超越1%法则的仓位规模管理：固定比例法、凯利公式与波动率调整

速读

1%法则告诉你该冒多少风险，而不是该怎么定仓位规模。本课推演固定比例法与固定金额法的对比、凯利公式以及为什么分数凯利才是站得住脚的版本，还有波动率调整——正是这一块决定了在两个不同的币上冒1%的风险，是不是真的等于同样的风险。

需要记住的要点

• ✓固定比例法在数学上不可能在连亏中归零，但它恢复得比固定金额法更慢，因为它恰好在权益最小的时候缩小规模。
• ✓完整凯利不是一个目标。对胜率高估五个百分点，会把建议的仓位规模抬高75%，并把你实际的增长率砍到最优值的一半以下。
• ✓半凯利保留了大约四分之三的增长率、恰好一半的波动，并把账户曾经被腰斩过的概率从二分之一降到八分之一。
• ✓在一个每天波动2%的资产和一个每天波动8%的资产上冒同样的1%风险，并不是同样的风险。用波动率单位来标准化止损，仓位规模就会自然落成与波动率成反比。
• ✓在某个止损距离之下，仅手续费一项就会超过策略的期望值。到了那一点，对波动率上升的正确回应是减少交易次数，而不是把仓位做得更小。

你已经知道本文的起点是哪条法则：每笔交易冒账户权益的1%到2%，然后用这笔美元风险除以入场价到止损位的距离，得出仓位规模。那个计算、R倍数以及相关性证据都在加密货币风险管理里，而止损位的安放本身在加密货币止损位该放在哪里里。本文把这两者作为输入，并追问下一个问题：给定一份风险预算和一段止损距离，是哪一个仓位规模模型把它们变成一个数字，而每个模型又对你的权益曲线做了什么。

固定比例法与固定金额法为什么会分道扬镳，以及你实际想要哪一个

两个模型使用的是同一份风险预算。固定比例法在每笔交易之前，都根据当前权益重新计算美元风险。固定金额法把它一次性定死，通常来自起始权益，然后就放在那里。这个差别不是表面上的，也不会被平均掉。

八笔交易上的一次对比演算

从$10,000起步，每笔交易冒2%的风险，并假设每笔交易的结果不是−1R就是**+2R**。序列是五连亏之后三连盈。固定金额的交易者每次都押$200；固定比例的交易者押的是剩余权益的2%。

把同样这八个结果按相反顺序跑一遍，两个模型都会落在完全相同的数字上：$10,167.88与$10,200。固定比例法的最终权益是每笔交易乘数的乘积，固定金额法的最终权益是每笔交易金额的和，而这两种运算都不在乎顺序。

当连亏迟迟不结束时会发生什么

只有当连亏长到足够严重时，两个模型才真正分道扬镳。

这些例子究竟告诉了你什么

固定比例法不可能归零，而这是乘法的性质，不是纪律的性质。 把0.98连乘无限多次，得到的是一个朝零衰减却永不抵达的数。固定金额法减去的是一个常数，而减法是会抵达的：在$10,000起步的2%风险下，第五十次连续亏损恰好落在零上。顺序无关性对两个模型都成立，一直到那一点为止，然后它对固定金额法就不再成立了，因为一个撞上零的序列会被截断，剩下的结果已经没有本金可供交易。那次截断就是“不可能破产”这个说法的全部内容。它并不是说固定比例法保护了你：五十次亏损之后剩下起始资本的36%，在任何实际意义上都不是一个可存活的结果，它只是一个非零的结果而已。

这个地板的代价是更慢的恢复，而那张八笔交易的表精确地展示了你在哪里付出这个代价。 固定比例法在回撤底部领先$39.21，在恢复结束时落后$32.12，因为它在第一笔盈利交易上押了$180.78，而固定金额的交易者押了$200。它在设计上就是往弱势里降险，这也意味着它在强势里加险加得晚。这一点最干净的版本是：十次亏损再十次盈利，全都恰好是±1R、2%风险，固定金额的交易者最终精确停在$10,000，而固定比例的交易者停在$9,960.07，因为0.98 × 1.02 = 0.9996，而这个缺口复利了十次。一次对称的往返让按比例定规模的人付出0.4%，让按固定金额定规模的人一分不付。

