职业玩家都在用的数学框架 · 内含详细解读
f* = (bp - q) / b —— 最优投注比例
其中 b 为赔率（不含本金），p 为胜率，q = 1-p。凯利公式帮助控制每次投注金额，最大化长期几何增长，同时避免破产风险。适合串关及单场优化。
EV = (胜率 × 赔率) - 1 —— 判断价值
当 EV > 0 时，投注具有正期望。例如胜率50%，赔率2.2 → EV = 0.1 (10%)。长期重复正EV投注，利润可期。结合泊松分布更精准。
隐含概率 = 1 / 赔率 （不含本金）
例如赔率2.50对应40%隐含概率。对比自身预测概率，若预测 > 隐含，即发现价值。主流联赛需考虑抽水（平均5%~8%）。
P(x; μ) = (e^-μ × μ^x) / x!
根据主客队平均进球数 (λ) 计算具体比分概率。常用于预测总进球、正确比分。结合联赛平均数据，精度更高。
预期胜率 = 1 / (1 + 10^((R乙-R甲)/400))
动态评估球队实力差，用于修正初始胜率。Elo广泛应用于足球评级，结合主客场优势，可提升预测稳定性。
返还率 = 1 / (1/赔率1 + 1/赔率X + 1/赔率2)
衡量平台抽水程度。返还率越高对玩家越有利。例如三項赔率总和1.92 → 返还率约96%。选高返还平台长期更优。
输入赔率与预测胜率，一键获取凯利比例、期望值、投注建议。
输入赔率与个人胜率，计算最佳投注比例与预期增长。
快速判断投注是否具有正期望，辅助发现价值赔率。
基于主客队进球能力，预测最可能比分及总进球。
关于公式、策略与实战的提问解答
凯利公式适用于胜率与赔率明确的独立事件。对于串关，建议使用“分数凯利”降低风险。新手可先采用1/4凯利，更加稳健。
可基于历史数据（最近30~50场）、Elo评级、主客场差异、伤病等要素综合判断。也可使用泊松模型计算理论胜率。胜率估算越准，公式效果越好。
任何公式都无法100%预测比赛。但正期望+资金管理可让长期收益趋正。核心是坚持纪律，避免情绪投注。公式是工具，并非圣杯。
返还率直接影响长期收益。假设胜率55%，赔率2.0（返还率100%），EV=10%；若返还率94%，实际赔率约1.88，EV=3.4%。建议选高返还平台。
泊松模型在主流联赛中表现良好，尤其英超、西甲。但需注意杯赛、德比等变量。可结合近期攻防数据调整λ值，提高预测精度。