1. 课程导入

欢迎进入《Kelly凯利公式与最优仓位实战》。在真正开始计算仓位之前，我们需要先回答三个问题：凯利公式从哪里来？它到底在解决什么问题？学完这门课，你能把它用在哪些真实场景里？本章不涉及复杂推导，而是帮你建立一张“全局地图”，让后续30章的学习有清晰的坐标。

一、凯利公式的起源：从信息论到赌桌，再到交易账户

凯利公式（Kelly Criterion）由约翰·拉里·凯利（John Larry Kelly Jr.）于1956年在贝尔实验室提出。凯利当时研究的是长途电话信号中的噪声与信息传输问题，他借用香农信息论，推导出一个在不确定环境下让长期增长率最大化的下注比例。换句话说，它最初并不是“炒股秘籍”，而是一个关于信息、概率与复利增长的数学结论。

后来，数学家爱德华·索普（Edward Thorp）将凯利公式应用于21点赌局和金融市场，证明了它在真实下注与投资中的威力。再之后，凯利思想逐渐进入量化投资、期货交易、风险管理和资金管理领域，成为“最优仓位”讨论中绕不开的基准。

二、核心思想：让长期复利增长率最大化

凯利公式最经典的形式适用于“赢则赚b倍，输则亏掉本金”的二元结果场景：

f* = (bp - q) / b

其中：
f* = 最优下注比例（占总资金的比例）
b  = 净赔率（赢时每投入1元赚到的净利润）
p  = 获胜概率
q  = 失败概率，q = 1 - p

这个公式背后有三个关键思想：

• 复利思维：凯利关心的不是单次期望收益，而是长期重复下注后的资金增长率。单次赚得最多，不等于长期活得最好。
• 概率与赔率并重：只看胜率会误导，只看赔率也会误导。凯利要求两者同时进入计算。
• 过度下注会反噬：当仓位超过最优比例后，收益不升反降，甚至导致长期破产。凯利公式给出的是一条“增长最优曲线”的顶点。

在投资语境中，凯利公式常被改写为：

f* = (期望收益率) / (收益率的波动率或赔率结构)

或更一般地：
f* = 优势 / 赔率

其中“优势”可以理解为期望超额收益，“赔率”代表承担单位风险对应的回报。

三、方法流程：从参数估计到仓位落地

在实际课程中，我们会把凯利公式拆成一条可执行流程。下面这张SVG展示了从“原始信息”到“最终仓位”的核心链路：

这条流程的关键在于：凯利公式只是中间一步，不是终点。参数估计误差、模型风险、流动性约束和相关性，都会让“理论最优”变成“实际不可用”。因此后续课程会反复强调“分数凯利”和“风控叠加”。

四、案例与场景：同一个公式，不同的用法

为了让你感受凯利公式的适用范围，我们看三个典型场景：

场景	胜率 p	赔率 b	凯利仓位 f*	实战解读
掷硬币赌局（有优势）	0.55	1	10%	优势不大，仓位应保守
高胜率低赔率策略	0.80	0.5	40%	胜率高但赔率低，仍需控制
低胜率高赔率趋势策略	0.35	3	13.3%	靠赔率取胜，仓位不宜过大
无优势赌局	0.50	1	0%	不参与才是最优解

在股票、期货、期权和加密资产中，凯利公式的形态会变化，但逻辑一致：先判断有没有优势，再决定下多少。例如，趋势跟踪策略通常胜率不高，但盈亏比大；套利策略胜率高，但单次利润薄。两者对应的凯利仓位完全不同。

五、常见误区与复盘：别把凯利公式当“圣杯”

复盘时，你可以问自己三个问题：

1. 我的胜率和赔率估计来自哪里？样本量够不够？
2. 我实际使用的仓位是全凯利、半凯利还是固定比例？
3. 如果连续亏损5次，我的账户回撤是否在可承受范围内？

六、本课程学习目标与整体框架

学完这门课，你将能够：

• 理解凯利公式的数学含义与几何直觉；
• 掌握从历史数据或模型输出中估计 p 和 b 的方法；
• 计算全凯利、半凯利和分数凯利仓位；
• 将凯利公式与止损、最大回撤、相关性约束结合；
• 在股票、期货、期权等场景中落地最优仓位管理。

整体课程分为六个模块：基础篇（起源、推导、直觉）、参数篇（胜率与赔率估计）、计算篇（全凯利与分数凯利）、风控篇（回撤、相关性、杠杆）、实战篇（多品种组合与动态调仓）、复盘篇（归因与迭代）。本章是地图的第一站，接下来我们会从凯利公式的数学推导开始，一步步走向真实账户。