凯利公式用于仓位管理的核心思路是：根据胜率与赔率计算一个使长期资金增长率最大化的下注比例。其常见形式为 f = (bp − q) / b，其中 f 为建议投入的资金比例，b 为净赔率（盈利与亏损之比），p 为胜率，q = 1 − p 为败率。需要强调的是，这个结果只在概率和赔率被准确估计、且可以反复独立下注的前提下才有意义。股票投资很难同时满足这些条件，所以凯利公式更适合当作思考框架，而不是直接照搬的计算器。
凯利公式的数学含义与前提
公式本身并不复杂，难点在于输入值。当 bp − q ≤ 0 时，f 为负或零，含义是这笔下注不具备正期望，理性选择是不参与。f 越大，代表理论上的最优增长仓位越高，但对应的净值波动也越剧烈。
它的成立依赖几个前提：
- 每次下注的胜率、赔率固定且已知；
- 结果相互独立，不因前一次输赢而改变；
- 可以无限细分仓位，且没有交易成本、税费和流动性限制。
现实中的股票投资，涨跌幅度、持有时间、基本面变化都在动态调整，这些前提大多不成立。
为什么股票投资难以直接套用
胜率和赔率在事前无法精确知道。 投资者对某只标的的胜率判断，往往来自主观分析，而不是可重复验证的客观概率。把主观判断代入公式，得到的只是一个看似精确的数字，容易带来虚假的安全感。
赔率同样不稳定。 上涨空间和下跌空间会随价格、估值、市场情绪变化，事前设定的目标价和止损位并不保证会被执行。
下注并非独立重复。 持仓之间可能高度相关，一次系统性下跌会让多个仓位同时亏损，这与公式假设的独立性相去甚远。
全凯利、半凯利与分数凯利的区别
| 方式 | 仓位 | 特点 |
|---|---|---|
| 全凯利 | 按公式结果满仓执行 | 理论增长最快，回撤也最大，对估计误差极敏感 |
| 半凯利 | 取公式结果的一半 | 增长略降，波动和回撤明显减小，实践中更常见 |
| 分数凯利 | 取更小比例（如三分之一、四分之一） | 更保守，容错空间更大 |
由于估计误差普遍存在，实践中多数人不会使用全凯利。当胜率或赔率被高估时，全凯利会放大亏损，而分数凯利牺牲一部分理论收益，换取更平稳的净值曲线。
普通投资者可以借鉴的简化做法
不必精确计算 f，可以借用它的逻辑：
- 先判断是否有正期望：如果一笔投资的潜在收益不足以覆盖潜在亏损，就不值得重仓。
- 对估计值打折：把自己的胜率判断调低、赔率判断调保守，再决定仓位。
- 设定仓位上限：无论公式算出多少，都用固定上限约束单一标的和单一行业的占比。
- 分批而非一次性：用分批建仓替代一次性满仓，降低判断错误的冲击。
这些做法保留了凯利公式“按优势大小调整仓位”的内核，同时回避了它依赖精确概率的弱点。
总结：凯利公式的价值在于提醒投资者仓位应与优势大小匹配，优势越大仓位越高，没有优势就不下注。但股票投资中胜率和赔率难以精确估计，直接套用全凯利往往导致过度集中，普通投资者更适合把它当作思路参考，配合分数仓位和仓位上限使用。
常见问题
凯利公式算出的仓位可以直接用于买股票吗？
不建议直接照搬。股票投资的胜率、赔率是动态变化的，公式假设的固定概率和独立下注并不成立。更稳妥的做法是把结果当作上限参考，再按自己的风险承受能力调低。
胜率不高就一定不能用凯利公式吗？
不一定，关键看期望值。只要赔率足够高，即使胜率偏低，bp − q 仍可能为正，公式会给出一个较小的正仓位。但胜率越低，对赔率估计的准确性要求越高，误差带来的风险也越大。
普通投资者没有精确概率数据怎么办？
可以用区间估计代替点估计，例如把胜率判断为一个范围，取其中偏保守的一端。同时结合仓位上限和分批建仓，把不确定性转化为可承受的风险敞口。