凱利公式倉位管理：量化交易中的資金配置秘訣
凱利公式（Kelly Criterion）是量化交易中最重要的倉位管理工具之一。它由 1956 年 Bell Labs 的 John L. Kelly Jr. 提出，最初用於通訊理論中的信號噪聲比分析，之後被賭徒和投資者發現可以用來完美解決「每次應該投入多少資金」這個核心問題。對於任何想要系統化管理風險的交易者而言，理解並正確應用凱利公式，是從散戶邁向專業的關鍵一步。
凱利公式的核心思想非常簡單：根據你的勝率和賠率，計算出理論上能實現長期資金增長最大化的最優倉位比例。使用得當，你可以在控制風險的同時最大化複利增長；使用不當，則可能導致快速虧損。
凱利公式的基本原理
公式來源與發展
凱利公式最早出現在 John L. Kelly Jr. 於 1956 年發表的論文《A New Interpretation of Information Rate》中。Kelly 發現，在重複投注的情境下，存在一個最優的投注比例，可以最大化資金的對數增長率。
1960 年代，Edward O. Thompson 將凱利公式引入投資領域，證明在二項分佈的賭局中（只有贏或輸兩種結果），凱利公式能給出最優的資金配置比例。此後，凱利公式被廣泛應用於對沖基金、撲克策略和風險投資中。
凱利公式的數學表達
標準凱利公式的表達式如下：
f* = (p × b - q) / b
其變體形式：
f* = p - q / b
其中：
| 變數 | 含義 | 說明 |
|---|---|---|
| f* | 最優倉位比例 | 每次應該投入的資金比例 |
| p | 勝率 | 交易贏的概率（例如 0.6 表示 60%） |
| q | 敗率 | q = 1 - p，即輸的概率 |
| b | 賠率（盈虧比） | 平均盈利 / 平均虧損 |
解讀要點：
- 當
p × b > q（即p > 1 / (b + 1)）時，f* > 0，表示有正期望值，應該下注 - 當
p × b = q時，f* = 0，表示期望值為零，不應該下注 - 當
p × b < q時，f* < 0，表示負期望值，不應該參與
勝率的閾值
每一個策略都有一個最低勝率要求。如果賠率（盈虧比）為 b，那麼：
最小勝率 = 1 / (b + 1)
例如：
| 盈虧比（b） | 最小勝率要求 | 說明 |
|---|---|---|
| 1:1 | 50% | 每贏 1 元虧 1 元，需要超過一半的勝率 |
| 2:1 | 33.3% | 每贏 2 元虧 1 元，勝率超過三分之一即可 |
| 3:1 | 25% | 每贏 3 元虧 1 元，勝率超過 25% 即可 |
| 5:1 | 16.7% | 高賠率策略對勝率要求較低 |
這個閾值概念非常關鍵——它解釋了為什麼趨勢跟隨策略（低勝率但高盈虧比）和均值回歸策略（高勝率但低盈虧比）都可以是正期望值的策略。
凱利公式的實戰應用
計算示例
假設你有一個交易策略，根據回測數據得到以下參數：
- 勝率（p）：55%（0.55）
- 平均盈利：2,000 港元
- 平均虧損：1,000 港元
- 賠率（b）：2.0（盈虧比 2:1）
- 敗率（q）：45%（0.45）
代入凱利公式：
f* = (0.55 × 2.0 - 0.45) / 2.0
f* = (1.10 - 0.45) / 2.0
f* = 0.65 / 2.0
f* = 0.325 = 32.5%
理論上，每次投入 32.5% 的資金可以最大化長期增長。但是，這個數字在實際交易中往往過大。
另一個案例
假設另一個策略的數據：
- 勝率（p）：40%（0.40）
- 平均盈利：3,000 港元
- 平均虧損：1,000 港元
- 賠率（b）：3.0
- 敗率（q）：60%（0.60）
f* = (0.40 × 3.0 - 0.60) / 3.0
f* = (1.20 - 0.60) / 3.0
f* = 0.60 / 3.0
f* = 0.20 = 20%
這個策略的勝率只有 40%，但由於盈虧比高達 3:1，凱利公式仍然建議投入 20% 的資金。這個例子清楚地展示了盈虧比在凱利公式中的重要作用。
