凯利公式用于仓位管理的核心思路，是把“胜率”和“赔率”代入一个固定算式，得到一个理论上能让长期资金增长率最大化的下注比例。它的标准形式是 f = (bp − q) / b，其中 f 为应投入的资金比例，b 为净赔率（赢时每投入 1 元赚到的金额），p 为胜率，q 为失败概率（q = 1 − p）。需要强调的是，这个结果只是模型在参数完全准确时的理论值，实际投资中参数几乎不可能被精确估计，因此直接满仓按公式结果执行风险很高，实务中更常见的是打折使用。

凯利公式的基本原理

公式背后的直觉并不复杂：当一笔投资的期望收益为正、且胜率或赔率越有利时，理论仓位就越高；当期望收益为负时，公式会给出零或负值，意味着不应参与。

  • 期望值为负时不参与：公式结果为负，说明该机会在给定参数下不划算。
  • 赔率越高，仓位越大：同样胜率下，赔率提升会显著抬高理论仓位。
  • 胜率与赔率互相牵制：高胜率低赔率与低胜率高赔率可能给出相近结果。

假设某机会胜率 60%、净赔率 1（赢赚 1 元、输亏 1 元），代入得 f = (1×0.6 − 0.4) / 1 = 0.2，即理论仓位 20%。这只是演示算式，不代表任何真实标的的合理比例。

胜率与赔率的估计难题

公式的脆弱之处在于输入参数。胜率和赔率都来自对未来的判断，而未来并不稳定：

  • 胜率难以稳定估计：历史频率不等于未来概率，市场环境变化会让同一策略的胜率漂移。
  • 赔率依赖退出假设：赔率取决于你如何定义盈利目标和止损位，定义一变，赔率就变。
  • 参数误差被放大：公式对参数敏感，胜率或赔率的小幅高估，可能让理论仓位明显偏大。

因此，把公式结果当作上限而非目标，是更稳妥的思路。

分数凯利的实用做法

为应对估计误差，实务中常采用“分数凯利”，即只使用理论仓位的一部分：

做法特点适用倾向
满凯利理论增长最快，波动也最大参数极可靠、风险承受力强
半凯利增长接近满凯利，回撤明显降低多数个人投资者的常见折中
更小比例更保守，增长放缓参数不确定或心态易受影响

选择哪种比例，取决于你对参数准确度的信心和自身风险承受能力，没有普适的固定折扣，需要结合个人情况判断。

使用中的常见误区

  • 把公式当成精确预测：它只是给定参数下的数学结果，不是对未来的保证。
  • 忽略参数不确定性：胜率赔率都是估计值，直接套用会放大误判。
  • 忽视相关性与连续下注：多笔投资同时进行时，风险会叠加，单一公式难以覆盖。
  • 忽略交易成本与流动性：手续费、滑点会侵蚀实际收益，公式并未计入。

总的来说，凯利公式更适合作为思考仓位与风险关系的框架，而不是机械执行的下注指令。

常见问题

凯利公式算出的仓位可以直接照做吗？

不建议直接照做。公式假设胜率和赔率已知且稳定，而实际投资中这两个参数都带有估计误差，直接满仓执行可能带来超出预期的回撤。更稳妥的做法是把它当作仓位上限的参考，再结合自身风险承受力打折使用。

胜率和赔率到底该怎么估？

可以从策略的历史表现、标的的基本面与估值区间、以及明确的止盈止损规则入手，但要注意历史频率不等于未来概率。建议对估计值保持保守，并预留安全边际，而不是取最乐观的数值代入公式。

分数凯利选多少比例合适？

没有统一标准。比例越小，波动和回撤越低，但长期增长也会放缓；比例越大则相反。关键是让仓位与自己对参数准确度的信心、以及能承受的回撤幅度相匹配，并在实践中根据实际体验调整。