免责声明：金色财经所有资讯仅代表作者个人观点，不构成任何投资理财建议。请确保访问网址为（jinse.com.cn）举报

预测算法锤子：为什么你的直觉一文不值？伪装成内幕交易的公式与算法

金色精选

刚刚

关注

作者：danny；来源：X，@agintender

1999年的索尼（SONY）到底做了什么决定？直接导致一场价值百亿美金的惨败？别以为这只是个商业故事。今天我们用6个底层的数学公式和算法告诉你，你在人生赛场、职场和预测市场是怎么被收割干净的？

导言：Walkman走不到Ipod

1999 年末的东京品川区，索尼（Sony）总部的顶层会议室里，气氛压抑得仿佛能把人榨出汁来。

时任索尼 CEO 出井伸之正面对着一个即将被撕裂的帝国。作为随身听（Walkman）的绝对霸主，索尼的硬件工程师们早就看到了互联网上 MP3 格式的野蛮生长，他们迫切想要造出下一代数字播放器。但坐在会议桌另一边的，是庞大且极其赚钱的索尼音乐（Sony Music）高管群。这些人被当时刚刚崛起的 Napster（早期免费音乐共享软件）吓破了胆——他们坚信，MP3 就是纵容盗版的罪人，这会直接摧毁索尼赖以生存的 CD 唱片帝国。那是前任掌门人大贺典雄一手缔造的利润奶牛。

在这场关乎未来的博弈中，高管们在几十张白板上列满了利弊清单，在无数个深夜靠着“商业直觉”和内部政治反复拉扯。为了保护庞大的“沉没成本”（CD 生产线与版权库），索尼最终做出了一个灾难性的妥协：他们确实推出了一款数字播放器（NW-MS7），但为了防盗版，里面强制植入了极其繁琐的版权保护软件（DRM），甚至拒绝支持通用的 MP3 格式，只允许播放自家专用的 ATRAC 格式。这个基于恐惧和内耗造出来的产品，极其难用。

结果呢？两年后的大洋彼岸，苹果的乔布斯和硬件天才Tony Fadell 在根本没有任何唱片业务的“沉没成本”包袱下把索尼打得落花流水。乔布斯可能只是看了眼数字音乐大规模普及的“基础概率”，并算清了“把 1000 首歌装进口袋”所能带来的巨大“期望值”。他没有瞻前顾后，直接用一款极简、纯粹的 iPod 掀翻了桌子。

当索尼的高管们还在为了保护旧地盘而陷入“损失厌恶”的直觉陷阱时，苹果用最底层的商业逻辑和冰冷的概率算计，毫不留情地终结了索尼长达二十年的 Walkman 霸权。

你看，不仅是凡夫俗子，连顶级的商业领袖在面对重大抉择时，一旦被沉没成本绑架，依赖直觉和路径，也会沦为时代的刀下亡魂。

人的缺陷：决策疲劳

Cornell University 曾经做过一项著名的研究，发现人们每天仅仅在“食物”这一件事上，就会做大约 227 个决定（吃什么、吃多少、什么时候吃、先吃哪一口等等）——印证才Daniel Kahneman 在《思考，快与慢》提出的决策疲劳者一说。当你决策疲劳时，人就会偷懒，就会习惯性地用直觉（系统一）代替思考（系统二）。

对于吃什么、看哪部剧这种无伤大雅的小事，跟着直觉走挺好的。但当你面对那些真正能重塑人生的十字路口——职业选择、核心投资、甚至是亲密关系时，如果还企图靠“直觉”过关，那无异于把自己交给了命运的轮盘。

特别是在预测市场（Prediction Market）这个黑暗森林里，直觉是无用，甚至是致命。很多散户从永续合约、现货市场跑来，带着一种迷之自信，觉得自己懂政治、懂周期、消息比别人灵通。但他们往往没意识到，坐在盘口对面的，根本不是某个犹豫不决的庄家，而是冷酷无情的数学定律。那些高频算法和做市商的机器人，早就把你我的心理弱点量化成了一行行代码。

你们知道吗？其实人性早就被算法看得清清楚楚，明明白白了。本文看完之后会让人极度不适，因为你会发现你做错了好多年？

今天我们用六个底层的数学公式和算法告诉你，你是怎么被收割干净的？尤其是第5个，看完受用一生。

支配一切的底层逻辑：期望值

你做的每一个决定，都伴随着不同的结果。每个结果都有它的发生概率以及对应的回报。把它们相乘再相加，就是期望值（EV）。这个公式极其简单，初中数学就可以：

EV= Σ (probability × payoff)

期望值= Σ (概览 × 回报)

