# 风险管理体系

> 风险管理是量化交易中最重要的环节之一。长期成功的交易者与失败者的核心区别，往往不在于策略的胜率，而在于风险管理的质量。本文档构建完整的量化交易风险管理体系。

---

## 一、风险管理框架

### 1.1 风险层次结构

```
账户级风险
  └── 最大总亏损限制（如账户的 20%）
      └── 单日最大亏损限制（如账户的 5%）
          └── 单笔交易最大风险（如账户的 1-2%）
              └── 止损位设置
```

### 1.2 tradehk 风险参数（参考）

```typescript
interface RiskSettings {
  maxLossPercent: number;       // 最大亏损 %（默认 5%）
  maxProfitPercent: number;     // 最大盈利 %
  stopLossPercent: number;      // 固定止损 %
  takeProfitPercent: number;    // 固定止盈 %
  useIndicatorStopLoss: boolean;  // 使用指标止损
  useIndicatorTakeProfit: boolean; // 使用指标止盈
  autoStopLossMinutes: number;  // 下单后 N 分钟内自动挂止损（默认 10）
  leverage: number;             // 杠杆倍数（默认 1）
}
```

---

## 二、仓位管理

### 2.1 固定比例法（Fixed Fractional）

每笔交易风险固定为账户的固定比例（通常 1-2%）：

$$仓位大小 = \frac{账户资金 \times 风险比例}{入场价 - 止损价}$$

**示例**：
- 账户资金：10,000 USDT
- 风险比例：2%（200 USDT）
- BTC 入场价：100,000 USDT
- 止损价：98,000 USDT（止损幅度 2%）
- 仓位大小：200 / (100,000 - 98,000) = 0.1 BTC

### 2.2 Kelly 公式

Kelly 公式计算理论最优仓位比例：

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

其中：
- $f^*$：最优仓位比例
- $p$：胜率
- $q = 1 - p$：败率
- $b$：盈亏比（平均盈利 / 平均亏损）

**示例**：
- 胜率 p = 0.55，盈亏比 b = 1.5
- $f^* = (0.55 \times 1.5 - 0.45) / 1.5 = 0.25$（25%）

**实践建议**：使用半 Kelly（12.5%）或四分之一 Kelly（6.25%），因为 Kelly 公式假设参数精确已知，实际中存在估计误差。

### 2.3 波动率调整仓位

根据市场波动率动态调整仓位，高波动时减仓，低波动时加仓：

$$仓位大小 = \frac{目标波动率贡献}{当前资产波动率}$$

```python
def volatility_adjusted_position(
    capital: float,
    target_vol: float,  # 目标波动率贡献（如 2%）
    current_atr: float,  # 当前 ATR
    price: float
) -> float:
    """
    计算波动率调整后的仓位大小
    """
    dollar_atr = current_atr / price  # ATR 占价格的百分比
    position_size = (capital * target_vol) / dollar_atr
    return position_size
```

---

## 三、止损策略

### 3.1 固定止损

最简单的止损方式，入场后设置固定百分比的止损：

```
多头止损 = 入场价 × (1 - 止损百分比)
空头止损 = 入场价 × (1 + 止损百分比)
```

**适用场景**：简单策略，快速实现

**缺点**：不考虑市场波动性，可能过早被止损

### 3.2 ATR 动态止损

基于市场波动率设置止损，高波动时止损更宽，低波动时止损更紧：

```
多头止损 = 入场价 - N × ATR
空头止损 = 入场价 + N × ATR
```

**推荐参数**：N = 2-3（tradehk 使用 SuperTrend 的 3 × ATR）

### 3.3 SuperTrend 跟踪止损

使用 SuperTrend 指标作为动态止损线，随趋势移动止损位：

- 多头持仓：止损位 = SuperTrend 下轨（随价格上涨而上移）
- 空头持仓：止损位 = SuperTrend 上轨（随价格下跌而下移）

**优势**：自动跟踪趋势，既能保护利润，又不会过早出局

### 3.4 时间止损

如果持仓超过一定时间仍未达到目标，强制平仓：

```typescript
// tradehk 实现：下单后 N 分钟内自动挂止损
autoStopLossMinutes: number;  // 默认 10 分钟
```

