思维模型详解：凸性赌注与对冲

凯利公式 · Kelly Criterion

下注比例应正比于你的优势、反比于赔率的风险——而不是「有正期望就全押」

中文详解

多数人以为「期望值为正就该下注，期望越大下越多」。凯利公式指出：在重复博弈里，你要最大化的不是单次算术期望，而是财富的长期几何增长率，也就是 log(财富) 的增速。两者的差别是致命的：全押一个正期望的赌注，只要有任何归零的可能，重复下去几乎必然破产——因为破产是吸收态，跌到零就再也回不来，乘法世界里一个零吃掉之前所有的盈利。

非平凡点：① 凯利给出的最优下注比例 = 优势 ÷ 赔率，本质是对「波动」征税——优势越大押越多，赔率越离散（方差越大）押越少。② 真实世界几乎人人都该用「半凯利」：因为你系统性地高估自己的优势，而过押的惩罚是不对称的——略微欠押只损失一点增速，略微过押却急剧拖垮长期增长，甚至把正期望赌局变成负增长。半凯利是一种安全边际。③ 凯利与信息论同源：最优增长率正是你相对市场的「信息率」，你的优势就是你的信息量。没有真实信息优势，最优仓位就是零。

增速对下注比例是「单峰」的：欠押损失小，过押惩罚大且会转负

经典例子

给你一枚偏置硬币，正面概率 60%，可任意下注、玩 300 次。理论上凯利告诉你每次押约 20% 的当前本金。实验里，大多数受过教育的人要么时不时全押（一次背运就清零），要么乱押小数，长期回报远低于凯利策略——明明知道硬币偏向自己，却因为不懂下注大小才是关键变量而跑输。赢面对了，仓位错了，照样输。

场景 · BigCat

把全部积蓄和所有业余时间押在单一 AI 创业点子上，即使它期望为正，也违反凯利——归零风险会让你的人生几何增长崩盘。正确做法是按「优势大小」分配：在你真正有信息差的领域（AI、分布式）多配，在你只是跟风的领域少配或不配，且永远留出不被单次失败清零的缓冲。职业、健康、育儿都是重复博弈，任何一项 all-in 都是反凯利的。

English Summary

Kelly Criterion — in repeated bets you should maximize long-run geometric growth (log-wealth), not single-shot arithmetic expectation. Optimal bet fraction = edge ÷ odds; the more your edge, the more you bet; the more variance, the less. Full-betting any positive-EV wager with nonzero ruin probability leads almost surely to bankruptcy, because ruin is an absorbing state. Use half-Kelly: people systematically overestimate their edge, and overbetting is punished asymmetrically — slight underbetting costs little, slight overbetting wrecks growth. Kelly equals Shannon's information rate: your edge is your information advantage; with no real edge, the optimal stake is zero.

AI Prompts

中文提示词

我面对一个重复性的决策/下注：[描述机会、估计胜率、赔率/上下行]。请用凯利框架帮我： ① 估算这是正期望还是负期望，最优下注比例大概多少； ② 评估我对「优势」的估计可能高估在哪，建议一个保守的「半凯利」仓位； ③ 指出这个赌注里有没有「归零/不可逆」的尾部，若有，仓位该如何再下调。

English Prompt

I face a repeated decision/bet: [describe the opportunity, your win probability, odds/upside-downside]. Use the Kelly framework to: 1. Estimate whether it's positive- or negative-EV and the rough optimal bet fraction. 2. Stress-test where I'm likely overestimating my edge, and suggest a conservative half-Kelly size. 3. Flag any ruin / irreversible tail in this bet; if present, advise how much further to cut the size.

凸性下注 · Convex Betting

让收益曲线对不确定性是「凸」的：下行封顶、上行开放——波动越大你越赚

中文详解

凸性下注的精髓不在于「预测对」，而在于布置一个收益形状：损失有明确上限（封顶），收益却没有上限（开放）。这样的头寸是凸的——由 Jensen 不等式，不确定性本身会替你创造价值：波动越剧烈，凸性头寸的期望收益越高。你不需要知道哪一个会爆发，只需要保证每一注都「亏得起、赢无界」，让时间和波动去筛。

非平凡点：① 凸的反面是凹——许多看似稳健的策略其实是凹的：收益封顶、灾难无底，像「在压路机前捡钢镚」，平时稳赚小钱，一次黑天鹅全赔进去。分清自己的头寸是凸是凹，比预测市场更重要。② 杠铃策略：把资源切成两端——绝大部分极度保守（保命），一小部分押极度凸性的赌注（搏厚尾上行），主动避开中间那段「伪安全」的凹性地带。③ 与生物进化同构：自然界的变异就是海量凸性下注——绝大多数变异无害地消失（损失封顶于个体），偶尔一个带来巨大的适应度跃迁（上行开放）。复杂系统正是靠廉价的凸性试错前进。