假设朋友跟你打赌抛硬币，正面他给你 150 块，反面你给他 100 块。大多数人会因为害怕输掉那 100 块而本能地拒绝。因为人类天生厌恶损失，亏钱的痛苦是赚钱快乐的两倍。但如果你懂一点数学，就会发现这个赌局的期望值是正的 25 块。如果有这样的机会，闭着眼睛也要接。（EV = (50% * $150) + (50%* -$100) = -25）

但奇怪的是——在研究中，大多数人拒绝了这个赌局。即使数学在尖叫着说 YES。因为人类对损失的感受大约是同等收益的两倍。损失 100 美元的痛苦远远大于赢得 150 美元的快乐。心理学家称之为损失厌恶（loss aversion），它搞砸了你做出的几乎每一个决定。

在预测市场里，脱离赔率谈胜率纯粹是给机器送钱。很多新手喜欢去买那种概率高达 0.95 的“绝对热门”，觉得这微薄的 0.05 美元是白捡的。但算法在看什么？算法只盯着正期望值（+EV）。如果一个冷门事件的市场标价只有 0.01，但机器算出来它的真实发生概率是 3%，这就是一个巨大的捡漏机会。机器会像不知疲倦的猎犬，专门去咬这种“大概率亏损，但一旦赢了就能覆盖所有成本且大赚”的猎物，而散户却在为了捡硬币，把脑袋垫在了压路机底下。

在预测市场中，这个概念被具象化为合约价格。

在 Polymarket 上，如果一个事件发生，"Yes" 合约赔付 $1，否则归零。如果目前 Yes 的价格是 $0.60，这意味着市场的隐含概率（Implied Probability）是 60%。

假设你经过深度调研，认为该事件发生的真实概率是 75%。你该不该买？算一下 EV：

买入成本： $0.60
潜在利润： $1.00 - $0.60 = $0.40
你的胜率预期： 75%
你的败率预期： 25%
单份合约 EV： (0.75 * $0.40) + (0.25 * -$0.60) = $0.30 - $0.15 = $0.15

这就是正期望值（+EV）。在预测市场里，找到你的预期概率与市场隐含概率之间的“错位（Delta）”，才是你扣动扳机的理由，而不是凭着“我讨厌这个候选人”去下注，这纯粹是在给数学机器送钱。

识破噪音与幸存者偏差：基础概率的重量

人的大脑特别容易被生动、具体、充满戏剧性的大新闻吸引。当x上某个大 V 突然爆料“SEC 今晚突击批准某山寨币 ETF”时，散户的肾上腺素会瞬间飙升，直接冲进盘口，把原本 0.05 的价格瞬间买飞。但这其实并不符合基础概率？

什么叫基础概率？不是抛硬币100次，出现“字”的概率是多少哦。这里用@zodchiii的文章的例子。

假设有一种疾病的感染率是 1/1,000。你做了一个准确率为 99% 的测试。结果呈阳性。你真正患病的概率是多少？

如果你的答案是 99%……你错了。不过你不要太担心——大多数医生也会答错。让我们想想看。在 1,000 个人中：

1 个人真的患病。测试抓住了他（99%准确率）。这就是 1 个真阳性。
999 个人没有患病。但测试有 1% 的假阳性率。这就是大约 10 个假阳性。

所以总共有 11 个阳性结果。只有一个是真的。

P (actuallysick ∣ positive test )= 1/11 ≈ 9percent

不是 99%。是 9%。基础概率（1/1,000）极其重要，但人们每次都会忽视它。（而且很多人都搞错了！）

学过基础概率的机器人在处理突发新闻时，会死死咬住“基础概率”这个常识。它会瞬间回溯过去十年所有类似的新闻：“在过去的 100 次爆料中，真正落地的有几次？”结果可能只有区区 2%。哪怕今天这条新闻编得再逼真，它真实发生的可能性依然微乎其微。于是，机器会在高位疯狂接下散户狂热的买单，反手做空。几天后谣言澄清，散户血本无归。

这种盲目自信还来源于幸存者偏差。你天天看到网上有人晒图说自己靠某个土狗币赚了一百倍，因为那 500 个亏光底裤的人早就注销账号默默流泪了。当你想要相信一个奇迹时，先去问问分母在哪里。找不到分母的奇迹，通常都是屠宰场的广告。

每当有人向你讲述某个具体的成功故事时，问问自己：基础概率是多少？这类事情实际成功的频率有多高？如果答案是“很少”——无论故事听起来多么有说服力，都要保持高度怀疑。

告别死扛的幻觉：克服沉没成本

想象你花了2年跟一个渣男在一起，结果发现他是有妇之夫，你走不走？理智告诉我们，那2年已经没了，你现在唯一能决定的，是接下来的余生里要不要在折磨中度过，还是去寻找另一棵枣树。但大多数人都会选择留下来，仅仅因为“时间都花了”。

