凯利公式与投资策略（原创：财富发电机版权所有转发不究）凯利公式源自物理学家凯利教授在贝尔实验室研究通信技术时的发现，凯利公式可应用于多次的随机赌博游戏，解决如何投注可使资金的复利增长率最高，且永远不会导致完全损失所有资金。
它假设赌博可无限次进行，而且没有下注上下限。
凯利公式：f=(bp-cq)/bc公式中：f为现有资金应进行下次投注的比例；b为投注获胜时的盈利率；c为投注失败时的亏损率；p为获胜概率；q为落败概率，即1 - p；凯利公式最简单的例子：如果有一种赌博机会，你可以不断重复下注。
假若你赢的概率是p=0.6，输的概率是1－p＝0.4。
如果赢了，你用来投资的钱就翻倍；输了，钱就全部损失了。
那么，你每次应该用你手中资金的多少去投资以便达到最好的回报？显然，一次就把全部钱都投进去不是一个好的策略。
如果赌错了，根本就没有再捞回来的机会。
正确的答案是：f=（1*0.6-1*0.4）/1*1=0.2你每次应该用你手头资金的20%去赌。
在获胜概率不变的情况下，平均每赌36次，你手里的钱就会翻一番。
如果获胜概率p<0.5，就不应该参与。
好莱坞影片《决战21点》取材于根据凯利判据而战胜赌场的真实的故事：麻省理工学院（MIT）的一群学生在华裔马恺文带领下，依据凯利判据的原理在美国各地赌城以21点盈利1000万美元。
之后，他们被赌场永久禁入。
他们战胜赌场的原理是：在一开始胜率很小的情况下下最小注，同时计算10点牌发出了多少张，其它人则将信息传递给最后一个人，这个获得最多信息的人下最大注。
根据计算，这样玩家比庄家多3%的优势。
仅仅3% 的获胜机率，却足以使职业赌徒最终战胜了赌场。
中国的A股如赌场，在A股市场投资也可以运用凯利公式。
假设有一种投资策略，比如macd金叉时买入，死叉时卖出；或5日均线上穿60日均线时买入，下穿60日均线后卖出。
每次买卖均在获利10%时止盈或亏损10% 时止损，其获胜的概率假定为53%，那么我们每次投资的比例是多少呢？f=（0.1*0.53-0.1*0.47）/0.1*0.1=0.6即每次投入手头现有资金的60%。
如果你有100元，首次应投资60元，若投资成功，总资产为106元，则下次投资应投资106*0.6=63.6元。
反之，首次投资若失败，止损后总资产为94元，则下次投资应投资94*0.6=56.4元。
如果获胜的概率为55%，通过凯利公式算出的投资比例为100%，则可将全部资金投入。
如果获胜的概率大于55%，比如60%，通过凯利公式算出的投资比例为200%，则可以通过借贷来增加投入。
当获胜的概率接近100%时，比如前几年的房地产市场，大家都认为房价会不停的上涨而不会下跌时，通过大量借贷投资就是最佳选择，这时候大量的资金会涌入这个市场，并导致泡沫形成。
但世界上没有100%获胜的赌局，一旦有黑天鹅事件出现，借贷投资者就会遭受巨大的损失，甚至丧失全部本金。
通过凯利公式下注，在长期中能获得最高的复利增长率且永远不会输掉全部本金。
但是尽管理论上能保证长期最高复利增长率，但这个长期可能非常长。
另外，按凯利公式投资，由于存在连续止盈止损的可能性，净值波动总是很大。
凯利公式对我们在证券市场投资有很大的指导意义。
从凯利公式我们可以看出，提高获胜概率非常重要，这决定了投资的成功或失败。
所以投资者最重要的，是拥有一个成功率大于50%的投资策略。
