深度研究报告 报告日期：2026-10-09 ｜ 领域：私募股权 / 风险投资 / 投资方法 ｜ 性质：方法研究，不构成投资建议 

目录

1. 摘要：一页速览
2. 胜率：定义与计算
3. 赔率：定义与计算
4. 胜率 × 赔率：期望值与决策框架
5. PE/VC 实证：幂律分布
6. 中国市场实证：环境与政策
7. 中国经典案例拆解
8. 如何使用：六条实务路径
9. 常见误区与陷阱
10. 速查卡片：公式与决策清单
11. 参考来源

摘要（一页速览）

• 胜率（Win Rate）
  衡量"做对的频率"：胜率 = 盈利（或 ≥1x）项目数 ÷ 总项目数。PE/VC 中需明确四个口径——按笔数/按金额、以 1x 为界/显著盈利、仅已退出/含在管、单基金/全组合。
• 赔率（Odds / 盈亏比）
  衡量"做对一次赚多少、做错一次亏多少"：赔率 b = 平均盈利 ÷ 平均亏损。股权投资的下行损失封顶 1x、上行无上限，天然是不对称结构。
• 二者通过期望值联接：E = p×b − (1−p)。只有 E > 0 的机会才值得出手；高胜率 ≠ 高收益（Mauboussin"贝比·鲁斯效应"：正确与否看幅度，不看频率）。
• 实证上，VC 收益服从幂律分布：21,640 笔融资中 65% 亏损（Correlation Ventures）；约 6% 的项目贡献约 60% 的总回报（Horsley Bridge）；7% 的 >10x 案例贡献天使组合 75% 的回报（Wiltbank/考夫曼基金会）。
• 用法
  ：单笔决策做正期望过滤 → 仓位参考凯利公式（建议半凯利）→ 组合端用 1−(1−p)ⁿ 保证样本量能"接住"右尾 → 早期买赔率、后期买胜率 → LP 评估 GP 时不看单笔胜率、看 >10x 密度与回报集中结构 → 用条款（清算优先、回购、对赌）改善下行 L，等效提升赔率。
• 中国映照
  ：本土同样服从幂律，但退出环境更紧——2024 年 VC/PE 支持中企 IPO 仅 129 家（−51.7%）、A 股发行账面回报 2.48x（清科）；国资 LP 出资占比 81.2% 正在重塑行业结构。案例复盘显示：MIH 靠"拿得住"收获腾讯千倍回报（IDG/盈科 10 倍离场）、晨兴 500 万美元种子小米 866 倍、今日资本 1800 万美元投京东 150 余倍；"合肥模式"则示范了政府耐心资本如何用对赌改写下行、用容错承受低胜率、用产业链把单项目赔率变成区域组合赔率。详见第五、六节。

一、胜率（Win Rate）：定义与计算

1.1 通用定义

胜率衡量一个决策系统"做对的频率"，即获胜次数占全部决策次数的比例：

在 PE/VC 语境下，"获胜"通常指某笔投资的最终回报 ≥ 1x（收回本金）或 > 1x（实现盈利）；"总次数"为同口径下的全部投资笔数。

例如一只基金投出 30 个项目，最终 12 个项目回报 ≥ 1x，则按"保本口径"计的胜率为 12/30 = 40%。

1.2 PE/VC 语境下的四个关键口径

同一组投资，换一个口径，胜率数字可能相差 30 个百分点以上。讨论胜率时必须先固定口径：

注：二级市场（股票）语境下胜率常按"盈利交易次数/总交易次数"计，冯柳等国内投资人讨论的胜率即此口径；PE/VC 因单笔周期长达数年且无中途"平仓"，胜率只能在退出或盯市时点度量。

1.3 实测基准：不同阶段的典型胜率（示意）

综合第四节引用的公开研究，各阶段"保本口径"胜率的大致量级为（示意区间，非精确统计）：

中国本土 VC/PE 胜率的系统性公开数据（如中基协口径）尚不完善，「信息待补充」；第四节实证以美国市场公开研究为主，第五、六节补充中国市场的环境数据与案例复盘，其结构特征（幂律、右尾驱动）在各市场具有普遍性。

二、赔率（Odds / 盈亏比）：定义与计算

2.1 通用定义

赔率回答的是"做对一次能赚多少，相对于做错一次亏多少"，国内投资语境下通常称盈亏比：

分子：全部获胜投资的平均回报（金额或倍数）；分母：全部失败投资的平均损失（金额或倍数）。

例：10 笔投资中 4 笔盈利、平均每笔赚 3x，6 笔亏损、平均每笔亏 60%（−0.6x），则 b = 3 ÷ 0.6 = 5，即盈亏比 5:1。

注意与博彩"赔率"（如 5:1 的报价）区分：博彩赔率是市场给定的报价，投资的赔率是投资人基于基本面与退出情景估计出来的，二者不可混用。

2.2 PE/VC 赔率的独特结构：下行封顶、上行无界

股权投资（尤其早期）的回报分布是典型的重尾/幂律结构：

• 下行损失封顶
  ：单笔股权投资最大损失 = 投入本金（−1x），除非加了杠杆或担保，理论上不会再差；
• 上行无上限
  ：个别项目可回到 50x、100x 甚至更高（Correlation Ventures 数据中约 0.4% 的融资 ≥50x）；
• 因此 PE/VC 的"赔率优化"本质是：把下行控制在 −1x 以内（条款与组合），同时保证组合在结构上能接到右尾。