所以这个选择是关于你预期接下来会发生什么的陈述，而不是关于哪个模型更好。 当账户就是你要复利的那个东西、并且你打算多年运行同一套策略时，用固定比例法：它会随权益增长自动把你放大，并且免去了“何时加大规模”这个决定。当账户是一笔你从外部来源追加或抽取的固定配置时、当你处在一段有明确期限的评估期内时，或者当策略的优势是以R度量、而你希望被检验的样本是交易笔数而不是权益路径时，用固定金额法。

凯利公式：它优化的是什么，以及为什么完整凯利不是一个目标

凯利1956年的论文回答的是一个比大多数人以为的更狭窄的问题。它并不最大化预期财富。它最大化的是资本的指数增长率，定义为财富倍数的对数的长期平均值，而凯利明确指出，改为最大化预期财富意味着押上全部身家，如果你一直玩下去，那会让你“以概率1破产”。

对于一笔你冒权益比例f、以概率p获胜、且获胜时支付你所冒风险b倍的赌注，最优比例是：

f* =（p × b − q）÷ b，其中q = 1 − p。

有三个假设支撑着这个结果，而每一个在加密货币中都不牢靠。凯利把p与b当作已知参数，而不是带标准误的估计值。它要求独立同分布的结果，而在同一个市场状态下开出的交易并不是。而且它假设你所设定的那个分布就是真实的那个，然而一个双结果模型或对数正态模型，容不下资产波动幅度达到近期区间五倍或十倍的那些日子，而那些日子恰恰是仓位规模决策见分晓的日子。

一个基于现实加密货币胜率的演算示例

取一套胜率40%、盈利平均2R的趋势策略，风险管理指南显示这个分布是稳稳盈利的，其期望值为0.40 × 2 − 0.60 = 每笔交易**+0.20R**。

完整凯利：f* =（0.40 × 2 − 0.60）÷ 2 = 0.20 ÷ 2 = 0.10。每笔交易冒权益的10%。

那是1%到2%法则的五到十倍，而它是凯利所提问题的正确答案。现在改动一个数字。

胜率上五个百分点的误差会造成什么

假设你回测同一套策略，测出的胜率是**45%**而不是40%，这个误差远在几百笔交易的抽样噪音之内。

完整凯利：f* =（0.45 × 2 − 0.55）÷ 2 = 0.35 ÷ 2 = 0.175。冒权益的17.5%。

对胜率高估五个百分点，把建议的仓位规模抬高了75%，并把你放到了真实凯利比例的1.75倍上。下面是它在真实的40%分布上所付出的代价。

在一套确实有效的策略上，那位把胜率高估五个百分点的交易者，最终拿到的少于那位刻意减半的交易者。再往前推一点，情况就比“更少”更糟：在权益的20%、也就是真实凯利两倍的位置上，增长率是最优值的7%，而越过大约**20.4%**它就转为负数。一套严格盈利的策略，规模定错了，就会亏钱。

为什么这个误差是不对称的，一句话说明

图1就是全部论证。Thorp对凯利的连续形式处理给出，在完整凯利比例c倍的位置上，增长率是最大值的c ×（2 − c），而这就是所绘的那条曲线。

按所绘的参数，分三步读它。

1. 在横轴上找到c = 1。 曲线在那里达到100%的峰值。这就是完整凯利，而它是一个极大值，也就意味着曲线在它附近是平的：在c = 0.75与c = 1.25处，增长率仍是93.8%。在规模上稍微搞错一点，几乎不付出任何代价。
2. 比较c = 0.5与c = 1.5。 两者都读到75%。少押一半和多押一半，付出的增长代价完全相同。单看这一点，它像是对称的。
3. 现在顺着曲线越过c = 2，然后到左边去找一个镜像。 在c = 2处增长率为零；在c = 2.5处它是−125%，而且还在继续下降。左侧不存在任何一个能产生负增长率的c值；曲线只是在c趋近于零时趋近于零。少押以“什么都不做”为界。多押不以任何东西为界。 这项不对称，正是一份你不确定的优势估计应当往下修而不是往上修的原因，也是Thorp那句“预测的超额收益偏高的可能性大于偏低”的数学形式。

