第3章凯利公式基础

3、凯利公式基础：数学推导、最优仓位与局限性

说到资金管理，凯利公式是个绕不开的话题。我最早接触它是在做期货CTA策略的时候，那时候总想着怎么让利润跑起来，结果回撤大得吓人。后来一位前辈跟我说：「你去看看凯利公式吧。」嗯，这一看，就回不去了。

凯利公式的核心思想其实很简单：在已知胜率和赔率的情况下，找到一个最优的下注比例，让长期资金增长最快。说白了，它解决的是「我该押多少」这个问题。

我们先从最简单的场景说起。假设你有一个交易策略，每次交易胜率是p，赔率是b（赔率的意思是，你赚的时候赚b倍，亏的时候亏1倍）。你每次投入本金的比例是f。那么，一次交易后，你的资金变化有两种可能：

经过n次交易后，你的资金增长率G可以写成：

G = (1 + bf)^(np) * (1 - f)^(n(1-p))

取对数，得到对数增长率：

log(G) = n * [p * log(1 + bf) + (1-p) * log(1 - f)]

我们要最大化这个对数增长率。为什么取对数？因为对数增长率对应的是「复利增长」，这才是我们真正关心的。你想想看，单次赚多少不重要，重要的是长期能滚多大。

对f求导，令导数为0，得到：

f* = (bp - (1-p)) / b

化简一下：

f* = (p(b+1) - 1) / b

这就是凯利公式的经典形式。我习惯把它记成：最优仓位 = (胜率 × 赔率 - 败率) / 赔率。嗯，这样好记多了。

核心公式：

f* = (p × b - q) / b

其中 p = 胜率，q = 1-p = 败率，b = 赔率（盈亏比）

公式有了，怎么用？我拿一个实际例子来说。假设你开发了一个趋势跟踪策略，历史回测显示：

代入公式：

f* = (0.4 × 2.5 - 0.6) / 2.5
   = (1.0 - 0.6) / 2.5
   = 0.4 / 2.5
   = 0.16

也就是说，每次交易应该投入本金的16%。

我在项目中遇到过一个问题：很多人算出来f*是0.16，就直接用16%去交易了。结果呢？连续几次亏损后，心态崩了。为什么？因为凯利公式假设你的胜率和赔率是精确已知的，但实际中这些参数都是估计值，有误差。

所以我的习惯是：用半凯利或者四分之一凯利。比如上面算出来16%，我实际只用到8%甚至4%。这样既能享受复利增长的好处，又不会因为参数估计偏差而爆仓。

实用建议：

我个人建议，实盘时使用凯利公式计算值的25%-50%。

即：实际仓位 = f* × 0.25 到 f* × 0.5

再来看一个例子。假设你的策略胜率很高，比如p=70%，但赔率只有b=0.5（赚的时候赚0.5倍，亏的时候亏1倍）。算一下：

f* = (0.7 × 0.5 - 0.3) / 0.5
   = (0.35 - 0.3) / 0.5
   = 0.05 / 0.5
   = 0.1

只有10%。你看，胜率高不代表仓位可以大，还得看赔率。这就是凯利公式的妙处——它同时考虑了胜率和赔率两个维度。

凯利公式很漂亮，但别把它当圣杯。我曾经吃过它的亏，这里把坑给大家列出来。

⚠️ 凯利公式的五大局限：

参数估计误差：胜率和赔率都是历史数据算出来的，未来可能完全不一样。你想想看，一个策略在回测里胜率60%，实盘可能只有40%。用60%算出来的仓位，实盘就是灾难。
连续亏损风险：凯利公式假设每次交易独立，但实际中亏损经常是连续的。我记得有一次，我的策略连续亏损了8次，按凯利公式算的仓位，回撤直接到了40%。
忽略交易成本：公式里没考虑手续费、滑点。高频交易中，这些成本会吃掉很大一部分利润。
不适用于非对称风险：有些策略的亏损不是固定的1倍，可能亏0.5倍也可能亏2倍。凯利公式的原始形式处理不了这种情况。
心理承受能力：凯利公式追求的是长期最大增长，但中间的回撤可能超过你的心理底线。我曾经见过一个朋友，按凯利公式算出来仓位30%，结果回撤20%就受不了了，割肉离场。

那怎么办？我的做法是：把凯利公式当作一个参考上限，而不是目标仓位。具体来说：

下面这张图展示了凯利公式的核心逻辑，我画了个流程图，方便你理解：

最后说一句，凯利公式是个好工具，但它不是万能的。我见过太多人把凯利公式当成「稳赚公式」，结果亏得一塌糊涂。记住：任何数学模型都有假设条件，脱离假设谈应用，就是耍流氓。

我的经验总结：

1. 凯利公式算出来的f*，当作上限，别当目标

2. 实盘用半凯利或四分之一凯利

3. 结合最大回撤限制，动态调整仓位

4. 定期重新评估胜率和赔率，参数变了仓位也要变

嗯，凯利公式就讲到这里。记住它的核心：在不确定中寻找最优解，但永远给不确定性留足空间。

公众号:蓝海资料掘金营，微信deep3321