凯利准则：从第一性原理推导最优仓位管理

核心要点

凯利准则提供了一个数学上最优的规则，用于确定投注和投资组合仓位的大小，以最大化长期财富。该准则源自信息论，能够精确告知投资者在任何具有正期望值的机会中应投入多少比例的资本。全凯利方案最大化财富的几何增长率，但由于估计误差和肥尾效应使得全凯利在实际市场中过于激进，实践者几乎普遍使用分数凯利（通常为半凯利）。

从信息论到最优投注

1956年，贝尔实验室的物理学家John Larry Kelly Jr.发表了一篇论文，悄然改变了严肃的赌徒和投资者对仓位管理的思维方式。Kelly并非在研究金融，而是基于Claude Shannon关于通信信道的基础研究进行信息论研究。他的洞见非常精妙：具有优势的赌徒面临的问题与通过噪声信道传输信息的问题在数学上是等价的。

Kelly (1956)提出了一个简单的问题：如果你在重复的赌注中拥有优势，每次应该下注资金的多少比例才能最大化财富的长期增长率？这个如今被称为凯利准则的答案精确得令人惊讶。

对于以概率p获胜、概率q = 1 - p失败的简单二元赌注，获胜时获得b比1的赔付，最优下注比例为：

f* = (bp - q) / b

这个公式有一个优美的解释。分子bp - q是每投注一美元的期望优势。除以b使得下注大小与赔付倍率成反比；赔付越高，每个结果的方差越大，因此需要以更小的比例下注。

硬币翻转示例

假设有一枚正面朝上概率为60%的硬币，赔付为1比1（b = 1）。你的优势真实但适度。应该下注资金的多少比例？

应用凯利公式：f* = (1 x 0.60 - 0.40) / 1 = 0.20

凯利告诉你每次下注当前资金的20%。不是50%，不是5%，精确地是20%。

为什么不能下注更多？因为几何复利的数学原理决定了过度下注会摧毁财富。如果你在60/40的硬币上下注资金的50%，尽管拥有正的优势，你最终将会破产。方差压倒了优势。经过一系列的赢输之后，你的资金遵循一条由收益率的几何平均决定长期命运的路径，而非算术平均。

以凯利最优的20%下注进行100次掷硬币后，期望的几何增长率约为每次下注2%。经过1,000次后，初始的1,000美元通常会增长到超过300,000美元。如果以50%下注在同一枚硬币上，你很可能最终拥有的资金比开始时更少。

几何增长率为何重要

凯利准则最大化财富的期望对数值，这等价于最大化几何增长率。算术收益率和几何收益率之间的这一区别对于理解凯利准则为何有效至关重要。

Latané (1959)从投资组合理论的角度独立地得出了同一原理，主张投资者应最大化投资组合收益率的几何平均。他的推理很直接：在较长的投资期限内，具有最高几何增长率的投资组合几乎必然会主导所有其他投资组合。

收益率的算术平均可能具有误导性。一个先获得100%收益再亏损50%的投资组合，其每期算术平均收益率为25%，但投资者最终恰好回到原点。几何平均(2.0 x 0.5) = 1.0正确地反映了零增长。

这种收益与损失之间的不对称性被称为方差拖累。对于任何给定的算术平均收益率，方差越高，几何平均越低。其关系近似为：

几何平均 = 算术平均 - 方差 / 2

凯利准则隐含地考虑了这种拖累。它找到使算术优势减去方差惩罚最大化的下注大小，从而产生最高的几何增长率。

从赌注到投资组合

对于具有期望超额收益率mu（超过无风险利率r）和波动率sigma的单一投资，凯利准则采用连续形式：

f* = (mu - r) / sigma^2

这个公式具有直观的结构。期望超额收益越高，投资越多；波动率越高，投资越少。最优仓位大小与期望收益率成线性比例，但与波动率的平方成反比。波动率翻倍会使最优仓位缩减为四分之一，而非二分之一。

