引言：一個反直覺的數學真相
假設你面前有一枚不公平的硬幣：正面的機率是 60%，反面是 40%。正面你贏一倍注金，反面你輸掉注金。這是一個正期望值的遊戲 — 長期而言，你必然獲利。
問題來了：你應該每次押多少？
直覺會說「既然穩贏，當然全押」。但數學會告訴你：全押是最快歸零的策略。只要出現一次反面，你的資金就永遠變成零。零乘以任何數字，都是零。
這就是凱利準則（Kelly Criterion）要解決的核心問題：在正期望值的前提下，什麼樣的下注比例能最大化你的長期資本增長率？
底層邏輯：凱利公式的推導
約翰·凱利（John Kelly）在 1956 年於貝爾實驗室提出了這個公式。其核心邏輯是最大化資本的對數增長率（Logarithmic Growth Rate）：
f = (bp - q) / b*
其中：
- f* = 最優投注比例（佔總資金的百分比）
- b = 賠率（贏時的淨收益倍數）
- p = 獲勝機率
- q = 失敗機率（1 - p）
回到我們的硬幣例子：
- b = 1（贏了翻倍）
- p = 0.6
- q = 0.4
f = (1 × 0.6 - 0.4) / 1 = 0.2*
凱利公式告訴你：每次只投入總資金的 20%，是數學上最優的策略。不是 50%，不是 80%，更不是 100%。
為什麼超額下注比不下注更危險
凱利公式的另一個殘酷推論：如果你的下注比例超過 f 的兩倍（在這個例子中超過 40%），你的長期期望增長率會變成負數。*
也就是說，即使你擁有 60% 的勝率（這在任何賭場遊戲中都是天方夜譚），只要你每次押超過 40% 的資金，長期下來你的資金依然會趨近於零。
這解釋了一個常見的悲劇：為什麼有些人明明「看對了方向」，最終卻破產了。答案不是他們的判斷錯了，而是他們的注碼管理錯了。
凱利準則在博弈中的現實困境
理論很美，但在賭場環境中，凱利公式面臨一個根本性障礙：
絕大多數賭場遊戲的期望值是負的。
當 EV < 0 時，凱利公式會輸出一個負數 — 這意味著「最優策略」是不下注，或者站到莊家那一邊。
以百家樂押莊為例：
- b = 0.95（扣除 5% 佣金）
- p = 0.4586
- q = 0.5414
f = (0.95 × 0.4586 - 0.5414) / 0.95 = -0.1108*
負值。數學在用最冷靜的語言告訴你：在這個遊戲裡，最優解是一塊錢都不要押。
風險應用：從理論到紀律
即便凱利公式在負期望值遊戲中不適用，它仍然提供了極度重要的風控框架：
絕對不要全押： 無論你對自己的判斷多有信心，數學已經證明全押是最差策略。即使在正 EV 環境中，全押的長期增長率都是零。
半凱利原則： 在實務中，由於我們對機率的估算永遠存在誤差，職業玩家通常採用「半凱利」（Half Kelly）— 將計算出的最優比例再減半，用更保守的方式換取更低的波動率。
破產機率的指數衰減： 當你的注碼佔總資金比例越小，破產機率呈指數下降。1% 的注碼比例，在 1.06% House Edge 下，需要連續虧損約 100 次才會歸零 — 這在統計上幾乎不可能在短期內發生。
結論：數學不站在你這邊，但紀律可以
凱利準則的終極啟示不是「如何贏」，而是「如何不死」。
在一個期望值為負的系統中，你唯一能控制的變數是每一次暴露在風險中的資本比例。控制它，你就控制了自己在牌桌上存活的時間。而存活，是所有策略的前提。
機率沒有記憶，但你的資金水位有。