---

## 四、止盈策略

### 4.1 固定止盈

设置固定盈利目标，达到后平仓：

```
多头止盈 = 入场价 × (1 + 止盈百分比)
```

**建议盈亏比**：至少 1.5:1，理想情况下 2:1 或 3:1

### 4.2 分批止盈

将目标仓位分批平仓，锁定部分利润同时保留上涨空间：

```
第一批（50%）：目标价 = 入场价 × 1.02（+2%）
第二批（30%）：目标价 = 入场价 × 1.05（+5%）
第三批（20%）：跟踪止损，让利润奔跑
```

### 4.3 指标止盈

当反向信号出现时平仓，而非设置固定目标：

- RSI 进入超买区（> 70）→ 平多仓
- MACD 死叉 → 平多仓
- SuperTrend 反转 → 平多仓

---

## 五、杠杆管理

### 5.1 杠杆与风险的关系

| 杠杆 | 2% 价格波动的账户影响 | 清算距离（假设 10% 保证金） |
|------|---------------------|---------------------------|
| 1x | 2% | 无清算 |
| 5x | 10% | 20% |
| 10x | 20% | 10% |
| 20x | 40% | 5% |

**建议**：对于量化策略，建议使用 1-3 倍杠杆，避免因短期波动被清算。

### 5.2 tradehk 杠杆设置

tradehk 默认杠杆为 1（无杠杆），可在风险设置中调整。建议：
- 趋势跟踪策略：1-2 倍杠杆
- 均值回归策略：1 倍杠杆（高频反转，不适合高杠杆）
- 套利策略：可适当使用 3-5 倍杠杆（风险较低）

---

## 六、多策略风险分散

### 6.1 策略相关性管理

同时运行多个策略时，应确保策略之间的相关性较低：

```python
import pandas as pd
import numpy as np

def calculate_strategy_correlation(returns_dict: dict) -> pd.DataFrame:
    """
    计算多个策略收益率之间的相关性
    """
    returns_df = pd.DataFrame(returns_dict)
    return returns_df.corr()

# 理想情况：策略相关性 < 0.3
# 如果两个策略相关性 > 0.7，考虑减少其中一个的仓位
```

### 6.2 品种分散

在不同品种上运行策略，降低单一资产风险：

- BTC 趋势策略 + ETH 趋势策略（相关性 ~0.7，部分分散）
- BTC 趋势策略 + XAUT 趋势策略（相关性 ~0.3，较好分散）
- 加密货币策略 + 代币化美股策略（相关性较低）

---

## 七、极端风险管理

### 7.1 黑天鹅事件应对

加密货币市场历史上的极端事件：
- 2022 年 5 月：Luna/UST 崩盘，BTC 单日跌幅 > 30%
- 2022 年 11 月：FTX 破产，BTC 单周跌幅 > 25%
- 2020 年 3 月：新冠疫情，BTC 单日跌幅 > 50%

**应对措施**：
- 设置账户级最大亏损限制（如 20%），触发后暂停所有策略
- 在极端波动时（ATR 急剧扩大）自动减仓
- 分散交易所风险，不将所有资金存放在单一交易所

### 7.2 交易所风险

- 不在单一交易所存放超过总资金的 30%
- 优先选择有保险基金的头部交易所（Binance、Coinbase）
- 定期将利润提现到冷钱包

---

## 参考资料

- tradehk 项目类型定义：`client/src/lib/types.ts`（RiskSettings 接口）
- Whaleportal. "Quantitative Crypto Trading: Risk Management". https://whaleportal.com/
- Investopedia. "Kelly Criterion". https://www.investopedia.com/terms/k/kellycriterion.asp

