信号告诉你「买什么」，仓位决定「买多少」——同一信号，不同 sizing 的长期复利差异可达数倍。本篇四种方法按数学含量递进，每种都附「它的失效方式」——sizing 方法的风险不在选哪种，而在不知道自己方法的边界。
等权：被低估的基准
每个标的固定相同权重（Top N 等权）。它的名声朴素，但表现常出人意料：DeMiguel 的经典研究里，1/N 等权击败了 14 种优化组合（见MPT ）。原因：等权不做任何估计（μ、Σ 全不需要），省下的估计误差大于优化带来的收益。
失效方式：对波动差异大的持仓（股票+期权混搭），等权让高风险资产实际承担了不成比例的风险——等权是「资金视角」的平等，不是「风险视角」的。
波动率倒数：风险的标准化
wᵢ ∝ (1/σᵢ)，有时再乘以目标波动率做总量控制：wᵢ = (目标σ/σᵢ) × (1/N)。效果：每个持仓对组合波动的贡献近似相等——组合的滚动波动率变平稳（「波动率目标」的组合内版，见时序策略
）。
它内嵌了一个正确的统计学直觉：**用 σ 估计（相对可靠）替代 μ 估计（极不可靠）**来驱动仓位。CTA 与宏观策略的默认选择。
失效方式：σ 骤变时（平静期加的仓遇上突发波动）会有一次性的仓位超调——需要配合 GARCH 类前瞻波动估计与仓位调整的滞后设计；另外它完全不看预期收益——「更稳的信号该配更大仓位吗」它回答不了（那是 Kelly 的领域）。
Kelly 公式：最优与危险并存
Kelly 的直觉：最大化长期复利增长率的仓位。二项版本的公式：
f* = (bp − q) / b
p=胜率、q=1−p、b=盈亏比。完整算例：
| |
连续版本：f* = μ/σ²（超额收益/方差）。Kelly 的三个深刻性质：长期增长率最优（超过 f* 的仓位反而降低增长率——过度自信在数学上被惩罚）；永不破产（比例下注理论上不会归零）；回撤巨大（f* 全额下注时，一半概率经历 −50% 回撤——增长最优的代价是路径惨烈）。
实务标准是半 Kelly（f/2）甚至四分之一 Kelly*：因为 μ 的估计误差极大（Kelly 对 μ 过敏——μ 高估 20%，f* 就超配 20%，而 μ 恰恰是最不可靠的估计，见MPT 的同款顽疾），且半 Kelly 的增长率只损失约 25% 而回撤与方差减半——用增长换生存的教科书交易。
失效方式：Kelly 假设「参数已知 + 可无限细分 + 独立重复」——金融全不满足。连续加仓场景下相关性会击穿 Kelly（多仓同时回撤）——组合层面的 Kelly 必须用协方差版本（F = Σ⁻¹μ，向量解），且仍要叠加回撤熔断（见事前风控
）。历史上把「全 Kelly」当信仰的账户没有长寿的（索普用它赢赌场时对参数一清二楚，进了市场他也只用几分之一 Kelly，见索普
）。
风险预算：工程化的总纲
前三种方法的统一框架是风险预算：为每个决策单元（标的/策略/因子）指定风险贡献的配额，反解资金权重（数学见风险平价 ）。它的真实价值在管理语义：风控与投资的对话从「仓位多少」升级为「风险预算多少」——
| |
预算超限的动作自动化（超配的减、欠配的可不加），与事中风控 的熔断梯子衔接。
四种方法的选择树
| |
三条通用纪律：①任何 sizing 参数（目标 σ、Kelly 分数、预算比例）都要经过参数敏感性检验——sizing 参数的过拟合比信号参数更隐蔽（见Walk-Forward ）；②sizing 与止损联动设计（仓位 × 止损宽度 = 单笔最大亏损额，倒推仓位——「先定亏多少，再定买多少」，完整算例见风控参数参考 ）；③sizing 的最高原则不是最优而是可执行——让你在 -20% 回撤时还能理性操作的仓位，才是正确的仓位。