凯利公式在赔率比较中的正确用法

凯利公式在网络资料里常被包装成某种“稳赢公式”，这是对它最大的误解。凯利原本是描述如何在已知真实概率的情况下确定最优下注比例的工具，它解决的问题是“赌多大”，而不是“赌不赌”。把它直接当成选场依据，等于拿一把算投注额的工具去做判断，对象完全错位。

凯利公式在说什么

基本形式很简洁：最优比例等于（p·b − q）/ b，其中 p 是胜率估计，q 是败率（1−p），b 是净赔率（欧赔减 1）。当分子为正时，公式给出一个正的下注比例；为负时，则说明按这个估计不应下注。公式的产出是一个比例，它建立在你提供的 p 之上，p 错了，公式输出的任何比例都失去意义。

这也是为什么凯利公式最本质的前提是“你有一份可靠的概率估计”。在体育赛事里，几乎没有人能稳定地给出显著优于市场的 p，因此凯利在投注场景里多半只是理论上成立。它真正的实用场景，在于把它当成比较工具：用不同来源的赔率去套同一个 p，看哪家的报价对你更有利。这个用途不要求 p 绝对准确，只要求它能作为一把统一的尺子。

把它当比较工具的用法

给定一场比赛的欧盘三项，先取一个大致的、各方都能接受的隐含概率分布（比如从一家主流机构的归一化概率出发），然后代入不同机构的赔率，分别算出对应的“凯利值”。数值高的报价，意味着按这把统一的尺子衡量，它的利润空间更大。这样比较出的高下，比直接比较绝对赔率更公平，因为归一化消掉了返还率差异。

需要强调的是，这里的“更有利”是相对意义上的价值判断，不是说这家报价“更可能赢”。它只是告诉你：在假设概率分布一致的前提下，哪家的价格对你会更友好。它筛出的是一场“价值位置”，而不是一场“结果判断”。

常见的三种误用

误用一：把凯利值当胜负概率。凯利值衡量的是报价的相对价值，与比赛结果没有直接关系。看到某家凯利值高，不等于它“更准”。这是流传最广的误读。

误用二：用一个可疑的 p 直接套用。很多工具允许你输入自己的胜率估计，结果你拍脑袋填一个 p，公式再漂亮也只是在美化一个不可靠的输入。凯利对 p 极其敏感，输入端的误差会被放大。

误用三：忽略返还率差异。直接比较两家不同返还率的凯利值，会把返还率差异当成价值差异。必须先把概率归一化，或用同一概率分布，才能做横向比较。

正确使用清单

• 先用一份统一概率分布，再代入不同来源报价。
• 比较的是凯利值的相对高低，而非绝对值大小。
• 凯利值只用于价值排序，不用于结果预测。
• 输入概率不准确时，降低对该结果的置信度。

凯利与隐含概率的关系

严格说，凯利值的计算并不需要用到“隐含概率”，但隐含概率提供了一份现成的、可复用的 p。用主流机构归一化后的隐含概率作为 p，再比较各家报价的凯利值，是门槛最低、也最不容易出错的做法。它的逻辑是：假设主流共识的概率分布大致正确，那么哪家报价对它最慷慨，哪家的相对价值最高。

这个做法的局限同样明显——它依赖“主流共识大致正确”这个假设，而共识在小样本赛事里往往并不那么准。所以凯利值排序更适合作为一种粗筛，用来把注意力集中在相对价值更优的报价上，而不是作为唯一依据。

在档案里怎么记

我们会在每场比赛的记录表里加一列“相对凯利排序”，只记排名，不记具体数值，避免把它当成精确计算来过度解读。排序能反映报价的相对价值，又不至于让人误以为它藏着某种确定结论。这样既保留了比较信息，又守住了工具边界。

最后再强调一遍：凯利在欧盘赔率比较里的角色，是“价值尺度”，不是“预测模型”。把它用在它擅长的位置上，它是有用的；把它用于它不擅长的事，只会制造错误的确定性。