平均值，来自极少数几条一路狂赢的路径——它们把均值单枪匹马地扛了起来，而绝大多数人走的不是那几条。
这就是「均值」和「你的人生」之间的鸿沟，也是 5.4 章遍历性问题的具体形态。
还有一个值得亲手做的实验：把仓位从 20% 慢慢往上拖。你会发现中位数在 20% 附近见顶，然后开始下滑；到 40% 左右转为亏损；再往上就是断崖。而在整个过程中，每一注的期望值始终是正的，从头到尾没变过。——赌局一直有利，只是你押得太多，把有利的赌局玩成了必输的赌局。
1956 年，贝尔实验室的物理学家 John L. Kelly Jr. 在《贝尔系统技术期刊》上发表了一篇题为《信息率的一种新解释》的论文。
有意思的是，这篇论文的出发点根本不是赌博，而是信息论。Kelly 的同事 Claude Shannon 刚刚建立了信息论，而 Kelly 想给「信息率」这个抽象量找一个具体的解释。他构造了一个思想实验：假设赌徒能通过一条有噪声的信道提前收到比赛结果，那么他的财富增长率能有多快？
答案漂亮得惊人：财富的最大长期增长率，恰好等于那条信道的信息传输率。而实现这个增长率的下注策略，就是按上面那个公式分配仓位。「信息」和「钱」在这里被一个等式连了起来。
把它带到现实赌桌上的是数学家 Edward Thorp。1960 年代初，Thorp 证明了二十一点的算牌可以让玩家获得微小但真实的优势，随后用凯利公式来决定每一手该下多大注——因为他很清楚，光有优势是不够的，下注规模决定了他能否活到优势兑现。他把这套方法写成了 1962 年的畅销书《Beat the Dealer》，此后又将类似的思路用于金融市场。
Kelly 本人从未用这个公式赌过钱，他 1965 年因病去世，年仅 41 岁。
关于凯利公式，学术界有过一场值得一提的争论。包括 Paul Samuelson 在内的一些经济学家批评过「凯利准则是唯一理性选择」这一主张——他们指出，最大化长期增长率只是众多合理目标之一，它等价于假定投资者恰好具有对数效用；而一个风险偏好不同的人，选择别的比例是完全理性的。Samuelson 的批评相当尖锐，甚至写过一篇几乎全用单音节词的文章来表达。这场争论至今没有定论，而它本身正是 5.1 章那句话的注脚：不存在一个对所有人都正确的效用函数。
不过有一点是各方都同意的，也是本章唯一希望你带走的：下注规模是一个独立于「方向是否正确」的决策维度，而且它对长期结果的影响，往往大于方向本身。
第一问（b = 1）：用简化式 f* = p − q = 0.55 − 0.45 = 10%。
第二问（b = 2）：f* = (p(b+1) − 1) ÷ b = (0.55 × 3 − 1) ÷ 2 = 0.65 ÷ 2 = 32.5%。
值得注意的是赔率改善带来的杠杆：胜率一点没变，只是赢的时候赚得更多，最优仓位就从 10% 跳到了 32.5%，翻了三倍多。
直觉上的解释：凯利比例衡量的是你的优势相对于风险的大小。赔率变好时，同样的胜率带来了更大的优势，而下行风险（输掉本金）没变——于是值得押更多。这也提醒一件事：在评估任何机会时，「赢面多大」和「赢了能拿多少」是两个必须分开问的问题，而人们往往只盯着前一个。
因为财富分布是极度右偏的。200 轮之后，绝大多数路径已经归零，但极少数「运气好到离谱」的路径财富呈天文数字——比如连赢 150 轮的那条，财富是 1.5¹⁵⁰ 这个量级。这一条路径足以把 1000 条路径的平均值单独扛起来。
中位数更能描述你会经历什么。因为你只走一条路，而中位数正是「一半路径比它好、一半比它差」的那个分界点——它回答的是「典型情况」。均值回答的是「如果我能同时活在 1000 个平行宇宙里、并且能把财富汇总」，而这个前提对个人根本不成立。
一个更锋利的说法：均值属于集合（很多人各赌一次），中位数属于个人（一个人赌很多次）。只有当分布不太偏、或者你真的能把风险分散到很多独立的赌局上时，两者才接近。这个区分就是遍历性问题，5.4 章的主题。
顺带一句实用推论：看到任何用「平均回报」宣传的东西，问一句中位数是多少。两者差得越远，说明结果越依赖极少数的幸运儿。
高估的情况（真实 50%，你押 20%）：真实的凯利比例是 f* = 0.5 − 0.5 = 0——这个赌局根本没有优势，最优仓位是不下注。你押 20%，等于在一个零期望的赌局上反复承担波动，长期增长率是负的，财富会缓慢但稳定地被磨掉（因为连乘对波动的惩罚）。可以在实验里把胜率拖到 50%、仓位保持 20% 亲眼看看。
低估的情况（真实 70%，你押 20%）：真实的凯利比例是 40%，你只押了一半。结果是增长率低于最优，但完全不会出事——保守的代价是「赚得慢」，激进的代价是「归零」。
这个不对称是本章最实用的一条：估计误差在两个方向上的代价完全不同。低估让你少赚，高估可能让你出局。而现实中你对胜率的估计几乎必然带着误差，方向还未必知道。
因此实务中的通行做法是「半凯利」或更保守：按公式算出 f* 之后只押一半。数学上，半凯利的长期增长率约为满凯利的 75%，而波动大约减半。用四分之一的增长率，换掉一半的波动和大部分的估计误差风险——对绝大多数人来说，这是一笔划算得多的交易。
比较符合的：高频、小额、彼此独立的重复决策。比如做市商的报价、保险公司的承保、大规模 A/B 测试的资源分配。这些场景里「很多次」是真的，独立性也大致成立。
不符合的（也就是人生的大部分）：
· 一次性的重大决定。换工作、买房、创业、结婚——没有「反复下注」可言。凯利在这里没有直接适用性。
· 结果高度相关的决策。同时持有十只同行业股票，看起来是十注，实际上接近一注。把相关的赌注当成独立的，是超额下注最常见的隐蔽形式。
· 损失不可逆的场合。健康、声誉、关系——这些没有「本金归零后重新开始」的选项。
那还剩下什么？剩下的其实是最有价值的部分——三个可以随身携带的问题：
① 这个决定占我总资源的多大比例？凯利最深的洞见不是那个公式，而是「规模是一个独立的决策维度」。哪怕算不出精确的 f*，问一句「这占我的百分之几」也已经避开了大部分灾难。
② 最坏情况下我会不会出局？如果会，那么无论期望值多好，比例都太大了。这一条不需要任何公式。
③ 我这些赌注真的互相独立吗？把相关的风险数成独立的，是所有超额下注的共同起点。
这三个问题，比公式本身更接近本章想留下的东西。而它们也把我们带到了最后两章：当尾部比你以为的厚（5.3），以及当「重复很多次」这个前提根本不成立时（5.4），该怎么办。