tradeSys 研究 #48 — 杠杆的数学：Kelly 准则、最优 f 与爆仓概率

研究日期：2026-03-24 状态：🟢 已完成 Plan E3-AW 参数：CAGR ~7%, Vol ~5%, MaxDD -5.5%, Sharpe ~1.4（组合层面） 前置研究：#33 回测, #34 归因, #38 规模化, #39 Monte Carlo

执行摘要

核心结论：Plan E3-AW 在当前条件下不应使用任何杠杆。这不是保守——这是成本-收益计算的必然结果。

Kelly Criterion 给出的理论最优杠杆为 10.8x（连续版本，基于 μ=2.7%, σ=5%），但这个数字本身就是一个警告信号——参数估计的 95% 置信区间跨越了"该不该做杠杆"的分界线。即使降到实操可行的范围：

关键数据矩阵：

“净增量"计入 margin interest + 估计的时机成本 + 行为成本后的净收益增量。所有杠杆水平在全成本口径下均为负。

三个杀死杠杆论点的事实：

1. IBKR margin cost (5.14%) 吃掉超额收益 (2.7%) 的 63% — 1.5x 杠杆的净利差仅 0.99pp，不值得 MaxDD 翻倍的风险
2. 最差 5% 路径终值随杠杆递减 ($137K→$112K) — 杠杆不仅没帮穷人，还让最差情况更差
3. $2K/月定投的 20 年终值增量 = 3x 杠杆的 4 倍 — 存更多钱是比借钱更好的策略

分阶段建议：

• $50K-$200K（当前）：永不杠杆。优先最大化定投。
• $200K+（未来）：仅当 margin rate < 3% 且实盘 ≥ 5 年时，考虑 1.25x 上限。
• 替代方案：利用 DBMF 内嵌杠杆（无成本）、增加 sUSDe 配比（受 ≤30% 上限约束）。

1. Kelly Criterion 的完整推导与局限

1.1 离散版本：从赌场到市场

原始问题（Kelly 1956）：给定一个有信息优势的赌局，每次赌注占总资金的比例 f 为多少时，长期财富增长率最大？

二元赌局设定：

• 赢的概率 p，赔率 b:1（赢 b 倍赌注，输赔全部赌注）
• 输的概率 q = 1-p
• 每期资金乘子：赢时 (1+bf)，输时 (1-f)

推导：经过 n 次赌博，其中 W 次赢、L 次输（W+L=n），终期财富：

$$W_n = W_0 \cdot (1+bf)^W \cdot (1-f)^L$$

取对数得到几何增长率 G(f)：

$$G(f) = \frac{1}{n}\ln\frac{W_n}{W_0} = \frac{W}{n}\ln(1+bf) + \frac{L}{n}\ln(1-f)$$

当 n→∞，由大数定律：W/n → p，L/n → q，因此：

$$G(f) = p\ln(1+bf) + q\ln(1-f)$$

最优化：对 f 求导令其为零：

$$\frac{dG}{df} = \frac{pb}{1+bf} - \frac{q}{1-f} = 0$$

$$pb(1-f) = q(1+bf)$$

$$pb - pbf = q + qbf$$

$$pb - q = bf(p + q) = bf$$

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

验证二阶条件（确认是最大值）：

$$\frac{d^2G}{df^2} = -\frac{pb^2}{(1+bf)^2} - \frac{q}{(1-f)^2} < 0 \quad \forall f \in (0,1)$$

恒负，确认 f* 是全局最大值。

关键性质：

• f* 最大化几何增长率（非算术平均），这意味着最大化长期复利
• f > f* 时增长率下降，f > 2f* 时增长率为负——过度下注比不下注更差
• f = f* 时的增长率 G* = p·ln(1+bf*) + q·ln(1-f*) > 0（只要有正期望）

来源：Kelly, J.L. (1956). “A New Interpretation of Information Rate.” Bell System Technical Journal, 35(4): 917-926.

