期望值与概率思维：长期下注的底层逻辑
你做了一笔交易，结果亏损了。这笔交易是错误的决策吗？
很多人的第一反应是「亏了就是错了」。但稍微想一想你会发现，这个逻辑有问题：一个外科医生做了一台手术，术前诊断正确、方案合理、操作规范，最后病人因为罕见并发症没救回来——你能说这是医疗事故吗？当然不能。决策的质量由做决策时掌握的信息和推理过程决定，不由单次结果决定。
投资里同样如此。单次赚了不说明你方法对，亏了也不说明你方法错——因为每次都有随机性参与其中。真正能判断一个方法长期是否赚钱的，是期望值。
这篇讲的就是期望值和概率思维：为什么要用它、怎么算、在投资里怎么用，以及最容易踩的几个坑。
一、它解决什么：长期重复下，平均每次能赚多少
先说清楚「期望值」到底是什么意思。
你去买一张彩票，价格 2 元，一等奖 500 万，概率是一千万分之一；二等奖 1 万，概率是十万分之一；其他奖项忽略不计。这张彩票的「期望值」是多少？
500 万 × (1/1000 万) + 1 万 × (1/10 万) = 0.5 元 + 0.1 元 = 0.6 元
你花 2 元买了期望收益 0.6 元的东西。每买一张，平均亏 1.4 元。这就是负期望。
当然单次买彩票你可能真的中一等奖——但那是运气，不是方法。如果你反复买，长期来看，你必然亏钱，因为期望值是负的。
这就是期望值解决的核心问题：在可以反复进行的博弈或投资里，平均每次你能赚多少。它把胜率和赔率（盈亏比）综合成一个数，告诉你这件事长期做下去是正还是负。
对投资来说，这个框架极其重要。因为投资本质上是「可重复的」——你不只做一笔交易，你做几十笔、几百笔。一次的好运或坏运会平均掉，剩下的就是期望值在起作用。
二、直觉与类比：胜率不是全部，赔率才是另一半
很多人看投资机会，第一反应是问「这次能不能涨」——也就是胜率。胜率高感觉踏实，胜率低感觉不靠谱。
但这只看了一半。
来看一个经典的抛硬币赌局。正面你赢 3 元，反面你输 1 元，硬币是公平的（胜率 50%）。你愿意玩吗？
直觉上，胜率只有 50%，输赢各半，很多人觉得这没什么意思。但算一下期望值：
0.5 × 3 元 − 0.5 × 1 元 = 1.5 − 0.5 = 1 元
每玩一次，平均赚 1 元。这是正期望的游戏，当然应该玩。
再换一个：你去玩一个「猜单双」的游戏，庄家告诉你「我这骰子准确率高，你大概率能猜对」。假设你胜率真的有 70%。但赢了只收到 0.5 倍赔率，输了赔全部。
0.7 × 0.5 − 0.3 × 1 = 0.35 − 0.3 = 0.05 元
期望值勉强为正，但极薄。如果庄家稍微做了手脚让你胜率没那么高，立刻变负。
这就是关键：高胜率不等于正期望，低胜率也不等于负期望。期望值是胜率和赔率共同决定的。
很多散户喜欢追「稳的」机会——确定性高、胜率看起来大——但完全不看赔率。比如押很多资金在一个「跌不了多少」的标的上，一旦真的出事，亏损惨烈；而赢了只多赚了一点点。这种高胜率+低赔率的组合，很可能是负期望。
职业交易员、对冲基金经理往往反过来：他们愿意接受较低的胜率，但要求赔率足够好。因为他们看的是期望值，不是单次胜负。
三、公式说人话：一个具体例子算一遍
期望值的公式不复杂：
期望值 = 胜率 × 平均盈利 − 败率 × 平均亏损
其中败率 = 1 − 胜率，平均盈利和平均亏损就是赢的时候平均赚多少、输的时候平均亏多少。
来走一遍具体例子。假设你有一套交易策略，历史测试结果：
- 胜率：40%（100 笔里有 40 笔盈利）
- 平均盈利：6000 元
- 败率：60%
- 平均亏损：2000 元
代入公式：
0.4 × 6000 − 0.6 × 2000 = 2400 − 1200 = 1200 元
每笔交易期望盈利 1200 元。这是正期望策略，即使胜率只有 40%。
很多人一听「胜率 40%」就觉得不靠谱——毕竟十次里有六次是亏的。但只要平均盈利是平均亏损的三倍（盈亏比 3:1），正期望就稳稳成立。
反过来，一个胜率 70% 的策略，如果盈亏比只有 0.5:1（赢了赚 1 元，输了亏 2 元）：
0.7 × 1 − 0.3 × 2 = 0.7 − 0.6 = 0.1 元
期望值虽然还是正的，但极薄，而且一旦市场环境变化、胜率稍微下滑，就立刻变负。这种策略根本不稳健。
这里呼应两个重要的原理：
- 让利润奔跑、截断亏损 讲的正是提升盈亏比的执行逻辑——把亏损控制在小范围，让盈利尽可能跑远，直接拉高期望值的「赔率」端。
- 凯利公式 把这一步推进一层：在你已经确认正期望之后，它告诉你每次应该下注多少比例才能让长期复合增长最快。期望值和凯利公式是紧密相连的两个工具，期望值决定「要不要下」，凯利决定「下多少」。