这条曲线是对数正态结果。在上面那个离散的双结果例子上，半凯利保留的增长率是**76%**而不是恰好75%，而零增长点落在凯利的2.04倍而不是恰好2倍。形状相同，常数略有不同。

分数凯利，以及真正重要的那个回撤数字

Thorp针对押注凯利金额的c倍给出了三个结果，而第三个才是决定这场争论的那个：

• 增长率按最大值的**c(2 − c)**缩放。半凯利保留其中的四分之三。
• 增长率的标准差按c缩放，所以在连续模型中半凯利的波动恰好是一半，在上面那个离散例子中是0.51倍。
• 你的本金曾经被降到起始值的比例x的概率，是x的2m/s²次方。在完整凯利下这个指数是1，因此账户曾经被腰斩的概率恰好是二分之一。

把分数凯利下增长率与标准差的表达式代入第三个结果，指数变成2/c − 1。于是账户曾经被腰斩的概率在完整凯利下是二分之一、在半凯利下是八分之一、在四分之一凯利下是一百二十八分之一，对应的增长率分别是最大值的100%、75%与44%。这就是“使用分数凯利”这句话实际描述的那笔交换：放弃四分之一的增长率，换来曾经被腰斩概率的四倍下降。

图2把那个概率画在与图1相同的横轴上，好让两条曲线可以对照着读。

把两张图放在一起读，因为单独任何一张都不构成完整论证。

1. 在两张图上都取c = 0.5。 图1给出最大增长率的75%。图2给出账户曾经被腰斩12.5%的概率。
2. 把两者都移到c = 1。 增长率拿回了它最后的25%，而腰斩概率跳到50%——为那最后四分之一付出了四倍的代价。
3. 现在到c = 1.5，并把它与c = 0.5作比较。 如上所述，图1在两点都读到75%。图2在前者读到12.5%，在后者读到79.4%。增长率完全相同，破产概率却是六倍多。 只要你押在完整凯利之上，就总存在一个预期增长相同、而回撤只有其一小部分的更小押注，这正是c = 1右侧那片区域永远不是理性立足点的原因。

两张图都是连续模型，而这正是让它们可以彼此直接比较的原因。若改为对照上面那个离散的双结果例子来读，那些常数会像它们在增长率上那样移动：形状成立，具体数字不成立。请用这两条曲线来理解这笔取舍的形状，用上面那张演算表来处理任何具体赌注的算术。

这个例子究竟告诉了你什么

凯利是一项诊断，不是一个仓位规模。 它真正的输出是10%这个数字，而它同时说了两件事：这份优势大到让1%的风险把增长留在了桌上；以及你对这份优势的估计必须精确到零点几个百分点，10%才站得住脚。请用它来检查你已经选定的那个风险。如果你的规则按你自己实测的统计数字落在完整凯利之上，那你是在给一套有效的策略押注过头。

然后把半凯利当作上限而不是目标。 Thorp建议在估计出的凯利比例的一半与该估计值本身之间选择f，把增长损失封顶在25%，同时防范估计出错。在40% / 2R那个例子上，那意味着5%的风险，仍然远高于常规法则，而常规的1%到2%是四分之一凯利或更低，它之所以站得住脚，恰恰是因为没有人能把自己真实的胜率知道到五个百分点的精度。

波动率调整的仓位规模：打破固定百分比法则的那个变量

这是大多数加密货币仓位规模建议略过的部分，也是决定“你写下的那个风险是不是你实际承担的那个风险”的部分。

同样的1%并不是同样的风险

一个$10,000账户上的两笔仓位，都被定成冒**1%的风险，也就是$100。这位交易者对两者都用固定的5%**止损，因为法则就是这么说的。

• BTC在$100,000，14日平均真实波幅为$2,000，即价格的2%。5%的止损位于距入场2.5倍ATR处。
• 一个中盘山寨币在$2.00，14日ATR为$0.16，即价格的8%。5%的止损位于距入场0.625倍ATR处。