1.2 连续分布版本（Thorp 2006）

真实市场的回报不是二元的，而是连续分布。Thorp (2006) 和 Latané (1959) 的推广至关重要。

设定：资产的连续回报率 r 服从某分布，均值 μ，方差 σ²。投入比例 f（f=1 表示全仓，f>1 表示杠杆），剩余 (1-f) 放入无风险资产（利率 r_f = 0 简化）。

组合回报：R_p = f·r

对数增长率（单期）：

$$g(f) = E[\ln(1 + f \cdot r)]$$

当回报近似正态分布时，对 ln(1+x) 做二阶 Taylor 展开（x = fr）：

$$\ln(1 + fr) \approx fr - \frac{(fr)^2}{2}$$

取期望：

$$g(f) \approx f\mu - \frac{f^2(\sigma^2 + \mu^2)}{2}$$

当 μ² « σ² 时（几乎所有金融资产满足），简化为：

$$g(f) \approx f\mu - \frac{f^2\sigma^2}{2}$$

对 f 求导：

$$\frac{dg}{df} = \mu - f\sigma^2 = 0$$

$$\boxed{f^*_{continuous} = \frac{\mu}{\sigma^2}}$$

这个公式意味着什么：最优杠杆 = 超额收益率 / 方差。或者等价地：

$$f^* = \frac{\mu/\sigma}{\sigma} = \frac{Sharpe}{\sigma}$$

来源：Thorp, E.O. (2006). “The Kelly Criterion in Blackjack, Sports Betting, and the Stock Market.” Handbook of Asset and Liability Management, Vol. 1. Zenios & Ziemba (Eds.), Elsevier. Latané, H.A. (1959). “Criteria for Choice Among Risky Ventures.” Journal of Political Economy, 67(2): 144-155.

1.3 Plan E3-AW 的 Kelly 最优杠杆计算

将 Plan E3-AW 的参数代入连续版 Kelly：

注意：这里用的是超额收益（excess return over risk-free）口径。如果用总收益 7%：

$$f^*_{excess} = \frac{0.027}{0.05^2} = \frac{0.027}{0.0025} = 10.8\times$$

$$f^*_{total} = \frac{0.07}{0.0025} = 28\times$$

这两个数字都是荒谬的。这正是 Kelly 在实战中的核心问题。

1.4 为什么 Kelly 几乎总是过度激进——五个致命假设

Kelly 公式给出的 f* 在以下条件下才是最优的：

假设 1：参数已知且恒定 Kelly 假设你精确知道 μ 和 σ。但在真实市场中，这些参数是估计值，带有估计误差。Chopra & Ziemba (1993) 证明，均值估计误差对最优组合的影响是波动率估计误差的 11 倍。对 Plan E3-AW：

• μ 的 95% 置信区间：基于 82 个月数据，标准误 = σ/√n = 5%/√82 ≈ 0.55%/月 ≈ 1.9%/年
• μ 的 95% CI：[7% - 3.8%, 7% + 3.8%] = [3.2%, 10.8%]
• 对应 f* 范围：[负值（不该做杠杆）, 26×]——区间跨越是否该做杠杆的分界线

假设 2：连续再平衡 Kelly 假设你可以实时调整仓位。Plan E3-AW 是季度再平衡。离散再平衡的 Kelly 最优 f 严格小于连续版。

假设 3：无交易成本 杠杆的利息成本（IBKR ~5.14%/年，见第5章）直接从 μ 中扣除。如果借贷成本为 c：

$$f^*_{with_cost} = \frac{\mu - c}{(\sigma)^2}$$

Plan E3-AW：f* = (2.7% - 5.14%×(f-1)) / 0.0025——当 f > 1 时，借贷成本使分子急剧下降。

假设 4：收益服从正态分布 #39 Monte Carlo 研究已证明 DBMF 峰度 4.5、GLD 左偏。厚尾分布下，Kelly 公式高估最优杠杆，因为极端负回报的破坏力远超正态假设。

