勝率與賠率隨市調整
分數凱利對應市場狀態
組合層級凱利分配
克服估計偏誤的執行框架
一、策略核心邏輯：從公式到框架
凱利公式在2026年的實戰定位，早已超越單純的 f* = (bp - q)/b 計算。專業投資人將它視為動態風險預算分配系統，核心在於「長期複利極大化」與「存活優先」的平衡。傳統凱利假設參數靜態，但實戰中勝率(p)與賠率(b)會隨市場結構、波動率與流動性而變化。因此，2026年的進階框架強調滾動估計與情境權重，將凱利從「一次性計算」升級為「持續回饋的決策迴路」。
關鍵思維轉換：凱利不是告訴你「該押多少」，而是提供一個風險錨點。當你偏離這個錨點時，能清楚知道自己在承擔多大的長期成本。這正是凱利公式在風險管理與交易心理層面的真正價值。
| 參數 | 傳統估算 | 2026實戰做法 | 調整方向 |
|---|---|---|---|
| 勝率 (p) | 歷史平均 | 滾動視窗 + 情境權重 | 保守偏向，避免過度擬合 |
| 賠率 (b) | 風險報酬比 | 扣除交易成本 + 滑價 | 淨賠率，向下調整 |
| 凱利比例 (f) | 全額凱利 | 分數凱利 (1/4 ~ 1/2) | 波動率越高，分數越低 |
| 再平衡頻率 | 固定週期 | 波動率觸發 + 時間混合 | 動態閾值 |
二、實戰操作框架：五步驟決策流程
以下流程將凱利公式嵌入每日交易決策中，特別適合趨勢跟踪與動能策略。流程強調「先估計，再計算，後調整」，避免跳入計算陷阱。
步驟①與②是最大誤差來源。許多交易者跳過市場分析，直接帶入歷史參數，導致凱利計算失準。實戰中建議採用雙重估計：一個基於長期回測，一個基於近期市場狀態，並以權重混合。
| 波動率環境 | VIX 區間 | 建議凱利分數 | 調整邏輯 |
|---|---|---|---|
| 低波動 | < 15 | 1/2 凱利 | 參數相對穩定，可提高曝險 |
| 中波動 | 15 ~ 25 | 1/3 凱利 | 標準狀態，均衡風險 |
| 高波動 | 25 ~ 35 | 1/4 凱利 | 參數變異大，降低曝險 |
| 極端波動 | > 35 | 1/8 凱利 或 現金 | 存活優先，避免黑天鵝 |
三、實戰案例拆解：台指期策略應用
以台指期日內動能策略為例，歷史回測勝率 42%，平均賺賠比 2.8:1。扣除交易成本與滑價後，淨賠率約 2.4:1。計算原始凱利：f* = (0.42 × 2.4 - 0.58) / 2.4 ≈ 0.18，即每次倉位 18%。經波動率校準 (目前波動率偏高，VIX 約 28)，採用 1/4 凱利，實際倉位 = 18% × 0.25 = 4.5%。這個數字遠低於多數交易者的直覺，但正是長期複利的關鍵。
上述案例顯示，凱利框架下的倉位調整是非線性的。隨著部位獲利，勝率與賠率動態改變，凱利比例也應隨之校準。加倉與減倉的閾值需提前設定，避免情緒干擾。
四、風險與常見失誤：參數陷阱
凱利公式最危險的誤用，就是將它當作精確計算工具。實戰中，參數估計本身帶有巨大不確定性。以下是三大常見失誤：
- 倖存者偏誤：回測勝率因剔除失敗策略而高估，導致凱利比例過大。
- 忽略交易成本：高頻交易中，成本與滑價會顯著侵蝕淨賠率，使凱利高估。
- 心理確認偏誤：找到支持自己觀點的參數，忽略反面證據，導致過度交易。
解決方法：建立 「悲觀參數組」 與 「樂觀參數組」，取兩者凱利比例的平均，並加入安全邊際。永遠假設你的估計是錯的，只是錯的方向與程度問題。
| 偏誤類型 | 典型表現 | 對凱利的影響 | 矯正對策 |
|---|---|---|---|
| 過度自信 | 高估勝率 p | 倉位過大，曝險失控 | 強制使用下限估計 |
| 損失厭惡 | 低估賠率 b | 倉位過小，成長不足 | 機械化計算，排除情緒 |
| 近期偏誤 | 過度重視近期數據 | 參數跳動劇烈 | 混合長期與短期權重 |
| 確認偏誤 | 只接受正面案例 | 參數系統性偏離 | 外部審計與對立假設 |
五、高手心法：長期執行的關鍵
凱利公式的最終瓶頸不在數學，而在心理。長期執行凱利框架，需要三種心法：紀律、彈性、反思。紀律讓你按規則執行，不因連勝而加碼，不因連敗而縮手；彈性讓你在市場本質改變時調整參數；反思讓你不斷優化估計流程，而非執著於單次結果。
