VALYNOXSTRATEGY RESEARCH TECHNOLOGY
AlphaPrimeAlphaPrime
策略學院 / 進出場與風控

凱利公式部位大小:期貨該用全凱利、半凱利還是固定風險

凱利比例在理論上是讓帳戶成長最快的資本比例,但它由少量交易估出的勝率與賺賠比組成。把全凱利當上限,部位設在半凱利,或固定 1% 至 2% 的帳戶權益,再透過停損距離與每點價值把比例換成口數。

作者 · 發佈 · 更新於 · 編輯原則

目錄
  1. 該用凱利公式決定期貨部位大小嗎?
  2. 如何計算凱利比例與半凱利?
  3. 為什麼全凱利會造成這麼深的回撤?
  4. 輸入凱利的勝率與賺賠比,該怎麼估?
  5. 固定比例部位與凱利有何不同?
  6. 如何把凱利比例換成期貨口數?
  7. 九種部位大小方法,如何改變同樣的 ES 交易?
  8. 常見問題
  9. References

該用凱利公式決定期貨部位大小嗎?

凱利公式部位大小,給出理論上讓帳戶成長最快的資本比例。用在期貨上,這個比例只當上限,不當目標。勝率與賺賠比來自有限的交易樣本,真實優勢並不確定,保證金又限制了口數上限。多數系統化交易人用半凱利或更低,或每筆固定風險 1% 至 2% 的帳戶權益。

凱利公式是約翰・凱利(John Kelly)在 1956 年發表的公式,把勝率與賺賠比換算成每次下注該承擔的資本比例,使資本的長期成長盡可能最高。它假設勝率與賺賠比完全已知,而且可以任意切分下注比例。這兩點對期貨交易人都不成立。你的勝率是從交易明細估出來的,而且只能以整口交易,上限取決於保證金。在 AlphaPrime(Valynox)裡,這份交易明細來自每筆都計入手續費與滑價的回測,所以你讀到的勝率已經是扣除成本後的結果。期貨合約本身就帶有的槓桿,是第二層影響,詳見保證金如何改變回測回撤。

所以凱利的實際用法是當作界線。本文的主張簡單明瞭:全凱利是風險不應超過的最大值,半凱利是已檢驗策略合理的上限,多數人實際該跑的,是自己選定、並對照上限檢查過的固定權益比例。

如何計算凱利比例與半凱利?

凱利比例等於勝率減去敗率除以賺賠比,半凱利就是這個數字除以二。動手算之前,可以先把自己的勝率與賺賠比填進免費的凱利公式計算機,直接讀出兩個數字。

需要兩個輸入值。勝率是已平倉交易中,扣除成本後獲利的比例。賺賠比是平均獲利交易除以平均虧損交易,兩者都扣除成本後計算。公式本身如下:

f = p − (1 − p) ÷ b

其中 f 是單筆交易要承擔的資本比例,p 是以小數表示的勝率,(1 − p) 是敗率,b 是賺賠比。公式算出零或負數,代表在這些輸入下規則沒有優勢,合適的部位為零。同樣兩個輸入也能算出每筆交易的期望值,免費的勝率計算機就能算;期望值為負,與凱利比例為零或負,是同一個訊息的兩種寫法。

假設性範例

某策略的勝率為 55%,所以 p = 0.55,敗率為 0.45。平均獲利是平均虧損的 1.5 倍,所以 b = 1.5。於是 (1 − p) ÷ b = 0.45 ÷ 1.5 = 0.30,f = 0.55 − 0.30 = 0.25。全凱利是每筆 25% 的資本,半凱利是 12.5%。若同一策略的賺賠比是 1.0 而非 1.5,全凱利會降到 0.55 − 0.45 = 0.10,可見平均獲利大小一變,比例就大幅移動。

凱利比例如何形成:假設勝率 p 為 0.55、賺賠比 b 為 1.5,則敗率除以賺賠比為 0.30,全凱利為 0.25,半凱利為 0.125 凱利比例如何形成 f = p − (1 − p) ÷ b,假設性 p=勝率 0.55 b=賺賠比 1.5 (1 − p) ÷ b 0.30 全凱利 0.25 半凱利 0.125 全凱利:每筆承擔 25% 風險 所以:以半凱利 12.5% 為上限
勝率與賺賠比如何合成全凱利與半凱利比例,圖中填入方框內的假設性數字。

注意這 25% 指的是什麼。它是交易觸及完整虧損時,你會損失的帳戶比例,不是使用的保證金,也不是部位的名目價值。後面把比例換成口數時,這個區別必須留意。

為什麼全凱利會造成這麼深的回撤?

