3、凯利准则入门
凯利准则,说白了就是帮你回答一个问题:「我该押多少?」
我刚开始做交易那会儿,总觉得自己判断对了就该全仓干。结果呢?对了十次,一次失误就回到解放前。后来我才明白,仓位管理比判断方向更重要。凯利准则就是解决这个问题的数学工具。
3.1 凯利准则的数学推导
先别急着跑,数学推导其实没那么可怕。我们从一个简单的赌博场景说起。
假设有个赌局:
- 你有 p 的概率赢,赢的时候赚 b 倍(比如 b=1 就是赚一倍)
- 你有 q = 1-p 的概率输,输的时候本金全亏
- 你每次下注本金的 f 比例
那么,你的资金增长倍数就是:
G = (1 + bf)^p * (1 - f)^q
为什么要最大化这个 G?因为长期来看,你的资金是按几何级数增长的。你想想看,亏50%需要赚100%才能回本,这就是几何增长的残酷之处。
我们对 G 取对数,然后求导:
ln(G) = p * ln(1 + bf) + q * ln(1 - f)
d(ln(G))/df = p * b / (1 + bf) - q / (1 - f) = 0
解出 f* = (p * b - q) / b
嗯,这就是凯利公式的经典形式:
f* = (bp - q) / b
其中:f* 是最优下注比例,b 是赔率,p 是胜率,q = 1-p 是败率
我在项目中遇到过不少人对这个推导有疑问。其实你不需要每次都手算,记住结论就行。但理解推导过程能帮你判断什么时候该用、什么时候不该用。
3.2 凯利准则在单一事件中的应用
举个具体的例子。假设你发现一个预测市场:
- 某球队赢球的概率,你估算为 60%(p = 0.6)
- 市场赔率是 1:1(b = 1,即你押1块,赢了拿回2块)
- 那么 q = 1 - 0.6 = 0.4
代入公式:
f* = (1 * 0.6 - 0.4) / 1 = 0.2
也就是说,你应该用本金的 20% 去下注。
为什么会这样?因为你的胜率优势只有 10 个百分点(60% vs 50%),不值得全仓。我个人的习惯是,胜率优势低于 5% 时,干脆不参与——手续费和滑点就能吃掉你的利润。
实战小技巧:如果你觉得计算麻烦,可以用这个简化版:f* ≈ p - q。当 b=1 时,这个近似很准。上面例子就是 0.6 - 0.4 = 0.2,一模一样。
3.3 凯利准则的优缺点
任何工具都有两面性。凯利准则也不例外。
优点
- 长期增长最大化:数学上证明了,按凯利比例下注,长期资金增长率最高
- 避免破产:永远不会让你亏光——因为 f* 永远小于 1
- 客观量化:把「感觉该押多少」变成了数学问题
缺点
- 波动太大:全凯利下注,资金回撤可能高达 30%-50%。我见过有人扛不住这种波动,中途放弃了
- 对输入敏感:如果你估算的 p 和 b 有偏差,结果会差很多。偏差 5%,可能就从盈利变成亏损
- 不适用于连续下注:现实中你的资金是连续变化的,凯利公式假设每次下注后重新计算,实际操作中很难做到
我曾经犯过的错:刚开始用凯利时,我过于相信自己的胜率估算。有一次我算出来 f* = 0.4,结果实际胜率只有 45%,亏了不少。后来我学乖了——永远对你的估算打折扣。
3.4 凯利准则的变体:分数凯利
既然全凯利波动太大,那我们就用一部分。这就是分数凯利(Fractional Kelly)的思路。
分数凯利很简单:
f_frac = α * f*
其中 α 是分数系数,通常取 0.25、0.5 或 0.75
举个例子:
- 全凯利算出 f* = 0.2
- 用半凯利(α = 0.5),则 f_frac = 0.1
- 用四分之一凯利(α = 0.25),则 f_frac = 0.05
我个人习惯用半凯利。为什么?因为全凯利的波动我扛不住,但四分之一凯利又太保守。半凯利是个不错的折中——增长依然可观,回撤却小了很多。
你想想看,如果你的胜率优势真的存在,半凯利只是慢一点,但不会死。而全凯利一旦遇到连续几次失误,心态就崩了。
我的建议:刚开始用凯利时,从四分之一凯利起步。等你对胜率估算有把握了,再慢慢提高到半凯利。永远不要用全凯利——除非你确定自己的模型完美无缺,但现实中哪有这种事?
下面这张图展示了不同分数凯利的资金曲线对比:
从图上你能看到:全凯利(红线)虽然最终收益最高,但中间回撤很大。半凯利(蓝线)收益低一些,但曲线平滑得多。四分之一凯利(绿线)最稳,但增长也最慢。
嗯,这就是凯利准则的核心内容。记住一句话:凯利不是让你赚最快的,而是让你活最久的。
公众号:蓝海资料掘金营,微信deep3321