对于长线投资者，有些投资策略从历史上来看有比较高的取胜概率，比如按大盘的平均市盈率决定交易，当平均市盈率降到12倍时买入，平均市盈率上升到25倍时卖出；分散投资诸如*st类的重组股，这类股票因重组失败而退市的概率很小，而恢复交易后往往带来数倍的投资收益；对于短线投资者，比较流行的如波浪理论、江恩理论，有报道称其成功率只有35%。
公开的为大众所熟知的理论往往没有什么用处，短线投资者想要在股票市场获得盈利，就必须另行寻找确实有效的短线交易策略。
现在有些软件如同花顺等，可以自行编写交易指标，还可以进行历史数据的模拟测试。
我们要做的就是通过数学的方法，用多种技术指标的组合，尽量提高取胜概率。
但是历史数据不等于未来数据，从历史数据得来的指标并不一定适用于未来。
同时短线投资者还得秉承“不能把所有的鸡蛋放到一个篮子里”的格言，分散投资以分散风险。
1、国信证券国信证券已有策略一览策略定位策略名称择时EMS择时策略择时从基金仓位看大盘风险择时从市场协同性看大盘风险配置正ALPHA行业配置配置国信投资时钟配置GSRS在大类资产配置中的应用配置基于景气指数的行业配置配置核聚类及行业轮动配置聚类分析与行业热点选股GSMS资金强弱选股策略选股区分度动量选股选股多因子与LOGISTIC选股模型选股CART行业内决策树选股套利股指期货套利策略应用套利事件冲击及套利应用套利配对交易核聚类策略简介找到一组核行业，使得核行业的收益率序列之间的距离很远，同时，每个核行业周围又会被其他非核行业围绕，其他行业围绕着核行业而形成两个或多个大的聚类。
核行业可以代表它们周围行业的共性，并且通过核行业的轮动可以体现不同的行业聚类之间的轮动效应。
由于核行业与自己同一聚类的行业距离较近，与非同一聚类的行业的距离较远，所以一个核行业与其他行业的距离差异性应该比较大，也就是说核行业与其他行业的距离的标准差应该是比较大的；同时，由于不同的核行业不应该处于同一个聚类中，所以核行业之间的距离应该相对较大。
因此我们通过计算行业收益率之间的欧氏距离矩阵的方法来进行核聚类，筛选出的核行业为“采掘业”和“医药生物”行业。
其中，采掘业为周期性行业，而医药生物为非周期性行业，从另一个角度印证了两个核行业之间的差异性的显著。
轮动策略简述对于选出的两个核行业，采掘业和医药生物行业，我们研究了他们之间相对收益的动量反转效应。
我们计算了不同采样期的相对收益与不同持有期相对收益之间的相关系数表，可以看到多数短采样期的相对收益与短持有期的相对收益都有着较高的正相关性，说明采掘业与医药生物的相对收益，有着很强的动量效应。
根据采掘业与医药生物之间相对收益的动量效应，我们构建了一种简单有效的追逐动量的轮动策略：每周末计算过去12周两个行业的累计相对收益，作为轮动信号。
从这周末开始，持有过去12周相对收益较大的行业，直到信号发生变化。
正ALPHA行业配置简介根据各行业Alpha 与其它行业Alpha 相关系数，国信证券将24个行业分为两类，一类行业包括：采掘行业、金融行业、房地产行业、有色金属、黑色金属和交运仓储。
其余所有行业为二类行业。
等权重配置下，两个组合Alpha值的相关系数达到－0.857 。
根据市场权重进行配置，两个组合Alpha 值的相关系数为－0.916 。
在几乎所有的投资周期内，两类组合的Alpha都能表现出理想的负相关关系，并且没有频繁的交叉，对于构建实用的投资策略十分有利。
按照上述分类方法，国信证券选择两类组合的Alpha 值最接近的时点为调仓时点，在2002 年至今的7.5 年时间中，这样的时点共出现过20次，平均每年小于3 次。
100% 换仓的情况下，2002 年至今，累计收益率达到131.02 ％；40 ％换仓情况下，累计收益率达104.17 ％，同期万德全A指数的累计收益率为87.42 ％。
