核心觀點
凱利公式（Kelly Criterion）是二十世紀五十年代由貝爾實驗室科學家 John L. Kelly 所提出的一套資金配置方法，核心精神只有一句話：**用數學算出你該押多少。
它的公式有兩種常見形式：
（一）簡化版本（適用於離散勝負結果）：
f = (bp - q) / b
其中 f 是配置比例，b 是勝負時的淨賠率，p 是勝率，q = 1 - p 是敗率。
（二）報酬率／波動度版本（實務更常用）：
f = (μ - r) / σ²
其中 μ 是預期報酬率，r 是無風險利率，σ² 是報酬率變異數。此版本的好處是不需要估計「勝率」，而是用歷史數據計算報酬與波動的比率，與夏普比率（Sharpe Ratio）有異曲同工之妙。
這個公式告訴我們：不要all-in，不要恐慌性地少量拋撒，要用「勝利金額 × 勝利機率」來決定部位。
在股票投資中，凱利公式的應用極具爭議。支持者說它能讓資金成長速度最大化，反對者說它過度激進、在實務上根本無法準確估計勝率。
我的觀點：凱利公式是一把銳利的手術刀，用對了可以提升資金效率，用錯了比完全不用更危險。關鍵在於三件事：你對勝率的估計是否足夠準確、你是否能承受劇烈波動、以及你選擇的是 Full Kelly 還是 Fractional Kelly。
---
一、凱利公式的底層邏輯：為什麼「感覺」會讓你輸錢
多數散戶的資金管理方式是直覺式的：上漲了就加碼，虧損了就攤平，結果往往在高點重倉、在低點輕倉。這是一種典型的「均值迴歸情緒偏差」——我們在感覺樂觀時願意承擔更多風險，在感覺悲觀時縮手，但市場的頂部往往伴隨著最高的情緒，而底部伴隨著最低的情緒。
凱利公式的價值在於強迫你用數字說話，而不是用情緒判斷。
說明：本文主要使用簡化版本 f = (bp - q) / b 說明概念，因為它較易於手算與直覺理解。但實務上，專業投資機構更傾向使用報酬率／波動度版本，後文將特別說明。
簡化版本的基本計算
以一個簡單的例子說明：假設你評估某檔股票，未來一年上漲 30% 的機率是 55%，下跌 20% 的機率是 45%。b = 0.3（漲幅），p = 0.55，q = 0.45。
計算：f = (0.3 × 0.55 - 0.45) / 0.3 = (0.165 - 0.45) / 0.3 = -0.285 / 0.3 = -0.95。
這個負數結果告訴你：在這個賠率與勝率組合下，數學期望值是負的，應該降低倉位或放棄。
再舉一個正期望的例子：假設你能識別出一檔股票有 60% 的機率上漲 50%，40% 的機率下跌 30%。b = 0.5，p = 0.6，q = 0.4。
計算：f = (0.5 × 0.6 - 0.4) / 0.5 = (0.30 - 0.4) / 0.5 = -0.10 / 0.5 = -0.20 → 仍然是負的。
這說明一個重要的投資真相：多數人高估了自己的勝率，或低估了賠率。 這並不代表市場機會稀少，而是提醒投資人：在大多數情況下，風險報酬比未必足夠支持大倉位配置。換句話說，問題不在市場，而在於我們對風險與報酬的估計過於樂觀。
讓我們找一個期望值為正的案例：假設你有系統化的選股策略，歷史勝率達到 70%、賠率 b = 2（平均贏時賺 50%，平均輸時虧 25%，即 0.5 / 0.25 = 2）。
f = (2 × 0.7 - 0.3) / 2 = (1.4 - 0.3) / 2 = 1.1 / 2 = 0.55。
這意味著：即使你的策略勝率高達 70%，凱利公式也只建議配置區區 55% 的資金（Full Kelly）。實際操作建議採用 Half Kelly，即 27.5%。
這個數字教會我們一件事：在股票市場中，期望值為正的策略也往往只建議適度倉位，過度槓桿幾乎必然帶來災難。
實務版本：報酬率／波動度框架
專業投資人更常使用的是以下變形：
*f = (μ - r) / σ²**
f* 本質上與 Sharpe Ratio 成正相關——夏普比率越高，Kelly 配置比例越高。
假設一支股票的年化預期報酬率 μ = 12%，無風險利率 r = 5%，年化波動度 σ = 20%（σ² = 0.04）。
f* = (0.12 - 0.05) / 0.04 = 0.07 / 0.04 = 1.75 → 175% 槓桿（理論上）。
這個數字看起來很高，但注意這是「報酬率／波動度版本」，它隱含了你可以自由調整槓桿的假設。在實際股票投資中，多數人沒有槓桿，所以我們還要乘上一個「最大槓桿調整係數」。
若無槓桿，實際配置上限為 f_adj = min(f*, 1.0)。所以上述例子中，理論值 175% 被迫截斷為 100%——但這並不意味著「可以滿倉」，而是說在這個框架下你應該檢查自己的槓桿約束。
