第3章概率思维

第三章：概率思维——从赌徒到交易员的必修课

说实话，我见过太多交易员，技术分析画得一手好图，K线形态背得滚瓜烂熟。但一问他「这笔交易的期望值是多少」，立马就卡壳了。

嗯，这就是典型的「赌徒思维」和「交易员思维」的分水岭。赌徒看的是「这把我能不能赢」，交易员算的是「长期下来我能不能赚」。今天我们就来聊聊这个核心差异——概率思维。

核心观点：预测市场不是猜涨跌，而是管理概率。你不需要每次都猜对，只需要在概率有利时下注，在概率不利时离场。

先问个问题：抛硬币连续5次正面，第6次正面的概率是多少？

很多人会脱口而出「该出反面了」。但正确答案是——还是50%。硬币没有记忆。这就是概率论里最基础也最反直觉的概念：独立事件。

我在做量化策略回测时，经常看到新手犯这个错。他们看到策略连续亏损3次，就觉得「该赚钱了」，然后重仓干进去。结果呢？连续亏损第4次、第5次...直到爆仓。

几个必须记住的基础概念：

我的习惯：每次开仓前，我都会问自己三个问题——1）这笔交易是独立事件吗？2）我有没有被最近的结果影响判断？3）如果连续亏3次，我还能坚持策略吗？

贝叶斯定理，说白了就是「根据新信息更新旧判断」。公式长这样：

P(A|B) = P(B|A) × P(A) / P(B)

别被公式吓到。我举个例子你就明白了。

假设你有一个交易策略，历史胜率是60%（先验概率P(A)=0.6）。现在出现了一个信号——成交量异常放大（事件B）。根据历史数据，当策略赚钱时，成交量异常放大的概率是80%（P(B|A)=0.8）；当策略亏钱时，成交量异常放大的概率只有30%（P(B|¬A)=0.3）。

那么，看到成交量异常放大后，策略赚钱的概率变成了多少？

P(A|B) = 0.8 × 0.6 / (0.8 × 0.6 + 0.3 × 0.4) = 0.48 / 0.6 = 0.8

看到了吗？从60%提升到了80%。这就是贝叶斯更新的力量。

我曾经踩过的坑：刚开始用贝叶斯时，我总喜欢叠加太多条件。结果P(B)算出来特别小，导致后验概率剧烈波动。后来我学乖了——先加1-2个最关键的信号，等稳定了再慢慢加。别贪心。

赔率这东西，说白了就是市场对某个事件发生概率的「集体投票」。但这里有个坑——赔率反映的是隐含概率，不是真实概率。

转换公式很简单：

隐含概率 = 1 / 赔率

举个例子：某场比赛主胜赔率是2.0，那么隐含概率就是1/2.0 = 50%。

但注意了，博彩公司是要抽水的。所以所有结果的隐含概率加起来会超过100%。多出来的部分就是庄家的利润，也叫「抽水」或「vig」。

多出来的3.6%，就是庄家的抽水。你想想看，如果你不把抽水算进去，长期下来必输无疑。

实战技巧：我一般会把赔率换算成「无抽水概率」。方法很简单：用每个结果的隐含概率除以总和。比如上例中，主胜的真实概率 ≈ 50% / 103.6% ≈ 48.3%。这样你才能和你的判断做对比。

期望值，就是「长期下来每笔交易平均能赚多少」。公式：

期望值 = (盈利概率 × 盈利金额) - (亏损概率 × 亏损金额)

举个例子：

期望值 = 0.6 × 120 - 0.4 × 100 = 72 - 40 = 32元

每下注100元，长期期望收益是32元。这就是正期望值策略。

我的经验：我从不碰期望值为负的交易。哪怕胜率90%，只要赔率低到1.05，期望值就是负的。反过来，有些交易胜率只有30%，但赔率高达5.0，期望值反而是正的。记住：交易员不看胜率，看期望值。

下面这张图，是我自己整理的概率思维框架。每次做决策前，我都会过一遍：

这张图我用了好几年。每次做交易决策前，我都会问自己：我的先验概率是什么？新信息来了怎么更新？赔率隐含的概率和我判断的一致吗？期望值是正的吗？

四个问题走一遍，基本不会犯大错。

最后提醒一句：概率思维不是让你变成冷血机器。它是在你热血上头时，帮你踩刹车的那只手。我见过太多人，明明算出来期望值是负的，还是忍不住下单——「万一这次不一样呢？」嗯，每次都不一样，但长期下来，概率从不撒谎。

公众号:蓝海资料掘金营，微信deep3321