两笔仓位都冒$100的风险。但两者实现这份风险的概率并不相同。放在小于一个日均波幅之内的止损，会被一个毫无新闻的普通交易日击中；放在2.5个波幅之外的止损不会。每笔交易的预期亏损等于风险金额乘以实现它的概率，而一条固定百分比的法则只控制了第一项。

后果比一个糟糕的止损更严重。因为那个山寨币被止损的频率高得多，该策略在这项资产上实测出来的胜率会被这条仓位规模法则的人为效应压低，而这个错误的数字随后又会喂给上面的一切。

把止损距离换算成仓位规模，以波动率为单位

改为用波动率单位来固定止损。止损一开始该放在哪里属于止损位的地盘；这里取**1.5 × ATR(14)**作为输入，让仓位规模自然落出来。

先说一句关于单位的注意。ATR占价格的百分比是本小节所用的波动率代理指标，它与日收益率的标准差不是同一个统计量：它是日波幅的均值，而不是收盘价的离散度，而且它通常读数更高。这里用它，是因为它稳定、可跨资产比较，而且在任何一家交易所的图表上都能拿到。下面每一个结果都是两项资产之间的比值，所以代理指标的选择改变的是绝对名义价值，而不是相对的仓位规模。

两个名义价值相差4.0倍，恰好是波动率之比的倒数：8% ÷ 2% = 4。这不是巧合，而是本节的要点。一旦止损以波动率为单位度量，ATR定规模就是带止损的反波动率定规模。

同一个想法，不带止损的版本

那些你在没有硬止损的情况下持有的仓位（一笔现货配置、一个组合、一次慢速趋势跟随），使用直接写出来的同一个公式：

仓位名义价值 =（目标日权益波动的美元金额）÷（该资产的日波动率）

这里的波动率项是日收益率的标准差而不是ATR，因为下文那个时间平方根的缩放是标准差的性质，不是平均波幅的性质。以一个$10,000账户的0.5%、即每笔仓位$50的日波动为目标：

• BTC的日收益率标准差为2.0%：$50 ÷ 0.02 = $2,500的名义价值，按2.0% × √365年化约为38%。
• 那个山寨币为8.0%：$50 ÷ 0.08 = $625的名义价值，年化约153%。

同样的4:1比值。美元金额与ATR版本不同，是因为被保持恒定的那个风险不同（日常波动而不是止损处的亏损），但相对的仓位规模是完全一致的，因为两者都是波动率的倒数。

同一条法则应用在一个组合上，而不是一笔交易上

把这个效应放在三笔仓位上比放在一笔上更容易看出来。在同一个$10,000账户上、每笔冒1%的风险，持有日波动**2%**的BTC、**5%的SOL和8%**的一个中盘山寨币。比较三者都用固定5%止损与三者都用1.5倍ATR止损，并测量每笔仓位对整个组合日波动的贡献。

固定止损的组合口头上写着三份相等的1%风险，交出来的却是一个单一仓位占日波动一半以上的组合。波动率缩放的组合把它精确地三等分，而且这份相等不是近似的：每笔仓位的名义价值都是美元风险除以其波动率的1.5倍，所以名义价值乘以波动率在构造上对每项资产都等于同一个$66.67。固定止损的组合还承载了更多的总名义价值，$6,000对$5,500，同时产生了多50%的日波动，$300对$200。用更多的敞口换来一个平衡更差的组合，正是那条固定法则反复产出的那个特定组合。

如何选择回溯窗口，以及近期波动率为什么具有预测力

这一切之所以有效，靠的是波动率的一项性质，而不是模型的性质。Harvey与合著者在他们研究波动率目标法的论文开篇就直接点出了它：波动率是持续的，或者说是成簇的，而近期的高波动往往会被近期的高波动跟随。正是这项观察让一个向后看的估计值可以被用作一个向前看的输入，也是整套方法背后的经验发现。