60/40 组合的Beta 值始终控制在0.967 至 1.029 之间，均值为0.997 ；Alpha 则在2/3以上时间内大于0 。
从09 年 1 月 1 日起分析该组合的收益，至5 月27 日，累计收益为53.97 ％，同期万德全A 指数的累计收益为52.00％，沪深300 指数累计收益为47.94 ％，上证综指的累计收益仅为37.63 ％。
基于基金隐形重仓股的投资策略简介通过选股能力和业绩持续性检验筛选出目标基金，用这些基金最新的隐形重仓股构建股票投资组合。
组合可以分成三类，包括符合条件的全部隐形重仓股，较上季度增持、新进或份额没有变动的隐形重仓股和遭减持的隐形重仓股组合。
实证结果显示，基于隐形重仓股的多头策略，全部、非减持和减持三种组合从2008 年4 月1 至2011 年5 月27 日，收益率分别为52.71%，61.52%和40.01%。
用沪深300 股指期货对冲风险的多空策略，全部、非减持和减持三种组合收益率分别为82.79%，92.23%和69.62%，同期沪深300指数涨跌幅为-24.77%。
基于基本面先行因子的行业配置模型简介从行业的基本面角度分析各行业先行因子存在的可能性，通过海量的基本面因子筛选，寻找可行的行业先行因子，并通过构建基于先行因子的回归模型来对行业收益进行预测。
最终，通过对16 个行业进行回溯和样本外检验，模型的效果多空收益对比显著分列在行业平均市场收益的两侧，达到了配臵的预期目标。
总体来说，单行业的预测效果泾渭分明，医药生物、食品饮料、电子等行业预测效果极佳，但也有个别行业，如石化、银行、家电等预测效果不佳。
基于基本面因子，我们的确可以对于行业的收益表现有一定的预测作用，但毕竟基本面因子并不是解释行业收益唯一的原因，尤其是行业特征的不同，各行业对于基本面因子的预测所表现的吻合度也必然是各有不同的。
2．华泰联合证券有三个组成部分，一是指数研究，二是量化择时研究，三是行业配置研究。
指数研究包括：G50成长策略指数、低风险保守策略指数、高风险激进策略指数、反转机会策略指数GARP策略指数、市场认知偏差策略指数、实业资本偏差策略指数。
量化择时分为择时指标和轮动指标，择时指标有移动Hurst指标、交易量偏差指标、SAR周线指标、自适应均线指标、小朋友指标、XMA周线指标。
移动Hurst 指数于2008 年7 月由联合证券金融工程团队开发，已经成功预测到2008年7 月、8 月的继续探底，9 月的进入底部区域，和今年2 月以来的全面反弹。
在对历史数据的回溯中，该指标也能够准确地对2005 年的熊市底部，2007 年的牛市顶部进行标识，其识别牛熊转换区间的能力让人印象深刻，在业内引起广泛的关注。
其原理是利用二十世纪数学的崭新领域分形理论，通过比较复杂的计算提取股票指数收益序列的分形特征，来描述市场对趋势的记忆能力高低。
而市场牛熊转换的时期对应到对前期趋势记忆力的消退期，通过对趋势记忆力的变化可以来判断市场是否面临大趋势的转换。
股票指数的移动Hurst 指数通常在0.4-0.8 之间波动，低于0.55 的移动Hurst 指数意味着市场对前期趋势记忆的消退，很可能酝酿大趋势的反转。
而如果移动Hurst 指数高于0.55，则表示目前正在趋势中，而且未来一段时间很可能维持该趋势，移动Hurst 指数的值越高，未来维持近期趋势的可能性越高。
交易量偏差是我们开发的一种市场情绪指标，它计算的依据就是指数的每日成交量。