凱利倉位：從優勢到敞口的脆弱橋梁

優化正確的量

凱利倉位在指定模型中最大化預期對數財富。它不是發現優勢是否存在的方法，也不最大化下個月賺錢的概率。對數會懲罰使剩餘財富很少的結果，從而體現虧損對複利的影響。但優化仍完全依賴假設的概率、盈虧幅度及可行倉位。

對於一種簡單的重複押注，每押一單位，以概率 p 贏得 b 單位，否則輸掉全部本金，其無約束比例為 f = p − (1 − p)/b。這個公式不能直接等同於止損百分比或槓桿工具的保證金要求。其損失定義是模型的一部分，不是交易平台上的管理設定。

二元公式來自財富倍數，而不只是勝率。投入比例 f 後，獲勝時財富相對初值變成 1 + bf，失敗時變成 1 − f。因此預期對數增長為 p ln(1 + bf) + (1 − p) ln(1 − f)。求導並令導數等於零，就得到前述最優比例。推導也揭示限制：每一種建模結果都必須留下正財富；借款或賣空約束會改變哪些比例實際可行。

微小的概率誤差會造成巨大的倉位誤差

假設盈虧金額相等，估計勝率為 55%。公式給出的倉位比例為 10%。若真實概率為 51%，模型最優值僅為 2%；若低於 50%，模型中的正倉位就沒有優勢。因此，幾個百分點的估計誤差，就可能把表面上的最優倉位變為嚴重的過度敞口。

觀察到的勝率不等於已知概率。來自重疊信號的一百筆交易，可能遠少於一百個獨立觀測值。費用、未能成交以及異常損失也可能改變盈虧分布。在考慮任何倉位規模結果之前，應說明估計如何得出、合理的不確定性範圍，以及樣本未包含哪些不利結果。

增長不代表過程可以承受

策略可能具有正的預期對數增長，同時遭遇深度中途回撤。長期主張並不保證在追加保證金要求、提款需求或心理極限下仍能生存。有迫切現金需求的投資者，並不擁有許多簡化演示所假設的無限期限。

分數凱利法按比例縮小計算出的倉位，通常是為了降低敏感性和回撤，但該比例並不是通用的安全證明。嚴重高估的最優倉位即使減半，仍可能過大。關於風險約束凱利模型的研究，會明確設定回撤限制，而不是假定增長目標自動代表所有偏好。這些模型也仍然包含需要獨立審查的假設。

多個機會共享同一張資產負債表

對每個信號分別應用完整凱利計算，可能悄然重複使用同一資本。同時持有的倉位可能一起虧損，其聯合盈虧分布決定組合問題。三筆與同一貨幣衝擊相關的交易，不會僅因代碼不同就成為三次獨立重複試驗。

實際約束包括借款成本、最小合約規模、集中度限制，以及超過計劃退出的損失。二元的贏或輸模型會省略這些細節。將理論比例換算為單位數前，應建立總帳戶財富的情景表，包括相關跳空和融資需求。不能僅為了讓更大倉位看起來比例適當，就隨意將為支出或緊急情況預留的現金視為風險資本。

將公式用作敏感度分析練習

一種有用的教學應用，是在合理概率和盈虧幅度範圍內計算一系列比例，再檢查答案會變得多麼不穩定。如果稍微惡化就消除了優勢，重要結論是脆弱性，而不是表中最大的數字。模型增長為負也有信息價值：降低敞口無法憑空創造成本後本不存在的經濟優勢。

將研究不確定性與個人虧損承受能力分開。一個模型可能在統計上有潛力，卻不適合某個特定期限或融資安排。將目標、假設及具有約束力的限制一起記錄。本練習旨在揭示：要證明某個倉位合理，必須相信哪些前提；而不是給出一個繞過判斷的權威百分比。

討論投入比例前，先檢查損失模型

初始保證金不是最大損失。若一種工具要求一千美元保證金，卻可能在跳空後平倉前虧損三千美元，把它建模為最多輸掉一千美元的押注，就換了研究問題。把止損距離當成合同規定的賠付邊界，同樣如此。凱利比例應對應所假定的經濟損失分布，而不是平台最初要求凍結的現金。

即使採用二元模型，也能看清連敗的影響。每次投入當前財富的 10%，連續十次失敗後只剩 0.9¹⁰ ≈ 34.9% 的初始財富，即約 65.1% 的回撤。要恢復初值，之後需要約 186.8% 的增長。若每次投入 2%，相同序列後約剩 81.7%，恢復所需增長約為 22.4%。這些是指定路徑的結果，不是在估計該路徑出現的機率。

每次結果出現後是否重新計算倉位，也是模型的一部分。按當前財富的比例下注，會在虧損後降低金額。從一千美元帳戶開始，始終投入固定一百美元則是另一種過程：五次虧損後，這一百美元已佔剩餘財富的 20%。只在開始時計算比例、隨後保持金額不變，並不是重複的比例倉位策略。最低交易單位也可能使帳戶縮水後無法繼續按理想比例減倉。

罕見結果必須單獨檢查。一次將財富清零的結果，其對數為負無窮；僅因短樣本未出現就把它刪除，可能根本改變表面最優解。這不是要求憑空賦予精確機率，而是區分日常結果的估計與模型沒有涵蓋的失效方式，再問當前曝險是否能夠承受後者。