先来看这个例子：如果有一家公司比如说威廉，开了
2.40 3.00 2.75
的赔率，我们能得到什么信息？换算成胜率的话，结果是
37.41 29.93 32.66
那么我们就知道了主队胜的概率是37.41，平的概率是29.93，负的概率是32.66。换句话说，100场同样的比赛，主队大概赢37，平30，负33。这就是赔率能给我们带来的最基本的东西。
现在又有一家公司，比如说立博开了
2.38 3.00 2.75
换算成胜率就是
37.61 29.84 32.55
两家公司总体上的判断是一样的，但还是有小小的区别，立博相对看好主胜，所以他把主胜赔率降低了0.02，以便降低风险。别小看这0.02，很可能就是博彩公司利润的10-30%。
结论是什么呢？立博相对看好主胜，所以把主胜赔率调低了；反过来说，威廉当然就相对看好主不胜了。为什么呢？明明立博发现了主胜概率高，威廉主胜不动，说明威廉还是不看好主胜，赔率开得较高，因为打出来的概率不大，赔付的风险不大。
以上分析了两家公司赔率之间的区别。从中我们可以得到了一种分析比赛的方法：不同公司之间的赔率对比。如果我们更信任威廉，压单时直接亚10；如果更信任立博，直接压3好了。
赔率对比的意义就是看不同公司之间的不同意见。
但是，问题来了。我们知道每场比赛会有几十家甚至上百家公司同时开盘，两家两家的比较的话，那得花多少时间啊？而且最后可能会出现这样的情况，A公司与B公司相比看好30，与C公司相比看好31，与D公司相比看好10，简直乱套了。这时候我们就要找到一种简便的方法来分析不同公司之间的观点和倾向，凯利指数就是解决这个问题的一个有力的工具。
那么，凯利指数是怎么规范和定义的呢？
凯利指数采用取参照物的方式来分析不同公司之间的看法倾向，这个参照物可以按照某种方式取得，通常的方式就是取99家欧赔公司的胜率平均值作为参照物。
以上面那场比赛为例，99家公司的胜率平均值为
37.20 29.80 33.00
威廉公司的主胜凯利值=威廉公司的“主胜-胜率”除以“主胜-胜率平均值”=37.41/37.2=1.006;和局凯利值=29.93/29.8=1.004，客胜凯利值=32.66/33=0.99
2.40 3.00 2.75
的赔率，我们能得到什么信息？换算成胜率的话，结果是
37.41 29.93 32.66
那么我们就知道了主队胜的概率是37.41，平的概率是29.93，负的概率是32.66。换句话说，100场同样的比赛，主队大概赢37，平30，负33。这就是赔率能给我们带来的最基本的东西。
现在又有一家公司，比如说立博开了
2.38 3.00 2.75
换算成胜率就是
37.61 29.84 32.55
两家公司总体上的判断是一样的，但还是有小小的区别，立博相对看好主胜，所以他把主胜赔率降低了0.02，以便降低风险。别小看这0.02，很可能就是博彩公司利润的10-30%。
结论是什么呢？立博相对看好主胜，所以把主胜赔率调低了；反过来说，威廉当然就相对看好主不胜了。为什么呢？明明立博发现了主胜概率高，威廉主胜不动，说明威廉还是不看好主胜，赔率开得较高，因为打出来的概率不大，赔付的风险不大。
以上分析了两家公司赔率之间的区别。从中我们可以得到了一种分析比赛的方法：不同公司之间的赔率对比。如果我们更信任威廉，压单时直接亚10；如果更信任立博，直接压3好了。
赔率对比的意义就是看不同公司之间的不同意见。
但是，问题来了。我们知道每场比赛会有几十家甚至上百家公司同时开盘，两家两家的比较的话，那得花多少时间啊？而且最后可能会出现这样的情况，A公司与B公司相比看好30，与C公司相比看好31，与D公司相比看好10，简直乱套了。这时候我们就要找到一种简便的方法来分析不同公司之间的观点和倾向，凯利指数就是解决这个问题的一个有力的工具。
那么，凯利指数是怎么规范和定义的呢？
凯利指数采用取参照物的方式来分析不同公司之间的看法倾向，这个参照物可以按照某种方式取得，通常的方式就是取99家欧赔公司的胜率平均值作为参照物。
以上面那场比赛为例，99家公司的胜率平均值为
37.20 29.80 33.00
威廉公司的主胜凯利值=威廉公司的“主胜-胜率”除以“主胜-胜率平均值”=37.41/37.2=1.006;和局凯利值=29.93/29.8=1.004，客胜凯利值=32.66/33=0.99