

他的基金净资产峰值高达150亿美金,杠杆比例长期维持在3~4,所以总资产高达800亿美金。 因其三只重仓股都在最近有过单日暴跌30%以上,人们猜测仅在这三只票上的亏损就达100亿美金,约是其净资产的2/3。 不那么精确的比方是,一个人中15亿美金的彩票头奖,相当于一辈子被雷劈了两次。 例如扔一个标准的硬币,你押正面,扔了100次,50次是正面,胜率就是50%。 例如上面你扔骰子压数字6,若每次下注两块钱,赢了赚十块钱,输了亏掉两块钱,那么赔率就是10/2=5。 再如你买了一只股票,预测其若上涨,幅度约为30%;若下跌,幅度约为-10%,那么赔率就是30%/10%=3。 因为有些国家和地区的足球彩票的「赔率」包含了本金,例如说是一赔5,这5里包含了你的本金一,所以赔率应该是(5-1)=4。 下注是指根据过往信息和当前局面,对未来做出一个预测,并且据此投资总资金的比例。 例如,你听闻有位超级厉害的大佬在某牛B项目上下注100个亿,于是打算抄作业,把账户里的300万全押上去。 可是,超级厉害大佬的资金总量高达1000个亿,而且还能源源不断地募集资金。 就算你真的要抄作业,也应该抄该大佬的下注比例,也就是100/1000=1/10,所以你应该押30万。 然而,仅仅知道这三个概念,只会让赌徒产生我懂了的错觉,导致刚学会狗刨的新手要去横渡长江的雄心。 大部分话题都停留在「胜率和赔率哪个更重要这类定性讨论上,说来说去,全是计谋和道理。 即使是有些专家,也没有理解胜率、赔率、下注之间的数学联系,以至于对凯利公式关于下注比例的计算表示怀疑。 下面,我将给出一个直观的、量化的、整体的胜率、赔率、下注理解框架。 四维是根据过往的下注结果和更新后的信息,重新调整胜率、赔率和下注。 一个罐子里面装着100个球,有些是黑球,有些是红球。一个人从罐子里拿出来一个球,你猜它会是什么颜色? 但是,如果你知道其中70个是红球,30个是黑球,这就会让你赢的概率大大超过输的概率。 (聪明人请来走个神儿:如果让你连续猜100次,并且你已经知道了70%是红球,30%是黑球,那么,你应该连续100次都猜是红球,还是70次猜是红球,30次猜是黑球?为什么?) 你可能会说,投资又不是猜罐子里的球,只有上帝才知道那只股票明天会涨会跌,这个胜率谁说了算? 在对赌的场合,关键在与你比对手蒙得更准,就像两个人在森林里遇到狗熊,重点不是比狗熊跑得快,而是比另外一个人跑得快。 要在这场对赌游戏中赢多、输少,你就必须在知识上有优势,你要比对手知道得更多。这正是卓越投资人的优势所在:卓越投资人对未来的趋势比一般投资人知道得更多。 你即使知道概率,也无法确定知道未来具体会发生什么。你还是有30%的概率会输,并且不知道具体哪一次输,哪一次赢。 对于投资这类赌局,理论上你只要有50.1%的优势,并且形成下注的连续性,就有机会实现接近于百分之百的收益。 张磊早年敢满仓腾讯,下注京东等公司,都是因为他根据美国的基础概率和自身的知识优势,比别人更早更准确地蒙对了这些公司的胜率。 然而,追求做大概率正确的事情,这句话百分之百正确吗? 假如一篇讲胜率和赔率的文章,绕来绕去都不提及期望值,说明那篇文章的作者是个概率盲。 所以,对方给出的赔率,会让你即使拥有70%的胜率,期望值也是负数,也不值得参与这个赌局。 如前所述,即使你有90%的获胜概率,而且赔率也极高,算下来期望值也非常有吸引力,但是在随机性的作用下,你也可能落入那10%的失败区间里。 你遇到一个发财机会,买入一只超牛的熟人介绍的股票,他身家好多亿,自己把钱全押进去了,万无一失。 一个0.5倍赔率的机会(赚1亏2),如果有80%概率赢,最佳下注仓位可以到40%。 经典投资理论更倾向于进行高概率的投资,能够提高对概率的把握就是提高胜率。 按照(凯利公式)这套重概率(胜率)轻赔率的做法,想在投资实践中获得高收益是非常不容易的。 因为概率很难预估,并且由于投资并非扔骰子式的大规模重复,对结果无法验证。 现有本金=原来本金➕下注金额✖️胜率。其中,下注金额=原来本金✖️下注比例。 现有本金」=原来本金」➖下注金额✖️失败率。其中,失败率=(1➖胜率)。 因为我们在乎的是长期下来自己的总收益是多少,所以,要计算的是多次下注后本金的最大值。 在公式中,f为下注占总资金的百分比,p为获胜概率,b为赔率,E为期望值。 假如你一共下了N次注,那就是Np次赢,N(1-p)次输,并将所有的增减倍数乘在一起。 当已知胜率和赔率时,每次下注的比例,将一个个二维世界串在一起,变成了一个三维世界。 该公式的目的,是确保下注者不爆仓的前提下,实现「拥有正期望值之重复行为」长期增长率最大化。 人们批评凯利公式的主要原因,是其适用于所有已知概率或者概率可以被估计的赌博或投资中。 但是,在资本市场上,胜率和赔率都是不确定性的,并且单次下注无法复现,也因此不能验证。 公式背后「通过控制下注比例控制风险并兼顾最大化收益」的投资理念也是对的。 