全凱利正好站在成長曲線的頂點:任何高估優勢的誤差,都會把你推下另一側,一段正常的連虧也會讓帳戶約略腰斬。想像一座山丘。高度是帳戶的長期成長率,地面上的距離是每筆承擔的資本比例。風險為零時沒有成長,成長率升到凱利比例時達到最高點。過了這個點開始下降,到兩倍凱利比例時,即使每一筆交易仍有正的優勢,長期成長率也是零。超過兩倍凱利,帳戶會隨時間縮水。

從這座山丘的形狀,可以得出兩點:

  1. 站在頂點,沒有容錯空間。假設交易明細算出全凱利是 25%,但你看不到的真實優勢只有 15%。承擔 25%,等於約 1.7 倍的真實凱利,已接近成長為零的點。改承擔半凱利 12.5%,仍在真實頂點之下,帳戶持續成長。
  2. 即使輸入值正確,頂點也不好站。在全凱利下,帳戶的起伏與承擔比例成正比,在某個時點損失一半,在數學上是普通事件,不是罕見事件。在半凱利下,起伏小得多,成長率仍約為頂點的四分之三。放棄四分之一的理論成長,換取遠大於這個幅度的回撤縮減,是多數交易人接受的交換。
示意圖:長期成長率從零升到全凱利處的頂點,到兩倍凱利時回到零;半凱利保有約 75% 的頂點成長率,回撤深度則隨承擔比例增加而加大 成長率在全凱利達頂點 示意:成長率對承擔比例 成長率 75% 頂點 0 ½ K 全凱利 2× K 回撤 半凱利保有 ¾ 的成長率 所以:部位設在半凱利以下
成長率在全凱利達到頂點,到兩倍凱利降為零。半凱利保有約四分之三的成長率,起伏小得多。

輸入凱利的勝率與賺賠比,該怎麼估?

勝率與賺賠比來自扣除手續費與滑價後的回測交易明細;交易筆數少時,它們是區間寬的估計值,所以由它們算出的凱利比例是一個範圍,不是一個點。為了呈現原始材料的樣子,下方方框是一次真實回測。它測試的是替代規則,不是凱利本身:以單口拋物線 SAR 指標規則作為唯一的進場與出場,多空皆做,在 ES 日 K 棒上,期間 2019-01-02 至 2025-06-30。搜尋嘗試了 1,024 個,留下的就是這個候選策略,依報酬相對回撤挑出。事後挑出留下的候選策略,會讓它的表現偏好看;這些數字沒有一個是讀者可預期的結果,這條規則也不曾在任何實單帳戶賺到這筆錢。

來源:AlphaPrime 產品引擎(CPU),2026-10-31 執行。ES 日線,2019-01-02 至 2025-06-30,多空都做,1 口,每筆手續費 $20、滑價 $25。

項目結果
淨利(已平倉)$111,530
最大回撤$70,335
交易筆數51
勝率64.71%
獲利因子1.771
平均每筆$2,186.86
在場時間95.01%
請看交易筆數與獲利因子。這兩個數字加上勝率,是算出賺賠比的原料。只有 51 筆交易,由它們推得的任何數字,都是區間寬的估計值。
請看交易筆數與獲利因子。這兩個數字加上勝率,是算出賺賠比的原料。只有 51 筆交易,由它們推得的任何數字,都是區間寬的估計值。 ES · 日 K 棒 · 2019-01-02 至 2025-06-30 · CPU 引擎回測

報表若顯示的是獲利因子而不是賺賠比,也能得到你要的數字。獲利因子是總獲利除以總虧損,再除以獲利筆數對虧損筆數的比值,就是賺賠比。上方方框裡,51 筆交易是決定其他數字能信幾分的那個數字。在 AlphaPrime 裡,績效報表內的交易明細,可以點算已完成交易的筆數,並讀出扣除成本後的平均獲利與平均虧損,再把這兩個數字代入凱利公式。

