第1章：仓位管理模型——等比例仓位、固定金额仓位、马丁格尔策略、反马丁格尔策略

大家好，我是你们的老朋友。今天咱们来聊聊仓位管理。

说实话，我见过太多交易者，技术分析一套一套的，策略回测曲线漂亮得不行。结果一上实盘，三个月就爆仓了。为什么？仓位管理没做好。你想想看，一个胜率60%的策略，如果每次都是全仓干，连续三次亏损就没了80%本金。这谁扛得住？

所以这一章，我打算把四种最经典的仓位模型掰开揉碎了讲清楚。等比例仓位、固定金额仓位、马丁格尔、反马丁格尔。每种我都会给出Python代码，还会聊聊我踩过的坑。

1.1 等比例仓位模型

等比例仓位，说白了就是每次开仓都拿出总资金的一个固定比例。比如你有100万，每次用2%开仓，那就是2万。赚了，总资金变成110万，下次开仓就是2.2万。亏了，总资金变成90万，下次开仓就是1.8万。

这个模型的好处是——自动适应资金规模。资金大了，仓位自然变大；资金小了，仓位自动收缩。我个人习惯用这个模型做趋势跟踪策略，因为它天然带有「截断亏损，让利润奔跑」的属性。

来看代码：

def fixed_ratio_position(capital, ratio=0.02):
    """
    等比例仓位计算
    :param capital: 当前总资金
    :param ratio: 每笔交易风险比例，默认2%
    :return: 本次开仓金额
    """
    position = capital * ratio
    return position

# 示例
capital = 1000000  # 100万
position = fixed_ratio_position(capital, 0.02)
print(f"本次开仓金额: {position:.2f}")  # 输出: 20000.00

嗯，这里要注意。比例选多少合适？我个人建议，对于股票或期货，单笔风险不要超过总资金的2%。对于加密货币这种高波动品种，1%都算高的。我曾经见过有人用5%的比例做比特币，结果连续三次止损，本金直接缩水14%。

1.2 固定金额仓位模型

固定金额仓位，就是每次开仓都用一个固定的金额。比如每次都是2万，不管总资金是100万还是200万。这个模型简单粗暴，适合新手入门。

但有个问题——资金增长后，固定金额的相对风险会越来越小。比如你从100万做到200万，每次还是2万，那风险比例就从2%降到了1%。这其实是在浪费资金效率。

反过来，如果资金缩水，固定金额的风险比例会变大。比如从100万亏到50万，每次还是2万，风险比例就变成了4%。这很危险。

def fixed_amount_position(fixed_amount=20000):
    """
    固定金额仓位计算
    :param fixed_amount: 固定开仓金额
    :return: 本次开仓金额
    """
    return fixed_amount

# 示例
position = fixed_amount_position(20000)
print(f"本次开仓金额: {position:.2f}")  # 输出: 20000.00

我在项目中遇到过一位学员，他用固定金额模型做外汇，每次1000美元。账户从1万做到3万，他还是每次1000美元。我问他为什么不加仓？他说「习惯了」。这就是典型的路径依赖。固定金额模型适合小资金起步，但资金做大后一定要切换到等比例模型。

1.3 马丁格尔策略

马丁格尔策略，很多人一听就摇头。其实它没那么可怕，关键看你怎么用。

核心逻辑很简单：每次亏损后，下次加倍下注。直到盈利一次，把之前所有亏损全部赚回来，然后回到初始仓位。

举个例子：第一次亏1000，第二次亏2000，第三次亏4000，第四次盈利8000。总亏损是1000+2000+4000=7000，盈利8000，净赚1000。

听起来很完美对吧？但问题来了——如果连续亏损10次呢？第10次的下注金额是初始的512倍。你有那么多钱吗？

def martingale_position(base_amount, loss_count, max_multiplier=10):
    """
    马丁格尔仓位计算
    :param base_amount: 基础仓位
    :param loss_count: 连续亏损次数
    :param max_multiplier: 最大倍数限制，防止爆仓
    :return: 本次开仓金额
    """
    multiplier = min(2 ** loss_count, max_multiplier)
    position = base_amount * multiplier
    return position