在预测市场的二元期权里，这种“死扛”的致死率是百分之百。散户在 0.70 买入的合约跌到了 0.20，心里想的是“亏太多了割肉太疼，当彩票留着吧”。但在算法眼里，根本不存在什么“买入成本”，过去的数据全是废纸。每一秒钟的盘口都是一个全新的独立博弈。如果当前价格是 0.20，但胜率已经跌到了 0.05，机器不仅会毫不犹豫地割肉平仓，还会反手借币做空。当散户还在用眼泪信仰“价值投资”时，机器正利用时间流逝的每一天，榨干你最后一点残存的血肉。

你要知道，预测是一个要嘛归零，要嘛归一的二元局。不存在死扛之后能回来的局面。

现在的盘面价格是 $0.15。唯一影响决策的问题是：如果我现在手头有 $375（当前的残值现金），面对当前的局势，我会选择以 $0.15 的价格买入这个合约吗？

如果答案是“绝对不会”，那就立刻平仓。市场才不会在乎你的买入价是多少。

像科学家一样思考：贝叶斯更新

普通人形成一个观点后，往往会拼死捍卫它，即便看到了反面证据也装作看不见。当年索尼的高管们即使看到了 MP3 的火爆，依然坚持认为保护 CD 的利益才是正统。但真正的高手和算法，用的是贝叶斯定理。这是一种在数学上绝对理性的“知错能改”机制：

P(belief ∣ newevidence)=P (evidence ∣ belief) × P(belief) / P(evidence)

P(理论假设∣新证据)=P(新证据 ∣ 理论假设 )×P(理论假设) /P(新证据)

大白话就是：当你获得新证据时，请根据这个证据的强度，按比例去调整你的原始看法。

还是用@zodchiii的文章的例子说明。你认为你的同事打算辞职。在没有任何证据之前，你可能会说有 10% 的可能性（大多数人在任何一个月都不会辞职）。这是你的先验概率（prior）。

然后你注意到她更新了 LinkedIn 个人资料。

如果她确实打算辞职，她更新 LinkedIn 的概率是多少？相当高——假设是 70%。
如果她不打算辞职，她更新 LinkedIn 的概率是多少？人们经常随机更新——假设是 15%。

P(离职 | LinkedIn 更新) = (0.70 × 0.10) / ((0.70 × 0.10) + (0.15 × 0.90))

= 0.07 / (0.07 + 0.135)

= 0.07 / 0.205

≈ 34%

一个证据让你从 10% 移动到了 34%。不是 90%——那是反应过度。也不是停留在 10%——那是无视证据。34% 是数学上理性的更新。

现在她也开始在办公室外面接电话了。又一次更新。也许上升到 55%。她突然对长期项目含糊其辞。70%。每一个证据都在推动概率。渐进地。按比例地。没有戏剧性。没有在“绝对是”和“绝对不是”之间突然反转。

这正是预测市场的工作原理。事件合约的价格就是贝叶斯后验概率——随着新信息的流入不断更新。（后验概率 = 似然度 × 先验概率 ÷ 边缘概率）

这就是为什么 Polymarket 能在 CNN 之前预测到伊朗的袭击。因为成千上万的人将微小的证据碎片喂给价格。每个人把价格往这边推 0.5%，或者往那边推 2%。汇总起来的结果准得惊人。

先验概率 P(H)：冲突爆发的可能性为 10%（价格 $0.10）。
新证据 E：有人拍到驻阿联酋的美军基地内的驻军人员正在吃龙虾。
贝叶斯更新：每个交易员评估这个证据的权重。有人算出来概率上升到了 18%，他们就会买入，将市场价格推高到 0.18。接着又出现了“边境军队调动”的新证据，价格继续平滑更新到 $0.35。

没有任何突兀的反转。每一个微小的新闻切片，都会被立刻折算成概率的数学增量。这教给我们最重要的一课：观点要轻拿轻放（aka 不要死扛），随时按证据的强度成比例地更新。

大多数人要么完全忽视证据（只看能佐证自己的观点），要么反应过激。哪有这多内幕交易，都是对证据的收集、推演和理解。

当突发利空砸下来的一瞬间，顶级做市商的服务器已经在毫秒级内跑完了贝叶斯更新，算出新的真实概率已经跌入谷底。此时，如果盘面上还有没来得及撤单的散户，机器会光速扫光这些筹码。等你刷新页面，看着腰斩的价格发呆时，连逃命的机会都没有了。你的反应速度，根本配不上真实概率变脸的速度。