這個版本的優點：你不需要主觀估計勝率，只需要歷史數據就能計算。缺點是歷史數據不代表未來，且無法捕捉非線性風險。本質上，這個版本是在最大化長期對數報酬（log growth），其核心與現代投資組合理論中的風險調整報酬概念一致。
---
二、Full Kelly 的問題：為什麼多數專業投資人選擇半凱利
凱利公式的原始版本被稱為「Full Kelly」，理論上可以最大化資金成長的長期速度。但在實務上，Full Kelly 有三個根本性的問題：
第一，估計誤差的災難性放大。
凱利公式對勝率的輸入極度敏感。假設你的真實勝率是 55%，但你誤估為 60%，Full Kelly 建議的倉位可能遠超合理範圍。更糟糕的是，當勝率估計錯誤而你下了重倉時，虧損也會被放大。
第二，波動性過大導致心理崩潰。
Full Kelly 的資金波動在實務上非常劇烈。根據 Thorp 和 Brown 的回測，使用 Full Kelly 的投資組合在短期內可能出現 50% 以上的資金回撤。雖然長期來說期望值最高，但投資人在巨大虧損時往往會做出非理性的中止決策，導致「計劃玩到尾，卻在中途破產」。
第三，市場條件並非靜態。
凱利公式假設賠率與勝率在時間序列上保持穩定。但股票市場的宏觀環境、產業輪動、系統性風險都在變化。今日的高勝率策略可能在一年後失效，而 Full Kelly 的機械化特質無法及時調整。
也因此，業界的主流做法是採用 Fractional Kelly——最常見的是 Half Kelly（配置一半的公式建議倉位）或 Quarter Kelly（配置四分之一）。
Half Kelly 的效果：假設原本 f = 20%，Half Kelly 建議配置 10%。根據 Edéry 的研究，Half Kelly 大約放棄了 25% 的潛在成長，但將波動性減少了約 50%，大幅提升了投資人的「堅持到底」能力。
我的建議：除非你有超過 10 年的交易紀錄、嚴格的風險管理系統、以及足夠的資金厚度度過 30% 以上的回撤，否則不要使用超過 Half Kelly。
---
三、專業投資人如何實際使用凱利公式
愛德華·索普（Edward Thorp）的應用
愛德華·索普是第一位將凱利公式系統性應用於金融市場的傳奇人物。作為 1960 年代 MIT 數學教授，他透過 21 點算牌與輪盤賭博驗證了凱利公式的有效性，隨後將相同邏輯轉向股票市場。
他的對沖基金 Princeton Newport Partners（1969-1988）在 19 年間實現了年均 19.1% 的報酬，幾乎零虧損年份。索普的關鍵創見是：將凱利公式與價值投資結合，只在「價格低於價值」且「勝利機率高」時下注，而非在所有機會上分散資金。
索普在《A Man for All Markets》中強調：「我使用凱利公式，但從不直接用 Full Kelly。我多數時候只用 25% Kelly，因為我知道我的估計有誤差，而錯誤在凱利公式下會被急遽放大。」
對沖基金的實務做法
根據 Ziemba 與 MacLean 的研究（2010），多數成功對沖基金使用凱利公式時遵循三個原則：
原則一：修正輸入參數。 他們不使用「預期報酬率」的直接估計，而是使用「歷史平均報酬 × 衰減係數（通常 0.7-0.8）」作為保守調整。這直接解決了勝率被高估的問題。
原則二：多策略分散。 對沖基金不會將所有資金用單一策略的凱利公式計算結果。他們將資金分配到 5-10 個不相關的策略，每個策略有自己的凱利倉位，整體組合的波動因此大幅降低。
原則三：動態再平衡。 每季或每月根據最新市場數據重新計算，調整各策略的配置。這種紀律式的再平衡本身就是對抗情緒偏差的武器。
---
四、在個股投資中的實際應用框架
將凱利公式應用於個股投資，需要三個步驟：估計賠率、估計勝率、計算配置。
步驟一：估計賠率（b）
賠率不是「這檔股票會漲多少」，而是「當我正確時，我的淨回報是多少；當我錯誤時，我的淨虧損是多少」。
正確的計算方式：b = (目標價 - 進場價) / 進場價，假設你以 100 元買進，目標價 140 元，止損價 85 元，則 b = (140 - 100) / 100 = 0.40。
這裡有個常見錯誤：沒有將止損價納入賠率計算。很多人只看「會漲多少」，不計算「錯了會虧多少」，導致賠率被嚴重高估。
步驟二：估計勝率（p）
勝率的估計是最困難的部分，也是最容易摻入主觀偏差的地方。
三種可行的勝率估計方法：
方法一：歷史勝率法。
如果你的策略有 5 年以上的交易紀錄，可以用實際勝率作為估計基礎。缺點是市場結構改變後，歷史勝率可能不再適用。
