再次更新算法，确定每次的投入比例。

首先讨论一下凯利公式，贝尔实验室的产物，这个公式能得到最大收益期望的下注比例（又是期望这种虚无的东西w ，同时假设钱可以无限再分，这样钱就永远用不完了（喂 w这个公式在赌场很出名，经过简化后的公式如下：

$f^*=p-\frac{q}{b}$

f*是下注比例，p是胜率，q是败率（简单处理可认为是1-p），b是赔率（b=胜利的收益/失败的损失）。从这个公式可以看出以下几点：

1、因为败率和赔率都是正数，所以下注比例永远不会超过胜率。

2、下注的比例随赔率变大而升高。

3、公式变形后，投注比例大于0的情况下，有：

$p-\frac{q}{b}>0$

进一步得出

$b>\frac{q}{p}$

即赔率大于（1/p-1）的时候，才有投注的必要。反映到图像上（y=1/x-1的曲线，0<x<1 ，在胜率线性减小的时候，赔率需要指数增长才配得上它w

接下来把这个公式和投资结合一下。

投资中有一个比较长青的概念，均值回归，即所有事物都不可能永远涨或跌，一定会有回归的时候。反映到数据上，即历史胜率越高，则回归的可能性越大，所以单纯将过去的统计胜率套入凯利公式是不行的，会导致高买较多，低买较少，这显然不符合投资的逻辑。赔率也同理，在低点的赔率和在高点的赔率显然是不同的，不能以统计赔率来考虑现时的赔率。所以需要选择能够反映市场规律的胜率和赔率，然后再使用凯利公式进行计算。

因为技术周期的浮动比较客观，每个周期的起点位置明确，便于比较，所以以技术周期的统计概率和涨跌情况确定初始的胜率和赔率。另外长期和短期位置需要有所区别，所以短期以J周期为参考，长期以涨跌周期为参考。考虑有新高和新低的情况，胜率范围取5%（pB）-95%(pT)。

1、短期胜率（Ps）和赔率（Bs）的选择

以J周期涨跌次数的占比为短期的初始胜率，越向底部的位置胜率越高，越向顶部则越低。以盈利J周期涨跌幅度比例为初始赔率，向下赔率增加，向上则减小。有初始胜率和赔率：

$originPs=\frac{ups}{ups+downs}$

$originBs=\frac{avgJU}{avgJD}$

其他位置根据初始胜率和赔率进行调整，设目前在所有J周期中的位置为C，最大调整幅度为dB，最大上涨幅度为uT，目前上涨幅度cU，目前下跌幅度cD，有上升J周期：

$Ps=pB + (originPs-pB)*C_u$

$Bs=\frac{avgJU - avgJU*(cU/uT)}{Javgdown + (dB-avgJD)*(cU/uT)}$

下降J周期：

$Ps =originPs + (pT - originPs)*C_d$

$Bs=\frac{avgJU + (uT - avgJU)*(cD/dB)}{avgJD - avgJD*(cD/dB)}$

考虑盈利J周期的统计概率，对调整幅度超过历史90%和最大调整幅度的位置进行胜率加成，在下降周期有90%位置：

$Ps` = Ps + (pT - Ps)*0.5$

最大调整位置：

$Ps` = Ps + (pT - Ps)*0.8$

2、长期胜率（Pl）和赔率（Bl）的选择

以涨跌周期涨跌次数占比为初始胜率，以涨跌周期平均涨跌幅比例为赔率，有初始胜率和赔率：

$originPl=\frac{ups}{ups+downs}$

$originBl=\frac{avgU}{avgD}$

设目前在所有周期中的位置为c，最大上涨幅度T，最大下跌幅度B，上涨周期中，设当前上涨幅度为cU：

$Pl = pB + (originPl - pB)*c$

$Bl=\frac{avgU - avgU*cU/T}{avgD + (B - avgD)*c}$

下跌周期中，设当前下跌幅度为cD：

$Pl =originPl + (pT - originPl)*c$

$Bl=\frac{avgU + (T - avgU)*cD/B}{avgD - avgD*cD/B}$

 

可见投资和赌博有一个不太一样的地方，赌博一般是胜率越低，赔率越高，而因为均值回归的关系，投资在胜率越高的位置，一般赔率也越高，投资机会（和坑 就出现在这里。当然统计概率不是全部，也不预示未来，如果公司或者行业本身不行了，下降将是非常确定的未来，但如果是经济周期中的波动或者遭遇黑天鹅事件，大家都向下的时候，凯利公式真正发挥作用的时候就到来了，这种时候情绪的波动将被充分计价，同样在情绪非常不理智的牛市末期，如果有些心慌的话，凯利公式将帮助你规避风险。

目前收益率4.46%

以上。