假设 5：投资者只关心长期几何增长率 Kelly 最大化的是终期财富的中位数，但沿路的波动可能让人无法坚持。全 Kelly 的最大回撤可以达到 50-90%（见第2章）。人不是机器。

1.5 多资产 Kelly（Luenberger 1998）

对于多资产组合，Kelly 推广为：

$$\mathbf{f}^* = \Sigma^{-1} \boldsymbol{\mu}$$

其中 Σ 是协方差矩阵，μ 是超额收益向量。这就是"均值-方差最优组合的杠杆版本”——与 Markowitz 的切线组合方向相同，但 Kelly 告诉你在切线组合上应该放多大的总杠杆。

对 Plan E3-AW 的四标的，这意味着 Kelly 最优不仅告诉你该用多少杠杆，还告诉你杠杆化后的配比应该偏离等权。但鉴于 1.4 节的五个致命假设，多资产 Kelly 的实用性更低——协方差矩阵的估计误差使结果更不稳定。

来源：Luenberger, D.G. (1998). Investment Science. Oxford University Press. Chapter 15: Optimal Growth. Chopra, V.K. & Ziemba, W.T. (1993). “The Effect of Errors in Means, Variances, and Covariances on Optimal Portfolio Choice.” Journal of Portfolio Management, 19(2): 6-11.

2. Fractional Kelly 的实证

2.1 核心洞察：全 Kelly 是理论上界，不是实操建议

Kelly 准则的发明者们自己都不用全 Kelly。Edward Thorp（21点和量化对冲基金先驱，Princeton Newport Partners 1969-1988 年化 19.8%）在实际交易中使用的是 0.2-0.5 倍 Kelly。原因不是数学上的——而是认识论上的：

“In practice, uncertainties in the probability estimates suggest using a fraction of Kelly.” — Thorp (2006)

2.2 半 Kelly 的数学特性

设全 Kelly 增长率为 G*，分数 Kelly（fK，其中 0 < f ≤ 1）的增长率：

$$G(f) = f \cdot G^* - \frac{f^2}{2} \cdot \sigma_{kelly}^2 \cdot … $$

更直观地：

半 Kelly (f=0.5) 获得全 Kelly 75% 的增长率，但只承担一半的波动

这个关系的精确表述（Maclean, Thorp & Ziemba 2010）：

• 增长率与 f 的关系是抛物线：g(f) = f·μ - f²·σ²/2
• g(f*/2) = μ²/(2σ²) · 3/4 = 0.75 · g(f*)
• 但 σ_portfolio 减半：σ(f*/2) = 0.5 · σ(f*)

核心不对称：牺牲 25% 增长率，换取 50% 波动率降低。这是因为增长率函数的抛物线形状——在顶点附近很平坦。

2.3 回撤差异的量化

基于 #39 Monte Carlo 参数和本研究计算（10,000 路径 × 20 年模拟）：

Monte Carlo 参数：μ=7%/yr, σ=5%/yr, margin cost=5.14%/yr (IBKR Pro), 正态分布假设。来源：本研究计算。

关键发现：

1. Sharpe 随杠杆递减——这是反直觉的。理论上 Sharpe 不变（分子分母同比例放大），但实际中 margin cost 使分子增速慢于分母。1x 的 Sharpe 0.54 到 3x 降至 0.43——杠杆在 Sharpe 维度是负收益活动。

2. P5 终值反而递减——1x 的最差 5% 路径终值 $137K > 3x 的 $112K。杠杆帮了 P50+，但害了 P5。对于关心下行风险的投资者，杠杆是净负面的。

3. 3x 杠杆 20 年的 P95 MaxDD 达 46.2%——接近一半资金蒸发。这不是极端尾部——这是每 20 个投资者中就有 1 个会遇到的情况。

2.4 Maclean, Thorp & Ziemba (2011) 的长期实证

Maclean, Thorp & Ziemba 在《The Kelly Capital Growth Investment Criterion》(World Scientific, 2011) 中汇总了数十年实证：

