第四章 · 期望值与不对称：为什么正确也可能破产

上一章我们学会了用贝叶斯更新去改主意：一个信号该让你把信念挪多远，取决于它在「你对」和「你错」两种世界里各有多罕见。现在你手里有了一个还算靠谱的概率。假设你真的算准了——某件事有 90% 会朝你押的方向走。问题来了：知道了概率，就该下注吗？下多少？

直觉会说：90% 啊，那当然梭哈。但直觉在这里会让你破产。这一章要讲的，就是为什么「判断对」和「活下来」是两件不同的事。

一个 90% 会赢的赌局，为什么可能让你倾家荡产

先玩个游戏。我给你一个硬币，它作弊，落「正面」的概率是 90%。规则是：你押多少钱，正面我赔你等额（押 100 赢 100），反面你输掉押注的全部。你有 1000 块本金，能玩很多轮。

这是一个天上掉馅饼的赌局。每一轮的期望值——也就是「把所有可能结果按发生概率加权平均后，你平均能拿回多少」——是正的：

0.9 × (+1) + 0.1 × (-1) = +0.8

每押 1 块，平均净赚 8 毛。判断完全正确，赔率白送。那么，把 1000 块全押上，对不对？

这就是本章最反直觉的一句话：期望值告诉你该不该玩，但不告诉你该押多少。押多少是另一道题，而这道题答错会要命。

期望值：判断的落点

先把期望值这个词彻底说透，因为它是前面所有章节的收口。第一章说判断是下注，第二、三章教你把信念变成一个概率数字。期望值就是把「概率」和「赔率」乘在一起，得到这一注到底划不划算的那个落点。

一注的期望值 = 赢的概率 × 赢了拿多少 − 输的概率 × 输了赔多少。

关键在于：期望值是概率和赔率两个东西的乘积，缺一不可。这解释了两种常见的判断错误，它们是一对镜像：

• 只看概率，不看赔率：「这事八成能成」——但成了只赚一点，没成会赔到脱裤子。大概率的小便宜，配上小概率的大灾难。
• 只看赔率，不看概率：「万一中了就是一百倍！」——买彩票的心理，赔率诱人但概率低到期望值是负的。

真正的判断者两个都盯着。而一旦你两个都盯着，就会发现赔率的形状——不只是大小——才是决定生死的东西。

不对称：为什么「大概率小赚、小概率巨亏」是陷阱

回到那个 90% 的硬币。它坏就坏在赔率的形状：赢的时候赢一点点（+1），但输的时候输掉全部。这叫非对称赔率——赢和输的幅度不成比例。

非对称有好有坏，方向决定命运：

• 好的不对称：赢了赚很多，输了只亏一点。哪怕胜率不高也值得押——因为输得起，赢得爽。买一份便宜的保险、投一家可能归零但也可能百倍的早期公司，都是这个形状。
• 坏的不对称：赢了赚一点，输了亏光。这就是最阴险的陷阱，因为它在几乎所有时候都让你感觉良好。你连赢九次，账户天天涨，你以为自己是天才，直到第十次那一下把前面九次连本带利全吞掉，还倒欠。

软件工程师对这个形状应该很熟：这就是「平时跑得好好的，一崩就是全线宕机」的系统。你砍掉了备份、跳过了测试、上线不做灰度——99% 的日子里你比谁都快、比谁都省，看起来判断精准。可靠性问题从来不在平均值里，在尾部那一次。一次没接住，前面攒的所有效率全部清零。

塔勒布把这类东西叫「捡钢镚儿在压路机前面」（picking up pennies in front of a steamroller）：你弯腰捡的每一枚硬币都是真的，直到压路机来的那天。

为什么这么多聪明人栽在这里？因为坏的不对称有一段长长的、令人上瘾的正反馈。它不像一眼能看穿的坏赌局，它会先用连胜给你发奖状，把你哄到重仓，再一次性收走。第十四章我们会拆一个教科书级的例子——长期资本管理公司，一群拿诺贝尔奖的人，正是死在这个形状上：常年稳定小赚，一次尾部事件加上高杠杆，几周内归零。

归零是特殊的：它不是「亏得多」，是「出局」

这里要把一个容易混淆的点掰开。亏 50% 和亏 100%，听起来只差一倍，实际是两种完全不同的东西。

亏 50%，你还在牌桌上，虽然要涨回 100% 才回本（这本身已经很惨），但你还有下一注。亏 100%，游戏结束，你的期望值再高也跟你没关系了——因为期望值是「长期平均」，而你没有长期了。

所以判断的第一戒律不是「追求最高期望值」，而是「先保证不出局」。任何会导致归零的下注，无论期望值多诱人，都要先被枪毙。活着，才有资格谈赚钱。

凯利公式：把「押多少」变成一道可算的题

那到底该押多少？既不能不押（放着正期望值不赚），又不能梭哈（会归零）。1956 年，贝尔实验室的物理学家约翰·凯利（John Kelly Jr.）给了一个答案，后来被称作凯利公式——一个专门回答「面对一个正期望值的赌局，押总资金的百分之几，才能让财富长期增长得最快、又不会归零」的公式。

它的核心思想不用记公式也能懂：你的优势越大，就押越重；但永远押的是「当前资金的一个比例」，而不是一个固定的钱数。

「押比例」这一点是关键。因为你押的是比例，赢了基数变大、下次押得多，输了基数变小、下次押得少——你永远不可能把自己一次性清零，因为你从不押上全部。归零这条路，在数学上被堵死了。

对刚才那个「赢赔 1 倍、90% 胜率」的硬币，凯利给出的答案是押 80%（优势极大所以极重）。你可能觉得 80% 还是太猛——没错，现实里几乎没人敢按满凯利下注，因为它假设你对 90% 这个概率的估计是精确的。而我们从第二章就知道，概率是你信息状态的描述，不是世界的属性，它很可能被你高估了。所以聪明的做法是「半凯利」甚至「四分之一凯利」——按公式算出来，再打个折。这个折扣，本质上是为「我可能没自己以为的那么准」买的保险。

你看，凯利把两个直觉缝在了一起：赢面大就多押（利用优势），但永远留后手（拒绝归零）。它是这一章所有道理的数学化身。

把这一章拧成一句话

判断的落点是期望值——赢面乘赔率，两个都得看。但期望值只回答「值不值得下注」，不回答「下多重」。而下多重，是一道独立的、答错会致命的题：因为一次归零就意味着永久出局，再高的长期期望值也救不了一个已经离场的人。所以真正的下注纪律是：先排除会归零的选项，再在活得下去的范围内，按你优势的大小去分配仓位。好的不对称让你以小博大，坏的不对称用连胜哄你去死。

这套逻辑的前提，是我们一直默认成立的一件事：那个 90% 的概率，是你在一个公平、随机的世界里诚实估出来的。可现实往往不是。你算期望值用的样本、你复盘参照的成功案例、你看到的「历史上这么干都赚了」——这些数据，真的是随机撒到你面前的吗？还是早就被某种看不见的筛子过滤过，只把「活下来的、赚到的」留给你看？

如果样本本身就是被挑过的，那你所有的概率、期望值、仓位计算，地基就是歪的。下一章，我们去看那把最隐蔽的筛子——幸存者偏差。