阶段7综合与进阶●●●●●

Kelly公式：数学上的最优仓位与"半Kelly"的智慧

我的掌握程度：
q-688精讲

先掌握这个答案

Kelly公式：f* = (bp − q)/b，其中b=赔率（净赔率）、p=胜率、q=1−p。直觉：正期望下注比例与「优势大小」成正比；f*最大化的是长期财富的几何增长率（对数期望）。连续收益近似版：f* = μ/σ²（预期超额收益除以方差——与MVO的λ=1特例神似）。半Kelly：实战取f*/2——理由：①参数估计误差（p、b你从不知道真值）；②全Kelly的回撤深得离谱（50%回撤常态化）；③增长损失仅1/4（半Kelly的增长率≈全Kelly的75%）。三条启示：仓位与优势成正比、与波动平方成反比；优势为零或负时下注比例为零（甚至不加仓策略）；估计不确定时永远打折。

先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。

从理解到使用

本阶段实战方法 · 把风险指标转成可执行的限额

报告VaR、对冲比率或保证金时，必须同时说明模型外还可能发生什么。

  1. 先定义损失正负号、置信水平、持有期、样本窗口和估计方法。
  2. 组合使用VaR、ES、压力测试、集中度、清算天数与保证金情景，不把单一指标当最大损失。
  3. 为预警、减仓、暂停交易写清触发条件、执行责任和恢复条件，并记录无法成交的情景。

使用边界

  • 95% VaR是损失分布的95%分位，不是最大亏损或保证每天有95%把握安全。
  • 久期敏感度使用修正久期；Macaulay久期是现金流加权时间，两者不能直接混用。
不懂的术语：胜率 / 盈亏比（Win Rate / Profit-Loss Ratio）回撤 / 修复期（Drawdown / Recovery）期望（Expectation）方差 / 标准差（Variance / Std）
背景 · 从一个困惑说起
1960年代，贝尔实验室的物理学家John Kelly研究赌注问题：已知每局胜率与赔率，全部身家的多少比例下注，能让长期财富增长最快？答案简洁得惊人——f*=(bp−q)/b。这个公式后来横扫赌场与华尔街，也毁掉过无数高估自己胜率的人。
由此产生的问题
Kelly公式的推导直觉是什么？为什么实战普遍用"半Kelly"？它对量化仓位管理的三条启示？
核心概念
Kelly公式：f* = (bp − q)/b，其中b=赔率（净赔率）、p=胜率、q=1−p。直觉：正期望下注比例与「优势大小」成正比；f*最大化的是长期财富的几何增长率（对数期望）。连续收益近似版：f* = μ/σ²（预期超额收益除以方差——与MVO的λ=1特例神似）。半Kelly：实战取f*/2——理由：①参数估计误差（p、b你从不知道真值）；②全Kelly的回撤深得离谱（50%回撤常态化）；③增长损失仅1/4（半Kelly的增长率≈全Kelly的75%）。三条启示：仓位与优势成正比、与波动平方成反比；优势为零或负时下注比例为零（甚至不加仓策略）；估计不确定时永远打折。
为什么需要它
①仓位管理的理论天花板：所有仓位问题（单策略权重、杠杆上限、风控预算）的讨论都以Kelly为参照系；②「过度下注」的数学定义：f>f*时增长率反降——赌徒破产的数学本质，解释了q-028杠杆爆仓曲线；③面试与实战双高频：绿皮书经典题；实盘的「波动率目标」（阶段7收尾）本质就是Kelly思想的工程化。
实际应用场景
算例：胜率55%、盈亏比1:1 → f*=(1×0.55−0.45)/1=10%资金/局；半Kelly=5%。组合层：策略年化超额8%、特异波动6% → f*≈8%/36%≈0.22（该策略占风险预算约22%）——风险预算法的Kelly血统。
与之前知识的联系
q-009的正期望给「值不值得赌」，Kelly给「赌多少」——两问合才是完整的下注理论；q-208（几何平均）是它的数学地基；q-601的「先活下来」在Kelly语境=严禁f>f*。
⚠ 常见误解
  • Kelly给出的是"最佳风险"：不，它给出的是「最快增长」，代价是深回撤；风险厌恶者本就该低于Kelly
  • 我的胜率估计够准：Kelly对参数误差极其敏感——高估p一成，全Kelly立刻变过度下注；半Kelly就是给估计误差买的保险
  • 凯利只适用于赌博：组合配置（μ/σ²）、风险预算、波动率目标全是它的变体——它是仓位世界的F=ma

🤖 AI导师

导师会先检查你的前置知识（正期望、几何平均与复利、仓位管理），再用案例、公式和代码帮助理解。此功能需要先启用服务。

量化学徒 · 研究与实践学习系统 ｜ 示例用于教学，实际规则以适用日期和官方说明为准