凯利公式（$f = \frac{bp - q}{b}$）是量化交易中用于计算最优仓位的经典数学模型。其中，$f$代表应投入总资金的比例，$b$为历史平均盈亏比，$p$为胜率，$q$为败率（即$1-p$）。单只股票的仓位上限计算，依赖于对目标策略的大样本回测：先统计出该策略的胜率与平均盈亏比，再代入公式得出理论最高建仓比例。为控制极端行情风险，实战中通常采用半凯利或四分之一凯利来大幅降低资产组合的最大回撤幅度。
凯利公式的核心参数与数学推导
在量化投资的仓位管理体系中，凯利公式的核心逻辑是最大化资金的长期复合增长率。理解其数学原理，需要拆解以下四个基础参数：
- $b$（盈亏比）：平均盈利金额除以平均亏损金额。例如盈利平均赚20元，亏损平均亏10元，盈亏比即为2。
- $p$（胜率）：在所有历史交易信号中，盈利交易占总交易次数的比例。
- **$q$（败率）****：即$1-p$，反映交易亏损的概率。
- $f$（最优仓位）：当前总资金中用于单次交易或单只股票的最佳投入比例。
公式的分子部分$(bp - q)$代表单次交易的“数学期望值”。**如果$(bp - q) > 0$，说明策略具备长期统计优势，可以建仓；若结果小于或等于0，则应放弃交易。**需要注意的是，凯利公式假设单次交易可无限细分且亏损不超过本金，但在真实的股票市场中，个股可能面临连续跌停或流动性枯竭，因此直接满仓按理论值操作存在破产风险。
实战中的仓位管理：回撤控制与分数凯利应用
要获取公式中的$p$和$b$，投资者必须依赖历史数据回测。通常，量化策略需经历完整的牛熊周期（通常包含几十至数百次有效交易信号），以剔除特定市场环境下的运气成分。为确保数据有效性，具体数值与参数规则应以交易所或量化平台的最新回测统计为准。
即便回测数据非常优异，直接套用凯利公式得出的仓位上限往往极高，容易导致组合净值剧烈波动。因此，成熟的量化交易者普遍采用“分数凯利”策略进行风控：
| 仓位管理模型 | 计算方式 | 适用场景与特征 |
|---|---|---|
| 全凯利 | $f$ | 极端激进，长期复合增长率最大，但短期最大回撤极高。 |
| 半凯利 | $f / 2$ | 兼顾收益与风险，能将最大回撤缩减约75%，心理承受压力适中。 |
| 四分之一凯利 | $f / 4$ | 稳健保守，适合大资金或高相关性股票组合，最大回撤平缓。 |
半凯利或四分之一凯利虽然会在一定程度上降低短期的理论收益率，但通过牺牲部分预期收益，换取了更平稳的净值曲线和更强的容错率，是避免单只股票黑天鹅事件导致破产的关键防线。
常见问题
凯利公式适合所有类型的股票交易吗？
凯利公式最适合胜率和盈亏比相对稳定的量化交易策略（如统计套利、均值回归）。对于受宏观经济政策突发变动影响极大、或基本面突发变故的短线情绪博弈，历史回测的$p$和$b$往往会失效，此时盲目套用数学模型可能会产生误导。
如果两只股票的凯利计算结果之和超过100%怎么办？
说明账户杠杆不足或信号过于密集。实战中可通过限制单股最大占比、引入相关性矩阵分散投资，或使用半凯利模型自然缩减每只股票的仓位上限，从而为其他标的预留资金空间。
胜率低于50%的策略还能使用凯利公式吗？
完全可以。只要盈亏比$b$足够高，使得期望值$(bp - q) > 0$，策略依然具有正向预期收益。例如，常见的中长线趋势跟踪策略胜率通常仅在30%到40%之间，但依靠单笔高额盈利（高$b$值）依然能实现长期资产增值。