TL;DR
凯利准则：以下注资金的比例等于你的优势除以赔率。全凯利最大化长期增长。半凯利保留大部分增长优势，方差大幅降低。
小约翰·L·凯利于1956年在《贝尔系统技术杂志》上发表了"信息速率的新解释"。凯利最初解决的是信息论问题——在赌徒通过嘈杂信道接收不完美内部信息的游戏中，如何最优地确定下注大小。他的解决方案对赌博、投资和任何重复性不确定性决策产生了深远影响。
公式：f* = (bp - q) / b，其中：
等赔率赌注简化为：f* = p - q = 2p - 1
示例：一个等赔率赌注，你有55%的概率赢，f* = 0.55 - 0.45 = 0.10——下注资金的10%。
凯利准则在特定意义上是最优的：它最大化多次重复下注的资本期望增长率。它不是为最大化每次下注的期望价值而设计的——那会建议在任何正期望值的赌注上全押。相反，它最大化财富的几何平均值，这考虑了连续下注的复合效应。
核心洞察：下注太少浪费增长潜力；下注太多有大幅回撤风险，减少复合基础。凯利找到最大增长的精确点。
在实践中，大多数专业用户应用分数凯利——下注全凯利金额的25-50%。全凯利产生最优增长但高波动性（即使有真正优势，50%以上的回撤也很常见）。半凯利产生大约75%的增长率，方差大幅降低。
对于有已知优势的重复赌注：
步骤1：估计你的优势
p = 你赢的概率
q = 1 - p = 你输的概率
b = 获得的赔率（每风险单位的净支付）
步骤2：计算全凯利
f* = (bp - q) / b
或等赔率赌注简化为：f* = 2p - 1
步骤3：应用分数凯利
多数实践者使用f*的25-50%
半凯利：下注f*/2
四分之一凯利：下注f*/4
步骤4：诚实对待p
凯利的最优性完全依赖于准确的概率估计。
高估p会导致过度下注，这比下注不足更危险。
使用参考类别数据，而非乐观主义。
示例：
投资有60%概率获得2倍回报，
40%概率损失全部投资资本。
b = 1（2倍赔率的等赔率：每美元下注净赚1倍）
f* = (1 × 0.6 - 0.4) / 1 = 0.20
全凯利：投资组合的20%。
半凯利：投资组合的10%。数学家、《战胜庄家》（1962年）作者爱德华·索普是第一个将凯利准则应用于实际赌博问题的人。索普开发了算牌系统——在有利牌组配置下给二十一点玩家提供微小但真正优势的系统。优势真实但微小：通常1-2%。
索普使用凯利来确定下注大小。在等赔率下有1%优势时，凯利建议下注资金的1%。当牌组有利且优势上升到4%时，凯利建议下注资金的4%。这种可变大小——优势大时大、优势小时小——是凯利数学优化的方式。
索普后来将相同框架应用于期权套利和股票多空投资。他的基金普林斯顿-纽波特合伙公司运行了18年（1969-1988年），每年都有正收益——金融史上最一致的记录之一。他将此归功于纪律严明的基于凯利的仓位管理。
一位有记录的风险投资者，其投资在10%的情况下获得10倍回报，在90%的情况下损失全部投资，正在确定在新交易中的仓位大小。
b = 9（10倍回报每投资美元净赚9倍）
p = 0.10
q = 0.90
f* = (9 × 0.10 - 0.90) / 9 = (0.90 - 0.90) / 9 = 0
凯利公式说：什么都不要下注。期望价值恰好是收支平衡（9倍回报 × 10%概率 = 0.9倍，减去1.0倍损失概率 = 考虑总数学的负期望值）。
这是一个令人清醒的应用：凯利确认了许多风险投资LP观察到的——大多数单笔风险投资在诚实评估完整概率分布时不是正期望值。风险投资的正回报来自信息优势、组合多元化和真正将p提高到基本比率以上的交易选择。
✅ 对于任何重复性投资或下注决策，当你有真正可估计的优势时。凯利为此情况提供理论上最优的仓位大小。
✅ 作为对现有仓位大小的合理性检查。如果你的凯利计算说5%而你持有40%，要么你的优势估计有误，要么你在过度下注。
✅ 用于投资组合层面的仓位管理。凯利推广到多资产组合（尽管数学变得更复杂）。
❌ 当概率估计高度不确定时。凯利的最优性依赖于准确的p估计。不确定的p产生不确定的f*，过度下注（由于高估p）代价极高。
❌ 当仓位不是真正可重复时。凯利最大化多次重复的长期增长。对于真正一次性的决策，凯利框架适用不同。
模型组合：
| 与...组合 | 效果 |
|---|---|
| 期望值 | 期望值告诉你是否下注；凯利告诉你下注多少 |
| 非对称风险 | 高b值（大非对称收益）允许在低p时进行有利可图的凯利下注 |
| 安全边际 | 在计算凯利之前对p估计应用安全边际；分数凯利本身就是仓位大小的安全边际 |
误用1：高估p。最危险的凯利错误。如果你估计p为0.65而实际是0.55，0.65时的凯利最优下注会显著过度下注你的真实优势，产生比更保守仓位更差的结果。使用分数凯利的建议主要是对冲p高估。
误用2：应用于一次性决策。凯利是重复下注的长期增长优化器。对于单一不可逆决策，风险调整期望值方法更合适。
局限——假设独立下注。凯利假设每次下注的结果与其他下注无关。在金融市场中，资产是相关的；危机期间，相关性急剧上升。标准凯利公式低估了相关环境中的风险。
期望值：凯利扩展期望值——期望值告诉你下注的符号；凯利告诉你大小。
非对称风险：高b值（大非对称收益）允许在低p时进行有利可图的凯利仓位。
为什么大多数实践者使用半凯利而非全凯利？
全凯利最大化长期增长率但产生非常高的短期波动——即使有真正优势，50%以上的回撤也很常见且可预期。大多数投资者和赌徒在心理上无法忍受这一点，过度波动也会在不利价格时被迫清算。半凯利产生大约75%的全凯利增长率，方差约为50%——对多数实际应用来说是更可忍受的权衡。
凯利如何处理相关下注或多个同时仓位？
单笔下注的凯利公式不处理相关性。对于有多个相关仓位的投资组合，应用多变量凯利准则——它需要估计完整的收益协方差矩阵，这在计算上复杂且数据密集。在实践中，实践者对单个仓位应用简单分数凯利，并将总投资组合杠杆保持在全凯利以下以考虑相关性风险。
学习凯利准则的最佳资源是什么？
威廉·庞德斯通的《财富公式》（2005年）是最易读的通俗读物，涵盖凯利的原始论文、爱德华·索普的应用和更广泛的历史。爱德华·索普的《战胜一切市场的人》（2017年）描述了他将凯利应用于二十一点和对冲基金投资的经历。对于数学处理，凯利的原始论文"信息速率的新解释"（《贝尔系统技术杂志》，1956年）可在线免费获取。
在话老师中描述你的投资或下注，包括你对成功概率的最佳估计和收益结构。AI将计算凯利最优仓位大小，应用分数凯利，并在你的概率估计与参考类别数据不一致时发出警告。
🚀 在话老师中应用凯利准则 →
本页面是话老师思维模型知识库的一部分。
心智模型是"知道"，练成肌肉记忆才是"会"。去 AI 陪练用这个场景过一遍，或在训练营里找对应实战课。
🤖 AI 陪练 🗓️ 30 天训练营 🎨 生成海报