考虑一只期望收益率为12%、无风险利率为4%、年度波动率为20%的股票。凯利最优配置为：

f* = (0.12 - 0.04) / (0.20)^2 = 0.08 / 0.04 = 2.0

凯利表示应将杠杆提高至资本的200%投资于这只股票。这一结果立即揭示了全凯利的力量和危险：理论最优值常常要求大多数投资者感到恐惧的激进杠杆，而这种恐惧是有充分理由的。

分数凯利的必要性

数学家Edward Thorp以卡牌计数法击败二十一点而闻名，随后运营了极为成功的对冲基金Princeton Newport Partners，成为凯利准则在实践中最具影响力的倡导者。但Thorp同样坚定地主张一项关键修正：永远不要使用全凯利。

Thorp (2006)认为分数凯利，通常下注凯利最优金额的一半，在实践中因几个原因而远远优于全凯利。

第一，参数不确定性。凯利公式假设你精确知道获胜概率和赔付倍率。实际上，这些参数是带有误差的估计值。高估优势会导致过度下注，这是灾难性的。如果你的真实优势只有估计值的一半，基于错误估计的全凯利会使你处于真实凯利比例的两倍，深入几何增长率变为负值的危险区域。

第二，方差缩减。全凯利在投资组合价值上产生巨大波动。全凯利下对数财富路径的标准差大得惊人。半凯利实现了全凯利增长率的75%，但方差仅为一半。对于大多数投资者来说，这一权衡具有压倒性的优势。

第三，回撤管理。全凯利下的最大回撤在连续时间中理论上是无界的。半凯利下，期望回撤大幅减小。Thorp记录了自己的交易中根据对优势估计的信心程度使用0.1到0.5范围内的凯利比例。

一般的分数凯利方法是将最优下注乘以0到1之间的系数c：

f_actual = c x f*

在c = 0.5（半凯利）时，牺牲约25%的长期增长率，同时将波动率降低50%。在c = 0.25（四分之一凯利）时，牺牲约44%的增长率，但将波动率降低75%。分数凯利下的增长率为：

g(c) = c x (mu - r) - c^2 x sigma^2 / 2

这是一个在c = 1（全凯利）处达到最大值、在c = 2（双倍凯利）处等于零的二次函数。下注超过凯利金额的两倍会产生负的几何增长率；在足够长的时间内必然破产。

过度下注的危险

凯利理论中最重要的实践教训是下注不足与过度下注之间的灾难性不对称。

如果下注凯利金额的一半，你获得最优增长率的75%。如果下注凯利金额的两倍，增长率为零，等同于完全不下注。如果超过双倍凯利，增长率变为负值，破产成为必然。

这种不对称具有深远的含义。导致下注不足的估计误差相对无害：你错失了一些增长，但财富仍然正向复利。导致过度下注的误差则可能是毁灭性的：过度下注的惩罚远比下注不足的惩罚严峻。

这就是为什么经验丰富的凯利实践者总是倾向于保守。过于保守的代价是适度的。过于激进的代价是破产。

多资产凯利：投资组合版本

对于包含多种资产的投资组合，凯利准则使用协方差矩阵进行扩展。Thorp (2006)提出了多资产公式，MacLean, Thorp, Ziemba (2011)提供了权威的教科书级处理。

如果mu是期望超额收益率向量，Sigma是协方差矩阵，则凯利最优投资组合权重为：

f* = Sigma^(-1) x mu

这与风险厌恶系数为1（对应对数效用）的均值-方差最优投资组合完全相同。这种联系并非巧合：当收益率服从正态分布时，最大化财富的期望对数等价于使用与凯利对应的特定风险厌恶参数进行均值-方差优化。

多资产公式揭示了凯利自然地实现分散化。期望收益率高的资产获得较大权重，但协方差矩阵确保高度相关的资产不会被过度加权。投资组合版本的凯利实际上是均值-方差理论中切线投资组合的最优杠杆版本。