他们自己的估计量是半衰期为20日与90日的指数加权平方收益率。在实践中，这项取舍大致是这样：

• 短回溯窗口（10日，或20日半衰期）。 反应快，同时也让仓位频繁换手。每一次重新定规模都是一次穿过费率表的往返，而下一节会为它定价。
• 长回溯窗口（60日，或90日半衰期）。 仓位规模稳定、换手率低，代价是在市场状态改变之后仍然会错上好几周。
• 指数加权而不是平坦窗口。 消除了那种人为效应：某个久远的冲击掉出滚动窗口，仓位就因为今天并没有发生的事情而跳变。

失效模式：这个模型恰好在断裂之前把你的规模定到最大

波动率目标法在构造上就是慢的，因为估计值只能包含已经发生的行情。取一段每日2.00%波动的时期，然后来一个**10%**的日子，看看每个估计量各自做了什么。

上面每一次缩减都发生在那个10%的日子之后，而那一天是按冲击前的规模承受的。而且因为波动率是成簇的，仓位现在所处的这个高波动状态，恰恰就是肥尾所在的地方。这个模型的保护永久性地晚到一步，而且没有任何回溯窗口能修好它：更短的窗口来得更早、缩得更多，但它也会因噪音而缩减，并为此支付手续费。

这个例子究竟告诉了你什么

不要再把风险表达为价格的百分比，开始把它表达为该资产自身波幅的倍数。 5%的止损在BTC上和在一个中盘山寨币上是两种不同的工具。1.5倍ATR的止损在两者上是同一种工具，而这是让你跨资产比较自己成绩有意义的唯一条件。

要预料到名义价值看上去是错的，因为它本就该如此。 一个占权益33%的BTC仓位挨着一个占权益8%的山寨币仓位，对任何把名义价值读作风险的人来说都是反的。它是对的：两笔仓位承担着同样的风险，而那个山寨币更小，恰恰是因为它波动更大。

在波动率确实在飙升时，不要把波动率目标法给出的规模当作一个下限。 在市场状态断裂之后，这个模型仍然会继续递给你一个规模，因为它还没有见过足够多的新状态。请给它配一条并非从这个估计值推导出来的硬性规则：一个最大名义价值、一个最大同时持仓数量，或者干脆在全市场跳空之后的头两天不交易。

相关性感知的仓位规模：十笔1%的仓位可能就是一笔10%的仓位

单笔交易那一层现在解决了。如果你忽略组合那一层，它会把前面的成果抵消掉。

十笔各冒1%风险的山寨币仓位，只有在这些山寨币彼此独立时才是十份独立的1%风险。它们并不独立。风险管理指南用真实的日收盘价算过这件事：BTC、ETH、SOL、AVAX与XRP之间的平均两两相关性，在一个平静的两周窗口中是0.22，在一个恐慌窗口中是0.95。在0.95下，就定规模而言，这十笔仓位就是一笔风险预算为十倍的仓位，而且在它真正重要的那一天，它就会是一笔仓位。

可用的修复方法不是一个协方差矩阵。它是在交易之上那一层设一个预算：

1. 把你的资产池分成相关性集群，划分依据是它们跟着什么走，而不是行业标签。大市值贝塔、L1生态代币、DeFi治理代币与meme币通常是四个集群；在一次回撤中它们会向同一个集群坍缩，而这正是下一步存在的原因。
2. 给每个集群分配一份风险预算，并把这个集群当作一个仓位来对待。 如果你的单仓位法则是1%，那就把集群封在2%左右，而不是10%。
3. 在集群成员之间分配集群预算。 一个2%集群预算里的四笔山寨币仓位，各得0.5%，而不是各得1%。
4. 给跨集群的总风险封顶，用一个你能事先说出口的数字，因为在一次真正的去杠杆事件中，各个集群也会收敛到一起。

波动率目标法与这一点的相互作用值得点名：相关的资产有着相关的波动率，所以一次波动率飙升会同时缩减该集群中的每一笔仓位。那是这套机制在正常工作，同时也意味着你的整个组合在同一天重新定规模，而如果这个集群流动性很差，那就是一次你自己制造出来的流动性事件。