假設性範例

假設某份報表顯示勝率 65%、獲利因子 1.8,約 50 筆交易。每 100 筆交易就是 65 筆獲利、35 筆虧損,所以賺賠比約為 1.8 × 35 ÷ 65 ≈ 0.97。全凱利於是為 0.65 − 0.35 ÷ 0.97 ≈ 0.29,即 29%。但勝率的不確定性,只隨交易筆數的平方根縮小,50 筆交易下,65% 這個估計背後的真實勝率,可能落在五十出頭到七十後段的任何位置。勝率 52% 時,凱利比例約 2%;勝率 78% 時,約 55%。老實的答案是「介於接近零與約帳戶一半之間」,不能拿點估計值當部位大小的依據。

示意圖:交易 51 筆時,29% 點估計背後的凱利比例,可能落在約 2% 到約 55% 之間的任何位置;約 500 筆交易時,同一估計值周圍的範圍就窄。 筆數少,凱利範圍寬 示意:凱利比例範圍 51 筆 2% 29% 55% 500 筆 29% 51 筆:落在 2% 至 55% 所以:部位遠低於估計值
筆數少的勝率帶有寬的區間,凱利比例隨之大幅擺動。只有長的交易明細,才能同時縮小這兩者。

還有兩項修正。第一,上述候選策略是大規模搜尋中的最佳者,Bailey、Borwein、López de Prado 與 Zhu(2014)指出,搜尋中最佳的回測,會被挑選這件事本身灌水,所以它的勝率應視為上限估計。第二,可以直接量測這個區間:對交易明細反覆抽樣並放回,也就是 Efron(1979)的拔靴法(bootstrap),再讀算出來的凱利比例分布。兩項修正都會把可用比例往下壓,所以半凱利或更低,才是實務上的上限。

固定比例部位與凱利有何不同?

固定比例部位法,是依你自選的當前權益百分比承擔風險,並透過停損距離設定;半凱利則是由勝率與賺賠比推出的上限。固定比例部位法每筆交易都承擔當前帳戶中同一個選定的比例,常見為 1% 至 2%,所以帳戶變大時口數增加,帳戶縮小時口數減少。它的輸入是當前權益與到停損的距離,不需要勝率,也不需要賺賠比,因此對估計誤差較不敏感。

面向固定比例風險半凱利全凱利
需要的輸入停損距離與當前權益勝率與賺賠比勝率與賺賠比
由誰決定比例交易人自選,常見 1% 至 2%由交易明細推得,作為上限由交易明細推得
連虧後的部位大小隨權益縮小隨權益與重新估計的優勢縮小隨權益與重新估計的優勢縮小
對估計誤差的敏感度低中高
回撤深度1% 至 2% 時小;比例高時深中深
固定百分比與半凱利:固定百分比需要停損距離與權益,由你設定,虧損後隨權益縮小;半凱利需要勝率與賺賠比,由交易明細決定,虧損後縮小更多;固定百分比部位的回撤取決於所選百分比,所以要以半凱利封頂 固定 % 或半凱利? 需要什麼、誰決定、虧損後 固定 % ½ 凱利 需要 決定者 虧損後 停損、權益 勝率、賺賠比 你 交易明細 縮小 縮小更多 固定 % 的回撤隨比例而定 所以:固定 %,以半凱利封頂
各方法需要什麼、由誰決定比例,以及虧損後部位如何變化。固定比例部位的回撤,完全取決於所選百分比。

最後一列最該記住。固定比例部位法本質上並不安全;它的安全程度,恰好等於你選的百分比。1% 時起伏小。每筆 10% 或 20% 時,表現就和全凱利一樣,甚至更糟。最後一節的回測表,其固定比例風險那一列用的是報表預設百分比,這個預設值遠高於多數交易人採用的 1% 至 2%。它是預設設定,不是建議。

兩種方法可以自然合併。先跑一個你覺得可以接受的固定比例,再與交易明細算出的半凱利比較。固定比例低於半凱利,就維持不動。若高於半凱利,代表你選的百分比,已超過連樂觀解讀優勢也撐得住的程度,應該調低。規則就是「固定比例,以半凱利封頂」。

如何把凱利比例換成期貨口數?