資金增長曲線模擬
假設初始資金為 100,000 港元，使用不同倉位比例進行 50 次交易（55% 勝率，2:1 盈虧比）：
| 倉位比例 | 50 次交易後預期資金 | 年化複利增長 | 最大回撤（預估） |
|---|---|---|---|
| 10%（保守） | ~135,000 | ~15% | ~12% |
| 25%（分數凱利） | ~180,000 | ~32% | ~22% |
| 50%（半額凱利） | ~260,000 | ~55% | ~35% |
| 100%（全額凱利） | ~400,000 | ~85% | ~50%+ |
可以看到，全額凱利雖然理論上增長最快，但最大回撤也最大，對交易者的心理承受能力要求極高。
分數凱利（Fractional Kelly）策略
為什麼要使用分數凱利
全額凱利公式雖然理論上能最大化對數效用，但在實際應用中存在幾個重大問題：
- 勝率估計誤差：回測得出的勝率不等於未來的真實勝率。如果真實勝率低於估計值，全額凱利反而會導致資金減少。
- 極端波動：全額凱利的資金波動極大，可能出現連續虧損導致資金腰斬的情況。
- 非正態分佈：市場收益往往存在肥尾效應，凱利公式假設的二項分佈可能過於簡化。
- 心理壓力：大幅波動容易導致交易者情緒化決策，最終放棄策略。
分數凱利的計算方法
分數凱利的概念非常簡單：將凱利公式計算出的最優比例乘以一個小於 1 的係數：
f_fractional = α × f*
其中 α 為分數係數（通常為 0.25 至 0.5）。
| 分數係數（α） | 名稱 | 適用場景 |
|---|---|---|
| 0.25 | 四分之一 Kelly | 保守型交易者，勝率估計不確定性高 |
| 0.50 | 半額 Kelly | 一般型交易者，平衡增長與風險 |
| 0.75 | 四分之三 Kelly | 進階交易者，有豐富歷史數據支持 |
| 1.0 | 全額 Kelly | 理論極限，僅適合專業機構 |
分數凱利的數學優勢
研究表明，使用半額凱利（Half Kelly）有顯著的數學優勢：
- 增長效率：達到全額凱利約 80% 的複利增長
- 波動率降低：波動率降低至全額凱利的 50%
- 最大回撤減少：最大回撤通常減少 30-50%
- 對參數誤差的魯棒性：勝率估計有 10% 誤差時，半額凱利的損失遠小於全額凱利
這個「80/50 法則」使得分數凱利成為實務中的首選。
凱利公式的局限性與風險管理
凱利公式的五大限制
-
只考慮二項分佈：標準凱利公式假設只有贏和輸兩種結果，但實際交易中可能有不同程度的盈利和虧損。
-
假設無限次重複：凱利公式的理論基礎是大數定律，但交易者的資金和交易次數有限。
-
不考慮交易成本：公式未將佣金、滑點等交易成本納入計算。
-
忽略相關性：同時持有多個相關性高的頭寸時，凱利公式會高估分散效果。
-
不適應非平穩環境：市場條件變化時，勝率和賠率也會變化，但凱利公式假設參數是固定的。
風險管理增強策略
為了克服凱利公式的局限性，需要加入以下風險管理措施：
1. 設置倉位上限
即使凱利公式計算出 30% 的最優倉位，也不應該讓單一頭寸超過總資金的 10-15%。這個上限保護你免受極端情況下的重大損失。
2. 動態調整
定期（例如每月）重新計算勝率和賠率，根據最新的數據調整倉位比例。市場條件變化時，參數也會相應調整。
3. 多策略分散
使用多個不相關的策略可以顯著降低組合波動率。假設你有三個策略，每個策略的凱利倉位都是 20%，但由於策略之間不相關，組合的實際風險遠低於三個策略各 20% 的簡單相加。
4. 波動率調整
可以根據市場波動率（例如 VIX 指數）動態調整倉位比例。當市場波動率上升時，減少倉位比例；波動率下降時，增加倉位比例。
參考 風險管理工作 了解更多風險管理技巧。也可以了解 AI 选股策略指南 學習如何找到高勝率信號。
Algo Lab 的凱利倉位管理方法
Algo Lab 的信號系統結合了凱利公式的核心原理，但採用了更保守的分數凱利方法。具體做法如下：