小账户的下限：把规模缩到哪里就变成负期望值

波动率目标法说，波动率上升就缩小规模。有两项彼此独立的约束说，过了某一点你就该停下来。

约束一：成本按止损距离的倒数缩放

一进一出的往返成本是名义价值的一个百分比，而名义价值是你的风险除以止损距离。所以以你的风险为单位度量的成本是：

往返成本占1R的比例 =（往返手续费 + 滑点）÷ 止损距离

Binance的标准现货费率表对普通用户是Maker 0.100%、Taker 0.100%，核对于2026年8月6日。以Taker身份进出是0.20%，再假设价差与滑点上另有0.05%的往返成本，合计为名义价值的0.25%。

把它与前面那套毛期望值为**+0.20R的策略对照。盈亏平衡点在成本等于期望值的地方：0.25% ÷ 0.20 = 一个1.25%的止损。比它更紧，一套确实盈利的策略就是一套亏损的策略，仅凭公布的手续费，还没等任何事情出错。请注意它不**依赖什么：账户规模。一个很紧的止损在任何账户规模下都是昂贵的，而这正是短线策略要么需要Maker返佣、要么需要大得多的毛优势的原因。

约束二：平台的最小仓位

这一条确实依赖账户规模。取自Binance公开的USDⓈ-M永续合约交易规则，读于2026年8月6日：

• BTCUSDT：下单数量步长0.001 BTC，最小名义价值50 USDT。在BTC价格为$100,000时，下单数量步长是约束性的那一个，对应$100的名义价值。
• ETHUSDT：下单数量步长0.001 ETH，最小名义价值20 USDT。
• SOLUSDT：下单数量步长0.01 SOL，最小名义价值5 USDT。

你正确的名义价值是（风险比例 × 权益）÷ 止损距离。把它设为等于平台下限并求解，就得到能够正确定出这笔仓位规模的最小账户：

最小可行权益 =（平台最小名义价值 × 止损距离）÷ 风险比例

在BTCUSDT永续合约上、$100下限、1%风险下：3%的止损需要$300的权益，6%的止损需要$600。低于这个数，平台愿意接受的最小仓位所冒的风险就超过了你的法则允许的范围。一个$250的账户被迫接受$100的下限、用6%的止损，冒的风险是$6，也就是2.4%，而不是1%。

这究竟告诉了你什么

这两项约束朝相反方向移动，而这就是这里的发现。波动率上升时，波动率目标下的止损会变宽，这会降低正确的名义价值，同时又抬高了交易它所需的最小权益，因为上面那个公式与止损距离成正比。小账户恰好在模型正告诉它要小心的那一刻，被两侧同时挤压。

如果在你这个账户规模上，主观定规模行不通，那么诚实的替代方案不是同一件事的更小版本。它是一份完全没有止损、也没有仓位规模决策的非主观计划，而那正是定投的用途。

杠杆档位会在某个名义价值之上给你的模型封顶

上面每一个模型输出的都是一个名义价值。在某个名义价值之上，决定什么是可能的，是平台而不是你的模型。

Binance在它的USDⓈ-M合约文档中直接写出了这条规则：可用的最高杠杆取决于仓位的名义价值，而更大的仓位允许更低的杠杆。维持保证金率在同样的档位中上升。取自Binance公布的杠杆与保证金表，读于2026年8月6日：

由此得出两点，而且两点都不是关于那个标题杠杆数字的。

在山寨币上，这道档位阶梯比在BTC上紧得多。 SOLUSDT在名义价值50,000 USDT处就掉出它的最高档；BTCUSDT把最高档一直保持到300,000。一位把单一山寨币想法放大的交易者，会比同样美元规模在BTC上所暗示的早六倍遇到这道约束。

改变你风险的是维持保证金率，而不是杠杆上限。 在一张上升的维持保证金表内把名义价值翻倍，即使你从未碰过杠杆选择器，也会把强平价格推得更近，而这可能把强平价格挪进一个在旧规模下放置正确的止损之内。这件事的机制在加密货币杠杆交易的运作机制里；属于这里的是它对仓位规模的后果。