凸性收益曲线：左侧被截断，右侧无限延伸——波动是你的朋友

经典例子

风险投资组合：十个项目里七八个归零（每个的损失封顶在本金），但只要有一个 100 倍回报，整支基金就赢了。风投赚的从来不是「平均」，而是厚尾。期权也是天然的凸性工具：买方最多亏掉权利金，上行却随标的暴涨而放大。凸性策略的回报由极少数极端正事件 carry，而非多数事件的平均。

场景 · BigCat

「AI 超级个体」的本质就是布置一组廉价凸性赌注：写公开文章、开源小工具、做小实验、主动建立弱连接——每一个的下行只是「几小时白费」，上行却是「可能被千万人看到、引来意外的人脉或机会」。一份稳定但封顶的工作是凹的；真正放大你的，是这些便宜赌注里某一个的厚尾爆发。育儿同理：让孩子广泛、低成本地尝试，而不是早早 all-in 一条「成功路径」——你押的是探索的凸性，不是某次预测。

English Summary

Convex Betting (Optionality) — the point isn't predicting correctly but engineering a payoff shape: capped downside, open-ended upside. Such positions are convex, so by Jensen's inequality volatility itself creates value — the wilder the swings, the higher the expected payoff. You needn't know which bet pays off, only that each is "affordable to lose, unbounded to win." The opposite is concave: many "safe" strategies are actually picking up pennies in front of a steamroller. Use a barbell: mostly ultra-safe, a small slice on extreme convex bets, avoiding the false-safe middle. Same structure as biological mutation — cheap convex trials, returns carried by rare fat-tailed wins.

AI Prompts

中文提示词

我正在考虑投入 [项目/赌注/资源配置]。请用凸性视角帮我审视： ① 它的收益形状是凸（下行封顶、上行开放）还是凹（收益封顶、灾难无底）？ ② 如果是凹的，怎么改造成凸的——把损失截断在哪、让上行如何打开？ ③ 帮我设计一个「杠铃」配置：哪部分该极度保守，哪一小部分该押凸性厚尾。

English Prompt

I'm considering committing to [project/bet/resource allocation]. Examine it through a convexity lens: 1. Is its payoff shape convex (capped downside, open upside) or concave (capped gains, bottomless disaster)? 2. If concave, how could I reshape it into convex — where to cap the loss, how to open the upside? 3. Help me design a barbell: which part should be ultra-safe, and which small slice should bet on convex fat tails.

灾难尾对冲 · Tail-Risk Hedging

主动为「小概率、巨损失」的尾部付保护费，目的是活到下一轮，而非赚钱

中文详解

灾难尾对冲是凸性下注的镜像：你付一笔长期为负期望的小额保费，去买下「罕见但毁灭性事件」发生时的凸性赔付。它的目的不是赚钱，而是确保你永远不被一次灾难清零——留在牌桌上，才有资格享受复利。

非平凡点：① 核心是遍历性（ergodicity）：群体的算术平均收益为正，不代表单个个体在时间上能活下来。因为破产是不可逆的吸收态，一个时间上必然遭遇尾部的个体，会被「群体期望为正」的赌局慢慢推向必然破产。所以对尾部付费不是非理性的胆小，而是对不可逆性的正确回应。② 必须分清「可恢复的损失」与「不可恢复的损失（ruin）」——只为后者买保护，对前者大胆承受波动。把保费花在可恢复的小波动上，是把钱烧掉。③ 心理上极难坚持：人对「持续交保费的小亏」的厌恶，远大于对「罕见大灾」的恐惧，于是总在崩盘前夕退保。能在 99% 平静期忍住小亏的人，才接得住那 1% 的凸性赔付。

经典例子

专做尾部对冲的策略：平日年年小亏保费，看起来「一直在浪费钱」；可一旦遇上 2008 或 2020 那样的市场崩盘，单次回报可达几十倍，足以 carry 此前多年的所有保费还大赚。更朴素的版本是冗余与备份——你为「几乎不会用到」的副本付存储费，正是为那一次硬盘损毁的不可逆灾难投保。

场景 · BigCat

分布式系统的容灾就是工程化的尾对冲：多副本、断路器、限流、降级——平时是「冗余浪费」的成本，故障来时避免整站归零。放到人生维度：现金缓冲、可迁移的多元技能、健康习惯，都是对「失业、行业颠覆、疾病」这些不可逆尾部的保费。正确的提问顺序是：先问「什么事会让我彻底出局」，再为那件事买保险，而不是先盯着日常的小波动。AI 时代，持续学习本身就是为「现有技能被一次性颠覆」投保。

English Summary

Tail-Risk Hedging — the mirror image of convex betting: pay a small, long-run negative-EV premium to buy convex protection against rare, devastating events. The goal isn't profit but never being zeroed out — staying at the table to enjoy compounding. The key is ergodicity: a positive group-average return doesn't mean an individual survives over time, because ruin is an irreversible absorbing state. Distinguish recoverable losses from ruin — hedge only the latter; bear volatility on the former. It's psychologically brutal: people hate steady small premiums more than they fear rare catastrophe, so they cancel coverage right before the crash. Ask first "what could take me out of the game," then insure that.