2.3 计算 PE/VC 赔率的三个实务要点

2.4 二级市场映照：冯柳的"赔率优先"

"假定自己在信息获取、理解深度、时间精力、情绪控制、人脉资源等方面，都处于这个市场的最差水平，能依靠的只有时间、赔率与常识。……保持高仓位单边做多，赔率优先情况下的分散潜伏，以及在概率与赔率统一时的重点突破。" —— 冯柳（高毅资产），公开访谈与文章整理，见文末来源 [8][9]

冯柳的框架把胜率与赔率的取舍讲得最直白：高胜率机会往往是市场共识（白马股），赔率已被价格抹平；对研究能力不占优的投资者，更可靠的做法是找坏消息充分计入价格、下行有限、上行巨大的非共识机会——"我首要的是关注赔率，其次是概率，最后才是认知。"这套逻辑与 VC 的幂律世界一脉相承：都是在赔率不对称处下注。

三、胜率 × 赔率：期望值与决策框架

3.1 期望值：连接胜率与赔率的桥梁

设每笔投入 1 单位，胜率为 p，盈亏比为 b，亏损时平均损失率为 L（股权投资 L≈1，即全损）：

当 L = 1（下行全损）时，E = p·b − (1−p)。E > 0 才值得出手；盈亏平衡条件为 b = (1−p)/p。

盈亏平衡的换算关系非常有用，它给出"多低的胜率还可以投"：

例：胜率 25% 的天使投资，需要至少 3x 的盈亏比才不亏钱；若典型组合里赢家平均 5x，则正期望成立。

下表为期望值矩阵（E = p·b − (1−p)，每 1 单位投入的期望损益）：

图 1｜胜率–赔率决策地图（示意）：虚线为盈亏平衡线，任何投资机会必须落在虚线上方（正期望区）才值得出手。越靠左（低胜率）要求越靠上（高赔率）——这正是早期投资"买赔率"、后期投资"买胜率"的几何表达。点位为行业经验示意。

3.2 贝比·鲁斯效应（Babe Ruth Effect）：看幅度，不看频率

"在任何概率性活动中，正确的频率并不重要，重要的是正确的幅度（The frequency of correctness does not matter; it is the magnitude of correctness that matters）。" —— Michael Mauboussin，《More Than You Know》(2006)，见来源 [6][7]

Mauboussin 记录了一个经典案例：某基金公司司库按"跑赢基准的股票占比"考核 20 位基金经理，结果业绩最好的一位 batting average（胜率）却垫底——因为他重仓的四只股里三只小亏、一只大涨，组合整体依然领先。这就是"贝比·鲁斯效应"：鲁斯三振出局次数领跑全联盟，却仍是史上最伟大击球手。

Mauboussin 还引用 Taleb 的例子说明"高胜率也能是坏投资"：判断市场一周内上涨概率 70%，上涨仅 +1%、下跌 −10%，则期望 = 0.7×(+1%) + 0.3×(−10%) = −2.3%——胜率 70% 依旧应该做空。

a16z 的 Chris Dixon 将其推到 VC 语境："最好的基金比好基金亏钱亏得更多……没有大量三振，就不可能有大量全垒打。"Horsley Bridge 的数据直接证实了这一"U 型曲线"：顶级基金 >10x 案例更多、亏损笔数也更多，其 home run 平均回报约 70x，而"好基金"约 20x（见第四节）。

3.3 凯利公式：胜率赔率给出最优仓位

给定 p 与 b，凯利公式（Kelly, 1956）给出使长期资金复合增长率最大化的仓位比例：

f：应投入的资金比例；b：盈亏比（净赔率）；p：胜率。f 为负则不应参与。

图 2｜凯利仓位随胜率的上升（固定盈亏比 10x）：胜率每提高 10 个百分点，凯利仓位约提高 10 个百分点。实务上普遍用 1/2 甚至 1/4 凯利：因为真实概率估计存在误差，而凯利公式在概率高估时会"过码"，满仓凯利的组合波动极大。

凯利公式的 PE/VC 局限：① 单笔概率与赔率只能主观估计，且十余年不可中途调仓；② VC 基金受 LPA 约束不能加杠杆；③ 幂律下"下注后再加注"（follow-on）比一次性满仓更合理——这正是储备金机制存在的原因。