# 示例
base = 1000
for losses in range(5):
    pos = martingale_position(base, losses)
    print(f"连续亏损{losses}次后，开仓金额: {pos:.2f}")

我曾经在模拟盘上测试过马丁格尔策略，用欧元兑美元，胜率55%。结果呢？连续7次亏损后，仓位已经变成了初始的128倍。虽然第8次盈利了，但回撤幅度高达40%。

所以我的建议是：马丁格尔策略可以用，但必须加两个限制——最大倍数限制和最大亏损次数限制。比如最多翻10倍，连续亏损5次就停止。

1.4 反马丁格尔策略

反马丁格尔，就是马丁格尔的反面。每次盈利后加仓，每次亏损后减仓。说白了就是「顺势加仓，逆势减仓」。

这个策略的逻辑很符合人性——赚钱了，说明方向对了，那就多投点。亏钱了，说明方向错了，那就少投点。但问题也在这里：如果遇到一波大趋势，你会赚得盆满钵满。但如果遇到震荡行情，你会反复止损，慢慢亏光。

def anti_martingale_position(base_amount, win_count, max_multiplier=5):
    """
    反马丁格尔仓位计算
    :param base_amount: 基础仓位
    :param win_count: 连续盈利次数
    :param max_multiplier: 最大倍数限制
    :return: 本次开仓金额
    """
    multiplier = min(2 ** win_count, max_multiplier)
    position = base_amount * multiplier
    return position

# 示例
base = 1000
for wins in range(5):
    pos = anti_martingale_position(base, wins)
    print(f"连续盈利{wins}次后，开仓金额: {pos:.2f}")

我个人比较喜欢反马丁格尔策略。为什么？因为它符合「截断亏损，让利润奔跑」的原则。但要注意，这个策略对入场信号的精度要求很高。如果你经常被假突破骗进去，那反马丁格尔会让你亏得很快。

1.5 四种模型对比

好了，四种模型都讲完了。咱们来做个对比，方便你选择适合自己的。

模型	核心逻辑	适合场景	最大风险	我的评分
等比例仓位	固定比例开仓	趋势跟踪、长线投资	回撤可控	⭐⭐⭐⭐⭐
固定金额仓位	固定金额开仓	新手入门、小资金	资金缩水后风险放大	⭐⭐⭐
马丁格尔	亏损后加倍	高胜率策略、网格交易	连续亏损导致爆仓	⭐⭐
反马丁格尔	盈利后加仓	趋势策略、高盈亏比	震荡行情反复止损	⭐⭐⭐⭐

你想想看，如果你是做趋势跟踪的，等比例仓位和反马丁格尔都是不错的选择。如果你是做高频的，固定金额可能更简单。至于马丁格尔，除非你有无限资金，否则我建议谨慎使用。

1.6 知识体系图

下面这张图，是我自己整理的仓位管理知识体系。你可以把它当作一个「决策地图」来用。

这张图把四种模型的核心逻辑和适用场景都标出来了。你可以把它当作一个快速参考。每次开仓前，问自己一句：我现在用的是哪种模型？它适合当前的市场环境吗？

1.7 我的建议

说了这么多，最后给点实在的建议。

• 如果你是新手：先从固定金额仓位开始，熟悉交易流程。等资金做到一定规模，再切换到等比例仓位。
• 如果你是趋势交易者：等比例仓位 + 反马丁格尔加仓，这是黄金组合。
• 如果你是网格交易者：马丁格尔可以用，但一定要设最大倍数和最大亏损次数。
• 无论你是谁：永远不要用马丁格尔做趋势策略。我见过太多人这么干，结果都是爆仓。

---

公众号:蓝海资料掘金营，微信deep3321