口數等於選定的權益比例除以每口的美元風險,無條件捨去,再受可用保證金限制。每口的美元風險是停損距離(點數)乘以每點價值。每點價值是指數每動一整點時,一口合約的美元變動。E-mini S&P 500(ES)每點 $50;Micro E-mini(MES)每點 $5。交易所可能調整這些數值,決定任何部位大小之前,請先在交易所的合約頁面,或用免費的期貨合約與損益計算機確認。

  1. 選定比例。取交易明細算出的半凱利,與你的固定百分比,兩者較低者。
  2. 乘以當前權益。這是停損被觸發時,你接受損失的美元金額。
  3. 算出每口的美元風險。停損距離(點數)乘以每點價值。停損距離怎麼設,無論固定跳動點、依波動率、依時間或用移動規則,都在期貨策略的停損設定中說明。
  4. 相除後無條件捨去。一口合約的零頭無法交易,進位會超過你選定的比例。
  5. 以保證金封頂。口數乘以每口保證金,必須落在你能動用的權益之內,並為回撤留有餘裕。

假設性範例

權益 $80,000,選定比例為半凱利 12.5%,所以承擔風險的金額是 $10,000。策略的停損距離 40 個 ES 點,所以每口 ES 風險是 40 × $50 = $2,000。相除得 5 口。假設券商的隔夜保證金是每口 $12,000;5 口需要 $60,000,落在 $80,000 之內,所以上限並未生效。同一筆交易改用固定 1%:風險 $800 除以每口 $2,000,無條件捨去後是零口 ES。MES 每點 $5,每口風險是 $200,所以 1% 可以做 4 口 MES。正是較小的合約,讓小帳戶也能交易低的固定比例。

從比例到口數的五個步驟,假設性:以八萬美元的半凱利 12.5% 計,一萬美元承擔風險,40 點的 ES 停損使每口風險兩千美元,相除並無條件捨去得 5 口,保證金檢查確認 5 口放得下 從比例到口數 假設性:$80k,ES 停損 40 點 1 比例:半凱利 12.5% 2 風險金額 $10k 3 每口風險 $2k 4 相除、捨去 5 5 保證金檢查 5,放得下 先捨去,再查保證金 所以:保證金只會減少口數
從權益比例到整數口數,依序進行。保證金上限放在最後,只會減少口數。

免費的期貨部位大小計算機,可依帳戶風險與停損距離,算出第二到第四步。沒有停損的策略,像上方方框裡的替代規則,沒有第三步;它每口的風險取決於出場規則允許的範圍,這又是讀它的凱利比例要謹慎的一個原因。

九種部位大小方法,如何改變同樣的 ES 交易?

交易同樣是 51 筆,只改變口數,淨損益從 $55,293 擴大到 $748,568,最大回撤從 $120,885 擴大到 $702,810,而且兩者一起上升。下方方框取前一個方框的拋物線 SAR 指標替代規則交易(ES 日 K 棒,2019-01-02 至 2025-06-30,搜尋嘗試了 1,024 個後留下的那一個候選策略),套用九種資金管理方法,資金 $100,000,最多 10 口。各列的進場與出場完全相同。每種方法都使用報表預設設定。各列之間的差異,全部來自部位大小,事後挑出這個候選策略,對每一列的美化程度相同;這些都不是讀者可預期的結果。

來源:AlphaPrime 產品引擎(CPU),2026-10-31 執行。與上表同一批交易,初始資金 $100,000,上限 10 口。

方法淨損益最大回撤平均口數
固定口數$336,630$210,8853
固定名目金額$284,018$160,1332.51
權益百分比$204,680$449,1403.33
固定美元風險$297,343$123,0732.63
固定比例風險$748,568$702,8105.92
波動率目標$297,343$123,0732.63
固定比率$299,268$401,9853.02
權益曲線交易$308,818$120,8852.29
凱利$55,293$146,7601.22
尚未套用任何部位大小方法前,替代規則回測的單口權益曲線與回撤。上表每一列都只改變口數,重塑的是同一條曲線。
尚未套用任何部位大小方法前,替代規則回測的單口權益曲線與回撤。上表每一列都只改變口數,重塑的是同一條曲線。 ES · 日 K 棒 · 2019-01-02 至 2025-06-30 · CPU 引擎回測

把兩列標示的列放在一起看。凱利那一列平均 1.22 口,這是報表預設的凱利大小算法,在這筆資金與這個口數上限下算出的結果,它的淨損益最小,回撤為 $146,760。固定比例風險那一列平均 5.92 口,將近五倍,淨損益 $748,568,對上 $702,810 的回撤。同樣的交易、同樣的日期、同樣的出場。只有部位大小不同,獲利與回撤一起放大。有幾列的回撤大於起始資金 $100,000,這只有在權益先成長過才可能;以美元計,這就是交易人必須撐過的跌幅。