四、PE/VC 实证：幂律分布是胜率–赔率结构的根源

为什么 VC 必须"低胜率 × 高赔率"？因为创业投资的回报分布不是正态，而是幂律。三组最有代表性的公开数据：

4.1 Correlation Ventures：65% 的融资收不回本金

Correlation Ventures 对 2004–2013 年间 21,640 笔美国风投融资的统计（2014 年发布，2019 年复检结论一致）：约 65% 的融资未能收回本金（<1x），约 10% 回报 ≥5x，约 4% 回报 ≥10x，约 0.4%（每 200 笔不到 1 笔）回报 ≥50x。见来源 [1][2][3]。

图 3｜美国 VC 融资的回报分布（Correlation Ventures，21,640 笔，2004–2013）：<1x、≥5x、≥10x、≥50x 为研究披露值；1x–5x（~25%）与 5x–10x（~6%）为按披露值推算的余量，仅供参考。绝大多数资金回报由最右侧不到 4.4% 的"右尾"贡献。来源 [1][2][3]。

4.2 Horsley Bridge：6% 的项目贡献 60% 的回报

Horsley Bridge Partners（投资数百只美国风投基金的 LP）向 a16z 的 Chris Dixon 提供了其 1985 年以来 7,000+ 笔底层投资的汇总数据：约 6% 的投资（仅占投入资金的 4.5%）产生了约 60% 的总回报，其余约 94% 的投资合计只贡献了约 40%。"单一最佳投资往往等于或超过基金中其他全部投资之和"（Peter Thiel，《Zero to One》）。见来源 [4][5]。

图 4｜回报集中度：幂律的直观呈现（Horsley Bridge，经 Chris Dixon/a16z 2015 年发布）。同一数据还显示：顶级基金 home run（≥10x）的平均回报约 70x，"好基金"约 20x；且顶级基金亏损笔数占比反而更高——"最好的基金比好基金亏得更多"。来源 [4][5]。

4.3 天使投资研究：7% 的赢家贡献 75% 的回报

• Wiltbank & Boeker（考夫曼基金会，2007）
  ：539 位天使投资人、3,097 笔投资、1,137 个退出。平均回报 2.6x / 3.5 年（IRR≈27%）；52% 的退出 <1x；7% 的投资回报 >10x，贡献了全部回报金额的 75%。仅 48% 的单笔退出 ≥1x，但 61% 的投资人整体倍数 ≥1x——多笔组合本身就把胜率"做"上去了。见来源 [10][11]。
• ARI 2016 更新
  ：平均 2.5x / 4.5 年（IRR≈22%）；约 70% 的退出 <1x；前 10% 的退出贡献 85% 的总回报。
• Tech Coast Angels（1997–2022，247 个退出）
  ：8 家公司（约 3%）贡献了 77% 的回报金额。见来源 [12]。
• 尽调强度直接改写胜率与赔率：<20 小时尽调的天使平均 1.1x，>40 小时的平均 7.1x（Wiltbank 数据）。

4.4 基金层面与"三分之一法则"的证伪

• Carta（2,775 只基金，2017–2026Q1）
  ：典型 20–30 个项目的基金中，仅 1–3 个项目贡献了 50%–80% 的基金总回报。见来源 [2]。
• Seth Levine 模拟
  ：按 Correlation 分布构造 1 亿美元、20 个项目的组合，毛回报约 2.06x（IRR≈10%），且几乎全部来自一两个赢家——低于机构 LP 对 VC 资产类别的门槛，说明仅靠"市场平均分布"不够，必须真正抓到右尾。见来源 [3]。
• 老牌经验法则"三分之一法则"（亏三分之一、保本三分之一、赚三分之一）被数据证伪：真实分布比它残酷得多——多数融资根本收不回本金。见来源 [4]。
• 反面证据
  ：英国 British Business Bank（2025）对 2002–2020 年英国 VC 基金的统计显示，52% 的基金 TVPI 落在 1–2x，中位数仅 1.48x——对多数基金而言，传说中的 outlier 并未出现，中位项目组合的表现才是生死线。见来源 [13]。

4.5 实证数据汇总表

五、中国市场实证：制度环境、退出结构与政策变量

5A.1 行业回报与退出环境：清科口径的关键数据

中国私募股权市场的公开系统统计虽不及美国市场成熟，但清科研究中心等机构的年度数据已足以刻画其胜率–赔率环境的轮廓：

来源：清科研究中心 2024 年度数据，经新华财经、新浪财经、投资界等报道转引，见文末来源 [25]。

把清科数据放回第四节的幂律框架，可以得到一个重要判断：中国市场同样服从幂律，但"兑现右尾"的通道更窄。美国 top 基金靠 70x 的 home run 定义回报，而中国 IPO 账面回报的中枢只有 2–3x——这意味着在同一胜率下，中国 GP 的期望值 E 更薄，行业对"买入估值、退出时点、条款保护"的敏感度远高于美国同行，也解释了回购权与对赌条款在中国交易文件中的普及程度。

