01
策略一：永远再等等
总觉得前面还有更大的，于是一路走到地头。这等于在赌最大的那株恰好长在最后——概率只有 1/25 = 4%。往前走不是在接近最大，而是在消耗不可回头的选择权。
第一幕 · 选择的数学
把股市想象成一片玉米地：25 株玉米依次出现在你面前，你只有一双手，走到每一株前都必须当场决定——掰下它，或者继续往前，走过了就不能回头。股市从不缺机会，但同样的一双手，带回来的收成总会有差异。
01
总觉得前面还有更大的，于是一路走到地头。这等于在赌最大的那株恰好长在最后——概率只有 1/25 = 4%。往前走不是在接近最大，而是在消耗不可回头的选择权。
02
见到一株不错的就掰了。可"不错"只是"目前最大"——当真正的大玉米出现在后面时，你的手已经占满了。
03
前 37% 的地只看不掰，记住其中最大的一株，立为标准；此后遇到第一株超过标准的，立刻出手。数学证明：在这套规则下，这是掰中最大玉米概率最高的策略。
04
把每种成功情形的概率求和、取极限，会得到函数 P(x) = −x·ln x。它在 x = 1/e ≈ 36.8% 处取最大值。不是一半，不是凭感觉——是 1/e。
直觉说"再往前看看总没坏处"，数学说：错。选择本身有成本，错过也是成本。真正成熟的出手，是在看过足够多之后，有能力停止比较。
这片玉米地在决策论里有个学名：秘书问题（最优停止理论）。设共 N 株玉米以随机顺序出现，前 r 株只观察。若全场最大的一株出现在第 k 位（k > r），要掰中它，必须满足：前 k−1 株中最大的那株恰好落在前 r 株观察区内，这一事件的概率为 r/(k−1)。
对所有位置求和：P(r) = Σₖ (1/N)·(r/(k−1))，k 从 r+1 取到 N。
令观察比例 x = r/N。当 N 足够大时，求和化为积分，得 P(x) = −x·ln x。
求导并令其为零：−ln x − 1 = 0，解得 x = 1/e ≈ 36.8%，此时成功概率同为 1/e ≈ 37%，是全局最大值。
这个策略不保证掰中最大，但在"看过即决定、走过不回头"的规则下，它把成功概率推到了理论上限。
两个问题
37% 法则回答了"什么时候出手"。但出手之后还有第二个问题——投入多少？这个问题同样有数学答案：凯利公式。它讲的，就是仓位管理。
第二幕 · 仓位的数学
一枚特殊的硬币：开局正面概率 60%，赔率 1:1，每轮压正面。但要小心——中场硬币会被换掉，胜率会变。优势在变的时候，你的下注比例要不要跟着变？初始资金 $1,000，抛多少次由你定。
每轮以当前资金的比例 f 下注：赢，资金变为原来的 (1 + f·b) 倍；输，变为 (1 − f) 倍。
长期复合增长率等于期望对数财富：g(f) = p·ln(1 + f·b) + q·ln(1 − f)。
求导并令其为零：p·b/(1 + f·b) − q/(1 − f) = 0，解得 f* = (p·b − q)/b = p − q/b。
本局 p = 0.6、b = 1，故 f* = 20%。当 f* ≤ 0 时，最优选择是不下注。
凯利比例最大化的是长期几何增长率，而不是单轮期望值——这正是它与"全押"的分野，也是它属于长期主义者的原因。
模拟演示，使用虚拟筹码，不构成投资建议。
第三幕 · 从游戏到真实投资
真实投资里，它们藏在财报、估值和你的持仓结构里。把胜率找出来、把仓位管起来——这正是 InkLedger 做的事。
把 10-K、10-Q 读成人话：业务质量、财务质量、风险变化，帮你估计一家公司的确定性。
上传持仓截图，看清集中度、行业敞口与 ETF 重叠，识别你正在承担而未曾察觉的风险。
把确定性转化为可解释的仓位参考：单票是否过重，当前敞口是否与你的判断相称。
所有结论都能看到依据，不是一个神秘分数。
前 3 大持仓占比
62%
行业集中度
偏高 · 科技 58%
单票凯利参考区间
8% – 14%
结论依据
每一条可展开追溯
以上基于脱敏示例数据渲染，实际报告以你的持仓为准。
长期持有靠的不只是选对公司，还有让复利得以发生的仓位纪律。凯利公式与长期主义，是同一件事的两面。
时间的数学
FV = C × ((1 + r)ⁿ − 1) / r
C 为每月投入，r 为月增长率（年化假设 ÷ 12），n 为月数。
凯利公式最大化的，正是这条曲线的指数——长期增长率。下注太重会把它拖向归零，下注太轻会把它压在地板上；凯利公式和仓位管理的全部意义，就是把这条斜率抬回它本可以达到的位置。上面"少赚"的那笔钱，就是斜率被拖低两个百分点的价格——被时间放大之后的价格。
复利数学演示，增长率为你自己的假设，非收益预测，不构成投资建议。
你的持仓数据仅用于生成你自己的报告，可随时导出与删除。
所有分析为参考信息，不构成投资建议。
产品处于限时内测阶段，现在注册即赠送月度会员。