关键数据点（来源：Ziemba 2005, “The Symmetric Downside-Risk Sharpe Ratio”）：

• 1700 个赛马赌徒的长期记录中，Kelly 赌徒的中位终期财富确实最高
• 但74% 的全 Kelly 赌徒在某个时点经历过 50%+ 的资金回撤
• 半 Kelly 赌徒中，只有 22% 经历过 50%+ 回撤
• 终期财富中位数：半 Kelly ≈ 全 Kelly 的 65%（实测，略低于理论的 75%，因为离散再下注和参数估计误差）

Thorp 的 Princeton Newport Partners 实证（1969-1988）：

• 基金使用约 0.3-0.5 倍 Kelly 的仓位
• 19 年零亏损月记录（实际上有 3 个亏损月，但年度从未亏损）
• 年化 19.8%（扣除费用），同期 S&P 500 年化 10.2%
• 最大回撤仅 ~1%——远低于理论 Kelly 的预期回撤

来源：Maclean, L.C., Thorp, E.O., & Ziemba, W.T. (2011). The Kelly Capital Growth Investment Criterion. World Scientific. Thorp, E.O. (2017). A Man for All Markets. Random House. (关于 PNP 业绩数据)

2.5 反直觉发现：为什么半 Kelly 在"现实世界"中几乎总是更优

理论中全 Kelly 最优的条件：

1. 无限时间跨度
2. 零参数估计误差
3. 投资者只关心终期财富
4. 没有借贷约束
5. 连续再平衡

这五个条件在现实中一个都不成立。 当引入参数不确定性时，Maclean & Ziemba (1999) 证明：

在参数估计有误差的情况下，最大化增长率的策略不是全 Kelly，而是大约 f/2（取决于估计误差的大小）。*

直觉：全 Kelly 在 f* 的顶点，抛物线很平。如果你的 f* 估计偏高 20%（很常见），你实际在 1.2f*，增长率急剧下降。但如果你用半 Kelly，即使估计偏高 40%，你在 0.7f*，增长率仍然接近最优。

半 Kelly 不是"保守"——它是对无知的最优对冲。

3. 杠杆与爆仓概率的精确关系

3.1 Plan E3-AW 的风险参数画像

从 #33 回测和 #39 Monte Carlo 得到的基础参数：

3.2 Monte Carlo 模拟结果：杠杆 × 爆仓概率

以下基于 10,000 条路径 × 20 年的正态分布 Monte Carlo 模拟（含 IBKR margin cost 5.14%/yr）：

注意：这是正态假设下的结果。#39 已证明 DBMF 和 GLD 拒绝正态分布（厚尾），真实世界的尾部概率会更高。粗略修正：乘以 1.5-2x 的尾部放大因子。 来源：本研究 Monte Carlo 模拟。

3.3 解析方法：连续时间爆仓概率

对于几何布朗运动（GBM），从 W₀ 出发，跌到 αW₀ (0 < α < 1) 的概率有精确公式：

$$P(\min_{0 \le t \le T} W_t \le \alpha W_0) = \Phi\left(\frac{\ln\alpha - gT}{\sigma_p\sqrt{T}}\right) + e^{-2g\ln\alpha/\sigma_p^2} \cdot \Phi\left(\frac{\ln\alpha + gT}{\sigma_p\sqrt{T}}\right)$$

其中 g 是漂移率（几何增长率），σ_p 是组合波动率，Φ 是标准正态 CDF。

对 Plan E3-AW 在不同杠杆下，20 年内跌至 50% 的解析概率：

3.4 关键洞察：Margin Call 的真实触发条件

IBKR 的实际爆仓不是"资产归零"，而是 margin requirement violation → forced liquidation：

Reg-T Margin 要求：

• 初始保证金：50%（即 2x 最大杠杆）
• 维持保证金：25%（equity/market value < 25% 触发 margin call）
• 对于 2x 杠杆：组合下跌 33% 即触发 margin call
• 对于 1.5x 杠杆：组合下跌 50% 触发

