凯利仓位：从优势到敞口的脆弱桥梁

优化正确的量

凯利仓位在指定模型中最大化预期对数财富。它不是发现优势是否存在的方法，也不最大化下个月赚钱的概率。对数会惩罚使剩余财富很少的结果，从而体现亏损对复利的影响。但优化仍完全依赖假设的概率、盈亏幅度及可行仓位。

对于一种简单的重复押注，每押一单位，以概率 p 赢得 b 单位，否则输掉全部本金，其无约束比例为 f = p − (1 − p)/b。这个公式不能直接等同于止损百分比或杠杆工具的保证金要求。其损失定义是模型的一部分，不是交易平台上的管理设置。

二元公式来自财富倍数，而不只是胜率。投入比例 f 后，获胜时财富相对初值变成 1 + bf，失败时变成 1 − f。因此预期对数增长为 p ln(1 + bf) + (1 − p) ln(1 − f)。求导并令导数等于零，就得到前述最优比例。推导也揭示限制：每一种建模结果都必须留下正财富；借款或卖空约束会改变哪些比例实际可行。

微小的概率误差会造成巨大的仓位误差

假设盈亏金额相等，估计胜率为 55%。公式给出的仓位比例为 10%。若真实概率为 51%，模型最优值仅为 2%；若低于 50%，模型中的正仓位就没有优势。因此，几个百分点的估计误差，就可能把表面上的最优仓位变为严重的过度敞口。

观察到的胜率不等于已知概率。来自重叠信号的一百笔交易，可能远少于一百个独立观测值。费用、未能成交以及异常损失也可能改变盈亏分布。在考虑任何仓位规模结果之前，应说明估计如何得出、合理的不确定性范围，以及样本未包含哪些不利结果。

增长不代表过程可以承受

策略可能具有正的预期对数增长，同时遭遇深度中途回撤。长期主张并不保证在追加保证金要求、提款需求或心理极限下仍能生存。有迫切现金需求的投资者，并不拥有许多简化演示所假设的无限期限。

分数凯利法按比例缩小计算出的仓位，通常是为了降低敏感性和回撤，但该比例并不是通用的安全证明。严重高估的最优仓位即使减半，仍可能过大。关于风险约束凯利模型的研究，会明确设定回撤限制，而不是假定增长目标自动代表所有偏好。这些模型也仍然包含需要独立审查的假设。

多个机会共享同一张资产负债表

对每个信号分别应用完整凯利计算，可能悄然重复使用同一资本。同时持有的仓位可能一起亏损，其联合盈亏分布决定组合问题。三笔与同一货币冲击相关的交易，不会仅因代码不同就成为三次独立重复试验。

实际约束包括借款成本、最小合约规模、集中度限制，以及超过计划退出的损失。二元的赢或输模型会省略这些细节。将理论比例换算为单位数前，应建立总账户财富的情景表，包括相关跳空和融资需求。不能仅为了让更大仓位看起来比例适当，就随意将为支出或紧急情况预留的现金视为风险资本。

将公式用作敏感度分析练习

一种有用的教学应用，是在合理概率和盈亏幅度范围内计算一系列比例，再检查答案会变得多么不稳定。如果稍微恶化就消除了优势，重要结论是脆弱性，而不是表中最大的数字。模型增长为负也有信息价值：降低敞口无法凭空创造成本后本不存在的经济优势。

将研究不确定性与个人亏损承受能力分开。一个模型可能在统计上有潜力，却不适合某个特定期限或融资安排。将目标、假设及具有约束力的限制一起记录。本练习旨在揭示：要证明某个仓位合理，必须相信哪些前提；而不是给出一个绕过判断的权威百分比。

讨论投入比例前，先检查损失模型

初始保证金不是最大损失。若一种工具要求一千美元保证金，却可能在跳空后平仓前亏损三千美元，把它建模为最多输掉一千美元的押注，就换了研究问题。把止损距离当成合同规定的赔付边界，同样如此。凯利比例应对应所假定的经济损失分布，而不是平台最初要求冻结的现金。

即使采用二元模型，也能看清连败的影响。每次投入当前财富的 10%，连续十次失败后只剩 0.9¹⁰ ≈ 34.9% 的初始财富，即约 65.1% 的回撤。要恢复初值，之后需要约 186.8% 的增长。若每次投入 2%，相同序列后约剩 81.7%，恢复所需增长约为 22.4%。这些是指定路径的结果，不是在估计该路径出现的概率。

每次结果出现后是否重新计算仓位，也是模型的一部分。按当前财富的比例下注，会在亏损后降低金额。从一千美元账户开始，始终投入固定一百美元则是另一种过程：五次亏损后，这一百美元已占剩余财富的 20%。只在开始时计算比例、随后保持金额不变，并不是重复的比例仓位策略。最低交易单位也可能使账户缩水后无法继续按理想比例减仓。

罕见结果必须单独检查。一次将财富清零的结果，其对数为负无穷；仅因短样本未出现就把它删除，可能根本改变表面最优解。这不是要求凭空赋予精确概率，而是区分日常结果的估计与模型没有涵盖的失效方式，再问当前敞口是否能够承受后者。