5A.2 政策变量：创投"17 条"、并购"六条"与耐心资本

2024 年以来，监管层围绕"募投管退"全链条密集出政策，本质上都是在改写胜率–赔率的环境参数：

来源：国办发〔2024〕31 号全文及国务院政策例行吹风会解读 [27]；中国政府网发布的证监会"并购六条" [26]。

5A.3 中国环境对胜率–赔率结构的三点含义

• 赔率兑现从"IPO 单一通道"转向"并购 + S 基金 + 回购"多通道
  ：账面回报 3x 的 IPO 中枢难以支撑早期投资的幂律期望，政策在试图把并购做成第二兑现通道；
• 国资 LP 81.2% 的出资结构决定了"中国式胜率约束"
  ：国有资金的尽职免责与容错清单，事实上成为行业胜率–赔率可承受区间的定价基准——容错半径有多大，机构敢承受的胜率下限就有多低；
• 对赌/回购的中国普及是把双刃剑
  ：它显著压缩了下行 L（等效提升赔率），但大量"回购挤兑"案例也表明，当回购成为普遍退出预期时，风险投资就退化成了类信贷——赔率保护的代价是创新宽容度的损失。

六、中国经典案例拆解：胜率–赔率框架下的决策复盘

以下六个案例覆盖人民币/美元基金、天使/种子/成长期、民营与政府资本四种形态，逐一用第三节的框架（p、b、E、存续期约束、条款改写）复盘。所有回报倍数均为公开报道口径的账面或公开披露值，口径差异已逐条标注。

图 5　中国代表性单笔案例的账面回报倍数与 2024 年行业 IPO 中枢的对比。蓝色为长持型赢家，琥珀色为提前退出，灰色为行业基准。来源：[15][16][17][18][21][25][30]。

6.1 案例总览

6.2 案例 A：腾讯——同一标的、相反的赔率决策

2000 年互联网寒冬，弹尽粮绝的腾讯拿到 IDG 与李泽楷旗下盈科合计 220 万美元融资，两家各持 20%（对应投后估值约 550 万美元）[20]。2001 年 6 月，南非 MIH 入场：盈科以 1260 万美元出售全部 20% 股权，一年赚 1160 万美元、回报超 10 倍 [20]；随后 MIH 又从 IDG 手中收购 12.8% 股权，2003 年 8 月腾讯上市前回购 IDG 剩余的 7.2% [21]。时任 IDG 合伙人王功权后来坦言，若 IDG 未卖掉腾讯股份，"这一笔投资能够给 IDG 赚的钱，差不多顶上 IDG 目前赚钱的总和"，并称之为 IDG 的"巨大的心痛" [20]。

而 MIH 自 2001 年起几乎未减持，长期稳居第一大机构股东。按证券时报等行业报道口径，MIH 持股 12 年获利超过 1000 倍 [21]；至 2018 年腾讯市值高点，市场推算其回报超过 5500 倍 [21]。

框架复盘：IDG 与盈科在"两年 10 倍"时点退出，是教科书式的合格决策——基金存续期、LP 压力与互联网泡沫破灭后的恐惧，共同压低了他们对右尾的估计。MIH 胜在三点：① 事前研究了五年（对 QQ 用户数与非洲互联网人口的对比判断）；② 没有存续期——它不是基金而是战略资本，"拿得住"不是美德而是结构；③ 不做中途再定价。同一标的、同一胜率起点，赔率兑现的差距完全来自"持有结构"。这正是第三节凯利公式之外的一课：f* 算得再准，拿不住也是零。

6.3 案例 B：晨兴（五源）→小米：种子轮赔率的威力

2010 年小米首轮融资时，雷军一个电话打给刘芹："我要做手机，你投不投？"——当时小米连商业计划书都没有，刘芹投了 500 万美元。2018 年小米上市前夕，雷军在公开信中写道："最早期的 VC，第一笔 500 万美元投资，今天的回报高达 866 倍" [15]。招股书显示，晨兴先后参与 A、B-1、C、E-2 轮（A 轮进入价仅 0.0026 美元/股），发行前持股 17.19%，为最大机构投资者 [16]。

框架复盘：种子轮的 p 最低（基础比率约 30% 能回本），但 b 也最大——0.0026 美元的成本结构让"赔率的分子"天然巨大。晨兴的做法是 7.2 节"分段下注"的完美执行：首注小、验证后沿 A/B/C 轮持续加注，最终把 866 倍的右尾做成了组合里"持股最多"的头寸。对照 7.3 节：五源同时期的组合还有携程、快手、金山办公等——单一案例的 866 倍背后，是一个按幂律数学构造的组合。

