凯利准则概述

什么是凯利准则？

凯利准则（又称凯利公式，Kelly Formula）由约翰·L·凯利（John L. Kelly Jr.）于1956年提出，源于信息论。其目标是计算在特定机会中应投入多少比例的资金，才能在长期内最大化资产的增长率。

最初该方法用于博彩领域，如今已被广泛应用于投资、投资组合管理以及所有涉及概率决策的领域。在现代金融市场中，凯利准则在高频交易（HFT）和基于人工智能的投资算法中发挥着重要作用。

凯利准则的主要组成要素

计算凯利准则需要以下三个关键变量：

• p（成功概率）：投资获得收益的概率。
• q（失败概率）：投资失败的概率，定义为 q = 1 − p。
• b（收益倍率 / 回报比率）：在成功情况下，每投入1单位资本所获得的净收益比例。例如，投资1元并获得1元的净利润，则 b = 1。

公式与计算方法

凯利公式如下：

f = (bp − q) / b

其中，f 表示在该机会中应投入的最优资本比例。

• 示例
  • 假设成功概率（p）为60%（0.6），失败概率（q）为40%（0.4）。
  • 收益倍率（b）为1（净收益等于投入资金）。
  • 计算过程：
  • f = (1 × 0.6 − 0.4) / 1
  • f = (0.6 − 0.4)
  • f = 0.2
  • 在这种情况下，凯利准则建议投入总资本的20%，以实现长期资产增长的最大化。

解释与应用

• f > 0：当 f 为正值时，说明从长期角度来看，该机会具有正向期望收益，值得按该比例投入资金。
• f = 0 或 f < 0：当 f 为零或负值时，表示该机会的期望收益为零或为负，应避免投资或极其谨慎对待。
• 长期视角：凯利准则关注的是长期资产增长，而非短期利润。

使用凯利准则时的注意事项

• 概率估计的难度：凯利准则的有效性高度依赖于对 p 和 b 的准确估计。然而在真实市场中，这些数值很难被精确预测。近年来，人们尝试利用大数据分析、机器学习以及强化学习模型来估算概率与收益，但不确定性依然是核心挑战。错误的估计往往会导致低效甚至危险的资金配置。
• 过度投资的风险：若完全按照凯利比例投入资金，在遭遇连续失败时，可能会导致较大的资本损失，尤其当 f 较高时，风险更为明显。
• 部分凯利策略（Fractional Kelly）：为了降低风险，实践中常采用“部分凯利”策略，即只投入计算结果的一部分（例如 0.5f 或 0.25f）。这种方式在保持凯利准则优势的同时，提高了整体稳定性。

问答（Q&A）

Q: 凯利准则主要应用在哪些领域？

A: 凯利准则广泛应用于投资组合管理、股票与期货交易、体育博彩和赌场游戏等所有依赖概率决策的领域。它在量化交易、高频交易（HFT）以及 DeFi 协议的风险管理框架中尤为重要。

---

Q: 凯利准则是否总能保证最优结果？

A: 凯利准则仅在成功概率与收益倍率被准确估计的前提下，才能给出理论上的最优投资比例。而在现实市场中，这种精确估计几乎不可能实现，因此可能产生次优甚至错误的结果。

---

Q: 当 f 为负值意味着什么？

A: 当 f 为负值时，意味着该机会的期望收益为负。从长期来看，该投资极可能带来损失，因此不应投入资金。

---

Q: 为什么要采用部分凯利策略？

A: 部分凯利策略考虑了概率估计的不确定性、市场波动以及投资者的心理压力。通过只投入推荐比例的一部分，可以在降低风险的同时，保留凯利准则的大部分优势。

---