Editing Openai/69286a1e-2f50-800a-b685-0647e6b12a18 (section)

==== - 场景 A（×2/×0.5，p=0.5）是个“对数公平”（E[ln⁡M]≈0E[\ln M]\approx0E[lnM]≈0）的例子：长期没有净趋向，但短期内有小概率极端表现，100 次内约 4.4% 有机会把 10U 拉到 1,000,000U。注意这并不等于“期望收益高”——它只是表示“在一些幸运路径上可以实现”，多数路径会失败或波动剧烈。 ====
* 场景 B 和 C 显示：单次大奖倍数不能弥补低胜率和严重亏损 —— 虽然赢一次涨很多，但输得也快且概率高，整体成功概率几乎为 0。
* 场景 D 表明：如果每次亏损只是小幅（例如×0.8），而胜率又高（0.6）且允许大量交易（500 次），几何增长会产生几乎确定的成功概率（但现实中手续费、爆仓、资金限制、市场关联性会大幅影响该结论）。
* 场景 E（17 次连续×2）强调“全胜策略”极不现实：即便胜率 50%，也要 17 连胜，概率极低（7.6e-6）。