需要注意的是:运用凯利公式时,不能加杠杆,在估算胜率和赔率时,宁可保守一些。 凯利公式告诉我们,过少下注所导致的「收益减少」的风险,要远小于过度下注所导致的亏钱风险。 即使你有90%的胜率,赔率高达十倍,凯利公式也会告诫你不要All in。 多少英雄豪杰,就是因为不懂(或不接受)这一点,而被「吸附」在小概率的坑里爬不出来。 此外,对于创业者和投资人,源源不断的弹药(不包括那些短期高息的负债),能够让他们在下注上更加从容。 所以王兴说创始人最主要的三个任务之一就是找到足够多的钱,实现「无限游戏」。 即使一位投资高手不懂或者不用凯利公式来计算自己的每次下注,但是这种投资原则流淌于他们的血液之中。 至此,有人会说,你怎么知道胜率是多少?你怎么知道赔率是多少?不知道胜率和赔率你怎么计算下注比例? 如果说,胜率是一维,期望值计算是二维,下注比例是三维,那么,在每一次下注之间,还有一个不断更新胜率和赔率的过程。 反之,我们想想看,有多少人,拿了一手好牌,人也聪明,又很拼,结果却打得稀烂,一点儿没什么奇怪的。 因为许多事情都是一个连续决策过程,所以前几个预测歪一点儿问题不大,贝叶斯推理的特点就是可以让你通过主动犯错迅速地接近正确。 他推动了全人类对电动车的关注,并由此重新定义了特斯拉估值体系,让公司有了更好的赔率。 跑马场的赔率是根据马身上下的赌注来确定的,一匹马身上压的钱越多,赔率就越低。 因为好多赌马的人对赛马或下注策略的知识少得可怜,所以他们就会把注下在最受欢迎的那匹马上。 赌马老手会挑选一匹赔率很大(比如15 : 1)、根本没机会赢的马,下注的窗口一打开,这人就把100美元投在这匹劣马上,于是计分板上显示的赔率一下就降到了2 : 1,创造出「这匹马很受欢迎」的假象。 因此,老手真正看中的马赔率变得比较高。要是这家伙赢了,先前的 100美元投资就能赚回好多倍。 每当你要下注的时候,请想起这个故事,记住有可能你的游戏是被老手们操纵的。 贝克汉姆不需要通过计算抛物线,也能够提出世界一流的任意球,这得益于他的无数次苦练,以及人类大脑神奇的计算力。 在更加充满随机性的现实世界,知道为什么,也许未必能让你成为首富(即使有这样的公式,很快就会因为人尽皆知而失效了),但是可以为你提供一个概率保护层。 促发我写这篇文章的原因,是有位朋友给我发了两篇文章,一个讲所谓赔率比更重要,一个讲所谓「不可能三角」,都是一些不明所以的夹层解释。 我既非投资专家,也不是数学老师,并无资格点评那些似是而非的说法,只是想搭出一个架子,引来更专业的人士来说个清楚。 例如推崇「十倍赔率」的投资方法,并以新能源汽车为例,说自己刚预测某股票,随后就抓了一个十倍股。 但是,如果我们看看特斯拉的股价走势,就知道99%的时间特斯拉都在备受煎熬,股价暴涨几乎就是在那1%的时间里,而且你根本无法预测何时发生。 事实上,巴菲特也是靠十倍股发家的,去掉他漫长一生中主要一二十只股票,他的业绩也是一个笑话。 我在本文构建这个基于计算的框架,并不是要教条主义或惟计算论,恰恰是想强调那些从基本原理出发的常识。 这个价值,是很多个时间点的你(确切说这些你应该是不同的)的无数个价值的统计学结果。 一个人在十年里用某种方法赚了150亿美金,他的方法也仍然可能是错的,只是这十年的「趋势」也错了,他错错得正而已。 下注的过程,其实就是不断找到对胜率和赔率的更精确的值,所以对于一个下注高手而言,某一注的输赢,对他而言都传递了一样价值的信息。 人的一生很难形成扔骰子那样的大量重复。但是,主动地快速试错,就是为了让你能够找到大概率正确的、期望值为正的、可以大规模重复的动作。 「做大概率准确的事情」,这句话有时候是错的。你抓到一手胜率极高的好牌,也可能会输钱。你还需要懂得期望值、下注比例、概率更新。 假如一个道理不是从原点推理出来的,就只是我一直怀疑的夹层解释(虽然广义而言一切解释都是夹层解释)。 本文所搭建的这个四维结构,表明世俗游戏非常随机,这样对每个参与者而言,人人皆有机会。 否则,假如世界更像围棋这类确定性的游戏,赢家通吃,除了排名前几的人,其他人还有啥搞头? 但是,请切记,即使如此,人生并非只是一个赌场,我们也不是孤注一掷的赌徒。 普通人不敢赌,但是又偏好那种赔率大的游戏,并且不知道一个人最终的财富取决于多次下注的统计学结果,而非单次的输赢。 他们不能够忍受在不确定性中赚确定性的钱,宁可要大概率输掉的确定性。「全押」就是这种心理。 假如人生真的是一个赌场,最重要的是构建你的个人系统,让自己长期地玩儿下去,实现人生的遍历性。 面对充满随机性的人生,我们应该感激这种设计,拥抱各类不确定性,善于选择,勇于承担,为未来下注,与外随机漫步,与内优化概率,并坦然接受各种结果。 对常识的尊重,简单的概率计算,结构化的思维,勇于实践,不断学习,发现内核,有助于实现个体的大规模复制。 假如你找到了一个长期办法,但若与时间是敌人,那么这个方法很可能是糟糕的办法。 |