在你设计一条仓位规模规则之前核对这一点，需要读三个数字。打开平台你所交易那个交易对、而不是BTC的杠杆与保证金页面，记下它掉一档的那个名义价值。把它与你的模型可能产出的最大仓位相比较，后者是你的最大风险预算除以你最紧的合理止损距离。然后按你会落进的那一档、而不是你现在所在这一档的维持保证金率重新计算强平价格，并确认它仍然在你的止损之外。

为什么一条仓位规模规则永远救不了一套亏损的策略

这是关于仓位规模管理最常被误解的一点，所以要直白地说出来：仓位规模改变的是收益分布的形状。它不改变优势的符号。

凯利公式在它自己的框架内就证明了这一点。取一个胜率30%、盈利为2R的情形：f* =（0.30 × 2 − 0.70）÷ 2 = −0.05。一个负的最优比例，是这个公式在说“没有任何正的金额是你应该押上的”。期望值为0.30 × 2 − 0.70 = 每笔交易**−0.10R**，而把一个负数乘以任何正的规模，结果仍然是负的。本文中的每一个仓位规模模型，都是施加在每笔交易期望值上的一个乘数。没有一个是加数。

仓位规模真正控制的是路径：回撤有多深、恢复要多久、复利是否快到足以产生意义，以及当优势显现时你是否还有偿付能力。这些都非常有价值。但它们不是优势。

在回测仓位规模规则时，还有另外三个陷阱：

一条仓位规模规则是在产生了那份优势估计的同一个样本上拟合出来的。 ATR倍数、回溯窗口、凯利比例与集群预算全都是参数，而每一个都是在看到结果之后才选定的。图1说明了为什么这件事在这里比在别处更危险：你最可能过拟合的那个参数就是平均收益，而它的误差受到的是不对称的惩罚。

在一种市场状态下调好的规则，会在下一种状态下失效。 一个在趋势样本上拟合出来的波动率目标，是在一段波动率上升与价格下跌同时发生的时期上拟合的，也就是Harvey与合著者为股票记录的那个杠杆效应。在一个震荡市场里，同一条规则会不停地重新定规模，在每一次换手上支付上一节那份手续费拖累，然后一无所获。

用一个下修过的优势、而不是拟合出来的那个来检验这条规则。 把胜率砍掉五个百分点，或把平均收益砍掉四分之一，然后重跑一遍，看看它是否仍然有效。如果它只在你测出来的那个估计值上有效，那你拟合的是那个估计值，而不是验证了这条规则。这件事所属的那整份失效清单在为什么大多数加密货币交易者会亏钱里。

把它们串起来：仓位规模决策的顺序

步骤

1. 1

   确定你据以定规模的那笔账户权益

   使用可动用的交易余额，并按一个写明的节奏：固定比例法就连续更新，或者如果你希望仓位规模在两次复核之间保持稳定，就按月更新。一次性决定这个数字是否随成绩变动。

2. 2

   把每笔交易的风险预算设为该权益的一个比例

   用你自己实测的胜率与赔付率算出完整凯利，作为一次上限检查。如果你选定的风险高于它的一半，就砍下来。对大多数被测量过的加密货币策略而言，常规的1%到2%落在四分之一凯利或更低的位置，而那是正确的量级。

