我在《一种必赢的赌拳下注方法》中介绍了一种在不同平台间的对冲下注方法，用了两个选手打拳的例子。再来看一下当时用的一个赔率表格。
| Odds | Casino_1 | Casino_2 |
|---|---|---|
| Player_1 | odds(1,1) | odds(1,2) |
| Player_2 | odds(2,1) | odds(2,2) |
表格中Player_1和Player_2表示的其实是两个事件，分别为
E1: Player_1 wins and Player_2 loses
E2: Player_1 loses and Player_2 wins
E1和E2是两个互斥事件，并组成了这场拳赛结果的全集（假设没有平局）。如果我们考虑的下注对象不是拳赛，而是生活中的其他事情，那事情的结局就可能有很多种互斥的结果，结果仅只可能发生一种，比如E = {E1, E2, ..., En},这种下注方法依然是适用的。同样，平台的数量也可以是多个。重新建立一个泛化后的赔率表格。
| Odds | Platform_1 | Platform_2 | … | Platform_m |
|---|---|---|---|---|
| E1 | odds(1,1) | odds(1,2) | … | odds(1,m) |
| E2 | odds(2,1) | odds(2,2) | … | odds(2,m) |
| … | … | … | … | … |
| En | odds(n,1) | odds(n,2) | … | odds(n,m) |
假设
max_odds(Ei) = max{odds(i,j), j=1..m} i=1..n
期望拿回的钱（本金+盈利）是M，那在押注第i个事件的平台上应该下注
bet(Ei) = M / max_odds(Ei), i=1..n
为了要盈利下注的所有成本必须要小于最终拿回的钱
sum{bet(Ei), i=1..n} < M
变换一下得出赔率必须要满足的条件
sum{1/max_odds(Ei), i=1..n} < 1
到这里可以明显看出这样的对冲方法是可以泛化的，只需要满足最后一个赔率的条件即可。赔率不一定是在赌博游戏中才能使用，在生活中很多投资的回报率其实就是这个赔率，需要举一反三理解这个对冲方法的本质。