---

## 附录：数据说明与补充

本附录旨在对文档中涉及的核心概念、参数及数据格式提供更详尽的说明，以增强风险管理体系在实际应用中的可操作性与严谨性。

### 一、核心指标数据说明

为了确保量化风险管理模型的准确性，对关键指标的计算和数据属性进行标准化是至关重要的。下表详细说明了文档中核心风险管理指标的数据特征。

| 指标名称 | 计算公式 (LaTeX) | 数据范围 | 单位 | 精度要求 | 数据来源 | 内部链接 |
| :--- | :--- | :--- | :--- | :--- | :--- | :--- |
| **Kelly 公式最优仓位 ($f^*$)** | `$f^* = \frac{p \cdot b - (1-p)}{b}$` | $p \in [0, 1]$, $b > 0$. $f^*$ 理论上可为 $(-\infty, 1]$ | 百分比 (%) | 4 位小数 | 策略历史回测数据 | `[Kelly 公式](../../wiki/名词解释/Kelly公式.md)` |
| **波动率调整仓位** | `$S = \frac{C \cdot V_t}{P \cdot A_n}$` ($S$:仓位, $C$:资金, $V_t$:目标波动率, $P$:价格, $A_n$:ATR) | $V_t \in [0.01, 0.05]$, $A_n > 0$ | 基础资产单位 (如 BTC) | 8 位小数 | 实时行情数据 (价格, ATR) | `[ATR](../../wiki/名词解释/ATR.md)` |
| **ATR 动态止损** | 多头: `$P_e - N \cdot ATR$` <br> 空头: `$P_e + N \cdot ATR$` ($P_e$:入场价) | $N \in [1.5, 4.0]$, $ATR > 0$ | 计价货币 (如 USDT) | 2-4 位小数 | 实时或历史行情数据 | `[止损](../../wiki/名词解释/止损.md)` |
| **策略收益相关性** | `$\rho_{X,Y} = \frac{\text{Cov}(R_X, R_Y)}{\sigma_{R_X} \sigma_{R_Y}}$` | $[-1, 1]$ | 无 | 4 位小数 | 策略每日收益率序列 | `[相关性](../../wiki/名词解释/相关性.md)` |

### 二、量化交易应用场景

理论知识需要结合实际场景才能发挥最大效用。以下为文档中核心风险管理技术在真实量化交易中的应用示例。

**场景一：固定比例法的稳健应用**

一个趋势跟踪策略在 BTC/USDT 交易对上运行，交易者希望严格控制单笔亏损。他设定了 **2%** 的[风险比例](../../wiki/名词解释/风险比例.md)。当策略发出买入信号时，入场价为 100,000 USDT，根据 ATR 计算出的止损价为 98,000 USDT。此时，系统自动计算仓位大小为 `(账户资金 * 2%) / (100,000 - 98,000)`。这种方法确保了无论止损距离宽窄，单笔交易的最大亏损都恒定在账户资金的 2%，有效避免了因某笔交易止损过宽而导致的巨大亏损。

**场景二：Kelly 公式的动态仓位调整**

一个高频套利策略，其历史回测数据显示[胜率](../../wiki/名词解释/胜率.md) (p) 为 65%，盈亏比 (b) 为 0.8。根据 Kelly 公式计算，最优仓位 $f^* = (0.65 \times 0.8 - 0.35) / 0.8 = 21.25\%$。然而，考虑到市场环境变化可能导致参数漂移，团队决定采用更为保守的 **半 Kelly** 策略，将实际仓位限制在 10.6%，从而在追求长期复合增长率的同时，显著降低了策略回撤的风险。

**场景三：ATR 动态止损应对市场波动**

在市场经历剧烈波动时（例如，在重要经济数据发布后），一个突破策略捕捉到了做多信号。由于此时 14 周期的 ATR 值显著高于平时，系统自动将止损位设置得比平时更宽（例如，距离入场价 3 倍 ATR）。这成功避免了因短期市场“噪音”或“假突破”而被过早止损出局。相反，在市场进入低波动的盘整期时，ATR 值缩小，止损位也随之收紧，这使得策略能够更有效地保护已有利​​润。