AI Prompts

中文提示词

我的处境/系统是 [描述]。请帮我做一次「灾难尾」体检： ① 列出 3 个最可能让我「彻底出局/不可逆破产」的尾部事件； ② 区分哪些损失是可恢复的（该承受波动）、哪些是不可恢复的（该对冲）； ③ 为不可恢复的那几个，给出成本最低的对冲/冗余方案，并说明保费值不值。

English Prompt

My situation/system: [describe]. Run a tail-risk check-up: 1. List the 3 tail events most likely to take me out of the game / cause irreversible ruin. 2. Separate recoverable losses (bear the volatility) from unrecoverable ones (hedge them). 3. For the unrecoverable ones, propose the lowest-cost hedge/redundancy, and justify whether the premium is worth it.

保险思维 · Insurance Thinking

理性地为「转移会让你破产的风险」付费——而不是为算得过来的小风险买安心

中文详解

保险思维把前面三个模型收束成一条决策准则：保险的正确用途，是转移那些「会让你出局」的风险，而不是转移那些「算得过来、亏得起」的小风险。多数人恰好买反了——为手机碎屏、家电延保这类小确定性付费（通常负期望且损失可承受，本该自保），却对重病、责任、收入中断这类低概率高损失裸奔（本该投保）。

非平凡点：① 保险是「负期望但正效用」的——因为效用对财富是凹的：损失一百万的痛远大于赚一百万的爽，所以花小钱削掉左尾的巨痛是理性的。这和凯利同源，都是在保护几何增长、躲开吸收态。② 自保的前提是有缓冲：你的储备金就是你自己的保险公司。没有缓冲就只能把不可承受的风险转移出去。③ 反向陷阱是道德风险——一旦有了保险，人会不自觉地更冒险，对冲行为本身改变了系统，于是需要「共担」来对齐激励。④ 与佛学「无常」相通：买保险是承认不可控、为意外预留余裕，而非幻想能掌控一切——这是一种谦卑，不是恐惧。

风险四象限：只为「右上角·低频巨损」付保费，左下角自保即可

经典例子

一个家庭买齐了手机险、碎屏险、各种家电延保，每年小钱不断，却没有足额的重疾险和家庭责任险——这是典型的「为小确定性付费、对大不确定性裸奔」。正确的保险预算应几乎全部投向那几个真正能击穿家庭财务的低频巨灾，把小额可恢复损失留给自己的储备金消化。保费要花在刀刃（左尾）上，不是花在安心上。

场景 · BigCat

给自己和家庭画一张风险四象限图：把可能的损失按「频率 × 单次大小」摆进四格。右上角（低频、会让家庭出局的巨损：重病、长期收入中断、重大责任）→ 投保；左下角（高频但亏得起的小烦恼：电子产品损耗）→ 自保。技术人尤其容易在这点上做反——对小风险过度投保，对真正的尾部却毫无准备。先建一笔「自己的保险公司」式的现金缓冲，再把缓冲接不住的那几个尾部转移出去。

English Summary

Insurance Thinking — the right use of insurance is to transfer risks that could take you out of the game, not affordable risks you can self-fund. Most people buy it backwards: paying premiums on phone-screen or appliance warranties (negative-EV, affordable — should self-insure) while going bare on illness, liability, or income loss (low-probability, ruinous — should transfer). Insurance is negative-EV but positive-utility because utility is concave in wealth: losing a fortune hurts more than gaining one delights, so paying a little to shave the left tail is rational. Self-insuring requires a buffer — your reserves are your own insurance company. Watch for moral hazard: hedging changes behavior, so align incentives via skin in the game.

AI Prompts

中文提示词

这是我目前的风险与保险配置：[列出现有的保险/缓冲、主要担忧]。请用保险思维帮我重排： ① 把我的风险摆进「频率 × 损失大小」四象限，标出哪些该自保、哪些该投保； ② 找出我「为小确定性过度付费」和「对大尾部裸奔」的地方； ③ 给出一个调整方案：先建多少现金缓冲，再把哪几个不可承受的尾部转移出去。

English Prompt

Here's my current risk/insurance setup: [list existing coverage/buffer, main worries]. Rebalance it with insurance thinking: 1. Place my risks on a frequency × severity quadrant; mark what to self-insure vs transfer. 2. Find where I'm overpaying for small certainties and where I'm bare against large tails. 3. Propose an adjustment: how much cash buffer to build first, then which unbearable tails to transfer out.