与对数效用的关联

凯利准则等价于最大化财富的期望对数效用。拥有对数效用函数U(W) = ln(W)的投资者在优化单期投资组合问题时，将恰好得到凯利公式。

这种关联提供了理论基础。对数效用具有几个吸引人的性质：它是唯一使最优策略具有近视性（独立于投资期限）的效用函数，并且生成一个在长期内几乎必然优于所有其他策略的增长最优投资组合。

然而，对数效用也意味着特定水平的风险厌恶。风险厌恶程度高于对数效用所隐含水平的投资者应该下注少于凯利，这又回到了作为实践默认选择的分数凯利。

实际投资组合仓位管理示例

考虑一位投资者评估一个系统性股票动量策略，其估计特征如下：期望年度超额收益率6%，年度波动率15%，无风险利率4%。

该策略的全凯利比例为：

f* = 0.06 / (0.15)^2 = 0.06 / 0.0225 = 2.67

全凯利建议将杠杆提高至资本的267%。这非常激进。在半凯利（c = 0.5）下，配置为133%。在四分之一凯利（c = 0.25）下，为67%，大多数机构投资者会认为这是合理的水平。

期望几何增长率如下：

全凯利：g = 0.06 - (0.15)^2 / 2 = 高于无风险利率年化4.88%

半凯利：g = 0.5 x 0.06 - 0.25 x (0.15)^2 / 2 = 高于无风险2.72%

四分之一凯利：g = 0.25 x 0.06 - 0.0625 x (0.15)^2 / 2 = 高于无风险1.43%

全凯利与四分之一凯利的增长率差异约为每年3.4个百分点。但全凯利投资组合的波动率为40%（2.67 x 15%），而四分之一凯利投资组合的波动率为10%（0.67 x 15%）。对于大多数投资者来说，分数凯利的风险调整后权衡明显更优。

局限性与批评

凯利准则所依赖的假设在实际市场中只能不完全地得到满足。

参数不确定性是最根本的问题。该公式要求精确了解期望收益率和波动率。在实践中，期望收益率的估计具有巨大的不确定性。一只股票的期望超额收益率可能是6%加减8%。在如此宽泛的置信区间下，凯利比例本身高度不确定，全凯利变得鲁莽。

肥尾使连续高斯近似失效。实际市场收益率表现出远超正态分布预测的峰度。极端事件的发生频率高于凯利数学框架的预期。这使得过度下注比标准理论所暗示的更加危险。

Ole Peters (2019)提出的非遍历性论证提供了更深层的批评。Peters认为标准期望效用框架混淆了时间平均和集合平均。对于财富增长等乘法过程，时间平均（单个投资者的经历）与集合平均（众多投资者的平均）不同。凯利准则通过最大化时间平均（几何增长率）正确地解决了这个问题，但Peters的研究突出表明许多传统金融模型隐含地在优化错误的量。

收益率的序列相关、交易成本以及杠杆和卖空的限制进一步增加了实际应用的复杂性。具有均值回复收益率的策略其凯利比例与独立同分布情况不同，忽视这一点可能导致次优的仓位管理。

凯利准则最有效的场景

凯利准则在优势被充分刻画且博弈重复多次的环境中最为强大。Thorp最先应用的二十一点卡牌计数是典型案例：优势可以精确计算，博弈重复数千次，结果的分布被充分理解。

在金融市场中，凯利最适用于持有期短且优势估计充分的策略：高频做市、大样本量的统计套利，以及拥有长期业绩记录的系统性策略。对于参数不确定性占主导的集中长期投资，凯利的适用性最低。

凯利准则的持久贡献不在于公式本身，而在于它所提供的思维框架。仓位管理不是事后考虑，而是与信号本身同等重要。最优下注大小取决于优势与方差的比率，而非仅取决于优势。过度下注比下注不足危险得多。决定长期财富的是几何增长率，而非算术期望收益率。