6.4 案例 C：今日资本→京东：危机加仓与 150 倍

2006 年刘强东只要 200 万美元发工资，徐新聊了四小时后给了 1000 万美元（主动加价 5 倍），当天签框架协议 [17][18]。2008 年金融危机中京东资金链濒临断裂、估值断崖式下跌，今日资本多次提供过桥贷款，并在雄牛资本领投的 2100 万美元融资中跟投 800 万美元 [18]。2014 年 5 月京东登陆纳斯达克，市值约 260–300 亿美元；今日资本官网口径：累计约 1800 万美元投资，持股 7.8%，价值超 26 亿美元，回报 150 余倍 [17]。徐新自述"8 年回报超过 100 倍"[18]。同一组合里也有贝贝网、妙生活（已停业）等失败项目 [19]。

框架复盘：徐新的"5 倍加价"本质是在 p 未变时用更大的仓位锁定赔率——对看对的项目，投得少才是最大的风险。2008 年的过桥贷款与加投，则是在市场对京东的 p 集体下修、赔率被动放大到最极端时逆势加仓。这与 7.2 节"里程碑分段下注"的差别在于：她加注的触发点不是业务里程碑，而是别人的恐慌。同时记住组合的另一面：贝贝网们归零，正是"150 倍 × 少数赢家"得以成立的分母。

6.5 案例 D：软银→阿里：重仓长持与口径的教训

软银 2000 年投阿里 2000 万美元、2004 年追加 6000 万美元、2005 年雅虎交易中再增持 1.5 亿美元，累计约 2.3 亿美元，长期为第一大股东（IPO 前持股 34.4%）。2014 年 9 月阿里登陆纽交所，收盘市值 2314 亿美元，软银持股市值约 749 亿美元且未减持 [30]。

围绕这笔投资的"回报倍数"，公开报道至少并存三种口径：

口径警示：同一笔投资，"71 倍"与"数百倍"都是"对的"——差别只在计价时点（2007 vs 2014）、持股折算方式（间接 vs 直接）、分母是否含后续增持。人民网转载文章甚至出现过"2000 多倍"的更夸张表述 [18]。引用任何"倍数叙事"前，先固定与第一节胜率四要素同级的口径五要素：分子回报、分母成本、计价时点、持股折算方式、是否含后续批次。这也是中国一级市场"倍数传播"中最常见的失真来源。

6.6 案例 E：合肥模式——政府耐心资本的胜率–赔率工程

被称作"最牛风投之城"的合肥，提供了政府资本系统性应用胜率–赔率框架的完整样本：

来源：腾讯新闻·21 财经《合肥探索可持续资本循环机制》、中国新闻周刊、泰州市社科联转载综述等公开报道，见文末来源 [28][29]；各项目数字为媒体公开口径，个别金额在不同报道间存在出入，已取相对主流口径。

框架复盘：合肥模式的核心不是"敢赌"，而是把胜率–赔率的每一项都做了工程化处理——用对赌改写 L（下行）、用产业链研究改写 p（胜率）、用容错机制扩大可承受的胜率下限、用"投入—成长—退出—再投资"的资本循环把单项目赔率升维成区域组合赔率。这与创投"17 条"要求的"尽职合规责任豁免 + 基金生命周期考核"在逻辑上完全同构，也是 5A.2 节政策变量最生动的落地样本。

6.7 案例 F：深创投——头部机构的组合数学

截至 2024 年 9 月末，深创投已投资创投项目 1841 个（企业 1533 家）、累计投资约 1102 亿元、已退出 610 家，其中 269 家在全球 17 个资本市场上市 [22]；至 2024 年 12 月，上市企业数达 272 家 [23]。2024 年全年召开 245 次投资决策会（几乎每个工作日一次）、决策投资超 180 亿元，90% 以上资金投向硬科技，85% 投向初创期与成长期项目，累计培育国家级专精特新"小巨人"423 家 [23][24]。

框架复盘：1533 家企业的样本量，正是 7.3 节 1−(1−p)ⁿ 的机构级实践——假设单项目 ≥10x 概率仅 4%，1500 个项目的组合"接住"右尾的概率接近 100%。在 A 股 IPO 账面回报仅 2.48x 的行业环境（5A.1 节）下，深创投的模型不是靠单笔巨赔率，而是用广度把"上市数量"做成确定性，让数量密度替代倍数高度。这是低赔率环境下中国本土机构的主流解法，与美国 top 基金"少而重"的路线形成有趣对照。

6.8 中国案例的方法论小结

• 胜率与赔率可以分开买，但兑现只属于"拿得住"的结构
  ：MIH vs IDG/盈科的同标对照说明，赔率的一半在投前算出来，另一半在持有结构里长出来；
• 条款是中国的"赔率基础设施"
  ：合肥对赌、京东过桥贷款、小米分段加注——本土最有效的赔率操作几乎都发生在条款与加注节奏上，而非估值博弈；
• 政策正在重新定义可承受的胜率下限
  ：创投"17 条"的尽职免责、并购"六条"的退出扩容、耐心资本的顶层表述，等于把"低胜率高赔率"从个人勇气变成制度参数；
• 倍数叙事必须过口径审计
  ：软银-阿里的 71 倍 vs 2000 多倍之争提醒我们，任何未注明成本口径、计价时点与稀释调整的"回报倍数"，都不具备决策参考价值。

