很多量化新手把所有精力都花在寻找”更好的入场信号”上，却忽略了比信号更重要的东西——资金管理。一组平庸的入场信号配合优秀的资金管理，长期收益可能远超一个高胜率信号配合糟糕的仓位分配。今天我们来深入探讨量化交易中资金管理的三个核心支柱：凯利公式、仓位分配和风险预算。
凯利公式：最优下注比例的数学原理#
凯利公式由贝尔实验室的 John Kelly 在 1956 年提出，原本是为了解决电话信号噪声问题，后来被发现在赌博和投资中同样适用——它是所有资金管理理论的基石。
凯利公式的基本形式是：
其中 是最优下注比例， 是胜率， 是盈亏比（平均盈利除以平均亏损）。
举个例子：假设你的策略胜率是 55%，盈亏比是 2:1（平均盈利 2%，平均亏损 1%），那么凯利公式告诉你：
也就是说，每次交易你应该投入 32.5% 的可用资金。这听起来很激进——而且确实如此。
凯利公式的实用修正#
理论上的凯利公式在实际交易中有三个致命问题，我们需要做实用修正：
问题一：参数不确定性。你的胜率和盈亏比是基于历史回测的，但未来的胜率和盈亏比必然偏离历史。用错误的参数代入凯利公式，可能导致灾难性的过度下注。解决方案：使用”分数凯利”——取凯利比例的 50%（Half-Kelly）甚至 25%（Quarter-Kelly）。这大幅降低了参数估计错误带来的风险，同时保留了大部分长期收益。
问题二：序列相关性。凯利公式假设每次交易的盈亏是独立同分布的，但真实市场中，亏钱容易连续亏——这就是”回撤聚集”现象。解决方案：在凯利公式的基础上加一个最大单次亏损上限。例如，无论凯利公式算出来是多少，单笔交易亏损不得超过总资金的 2%。
问题三：多个同时持有的仓位。凯利公式是针对单个独立赌局的，但你的策略可能同时持有 10 只股票。如果每只都按 Half-Kelly 独立计算，总仓位可能超过 100%。解决方案：做归一化处理。先计算每只股票的目标仓位，然后把所有目标仓位按比例缩放到总仓位上限之内。
仓位分配的三种模式#
等权分配：最简单最鲁棒。如果你的策略选了 N 只股票，每只分配 1/N 的资金。优点是简单透明、不容易过拟合、调仓时交易成本分散。缺点是给予所有信号相同的信任度，没有区分强弱信号。
信号强度加权：根据策略信号的强度按比例分配仓位。信号越强，仓位越重。这种方法更符合直觉，但要注意——信号强度本身可能没有区分度，你需要回测验证信号强度和未来收益之间确实存在单调关系。
波动率目标（Volatility Targeting）：不是按资金比例，而是按风险比例分配仓位。先确定每个头寸的目标波动率（例如每个头寸贡献 5% 的年化波动率），然后根据该股票的实际历史波动率反算所需仓位。高波动率股票配置少一些，低波动率股票配置多一些，使得组合的风险分布更加均衡。
建立你的风险预算体系#
风险预算不是”我最多亏多少钱”，而是一个分层的系统性框架：
第一层：策略级风险预算。整个策略最大的回撤容忍度是多少？如果你的目标是 20%，那么当回撤触及 15% 时就应该减仓到半仓，触及 20% 时清盘。
第二层：板块/行业级风险预算。单一行业的仓位上限是多少？如果你是做 A 股多因子选股的，设定”单一行业持仓不超过总资金的 20%“可以有效避免行业集中的”黑天鹅”风险。
第三层：单笔交易级风险预算。单只股票最大亏损不超过总资金的 2%。实现方式有两种：固定止损——例如亏损 8% 无条件平仓；波动率止损——例如跌破 20 日均线两个标准差就平仓。
一个实战案例#
假设你有 100 万资金。你的多因子策略每个月选出 20 只股票。你的风控参数是：
- 总仓位上限：90%（始终保留 10% 现金）
- 单只股票最大仓位：10%（20 只 × 5% = 100%，但留有余地）
- 单只股票最大亏损：总资金的 1.5%（约 1.5 万）
- 策略级止损线：净值回撤 15% 减半仓，20% 清盘
每月调仓时，先把 20 只股票按信号得分排序，取前 15 只，用 Half-Kelly 计算基础权重，再用波动率目标做调整，最后归一化到总仓位 90%。每只股票设置 10% 的 ATR 止损。
这套体系看起来复杂，但一旦写进代码里，每个月就是一条命令执行的事。量化交易的魅力正在于此——把纪律固化为代码，让情绪无处介入。
资金管理不是锦上添花，而是生存的底线。一个没有资金管理的量化策略，就像一个没有刹车的赛车。你可以开得很快，但终点之前你可能已经撞墙了。