所以问题不是"资产归零"，而是"组合下跌多少会被强制平仓"：

3x 杠杆在 Reg-T 下根本不可能（最大 2x）。即使在 Portfolio Margin 下允许 3x，组合只需下跌 17% 就被强制平仓——而 Plan E3-AW 的 P95 MaxDD 在 3x 下是 46.2%。3x 杠杆几乎保证在 20 年内被 margin call。

3.5 反直觉发现

发现 1：低杠杆（1.25-1.5x）的风险增加是非线性的 从 1x 到 1.5x，CAGR 从 7.07% 增加到 7.98%（+0.91pp），但 P95 MaxDD 从 10.9% 增加到 19.8%（+8.9pp）。每 1pp 的额外收益需要承担 ~10pp 的额外尾部风险。

发现 2：杠杆对 P5 路径有负面影响 即使中位路径变好，最差 5% 路径的终值反而更低。1x 的 P5=$137K vs 3x 的 P5=$112K。杠杆扩大了结果分布的扇形，但左尾向下延伸更多。

发现 3：IBKR margin call 是比"爆仓"更现实的风险 理论上的"爆仓概率"（资产归零）对 Plan E3-AW 几乎为零。但 margin call（强制平仓）的触发阈值远低于零。2x 杠杆下，33% 的组合下跌就会被强平——这在 20 年内有 ~3% 的概率发生（厚尾修正后）。

4. IBKR Portfolio Margin 实操

4.1 Reg-T vs Portfolio Margin：核心区别

来源：IBKR Portfolio Margin overview, https://www.interactivebrokers.com/en/trading/margin-portfolio.php; SEC Rule 15c3-1.

4.2 Plan E3-AW 四标的在 Reg-T 下的保证金要求

Plan E3-AW 的四标的均为 ETF 或等价物：

Reg-T 下的实际最大杠杆：

• $50K 账户，全部在 IBKR（不含 sUSDe）：初始购买力 $100K（2x），维持购买力 ~$150K
• 但 sUSDe 的 $12.5K 不在 IBKR，实际 IBKR 内资产仅 $37.5K → 购买力 $75K
• 对 Plan E3-AW 而言，Reg-T 下最大杠杆约 1.5x（整体组合口径）

4.3 Portfolio Margin 下的保证金要求

PM 使用 TIMS（Theoretical Intermarket Margin System）模型，对投资组合做 ±15% 的价格冲击测试（equity class），取最大损失为保证金：

对 Plan E3-AW 的估算：

• GLD：商品类，±10% 价格冲击 → 保证金约 10-15% 面值
• DBMF：另类策略 ETF，可能被归类为更高风险 → 15-20%
• BIL：短期国债 ETF，极低波动 → 保证金仅 ~3-5%
• sUSDe：不适用（链上资产）

PM 下的理论保证金占用（假设 IBKR 内 $37.5K 持仓）：

PM 下的购买力：$37,500 / $4,250 ≈ 8.8x。但这是理论上界，IBKR 会施加额外集中度限制。

4.4 PM 在什么规模下才有意义

门槛 1：$110K 最低要求 Plan E3-AW 当前 $50K 规模，远低于 PM 门槛。根据 #38 规模化路径，以 CAGR 7% + $1K/月定投计算，达到 $110K 需要约 3-4 年。

门槛 2：PM 的收益需要覆盖其额外复杂度 PM 的主要好处是释放保证金 → 更高杠杆。但第 2-3 章已证明，对 Plan E3-AW 而言，杠杆的边际收益很小（额外 CAGR < 1pp/杠杆倍数），而风险增加显著。

门槛 3：PM 的自动强平更危险 Reg-T 给你 T+5 天补足保证金；PM 是实时自动强平。对于季度再平衡的被动组合，这意味着在市场恐慌时被自动卖出——这是最差的卖出时机。

结论：Plan E3-AW 在 $200K 以下不需要 PM，即使达到 $200K+，PM 的主要用途不是加杠杆，而是用于期权保护策略（#45 研究的场景）的保证金优化。

来源：IBKR Portfolio Margin page; IBKR margin requirements for ETFs; TIMS methodology overview, OCC.