七、如何使用：六条实务路径

7.1 单笔决策：正期望值过滤 + 基础比率校准

1. 先算 E 再谈感觉
   ：把对项目的判断翻译成 p（各退出情景概率）与 b（各情景回报倍数），验证 E = p·b − (1−p)·L > 0。E ≤ 0 的项目，无论故事多动人都不投。
2. 用基础比率（base rate）校准胜率
   ：行业基准告诉我们早期投资约 65%–70% 收不回本金。当创始人与自己都说"这次不一样"时，先默认自己落在基础比率里，再寻找使其偏离的证据。
3. 接受低胜率高赔率的下注
   ：哈佛的 Zeckhauser："大多数新企业的成功投资，胜率其实不利于你，但一旦成功，成功得非常大。"20% 胜率 × 大赔率的组合，期望可能远优于 50% × 1.2x。见来源 [6]。

7.2 仓位管理：凯利公式与分段下注

• 以 f = p − q/b 计算理论上限，实务用 1/2 凯利*对冲概率估计误差；
• 单笔上限叠加组合约束（如单笔 ≤ 基金的 5%–10%），避免凯利值在 b 很大时给出过激仓位；
• 里程碑分段下注
  代替一次性满仓：产品验证、收入验证、下一轮融资各为加注点——本质是让 p 随信息到达而更新，提高资金的"期望效率"；
• 顶级基金普遍保留 40%–50% 储备金用于对已验证赢家的 follow-on（Carta/行业惯例），储备金的期望收益高度集中于少数项目。见来源 [2]。

7.3 组合构建：样本量数学——让右尾"接得住"

若单笔成为 ≥10x 大赢家的概率为 p=4%（Correlation 基准），n 笔独立投资至少命中一次的概率为 1−(1−p)ⁿ：

独立性假设偏乐观（同赛道、同期项目相关），实际所需样本比表内更大；Wiltbank 数据中"仅 48% 单笔 ≥1x、但 61% 投资人整体 ≥1x"即是组合效应的直接证据。天使实务建议 15–25 笔起步。

7.4 阶段适配：早期买赔率，后期买胜率

这条谱系与图 1 的几何直观一致：沿"低胜率高赔率 → 高胜率低赔率"的盈亏平衡线上方移动。中国本土各阶段胜率–赔率的系统公开统计「信息待补充」。

7.5 LP 视角：用胜率–赔率结构评估 GP

• 不要按单笔胜率给 GP 打分
  ：Horsley Bridge 的 U 型曲线表明，顶级基金亏损笔数反而更多；好 GP 的特征是 >10x 案例密度高（home run 均 ~70x vs 好基金 ~20x），而非输得少。见来源 [4][5]；
• 看回报集中结构
  ：要求 GP 提供全历史项目的回报分布（不只有均值/DPI）：<1x 占比、1x–3x 占比、≥10x 占比、前五大项目对总回报的贡献率；
• 看赔率是否来自能力
  ：Wiltbank 数据显示尽调时长、行业经验与投后参与度与回报显著正相关（<20h 尽调 1.1x vs >40h 7.1x）——赔率优势应可归因于流程而非运气；
• 警惕两类失真
  ：仅按已退出项目统计胜率（退出时点选择偏差）、用在管盯市虚增胜率（J 曲线上半段）。

7.6 条款与投后：主动改写赔率结构

赔率 b = 平均盈利 ÷ 平均亏损，因此改善赔率有两条路——放大分子、压缩分母。条款工具主要作用于分母：

八、常见误区与陷阱

九、速查卡片：公式与决策清单

公式卡

决策清单（投委会八问）

1. 该项目的 p 与 b 分别是多少？写进备忘录并可回溯；
2. E = p·b − (1−p)·L 是否显著 > 0？不显著直接否决；
3. 胜率估计是否用基础比率校准过，而非只听创始人叙事；
4. 最差情景 L 能否通过条款（清算优先/回购/tranching）压到 −1x 以内；
5. 仓位是否 ≤ 半凯利与组合单笔上限的较小者；
6. 本基金组合样本量是否足以让 1−(1−p)ⁿ 生效（右尾接得住）；
7. 储备金是否为该项目的里程碑加注留了额度；
8. 我是在买赔率（早期）还是买胜率（后期）？与基金策略是否自洽。

