長期幾何增長最大化
1/2～1/8 實戰區間
貝葉斯更新勝率估計
對抗過度交易與偏誤
一、策略核心邏輯：凱利公式的幾何本質
對於已具備基礎的投資人，凱利公式的核心不再只是 f* = (bp - q)/b 這道算式，而是它揭示了長期幾何增長率最大化的邊界條件。當你將凱利公式應用於交易，實質上是在「預期報酬」與「波動路徑」之間取得最適妥協——任何偏離都會導致長期財富累積效率下降。
從連續時間金融的角度，凱利公式與 Merton 的組合選擇問題一脈相承：當資產價格遵循幾何布朗運動，最適風險曝露比例正比於夏普比率除以波動率。換言之，凱利比例本質上就是「風險調整後的最佳槓桿倍數」。這也是為何在 #風險管理/交易心理 領域，凱利被視為理論基石的原因。
二、實戰操作框架：從參數到動態配倉
將凱利公式落地為可執行的交易規則，需要一套完整的參數估計與調整框架。以下為實戰中的五步驟流程：
步驟②的勝率與賠率估計是最大變數。建議採用滾動視窗 + 貝葉斯更新：以過去 100～200 筆交易為先驗，隨新交易結果逐步調整 p 與 b 的後驗分配，而非使用固定點估計。這能有效降低參數不確定性帶來的配倉誤差。
| 分數版本 | 實際倉位 | 長期 CAGR 損失 | 最大下撤風險 | 適合情境 |
|---|---|---|---|---|
| 全凱利 | 25% | 0%（基準） | 極高（約 -35%） | 參數高度穩定 |
| 1/2 凱利 | 12.5% | 約 -25% | 中等（約 -18%） | 多數趨勢策略 |
| 1/4 凱利 | 6.25% | 約 -43% | 較低（約 -9%） | 高波動市場 |
| 1/8 凱利 | 3.125% | 約 -61% | 極低（約 -5%） | 參數不確定性高 |
三、實戰案例拆解：趨勢 vs. 均值回歸
以下透過兩個典型策略來說明凱利公式的動態運用。兩者在勝率與賠率的結構上有顯著差異，導致截然不同的最適配倉方向。
案例A：趨勢跟蹤策略。 勝率約 35%，但平均賠率高達 1:3（b=3.0）。計算得 f* ≈ 23.3%。實戰中採用 1/2 凱利 (11.7%)，並在趨勢確立後逐步加倉至 15% 上限。關鍵在於「讓賠率發揮作用」，而非追求高勝率。
案例B：統計套利/均值回歸。 勝率 65%，但賠率僅 1:1.2（b=1.2）。f* ≈ 13.9%。此類策略 Sharpe 通常較高，但單筆報酬有限，適合 1/4 凱利 (3.5%) 以提高資金周轉率。重點是嚴守停損，避免肥尾事件侵蝕長期幾何增長。
| 勝率 p | 賠率 b=1.5 | b=2.0 | b=3.0 | b=5.0 |
|---|---|---|---|---|
| 0.30 | -10.0% | -5.0% | 6.7% | 16.0% |
| 0.40 | 10.0% | 10.0% | 20.0% | 28.0% |
| 0.50 | 33.3% | 25.0% | 33.3% | 40.0% |
| 0.60 | 53.3% | 40.0% | 46.7% | 52.0% |
| 0.70 | 73.3% | 55.0% | 60.0% | 64.0% |
四、風險與常見失誤：參數偏誤與過優化
凱利公式在實戰中最致命的陷阱並非公式本身，而是對輸入參數的過度自信。以下三種失誤在 #進階課程 中反覆出現：
- 倖存者偏誤下的勝率高估： 只回顧獲利交易而忽略虧損序列，導致 p 偏大、f* 過高，最終承受超額下撤。
- 忽略報酬序列相關性： 凱利假設獨立重複，但真實交易常出現連續虧損（如趨勢策略在盤整期）。未使用分數凱利或動態稀釋會導致心理與資本的雙重打擊。
- 過度優化參數： 為了讓 f* 落在「好看」的區間而反覆調整 p 和 b 的估計窗口，實質上是數據窺探（data snooping）。
| 策略類型 | 典型勝率 | 典型賠率 | 建議分數 | 主要風險 |
|---|---|---|---|---|
| 趨勢跟蹤 | 30～40% | 2.5～4.0 | 1/2 Kelly | 長期盤整連續虧損 |
| 均值回歸 | 60～70% | 1.1～1.5 | 1/4 Kelly | 極端行情肥尾 |
| 統計套利 | 55～65% | 1.3～1.8 | 1/3 Kelly | 模型失效與流動性 |
| 事件驅動 | 45～55% | 2.0～3.0 | 1/4 Kelly | 事件不確定性 |
五、高手心法：長期主義的修練
凱利公式的最終壁壘不在數學，而在交易心理。即便你精確計算出 f* = 15%，當連續三次虧損讓帳戶縮水 12% 時，多數人會本能地降低倉位——這正是「心理凱利」與「數學凱利」的斷層。
高手與一般交易者的區別在於：他們建構了一套「參數不確定性下的決策框架」。例如，已知 p 的估計可能誤差 ±5%，則寧可採用對應的較低 f* 區間，以換取心理與帳戶的穩定度。這種「以長期幾何增長換取路徑平滑度」的取捨，正是成熟交易者的特徵。
此外，高手會定期進行「凱利審計」：每季檢視實際倉位與凱利建議值的偏離程度，分析偏離是來自參數變化還是情緒干擾，並據此優化決策流程。
FAQ：凱利公式常見實戰疑問
Q1：凱利公式適合所有交易風格嗎？
不適合。對於高頻交易或極短線策略，由於交易成本與執行