九種部位大小方法套用在同樣 51 筆 ES 交易(大規模搜尋留下的那一個候選策略),以淨損益對最大回撤作圖:凱利平均 1.22 口,獲利約五萬五千美元,回撤約十四萬七千美元;固定比例風險平均 5.92 口,獲利約七十四萬九千美元,回撤約七十萬三千美元;其餘七種方法介於其間;獲利與回撤隨部位大小一起上升 部位愈大,回撤愈大 同樣 51 筆 ES 交易,搜尋最佳者 $800k 獲利 0 元 最大回撤 $750k 其他方法 凱利,1.2 口 固定比例風險 5.9 口 獲利與回撤一起上升 所以:依你承受得了的回撤定部位
九種部位大小方法套用在搜尋從 1,024 個中留下的那一個候選策略:同樣的交易,獲利與回撤都差距極大,而且兩者隨平均口數一起上升。百分比是報表預設值,不是建議,事後挑選會美化每一個點。

這個教訓不是哪一列才是正確的方法,而是部位大小不會改變一條規則有沒有優勢;它只決定你站在成長山丘的多高處,以及身旁的山谷有多深。部位大小方法救不了沒有優勢的規則,而激進的方法會把有限的優勢,變成威脅帳戶的回撤。

接下來該做的:匯出你已信任的策略的交易明細,點算已完成的交易筆數,用它扣除成本後的勝率與賺賠比,算出全凱利與半凱利,再用固定 1% 權益與半凱利兩種比例,各重跑同樣的交易。把兩條權益序列各放進免費的最大回撤計算機,拿兩個最大回撤的美元金額,對照你實際擁有的帳戶。兩個比例中,你撐得過而不必關閉帳戶的較低者,就是你的部位大小。

常見問題

半凱利怎麼算?

先算出全凱利比例:勝率減去敗率除以賺賠比,其中賺賠比是扣除成本後的平均獲利除以平均虧損。再把結果除以二。勝率 55%、賺賠比 1.5,全凱利是 25%,半凱利是 12.5%。半凱利保有約四分之三的理論成長率,起伏小得多。

為什麼全凱利會造成這麼大的回撤?

全凱利是成長曲線最頂端的比例,所以任何高估優勢的誤差,都會把你移到下降的一側,成長下滑,並在兩倍凱利比例時降為零。即使輸入值精確,帳戶的起伏也與承擔比例成正比,在某個時點損失一半是普通結果。短交易明細算出的勝率與賺賠比,鮮少精確,所以交易人把部位設在全比例之下。

凱利要用的勝率與賺賠比,我該怎麼估?

取自扣除手續費與滑價後的回測交易明細:勝率是已平倉交易中獲利的比例,賺賠比是平均獲利除以平均虧損。只有幾十筆交易時,勝率的不確定區間寬,凱利比例隨之擺動,所以結果要當作範圍。對交易明細反覆抽樣,能看出這個範圍的樣貌,而大規模搜尋中最好的候選策略,應視為樂觀的估計。

如何把凱利比例換成期貨口數?

把選定比例乘以當前權益,得到承擔風險的金額,再除以每口的美元風險,也就是停損距離(點數)乘以每點價值。無條件捨去成整數口,再確認這些口數落在你能動用的保證金之內。ES 每點 $50,MES 每點 $5,所以微型合約讓小帳戶能持有低的固定比例,而不會被捨去成零。

固定比例部位法比凱利安全嗎?

只有在選定的百分比低時才是。固定比例部位法每筆交易承擔當前權益中固定的一份,常見為 1% 至 2%,它的回撤完全取決於這個比例;比例高時,表現和全凱利一樣,甚至更糟。實用的規則是:跑一個你能接受的固定比例,並以交易明細算出的半凱利封頂。

References

  • Kelly, J. L. (1956). A New Interpretation of Information Rate. Bell System Technical Journal, 35(4), 917–926.
  • Bailey, D. H., Borwein, J., López de Prado, M., & Zhu, Q. J. (2014). Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample Performance. Notices of the American Mathematical Society, 61(5), 458–471.
  • Efron, B. (1979). Bootstrap Methods: Another Look at the Jackknife. The Annals of Statistics, 7(1), 1–26.