凯利公式的核心目标非常纯粹：在已知一场博弈或一个量化策略的“真实胜率”与“盈亏比”的前提下，计算出每次交易应当投入的总资金的最佳刚性比例，以此确保账户在长期运行中既绝无爆仓可能，又能让财富累积的几何平均速度达到数学极限。其经典公式表达为：f* = (p × b - q) / b
其中各个物理变量的白描特性如下：

• f*：当前策略应当投入的占账户总资产的最优单次仓位比例。
• p：策略的历史真实胜率（即盈利交易次数占总交易次数的比例）。
• q：策略的亏损概率，等于 1 - p。
• b：策略的平均盈亏比（即平均单笔盈利金额 / 平均单笔亏损金额）。 举个例子：如果一个趋势跟踪策略经过严密的回测和样本外测试，确立了其长期胜率 p = 0.4（40%胜率），但由于能捕捉大波段，其平均盈亏比高达 b = 2.5（赢一次赚2.5元，输一次亏1元）。代入公式计算：f* = (0.4 × 2.5 - 0.6) / 2.5 = 0.16。这意味着，凯利公式从数理层面给出的最佳答案是：每次触发信号时，投入整个账户总资产的16%进行建仓，此时资产长期的雪球效应最为完美。

实盘落地中为什么要推行“半凯利（Half-Kelly）”修正

尽管凯利公式在数学推导上无可挑剔，但在真实多变的证券市场实盘中，直接百分之百套用凯利值往往会带来超出常人精神承受上限的剧烈震荡。因为凯利公式默认投资者是绝对理性的机器，且历史回测的胜率和盈亏比在未来永远保持恒定。
一旦未来市场风格发生阶段性漂移，导致胜率突发性出现统计学内的连续回撤，满额的凯利仓位会导致账户净值发生阶梯式的巨大回吐。因此，在工业级的量化实践中，研究者普遍会引入“半凯利法则（Half-Kelly）”，即在计算出最优比例 f* 后，主动将其乘以0.5作为最终的下单系数（如上述例子中将16%仓位下调至8%）。这种物理上的主动折让，虽然轻微牺牲了最高财富累积速度，但却能将账户的波动率和最大回撤瞬间压降50%以上，大幅提升了策略在实盘落地中的容错率和生命力。