十、参考来源

1. Value Add VC, The Power Law in VC — Why 1 Deal Defines a Fund（含 Correlation Ventures 2004–2013 与 2009–2018 两轮数据、Carta 基金层面数据）：https://valueaddvc.com/blog/the-power-law-in-vc-returns-why-one-investment-defines-a-fund
2. Data-Driven VC Newsletter (Eyk), More Shots on Goal: How AI Rewrites Portfolio Construction（引 Correlation Ventures via Seth Levine）：https://www.newsletter.datadrivenvc.io/p/more-shots-on-goal-how-ai-rewrites-portfolio-construction
3. FundraisingFox, Correlation Ventures 公司档案（2014-08 研究与 2019 复检时间线）：http://fundraisingfox.com/companies/correlation-ventures
4. Open Almanac, Power Law（Horsley Bridge 7,000+ 投资数据、Correlation 21,640 笔、Fred Wilson 三分之一法则证伪）：https://www.openalmanac.org/w/venture-capital/power-law
5. Venture Capital Careers, Power Law in Venture Capital（Horsley Bridge/AngelList 数据汇总、home run 20x vs 70x）：https://venturecapitalcareers.com/blog/venture-capital-power-law；另见 1752.vc 组合构建指南：https://www.1752.vc/learn/venture-capital-portfolio-strategy
6. Verum Standard, Risk, Uncertainty and Ignorance — Lessons from Richard Zeckhauser（Mauboussin "Babe Ruth Effect" 原文引述、Chris Dixon 引述、Zeckhauser 访谈）：https://www.verumstandard.com/post/risk-uncertainty-and-ignorance-in-investing-and-business-lessons-from-richard-zeckhauser
7. Acquirer's Multiple, Michael Mauboussin: It's The Size Of Your Winners, Not The Number（《More Than You Know》第三章节选）：https://acquirersmultiple.com/2024/09/michael-mauboussin-its-the-size-of-your-winners-not-the-number/；另见 GuruFocus 摘编：https://www.gurufocus.com/news/999421/more-than-you-know-how-often-youre-right-isnt-all-that-matters
8. 雪球，《冯柳弱者模式》（冯柳自述投资体系）：https://xueqiu.com/4298441574/323970045
9. 格上基金，《中国牛散第一人：冯柳的投资体系全解析》：https://www.licai.com/gsh/post/413030；投资大辞典词条「冯柳」：https://tzdcd.com/doku.php?id=冯柳
10. Founders Network, How Does Angel Investing Work?（Wiltbank & Boeker 2007 数据、尽调时长与回报关系）：https://foundersnetwork.com/blog/how-does-angel-investing-work/
11. Pynn, Portfolio Construction: The Minimum Number of Deals to Be Diversified（Kauffman 2007 原始口径、ARI 2016 更新、幸存者偏差提示）：https://pynn.ai/blog/portfolio-construction-the-minimum-number-of-deals-to-be-diversified
12. Walnut Invest, Angel Investing Statistics (2026)（Tech Coast Angels 8 家/77%、ACA 白皮书）：https://walnutinvest.com/stats/angel-investing-statistics
13. University of Oxford Saïd Business School, Kevin Monserrat, The power law is a description, not a strategy（British Business Bank 2025 英国基金分布、DPI 数据）：https://www.sbs.ox.ac.uk/oxford-answers/power-law-description-not-strategy
14. Kelly 公式背景：Wikipedia, Kelly criterion（Kelly 1956 原始论文与 Thorp 应用）：https://en.wikipedia.org/wiki/Kelly_criterion
15. 国际在线湖北频道（转长江日报）, 小米昨在香港上市 "一起拼"的武汉人获866倍回报（雷军 2018-07-08 公开信原文引述）：https://hb.cri.cn/2018-07-10/5f758db0-6339-60cf-fda6-803bb6278d57.html
16. 人民网经济频道, 小米上市周年近44亿股解禁，"王者赢家"晨兴资本是否套现离场?（晨兴 A/B-1/C/E-2 轮成本、发行前持股 17.19%）：https://capital.people.com.cn/BIG5/n1/2019/0710/c405954-31224240.html