四、在投资里怎么用
理解了期望值，投资思维会发生几个具体变化。
1. 追求正期望的机会，而不是高胜率的机会
很多人找机会的方式是「找那个最有把握的」。但有把握代表胜率高，不代表期望值高。一个「大概率小赚、小概率大亏」的机会，期望值完全可能是负的。
正确的筛选逻辑是：这个机会，如果我重复做 100 次，平均每次能赚多少？要能估出一个正期望，才值得参与。
2. 提升盈亏比，往往比提升胜率更可行
胜率很难直接控制——市场是随机的，你没法命令它「下次一定涨」。但盈亏比你能主动管理：设好止损（控制最大亏损），在趋势明确时不过早止盈（让盈利跑）。
一个策略，止损位从亏损 10% 收紧到亏损 6%，同时稍微放宽止盈，盈亏比可能从 2:1 提升到 3:1。在胜率不变的情况下，期望值直接提升了 50%。这是可以主动做到的事。
3. 用期望值框架，把「过程」和「结果」分开
这是最难但最关键的一步。一个正期望的决策，单次依然可能亏损——随机性就是这样。如果你每次亏损都去反思「哪里错了」，你反而会被结果带着走，把随机亏损误认为是策略失误，把随机盈利误认为是能力。
正确的做法是：在下决策之前，把期望值估出来；在决策之后，用过程而不是结果来评判这次决策是否正确。 如果分析时认为期望值为正，执行也没有偏差，结果亏损了——这只是正常的随机性，不是错误。
当然，这需要积累足够多的样本才能验证。这正是期望值思维的前提：可重复。如果某类机会你只做一两次，期望值的统计含义就很弱，更要谨慎。
用单次结果来评判决策好坏：亏了不一定是决策错，赚了不一定是决策对。决策的质量应该看做决策时的逻辑和期望值，不看单次结果。用结果倒推逻辑，会让你的判断系统越来越扭曲——要么因为偶然亏损而放弃好策略，要么因为偶然盈利而坚持坏策略。
只看胜率，不看盈亏比：胜率 70% 听起来很棒，但如果赔率只有 0.3:1，这是负期望游戏，长期一定亏。找机会时，必须把胜率和盈亏比放在一起看，算出期望值才有意义。
追求正期望却忽略破产风险：期望值为正，并不代表可以无限加大下注。如果单笔押注太重，一次运气不好就可能亏光本金——而你一旦归零，就没有「长期」可言了。期望值的前提是你能活到足够多的重复次数。这个风险怎么控制，见 风险管理与仓位控制。
五、局限：期望值不是万能公式
期望值是个强大的框架，但有几个边界条件要清楚，否则用错了反而有害。
前提：必须可重复足够多次
期望值是「大数定律」下的长期平均。一次两次，随机性主导一切，期望值没有统计意义。如果某类机会你一辈子只遇到一次，「长期期望为正」这个判断其实帮不了你——你没有足够的重复次数让期望值实现。
所以在判断「这是不是好机会」时，要同时问：这类机会我未来还会反复遇到吗？ 如果是，期望值框架就很有价值；如果是一次性的特殊机会，就要更审慎，因为你没有样本量来摊平随机性。
胜率和赔率是估出来的，有误差
公式本身很精确，但输入参数——你估的胜率和盈亏比——本质上是预测，不是已知事实。历史数据可以参考，但未来市场环境会变，历史胜率未必延续。
一旦你的胜率高估了 10%，或者盈亏比低估了，算出来的「正期望」可能在真实世界里是负期望。所以基于估算的期望值，要留足安全边际，不能当作精确数字来用。
小样本无法验证
你做了 5 笔交易，3 笔亏了，2 笔赚了——能说明这个策略是负期望的吗？完全不能。5 笔的样本量远远不足，随机波动就能解释全部结果。
实践中，验证一个策略需要至少几十笔甚至上百笔交易，才能开始看出期望值的统计规律。在样本足够之前，要对「我的策略是正期望」这个判断保持谦逊。
忽略破产风险：期望为正，一次亏光也完蛋
这是最危险的误用。期望值为正，只告诉你「如果能活到长期，平均是赚的」。但如果你单笔下注太重，一次大亏就可能让本金降到无法恢复的水平——或者直接归零。
数学上，一个期望为正但有一定概率归零的策略，只要你持续玩下去，迟早会触发那个归零的情景。所以「正期望」和「破产风险为零」是两回事，必须把破产风险单独管控。这正是 风险管理与仓位控制 一卷要解决的核心问题：如何在保证活下去的前提下，最大化正期望的复利积累。
小结
期望值思维是投资决策的底层操作系统。把它拆开来：
- 期望值 = 胜率 × 平均盈利 − 败率 × 平均亏损，这个数决定你长期是赢是输。
- 胜率只是期望值的一半，盈亏比是另一半。低胜率 + 高盈亏比，可以是正期望；高胜率 + 低盈亏比，同样可以是负期望。
- 用期望值评判机会，用过程（而非结果）评判决策——把「决策好坏」和「这次运气好坏」分开。
- 期望值的前提是可重复足够多次、参数估算靠谱、并且破产风险受控。
理解了期望值，你就不会再因为一两笔亏损而怀疑自己的策略，也不会因为一两笔盈利就膨胀——你看的是系统，不是单次。