首頁 › 品牌與機構 › 賽馬數據分析 › 凱利公式

凱利公式

按優勢決定注碼的數學公式

凱利公式(Kelly criterion)是一條按「優勢大小」決定投注比例的數學公式,1956 年由貝爾實驗室(Bell Labs)的 John L. Kelly Jr. 提出,原本用來解決長途電話線路的訊號雜訊問題。[1]後來賭神愛德華·索普(Edward Thorp)把它應用在 21 點及金融市場,成為職業賭徒與量化投資者管理注碼的標準工具。[2]

[ 編輯導言 ]

🧮 公式怎樣寫

[ 編輯 ]

最常見的版本是:

f* = (b × p − q) ÷ b

其中 f* 是應該投入本金的比例,p 是勝出概率,q = 1 − p 是輸的概率,b 是賠率(每注 1 元贏得的淨利潤,例如 1 賠 1 即 b = 1)。

公式可以化簡為「優勢 ÷ 賠率」:邊際優勢越大,注碼越大;賠率越高,同樣優勢下注碼反而越小。

🎯 為甚麼是這個比例

[ 編輯 ]

凱利考慮的不是「今次贏幾多」,而是「長期資本增長率」。在每次按固定比例下注的情況下,資本的長期增長率等於每次下注後資本對數的期望值;凱利比例正是令這個期望值最大的注碼。[1]

換句話說,注碼太細會浪費優勢,注碼太大則會在一次連續失利中重創本金。凱利公式給出的是一條「增長最快、又不會必然破產」的界線。

📈 連續版本與投資應用

[ 編輯 ]

用於股票或投資組合時,公式寫成 f* = μ ÷ σ²,其中 μ 是預期回報率,σ² 是回報的變異數。[2]這個版本解釋了為何波動越大的資產,即使預期回報較高,也不應該重倉。

⚖️ 下注過多的懲罰

[ 編輯 ]

凱利比例有一個重要特性:下注剛好兩倍凱利,長期增長率會跌至零;超過兩倍,長期增長率轉為負數,即使每次都有正期望值,資本最終仍會萎縮。[2]這也是「有優勢仍然輸錢」最常見的原因。

🎲 一個著名實驗:60% 硬幣

[ 編輯 ]

2016 年,Haghani 與 Dewey 做了一個實驗:給 61 位受過量化訓練的年輕人 25 美元、30 分鐘,去投注一個「60% 機會開公」的硬幣。以凱利公式計算,每次最優注碼是資本的 10%。[4]

結果大部分人下注方式欠佳,約 30% 參加者更輸光全部本金。[4]連受過訓練的專業人士,在一個規則最簡單、優勢最明確的遊戲裡都難以執行最優注碼——這正是為何實務上普遍使用分數凱利。

🧩 現實中的分數凱利

[ 編輯 ]

實務上,很少有人用全凱利。原因是公式假設你知道真實的勝率 p,但現實中 p 只能估算,高估勝率會直接導致下注過多。職業賭徒與基金經理普遍採用「分數凱利」——例如二分之一或四分之一凱利,以較低的增長率換取較小的波動與犯錯空間。[2]

🐎 賽馬與賭馬方程式

[ 編輯 ]

在賽馬的同注分彩市場,賠率是不斷變動的,而且馬會先抽水,所以真正的優勢(edge)比表面更薄。William Benter 的賭馬方程式正是用凱利準則決定注碼:模型先估算每匹馬的勝率,再與賠率比較,得出正優勢的投注,然後按凱利比例分配注碼。[3]

不過,由於勝率估算存在誤差,加上彩池會被自己的注碼影響,實務上同樣會用較保守的比例,而非全凱利。詳細的賭馬方程式運作,可參考〈賭馬方程式〉條目。

⚠️ 常見誤解

[ 編輯 ]

誤解一:凱利公式保證贏錢。不是。它只保證在「優勢真實存在」的前提下,長期增長率最大;如果估算的優勢不存在,凱利只會令你輸得更快。

誤解二:注碼越大贏得越多。下注超過兩倍凱利,長期增長率會變成負數,這是數學結果,不是運氣問題。[2]

誤解三:凱利只適用於賭博。它起源於資訊理論,今日廣泛應用於投資組合、保險定價,甚至資訊傳輸。

🔗 相關條目

[ 編輯 ]

❓ 常見問題

[ 編輯 ]

問:凱利公式同賭馬方程式有咩關係?
答:賭馬方程式負責估算勝率及找出被低估的馬,凱利公式負責決定每注入幾多錢。兩者一個管「買邊隻」,一個管「買幾多」。

問:一般投資者可以用嗎?
答:可以,但要先有可靠的期望回報與波動率估算;實務上多用分數凱利,避免估算誤差造成過度下注。

問:香港賽馬的抽水會影響凱利計算嗎?
答:會。獨贏派彩比率 82.5%,即抽水 17.5%,計算優勢時必須用扣除抽水後的回報,否則會高估 edge。

📚 參考資料

[ 編輯 ]
  1. Kelly, J. L. (1956). A New Interpretation of Information Rate. Bell System Technical Journal, 35(4), 917–926(PDF)
  2. Thorp, E. O. (2006). The Kelly Criterion in Blackjack, Sports Betting, and the Stock Market(PDF)
  3. Benter, W. (1995). Computer Based Horse Race Handicapping and Wagering Systems: A Report(PDF)
  4. Haghani, V. & Dewey, R. (2017). Rational Decision-Making Under Uncertainty: Observed Betting Patterns on a Biased Coin(arXiv)
如有任何編輯意見或發現錯漏,歡迎 提交更正。