方法二：基本面評分法。
將影響股價的因素量化評分（如本益比、營收成長率、產業地位、管理層品質），給每個因子權重，計算一個綜合分數，再將分數轉換為勝率估計。例如，價值型投資大師喬爾·格林布拉特（Joel Greenblatt）的「神奇公式」就是將企業品質與價格兩個維度結合，歷史上在美國市場跑贏大盤 10% 以上。
方法三：分析師共識法。
追蹤機構分析師的目標價與評級分布，如果 70% 的分析師給予「強烈買入」評級，且平均目標價較現價有 40% 以上的空間，這可以作為勝率估計的參考。
步驟三：計算並執行紀律
計算 f = (bp - q) / b 之後，將結果與資金規模結合，計算出具體的投入金額。
舉例：假設你的策略勝率 p = 0.65，賠率 b = 0.4（目標價 40% 上漲空間），q = 0.35。
f = (0.4 × 0.65 - 0.35) / 0.4 = (0.26 - 0.35) / 0.4 = -0.225。
負數結果表示這個策略在統計上顯示應降低倉位，而非如一般誤解的「完全不能投資」——它只是提醒你應該控制資金比例在合理範圍內。
這就是凱利公式最重要的紀律功能：它讓一個「感覺會贏」的交易背後有了客觀的數字根據，而不是純情緒化的決定。
---
五、實務案例：計算個股倉位
讓我們用一個具體的美股案例說明完整的計算流程。
案例：輝達（NVIDIA, NVDA）
假設你在 2026 年 4 月以 $850 進場，評估如下：
- 目標價 $1,100（29.4% 潛在上漲空間）
- 止損價 $750（11.8% 潛在虧損空間）
- 基本面評分支持 65% 的勝率估計（AI GPU 需求強勁，Blackwell 架構領先，數據中心收入加速成長）
計算賠率 b：b = (1100 - 850) / 850 = 250 / 850 = 0.294
注意：這裡使用淨賠率，不是簡單的報酬率。
代入公式：f = (0.294 × 0.65 - 0.35) / 0.294 = (0.1911 - 0.35) / 0.294 = -0.1589 / 0.294 = -0.54
負數結果的正確解讀是：不是「不能投資」，而是「在此賠率結構下，你應該大幅降低倉位，或者調整進場條件」。
在實務上，如果你的系統評估這檔股票的基本面支撐度很強，你仍有兩個選擇：
- 接受更小的部位（如 5-10%），而非放棄
- 等更好的進場點（賠率更高時），再提高部位
這解釋了為什麼多位對沖基金大佬在 2025 年 NVDA 回撤至 $780 時大量加倉——當時的賠率結構（目標價 $1,100 vs 進場價 $780 = 41% 上漲空間）與勝率評估，讓 f 值由負轉正。 市場的差異不在於「是否值得投資」，而在於「賠率是否足夠支撐期望值」。
---
六、三個常見錯誤與糾正方法
錯誤一：將「主觀信心」當作「客觀勝率」
這是最普遍、最致命的錯誤。一個投資人說「我非常有把握這檔股票會漲」，但沒有任何數據支持勝率估計，這不是凱利公式的輸入，這是情緒。
糾正方法：在進場前，至少找到三個可以客觀量化的「勝利理由」，並持續追蹤它們是否仍然成立。如果這些理由消失，即使帳面仍是獲利，也應該重新計算勝率。
錯誤二：忽略尾部風險（Black Swan）
凱利公式假設賠率與勝率是穩定的，但市場偶爾會出現極端事件。1987 年的黑色星期一、道瓊一天之內下跌 22%；2020 年 3 月 COVID 導致美股在 4 週內下跌 34%——這些都是公式無法預測的尾部風險。
糾正方法：在使用凱利公式時，永遠要假設最壞情況可能比歷史數據更糟。資金配置時保留至少 20% 的現金緩衝，不要完全根據公式滿倉。
錯誤三：過度交易導致公式失效
凱利公式是針對「重複下注」情境設計的。如果你每週換股，公式的前提就不成立——你需要的是足夠長的時間序列，讓大數定律發揮作用。
糾正方法：選擇一個你可以堅持至少 6-12 個月的策略。凱利公式在短期內沒有任何優於隨機決策的證據，它是一個長期複利工具，不是短線炒作的聖杯。
---
七、實戰簡化版本：一般投資人怎麼用
如果你是個股投資人，沒有機構級的數據與模型，以下是一套可以立即使用的簡化框架：
簡化版凱利決策表
| 勝率估計 | 賠率（報酬/風險比） | 建議倉位（Half Kelly） |
|---|---|---|
| 55% | 1.5 | 10% |
| 60% | 2.0 | 15% |
| 65% | 2.5 | 20% |
| 70% | 3.0 | 25% |
| 75%+ | 3.0+ | 30%（上限） |
實務操作三步驟