3. 3

   用一个波动率缩放的止损把风险预算换算成仓位规模

   把止损距离取为ATR的一个倍数、而不是价格的一个百分比，然后用美元风险除以那个距离。名义价值在不同资产之间会相差数倍，而那正是这个模型在起作用。

4. 4

   把这笔仓位放到它的相关性集群里检查

   把它的风险加到同一集群中已经打开的风险上。如果超出了集群预算，就减小这笔仓位或平掉该集群中的另一笔，而不是把单笔交易法则当成已经满足了。

5. 5

   把名义价值与平台的下限和档位表对照检查

   确认这个规模越过了最小名义价值与下单数量步长，并且它不会跨进一个维持保证金率高于你计算强平价格时所用那一档的档位。

6. 6

   把一进一出的往返成本与这笔交易的期望值作比较

   用往返手续费与滑点除以止损距离。如果它超过了你以R计的期望值中一个不容忽视的比例，那么这笔交易在任何规模下都不值得做。

结论

1%法则是一份风险预算。本文的全部内容，都是关于在你接受“它本身并不产出一个仓位规模”之后，你要拿这份预算怎么办。

固定比例法与固定金额法是一个关于复利的选择，而算术是明确的：比例法朝零衰减却永不抵达，并且恢复得更慢；固定金额法会抵达零，恢复得更快；而一次对称的往返让按比例定规模的人付出0.4%，让按固定金额定规模的人一分不付。凯利回答了一个值得问的问题，也就是这份优势到底有多大，然后返回一个谁都不该照着交易的数字，因为胜率上五个百分点的误差会把建议的仓位规模挪动75%，并把实际增长砍掉一半以上。半凯利放弃四分之一的增长、把波动减半，并把账户曾经被腰斩的概率从二分之一降到八分之一。那笔交换正是分数凯利存在的理由。

在加密货币中真正打破朴素定规模方法的那个变量是波动率。把一条固定百分比的止损同时用在一个每天波动2%的资产和一个每天波动8%的资产上，会产生两笔口头风险相同、而实现这份风险的概率完全不同的仓位，而纠正它意味着用波动率单位来度量止损，让名义价值自然落成与波动率成反比。近期已实现的波动率之所以确实具有预测力，是因为波动率成簇，而同样的成簇性也正是这个模型在市场状态断裂时总是晚一步给你定规模的原因。

然后有三项约束把整个系统框住。相关的仓位在关键时刻就是一笔仓位，所以要在集群层面做预算。手续费按止损距离的倒数缩放，所以在标准现货费率下低于大约1.25%的止损，一套每笔交易赚0.20R的策略就什么也赚不到。平台的最小值与杠杆档位分别从下方和上方给这个模型封顶。

而那条凌驾于所有约束之上的约束是：这一切都不会创造优势。这里每一个模型都是施加在每笔交易期望值上的一个乘数。把符号搞错，再精巧的仓位规模管理也改变不了终点，只会改变这段路要走多久。

常见问题

来源与延伸阅读

上述数学与平台参数的主要来源：

• J. L. Kelly Jr., "A New Interpretation of Information Rate", Bell System Technical Journal 35 (1956), 917–926，增长最优押注比例的原始推导，其中包括“最大化预期财富会让押注者以概率1破产”这一表述
• Edward O. Thorp, "The Kelly Criterion in Blackjack, Sports Betting, and the Stock Market"，涵盖分数凯利的增长与波动结果，以及回撤概率公式
• Harvey, Hoyle, Korgaonkar, Rattray, Sargaison and Van Hemert, "The Impact of Volatility Targeting", Journal of Portfolio Management 45(1), 2018，涵盖波动率成簇，以及波动率缩放对60多项资产的夏普比率与尾部的影响
• Binance — leverage and margin of USDⓈ-M futures
• Binance — USDⓈ-M perpetual leverage and margin tiers
• Binance — trading fee schedule

相关CoinBeaver文章：

• 加密货币风险管理：交易者的实用框架
• 加密货币止损策略：止损位该放在哪里
• 加密货币杠杆交易的运作机制
• 加密货币定投
• 为什么大多数加密货币交易者会亏钱

本文仅供教育参考，不构成财务或交易建议。演算示例中使用的所有账户余额、胜率、ATR数值与价格水平，都是为展示机制而选取的示例数字，既不是市场数据，也不是对任何真实策略成绩的描述。凯利与分数凯利的结果是所述模型的性质，而不是对任何市场的预测。交易所的费率表、最小下单规模以及杠杆与保证金档位会在不另行通知的情况下变更；上述Binance数字读于2026年8月6日，在你据以定仓位规模之前，必须在你自己的平台上重新核实。