信號評分與倉位映射
Algo Lab 為每個信號分配一個綜合評分（1-100 分），評分越高代表預期勝率和賠率越好：
| 評分範圍 | 預期勝率 | 建議倉位比例（相對於風險資本） |
|---|---|---|
| 90-100 | > 70% | 8-12% |
| 80-89 | 60-70% | 5-8% |
| 70-79 | 50-60% | 3-5% |
| 60-69 | 40-50% | 1-3% |
| < 60 | < 40% | 不建議交易 |
這個評分系統考慮了以下因素：
- 形態識別強度：杯柄突破、延續突破等技術形態的清晰度
- 成交量確認：突破時成交量是否顯著放大
- 市場環境：大市趨勢是否有利
- 多週期一致性：不同時間週期的技術指標是否指向同一方向
- 歷史回測表現：類似形態在歷史數據中的勝率和賠率
風險資本的定義
Algo Lab 使用「風險資本」而非「總資金」來計算倉位：
風險資本 = 總資金 × 最大可承受風險比例（通常 5-10%）
例如，如果你有 500,000 港元的總資金，設定最大可承受風險為 8%，則：
風險資本 = 500,000 × 8% = 40,000 港元
然後根據信號評分，在風險資本的基礎上計算實際倉位。
自動風險計算
Algo Lab 的系統會自動為每個信號計算：
- 建議買入價格：基於技術分析的突破點位
- 止蝕價格：基於支撐位和波動率的動態止蝕
- 目標價（TP1/TP2）：基於盈虧比的合理目標位
- 倉位大小：根據凱利公式的分數版本計算
- 潛在風險回報比：確保每筆交易的風險回報比大於等於 1:2
這個自動化流程確保了每個信號的倉位都是科學計算的結果，而不是憑感覺決定。
總結
凱利公式是量化交易中最重要的倉位管理工具之一，它為交易者提供了一個科學的框架來決定每次應該投入多少資金。但全額凱利在實務中往往過於激進，使用分數凱利（特別是半額凱利）能更好地平衡增長和風險。
關鍵要點：
- 凱利公式的核心是根據勝率和盈虧比計算最優倉位
- 分數凱利（25%-50%）是實務中的首選
- 設置倉位上限（通常不超過 10-15%）是必要的風險控制措施
- 定期重新評估參數，適應市場變化
- 多策略分散可以降低組合波動率
記住，凱利公式只是一個工具。真正的交易成功來自於紀律性的執行、持續的學習和不斷優化的策略。Algo Lab 的系統已經將凱利公式的原理整合到每個信號中，你只需要跟從系統建議，即可實現科學的倉位管理。
常見問題
凱利公式的計算方法是什麼？
凱利公式的基本形式為：f* = (p × b - q) / b，其中 f* 是最優倉位比例，p 是勝率（贏的概率），q 是 p 的補數（1 - p），b 是賠率（贏的期望回報除以輸的損失）。例如，如果一個策略的勝率為 60%（p = 0.6），賠率為 2:1（b = 2），則凱利公式計算出的最優倉位比例為 f* = (0.6 × 2 - 0.4) / 2 = 0.4，即 40% 的資金。
為什麼要使用分數凱利（Fractional Kelly）？
全額凱利（Full Kelly）會導致極大的資金波動，實際交易中的勝率估計本身就存在誤差。使用分數凱利（例如半額 Kelly，即 50% Kelly）可以大幅降低波動率，同時保留大部分增長效益。研究表明，50% Kelly 能夠達到約 80% 的複利增長效果，但波動率僅為全額 Kelly 的一半。對於大多數交易者而言，25% 至 50% 的分數凱利是最合適的選擇。
凱利公式在 Algo Lab 如何應用？
Algo Lab 的信號系統結合了凱利公式的核心原理，但採用更保守的分數凱利方法。系統會根據每個信號的歷史勝率、平均賠率和風險水平，自動計算建議的倉位比例。同時，Algo Lab 會設置倉位上限（通常不會超過總資金的 15%），確保即使在極端市場情況下，組合也能保持穩定。
🚀 立即升級 VIP 會員，獲取每日 AI 選股信號、專業凱利倉位計算和自動風險管理工具。Algo Lab VIP 會員每月只需 HK$499 起，助你實現科學交易、穩定增長。