17. 今日资本官网, 福布斯专访：风投女王徐新（A 轮 1000 万美元、累计 1800 万美元、持股 7.8%、回报 150 多倍）：https://capitaltoday.com/zh/insights/article/14
18. 人民网经济频道, 互联网巨头的自白：那些年，救我于水火的投资人（2008 年雄牛/今日资本/梁伯韬 2100 万美元融资、徐新 8 年超百倍、软银阿里"2000 多倍"表述）：https://capital.people.com.cn/n1/2017/0615/c405954-29341539.html
19. 21 世纪经济报道, 投资京东回报100倍净赚22亿：https://m.21jingji.com/article/20200123/herald/76c372db2ea1e9a4bd53ba5d97a2ba23.html；时代周报, 徐新：掌舵今日资本的女投资人（贝贝网、妙生活败笔）：https://www.time-weekly.com/wap-article/277925
20. 南方+（南方报业）, 谁给了他们第一笔钱？BAT背后天使投资人大揭秘（2000 年 IDG+盈科 220 万美元各 20%、2001 年 MIH 1260 万美元购盈科 20%、王功权"巨大的心痛"）：https://static.nfapp.southcn.com/content/201702/02/c268914.html
21. 搜狐财经, 腾讯股价再创新高，而他们却高兴不起来（IDG 12.8% 转让、2003-08 剩余 7.2% 被回购、MIH 关注五年后投资）：https://mt.sohu.com/20170110/n478361773.shtml；证券时报等行业报道（MIH 持股 12 年获利超 1000 倍口径）；央广网, 阿里上市软银雅虎投资赚翻（258 倍口径）：https://www.cnr.cn/hnfw/ssgs/201409/t20140919_516465873.shtml
22. 证券时报, 深创投入选国务院国资委"双百企业""科改企业"名单（截至 2024-09-30：1841 项目/1533 家/1102 亿元/退出 610 家/269 家上市）：https://stcn.com/article/detail/1353430.html
23. 经济参考报（新华社）, 让新质生产力"强筋壮骨"：245场投资决策会勾勒深圳"硬科技投资答卷"（2024 年 245 次投决会、上市累计 272 家、小巨人 423 家）：https://www.jjckb.cn/20250113/1278467f5e82481691f33010724b0122/c.html
24. 深圳市国资委（转载《南方》杂志）, 国有"耐心资本"助力创新长跑，"深圳经验"何以走向全国（深圳天使母基金 973 家初创企业、引导基金放大 4.5 倍、初创期占比 81%；2024-09 国常会"耐心资本"表述）：https://gzw.sz.gov.cn/zwgk/qt/pcgz/content/post_12049829.html；新华社, 资本更耐心，创新更有力，2024-12-04
25. 清科研究中心（清科创业 01945.HK）2024 年度统计，经新华财经/新浪财经, 清科数据：VC/PE支持的中企IPO总量创近十年新低（IPO 129 家、−51.7%、发行平均账面回报 3.01 倍、A 股 2.48 倍、境外 3.31 倍）：https://finance.sina.com.cn/jjxw/2025-01-09/doc-ineekkks9470586.shtml；投资界, 一年一度VC/PE总结来了：https://research.pedaily.cn/202501/545776.shtml；国资 LP 占比 81.2%（2024H1）另见多家财经媒体报道
26. 中国政府网, 中国证监会发布《关于深化上市公司并购重组市场改革的意见》（"并购六条"，2024-09-24）：https://www.gov.cn/lianbo/bumen/202409/content_6976331.htm
27. 《促进创业投资高质量发展的若干政策措施》（国办发〔2024〕31 号，"创投十七条"）全文：https://kjj.panjin.gov.cn/2024_06/21_13/content-476317.html；国务院政策例行吹风会解读（国家发改委等四部门），新华财经/北京市地方金融管理局：https://jrj.beijing.gov.cn/jrgzdt/202406/t20240628_3732051.html
28. 腾讯新闻（21 财经）, 合肥探索可持续资本循环机制：以京东方和蔚来为例（京东方定增 30 亿撬动 175 亿/退出净收益约 140 亿；蔚来 70 亿入 24.1%、三轮回购 105 亿、保留 8% 净赚 35 亿）：https://gu.qq.com/resources/shy/news/detail-v2/index.html?t=1
29. 中国新闻周刊, 合肥"赌"对了系列（长鑫存储 2016 年一期 180 亿/合肥产投 144 亿占 80%、2022–2024 累亏 366 亿、2026-07 科创板上市、合肥国资持股约 35%）；泰州市社科联转载, 合肥，不止长鑫（蔚来 70 亿对赌条款、京东方浮盈上百亿）：https://sk.taizhou.gov.cn/tszs/art/2026/art_8c903f9df0dd47198337812dd695fcbf.html
30. 软银-阿里回报口径：中国管理会计网, 软银投资阿里巴巴如何狂赚71倍（2007 年 B2B 港股上市时点 71 倍的出处）：https://www.chinacma.org/shiwu/decision/2941.html；中国网财经, 阿里巴巴15年融资逾75亿美元（持股 34.4%、市值 749 亿美元）：https://finance.china.com.cn/roll/20140922/2689440.shtml；南方周末, 阿里盛宴，中国资本靠边站：https://infzm.com/contents/104396

数据说明与免责声明：图 3 中"1x–5x / 5x–10x"两档为按披露值推算的余量；各阶段胜率–赔率点位为行业经验示意值。天使类研究普遍存在幸存者偏差与自选择偏差（原始作者已提示），引用时应视为偏乐观的上界。中国部分：第五节行业数据来自清科研究中心年度统计（经新华财经等转引）；第六节案例回报倍数均为公开报道口径，不同报道间存在出入（详见 6.5 节口径警示），分项目金额（合肥模式）以相对主流口径为准，个别数据无法交叉验证处「信息待补充」。本报告为方法论研究，不构成任何投资建议。