90%的人亏钱，难道不是策略差，而是不会管风险？

量化交易系列（三）：90% 的人亏钱，不是因为策略差，是因为不会管风险 导语 我见过太多这样的案例：一个人找到了一个年化 30% 的策略，兴奋地投入真金白银，结果半年后本金亏掉 60%，被迫清仓离场。 策略有问题吗？回测数据确实是年化 30%。但回测里有一段最大回撤 45% 的时期——而这个人在回撤到 30% 时就扛不住了。 策略决定了你能赚多少，风险管理决定了你能不能活着赚到。 这是量化交易系列的第三篇，我们聊量化交易中最重要、也最被低估的话题：风险管理。 一、为什么风险管理是第一优先级？ 不对称性：亏钱比赚钱容易 一个简单的数学事实： 亏损幅度 回本所需涨幅 -10% +11.1% -20% +25.0% -30% +42.9% -50% +100.0% -70% +233.3% -90% +900.0% 亏 50% 很容易——一次错误的重仓、一次没设止损的黑天鹅事件就够了。但要从 50% 的亏损中恢复，你需要赚 100%。 这种不对称性意味着：在量化交易中，防守比进攻重要得多。 一次大亏可以毁掉多年的积累。 "活得久"比"赚得多"重要 Ed Thorp——传奇量化交易者、凯利公式在投资领域的引入者——在他的自传《A Man for All Markets》中说过： "Rule number one: Don't lose money. Rule number two: Don't forget rule number one." （第一条规则：不要亏钱。第二条规则：不要忘记第一条。） 这不是说"永远不能有亏损的交易"，而是说不能有毁灭性的亏损。只要你还在牌桌上，就有翻盘的机会。一旦离开牌桌，游戏就结束了。 长期资本管理公司（LTCM）是最经典的反面教材。它由两位诺贝尔经济学奖得主（Myron Scholes 和 Robert Merton）创立，前四年年化收益超过 40%。然后在 1998 年俄罗斯债务危机中，四个月亏损 46 亿美元，几乎引发全球金融系统性风险，最终被迫清算。 不是因为他们的策略不好——他们的统计套利策略在 99% 的时间里都是对的。但那 1% 的极端情况，加上过高的杠杆，足以毁灭一切。 二、仓位管理：你该押多大？ 凯利公式：数学最优下注比例 假设你有一个胜率 60%、盈亏比 1:1 的策略（赢了赚 1 倍，输了亏 1 倍）。你该把多少比例的本金押上去？ 直觉上，很多人会说"当然尽量多押"——毕竟你有 60% 的概率赢。但这是错的。 John Kelly 在 1956 年发表了著名的凯利公式（Kelly Criterion），给出了数学上的最优下注比例： f = (bp - q) / b* 其中： f* = 最优下注比例 b = 盈亏比（赢/亏） p = 胜率 q = 败率（1 - p） 代入我们的例子：f* = (1 × 0.6 - 0.4) / 1 = 20% 这意味着，数学上最优的策略是每次只押本金的 20%。 为什么不能"全仓梭哈"？ 让我们用一个思想实验来说明。 假设你有一个 60% 胜率、1:1 盈亏比的游戏。你有 10000 元。 策略 A：每次全仓 第一次赢了：20000 第二次输了：0 两把就归零了。不管胜率多高，全仓策略的破产概率在无限次博弈中趋近于 100%。 策略 B：每次押 20%（凯利比例） 赢了：10000 → 12000 输了：12000 → 9600 赢了：9600 → 11520 ... 每次亏损只损失当前资金的 20%，永远不会归零。而凯利公式保证了在这个下注比例下，长期资金增长速度最大化。 实践中的"半凯利" 理论上，凯利比例是最优的。但实践中，几乎所有专业量化交易者都会使用半凯利（Half Kelly）——即只用凯利公式建议仓位的 50%。 原因有三： 参数估计误差：你以为胜率是 60%，但实际可能只有 55%。凯利公式对参数极其敏感——胜率偏移 5%，最优仓位可能差一倍。使用半凯利给了你"犯错的空间"。 收益率分布偏差：凯利公式假设收益率服从对数正态分布，但真实市场的收益率有"肥尾"——极端事件的概率远超正态分布预测。半凯利能更好地应对尾部风险。 心理承受力：全凯利下注的波动性极大。在数学上它是最优的，但在心理上大多数人扛不住。回撤 30% 时你可能会恐慌平仓，而半凯利的最大回撤大约是全凯利的一半，更容易坚持。