做 DeFi 仓位管理时经常有人提到凯利公式，好像只要把数字代进去，就能算出一个标准答案。它确实是一套有严格推导的资金分配框架，但它给出的数字对不对，完全取决于你喂进去的假设对不对。先讲机制，再讲它在链上环境里最容易失灵的三个地方。
凯利公式最初解决的问题是：在可以反复下注的游戏里，每次拿资金的什么比例去下注，能让长期财富的几何增长速度最快。对一个只有两种结果的下注，设赢的概率为 p，输的概率为 q=1−p，赢了每一元净赚 b 元，那么理论最优比例是 f*=(bp−q)/b。直觉是：优势越大，可下的比例越高；胜率低到没有正期望时，公式给出的比例是零甚至负数，也就是不下注或者做反向。
它为什么以几何增长为标准？因为反复下注时决定长期结果的是收益率的平均，而不是单次收益率的期望。一个策略期望值很高但波动巨大，中间只要出现一次接近清零的回撤，后面再高的期望也追不回来。凯利公式恰好是把这个惩罚内置进去之后解出来的最优解。这也是它被拿来讨论仓位的原因：它天然惩罚过度下注，比例超过 f* 之后，增长变慢；超过 2 倍 f*，增长直接变成负数——期望还在为正，长期却稳定亏钱。
但公式进入 DeFi 会遇到三个结构性问题。第一，p 和 b 不是你观测得到的常数，而是估计值。资金费率、清算距离、波动率这些参数都在实时漂移，你用过去三十天数据估出的胜率，本质是样本噪声加结构变化的混合。凯利对估计误差的惩罚非常不对称：把真实最优仓位算小一点，只是少赚；算大，超出部分会平方级地放大回撤，甚至把本来有正期望的策略做成负增长。这就是实践中普遍推荐分数凯利（例如取算出值的一半甚至四分之一）的原因：它牺牲一部分理论增速，换参数估错时的安全边际。
第二，链上收益分布不满足公式隐含的独立性假设。凯利推导假设每轮下注结果相互独立，而 DeFi 策略之间高度相关：多个仓位共享同一个预言机、同一条链的拥堵、同一批稳定币的锚定。看起来分散的五个策略，在事故时刻可能同时归零，此时逐仓位套凯利会系统性高估总仓位容量。第三，公式没有成本项：gas、滑点、复投损耗都要从收益里扣，而高频调仓的凯利最优比例在扣完成本后往往明显下降。
一个不带数字承诺的使用方式是：把凯利当作一个校准工具而不是计算器。先估算某一策略单独存在的理论比例，再按三件事打折——参数不确定打一次折，与现有持仓的相关性打一次折，执行成本打一次折。打折后的数字才接近可执行值；如果连打折前的粗估都要求助大量假设，那本身就是仓位应该更小的信号。任何仓位框架都不能保证不亏，本文全部内容不构成投资建议。
还有一个常被忽略的维度：分数凯利不只是安全系数，它还是一个可以随信息更新而调节的旋钮。每当你对某个参数的估计置信度下降——比如策略所处的市场结构刚发生变化、历史样本不再代表当下——正确的动作不是重新算一个更精确的最优值，而是直接下调凯利系数本身，用更小的下注比例承认认知的退化；反过来，只有当参数的长期稳定性被反复验证之后，才值得把系数往回调一点。把它当成一个随证据波动的仪表盘，比当成一次性算出答案的计算器，更接近这套框架被设计出来的本意。
发表评论
还没有评论，来说两句吧。
评论区为展示样式，提交不会被处理。