步驟一：確定賠率。 入場價與目標價之差除以入場價，得出潛在上漲空間。這個數字起碼要是潛在虧損空間的 2 倍，否則賠率不足。
步驟二：保守估計勝率。 將你自己估計的勝率打八折。例如，你「感覺」有 70% 信心，實際代入公式時使用 56%（70% × 0.8）。這是對抗自負偏差的免費方式。
步驟三：套入 Half Kelly。 計算後再減半。例如，公式算出 f = 20%，你的實際配置應該是 10%。
一個具體的例子
假設你以 $100 買進某檔股票，目標價 $140，止損價 $85。
賠率 b = (140 - 100) / 100 = 0.40
你自己估計勝率約 65%，保守估計用 52%（65% × 0.8）
q = 1 - 0.52 = 0.48
f = (0.40 × 0.52 - 0.48) / 0.40 = (0.208 - 0.48) / 0.40 = -0.272 / 0.40 = -0.68
負數 → 降倉。
即使你很樂觀，賠率不夠高時，公式告訴你應該把這筆交易的倉位控制在 5% 以內，或耐心等待更好的進場機會。
記住：凱利公式不是告訴你「應該買什麼」，而是告訴你「如果你決定要買，應該放多少錢」。
---
八、如何將凱利公式整合進你的投資系統
凱利公式不應該單獨使用，而應該作為整體資金管理系統的一部分。
我建議的整合方式是「三層過濾器」：
第一層：策略層過濾。 任何策略在進入凱利計算前，必須先通過基本面的篩選——產業趨勢、公司競爭力、管理層誠信、財務健康度。這是基本的 Alpha 來源。
第二層：凱利公式計算。 當第一層通過後，用凱利公式計算合理的配置比例。不要超過 Half Kelly。
第三層：風險平準網。 每季重新評估勝率與賠率。當任何一個核心假設改變時，重新計算配置。當整體投資組合的回撤超過 20% 時，強制降低所有倉位至少 30%，無需等待公式信號。
這種三層設計的好處是：即使凱利公式給出的數字失效，前兩層仍能提供保護。
---
結論：有用，但紀律比公式更重要
凱利公式在股票投資中的核心價值，總結為三句話：
第一，它是一個強大的「偽命題檢驗器」。 當你發現計算結果是負數，你的「很有把握」就值得懷疑。
第二，它是資金波動的心理緩衝器。 Half Kelly 配置讓你在最艱難的時候仍然有子彈、有心力堅持下去。
第三，它不是聖杯。 錯誤的勝率估計會讓最好的公式殺死你的資金組合。市場上沒有白吃的午餐。
最終建議：把凱利公式當作資金管理的紀律工具，而不是預測工具。用它來控制「不該做什麼」，而不是用來預測「哪一筆交易一定會贏」。 如此，你才真正把這個誕生於貝爾實驗室的公式，轉化為屬於你自己的投資優勢。
如果你不知道該押多少，那你其實還沒準備好下注。
在市場裡，活得久，比贏得快更重要。
---
參考來源
- Kelly, J.L. (1956). "A New Interpretation of Information Rate". Bell System Technical Journal, 35, 917–926.
- Thorp, E.O. (2017). A Man for All Markets. Princeton University Press.
- MacLean, L.C., Thorp, E.O., & Ziemba, W.T. (2010). "Good and Bad Properties of the Kelly Criterion". Wilmott Magazine, 2010(1).
- Bogle, J. (2007). The Little Book of Common Sense Investing. John Wiley & Sons.
- Greenblatt, J. (2006). The Little Book That Beats the Market. John Wiley & Sons.
- Bernstein, P.L. (1996). Against the Gods: The Remarkable Story of Risk. John Wiley & Sons.
- Taleb, N.N. (2018). Skin in the Game: Hidden Asymmetries in Daily Life. Random House.
- Ziemba, W.T. & MacLean, L.C. (2010). The Kelly Capital Growth Investment Criterion. World Scientific Publishing.