标签： #资金管理

真值精确设为 μ=6%、σ=20%（f*=1.50x），20 年 × 2 万路径：全 Kelly 确实兑现数学承诺（中位 4.53% 对理论 4.5000%、偏差 0.0015），代价是中位回撤 70.67%、95.01% 的路径腰斩、2.19% 出局。半 Kelly 只放弃 25% 增长率，回撤砍到 42.68%。但真正的杀手是参数误差：用 10 年历史估 μ（SE=6.32%），全 Kelly 平均真实增长率是 −0.55%、半 Kelly +2.15%，需 50 年数据全 Kelly 才反超。零优势安慰剂实测 −0.2826/−1.1235/−4.4073% 对理论 −0.2812/−1.1250/−4.5000%，零波动偏差 7.57e-06。跳跃是连续公式盲区：期望补偿后的 −20%/年冲击下真最优仅 0.45x（高估 2.22 倍）、全 Kelly 翻负 −0.75%，而 t(4) 厚尾几乎无影响——胖尾不可怕，可怕的是跳。全 Kelly 逐路径跑赢半 Kelly 20 年只有 63.1%、80 年才 74.3%，且 43.31% 的路径连半 Kelly 中位数都够不到

凯利公式给出理论最优杠杆，但它假设赔率恒定——市场偏偏在牛熊两套参数间来回切。本文用纯 numpy 合成两状态市场（转移矩阵 P、牛市 μ=+0.09%/σ=0.9%、熊市 μ=-0.16%/σ=2.4%），先用 HMM 前向算法在线滤出熊市后验概率（识别准确率 95%），再把凯利分数按后验期望在牛熊之间加权收放。回测对决：固定半凯利与买入持有几乎重叠（总收益 25%、Sharpe 0.24、最大回撤 -64%），而状态切换凯利总收益 77%、Sharpe 0.52、最大回撤压到 -32%——收益翻三倍、回撤砍半，核心不是预测方向而是在熊市把杠杆主动收回甚至反手。全文诚实拆穿：凯利分数对参数估计误差极度敏感（牛市理论 f*=11 必须靠半凯利+CAP 硬压）、在线滤波天然滞后（状态切换后要几天才反应，切点附近必吃亏）、状态数与转移矩阵是先验强假设、样本外真实市场没有干净的两状态结构四类陷阱（中高阶）。

Kelly 公式回答的不是「买不买」，而是「这笔该下多大注」。本文从离散下注的 f*=(bp−q)/b 推到连续策略的 f*=μ/σ²，用蒙特卡洛画出「增长曲线在 f* 处达峰、越线即转负」与「满仓腰斩概率爆表、半 Kelly 大幅降低」两张真实图景，并点破估计误差、满仓回撤、杠杆约束等致命陷阱。