凱利公式是一個經過數學驗證的，理論上讓你永遠不會輸的一個公式。當然，理論跟現實還是有差距的。
我們一般押注(建倉)的時候往往會憑感覺，比較隨性。有時候押一半、有時候押全部，如果心態崩了，很有可能押之前輸出去的二倍。此方案的邏輯是：只有贏一次，就能把所有錢贏回來。其實都不科學，或者太過隨性，有沒有一種科學的押注方法？答案是：有！
如果一定要問為什麼，因為這是經過數學驗證的。有興趣的同學可以去查一查推導過程。
1956 年，AT&T貝爾實驗室的夏農的一個同事約翰·拉里·凱利(凱利)發表了一篇文章，用於長途電話線噪聲研究，這個公式可以在特定概率下獲得確定可用的訊號。然後被其同事思考了一下，覺得可以用來計算每次遊戲中應投注的資金比例，並應用於二十一點和股票市場中。事實證明，他成功了，於是就成了後來投資界著名的“凱利公式”。
先看看長什麼樣，其實不復雜，甚至可以說簡單：
解釋一下：
f*為現有資金應進行下次投注的比例；
b為投注可得的賠率（不含本金）；
p為獲勝率；
q為落敗率，即1 - p；
舉個例子：
假如當前 BTC 有60%的上漲概率（p = 0.6，q = 0.4），不使用槓桿，即 1 倍的賠率（b = 1），則應在每次機會中下注現有資金的20%（f* = (1*0.6-0.4)/1 = 0.2），以最大化資金的長期增長率。
也許有人會問，萬一這次輸了呢？
是的，這一次的確可能會輸。但這個公式是在連續多次下注的情況下可最終獲勝的方案。既然是概率，那就需要大量樣本，需要多次執行。所以，連續多次下注後，就可以贏了。
如果對這個例子增加一點複雜性：加槓桿。
假如當前 BTC 有60%的上漲概率（p = 0.6，q = 0.4），使用 2 倍槓桿，即 2 倍的賠率（b = 2），則應在每次機會中下注現有資金的40%（f* = (2*0.6-0.4)/2 = 0.4）。
注意一點：如果賠率沒有優勢，即 b = q / p，那麼公式建議不下注。 如果賠率是負的，即b < q / p，公式的結果是負的，也就是暗示應該下注到另外一邊。
再舉一個例子：
假如一隻股票在某種前提情況結束後，後面的走勢如下圖一樣，從這個圖可以看到，有一部分是上漲的，另一部分是下跌的。我們需要先統計一下他們的漲跌概率，得出p, q。
然後就可以得出：在下次遇到這種情況時，如何下注，下多少注了。
所以，問題來了：
- 這種情況改如何描述？一個 M 型的頭肩頂形態？還是突然瀑布之後的反彈形式？
- 相似性達到什麼程度時可以看成是同一情況？
這也是凱利公式應用時的難點，需要我們設定一個發生條件，而這個條件的界定又比較困難。或者需要進行大量工作才能得出。
它在實際應用中會有差距，主要有兩個原因：
一是資金或籌碼不可無限分割；
二是對商品交易而言，輸贏程度是沒有固定賠率的，會造成輸贏不能嚴格按照公式進行，因此資產會有很大的震幅。
如果我們能得到一個確定的條件，和穩定的概率，那這個公式是可行的，穩賺不賠。
以前我看到過一個菠菜局，每月莊家控制輸贏概率的走勢特別明顯，就可以用這個公式去套用，就當薅羊毛。
最後幾點注意：
- 凱利公式不能用於選股，選股還是按照巴菲特和費雪的方法。
- 凱利公式可以選時，即使是有投資價值的公司，也有高估和低估的時候，可以用凱利公式進行選時比較。
- 可用於尋找短期投機機會
Q&A
Q：這個公式裡面的p和q是多少，在幣圈裡比較難判斷，那是不是說不好判斷其趨勢的時候以0.5來算比較穩妥？
A： 0.5 時，p=q，怎麼下注都是不賺錢的，所以這時候不下注。
Q: 在趨勢的判斷上不要給出太遠離0.5的數值風險就相對低一點對嗎？
A: 市場裡一些常見的情況還是挺多的，這時候可以粗略統計一個p值，比如跌入谷底之時上漲的概率還是挺大的.
Q: 例如瀑布之後對反彈趨勢的抄底，假設我們覺得這種機會很大，這種情況下p應該按照多少數值來算？0.6？0.7？
A：的確，瀑布之後反彈的概率遠大於繼續下跌。但具體是 0.7 還是 0.6，需要做個統計。
Q：十次類似位置類似跌幅瀑布情況有七次上漲那上漲概率0.7這樣？
A：對，但實際統計的時候，10 次的樣本還是太少，至於是多少，這個沒有定數，儘可能的收集更多資料。
