量化策略开发，高质量社群，交易思路分享等相关内容

大家好，今天我们来聊一聊松鼠2期V2版本的阶段内容——凯利公式在RFI择时框架上的运用。

松鼠品种小组2期第1版策略、讲解视频已完结，该期小组我们分享了全新“普适性、自适应”择时框架，该框架区别于超级趋势线，超级趋势线主要着力点在于管道变为支撑压力线。而RFI框架着力点在于RSI数值对于超买超卖规定阈值的占比变化。

今天我们撇开策略本身，我们专注来谈一谈凯利公式到底是如何复现代码，以及如何运用在策略当中。

凯利公式复现

在《资金管理方法》一书中我们可以看到该算法的构成：

Kally = 胜率 - （1-胜率） / 赔率

其中胜率就是回测绩效中的胜率，胜率 = 盈利交易次数 / 总交易次数。

赔率实际上就是平均盈亏比，或者盈亏比。赔率 = 总利润 / 总亏损（平均利润 / 平均亏损）

翻译完公式，下面我们就一步一步的写公式然后计算就可以了，届时就可以计算出Kally数值，然后根据Kally就可以实现书本上最优秀的资金管理模式了。

第一步：计算胜率

在TBQ中自带了相关的内置函数，我们直接调用即可。当然在这里有一个潜在的坑，那就是这里的次数函数计算，是包括了手数倍数的，虽然与实际的次数相比有一定误差，但是最后计算的胜率与实际按照次数计算的胜率相差很小，所以在这里我并没有深究。（总交易次数同理）。

第二步：计算赔率

在这里我采用了平均盈亏比用来表示赔率，当然总盈亏比也可以，相差也不是很大。同样在TBQ中有对应的函数调用。如果使用python那么其实也不难，只需将每一次的开平仓买卖价差（±）*手数再累加，即可求得总利润（亏损），同理交易次数也是累加即可。这里不再赘述。

因为平均亏损是个负数，所以在计算赔率的前面我加入了负号“-”。

第三步：计算Kally

最后一步我们只需要发挥小学数学技能——套公式，这里不再赘述。

到这里，我们就已经完全计算出Kally公式数值了。那么我们具体如何去用呢？
 

在该书案例中，的确可以找到一个风险比例与最大收益率边际效用最大的一个值，但实际情况并不如此。

凯利公式这个代码计算逻辑看似很科学合理，但是有不少问题，问题如下：

1、凯利公式是根据胜率和赔率（平均盈亏比）计算而来，当胜率或赔率过小的时候，会出现凯利公式为负数的情况，此时就无法使用该资金管理模式。

2、在初始阶段，需要开平仓交易数据计算胜率和赔率（平均盈亏比），所以在开始交易的时候，凯利公式无法使用。

最后，需要注意的是，虽然凯利公式在理论上是最优的投资策略，但在实际应用中，它可能会导致投资比例过大，风险过高。

因此，很多投资者会选择使用凯利公式的一部分，比如凯利公式的50%或25%，以减少风险。此外，凯利公式假设你的赔率和胜率是固定的，但在实际情况中，这两个参数往往会变化，这也是使用凯利公式需要注意的地方。

那么针对上述问题，我们将在品种小组2期直播中继续带大家落地解决这些问题，并为大家直面剖析Kally是否真的像大家想像的那样“完美”。