### 三、tradehk 风险参数参考表

合理的参数配置是风险管理系统有效运作的前提。下表为 `tradehk` 项目中 `RiskSettings` 接口的关键参数提供了推荐值与配置说明。

| 参数 | 推荐值 | 取值范围 | 说明与应用场景 |
| :--- | :--- | :--- | :--- |
| `maxLossPercent` | 5% | 1% - 10% | **账户级单日最大亏损**。达到此阈值应暂停当日所有交易，是防止账户失控的最后一道防线。 |
| `stopLossPercent` | 2% | 0.5% - 5% | **单笔交易固定止损**。适用于不希望使用动态止损的简单策略，或作为动态止损的补充。 |
| `leverage` | 1-3 | 1 - 20 | **杠杆倍数**。趋势策略建议使用 1-2 倍，均值回归策略严格限制在 1 倍，以避免高频反转中的爆仓风险。 |
| `autoStopLossMinutes` | 10 | 5 - 60 | **时间止损**。主要用于防止策略逻辑失效或市场陷入无趋势状态，避免资金被无效占用。 |
| `ATR Multiplier (N)` | 2.5 | 1.5 - 4.0 | **ATR 动态止损乘数**。SuperTrend 等指标的核心参数，数值越大，止损越宽，容忍的波动越大，但潜在亏损也越大。 |

### 四、数据格式规范

标准化的数据格式是确保系统中不同模块（数据采集、策略执行、风险监控）协同工作的基石。

| 数据类型 | JSON / 数组格式 | 字段说明 | 时间戳格式 |
| :--- | :--- | :--- | :--- |
| **OHLCV K线** | `[timestamp, open, high, low, close, volume]` | `number[]` 数组 | **Unix 毫秒** (13位整数) |
| **交易信号** | `{"symbol": "BTC/USDT", "action": "buy", "price": 100000, "timestamp": 1678886400000}` | `symbol`: string, `action`: 'buy'/'sell', `price`: number | **Unix 毫秒** (13位整数) |
| **风险设置** | `{"maxLossPercent": 5, "leverage": 1, ...}` | 字段类型需严格遵守 `RiskSettings` 接口定义 | 不适用 |

### 五、常见误区与正确理解

1.  **误区：胜率越高越好**
    *   **正确理解**：高胜率并不直接等同于高盈利。一个胜率 90% 但盈亏比只有 0.1 的策略，其长期期望收益为负。必须将[胜率](../../wiki/名词解释/胜率.md)与[盈亏比](../../wiki/名词解释/盈亏比.md)结合评估，关注策略的数学期望值。 `期望收益 = 胜率 * 平均盈利 - (1 - 胜率) * 平均亏损`。

2.  **误区：止损越紧越安全**
    *   **正确理解**：过于紧密的止损位会使策略在正常的市场波动中被频繁“洗出”，导致交易成本剧增且无法捕捉到主要趋势。合理的[止损](../../wiki/名词解释/止损.md)应基于市场波动性（如使用 ATR）来设定，为价格提供足够的“呼吸空间”。

3.  **误区：Kelly 公式是仓位管理的圣杯**
    *   **正确理解**：Kelly 公式理论上最优，但其假设胜率和盈亏比是精确已知的固定值。在真实市场中，这些参数是变化的且存在估计误差。高估参数会导致过度激进的仓位，带来毁灭性风险。因此，实践中必须使用分数 Kelly（如半 Kelly 或 1/4 Kelly）以增加安全边际。

4.  **误区：多策略等于风险分散**
    *   **正确理解**：只有当策略之间的[相关性](../../wiki/名词解释/相关性.md)较低时，组合才能实现有效的风险分散。同时运行 10 个高度相关的趋势跟踪策略，在市场风格切换时可能会同时失效，导致巨额回撤。必须主动管理和监控策略组合的相关性。

5.  **误区：杠杆是洪水猛兽**
    *   **正确理解**：[杠杆](../../wiki/名词解释/杠杆.md)本身是中性工具，其风险取决于使用方式。在严格的仓位和止损管理下，适度的杠杆（如 1-3 倍）可以有效提高资金利用率。风险的核心来源并非杠杆本身，而是未使用杠杆时仓位与风险敞口的计算错误。