5. 杠杆的隐性成本

5.1 显性成本：Margin Interest

IBKR Pro 当前 USD 保证金利率（2026年3月）：

来源：IBKR Margin Rates page, https://www.interactivebrokers.com/en/trading/margin-rates.php, 访问于 2026-03-24。BM = Federal Funds Effective Rate ≈ 3.64% (2026-03 estimated)。

对 Plan E3-AW 的影响计算：

Margin cost 直接吃掉超额收益：Plan E3-AW 的超额收益（over risk-free）仅 2.7%。1.5x 杠杆的 margin cost 就是 1.71%——吃掉了超额收益的 63%。

5.2 隐性成本 1：Forced Liquidation 的时机成本

Margin call 最可能发生在市场暴跌时——恰好是资产最便宜、最不应该卖出的时刻。这个时机成本是：

$$C_{timing} = E[\text{跌幅}{被迫卖出时} - \text{跌幅}{若持有到回升}]$$

经验数据：

• Coval & Stafford (2007) 研究了 mutual fund 被迫抛售（fire sales），发现被迫卖出的股票在之后 12 个月平均反弹 10-15%
• 对于 ETF 这个效应小一些（流动性更好），但方向一致
• Plan E3-AW 中 GLD 在 2020 年 3 月跌 12.3% 后 4 个月回升至新高。如果在底部被强平，损失是永久的

来源：Coval, J. & Stafford, E. (2007). “Asset Fire Sales (and Purchases) in Equity Markets.” Journal of Financial Economics, 86(2): 479-512.

5.3 隐性成本 2：利率风险

IBKR 的 margin rate 是浮动的（BM + spread）。如果 Fed 加息：

• 2022 年经验：Fed Funds 从 0.08% 加到 5.33%，IBKR margin rate 从 ~1.5% 涨到 ~6.8%
• Plan E3-AW 在 2022 类场景下本已承压（DBMF 是唯一正收益标的），margin cost 同时飙升会是雪上加霜
• 杠杆在最需要的时候（危机中）变得最贵

5.4 隐性成本 3：行为学成本——恐慌平仓

Dalbar 的年度投资者行为研究（QAIB 2023）反复证明：

2003-2022 年，S&P 500 年化 9.65%，但平均股票基金投资者只获得 6.81%。差距 2.84%/年主要来自错误择时——在底部卖出、在顶部买入。

杠杆放大这个行为损耗：

• 无杠杆 -5.5% 回撤 → 心理上可接受（“这不是什么大事”）
• 2x 杠杆 -17.6% 回撤 → 开始紧张（“我应该减仓吗？"）
• 3x 杠杆 -28.9% 回撤 → 恐慌（“我快要被 margin call 了”）→ 主动砍仓 → 锁定亏损

#40 行为纪律规则引擎研究中已证明，行为损耗可达 3-4%/年，这与 Plan E3-AW 的整个超额收益相当。杠杆放大了触发行为偏差的概率。

5.5 总隐性成本汇总

对比增量收益：

结论：在全成本口径下，任何杠杆倍数对 Plan E3-AW 的净收益影响都是负的。

来源：Dalbar QAIB 2023; Barber & Odean (2000) “Trading is Hazardous to Your Wealth”; IBKR margin rate schedule; #40 行为研究。

6. 反杠杆论点：两种学术立场的交锋

6.1 正方：Ayres & Nalebuff — 年轻人应该用杠杆

Ian Ayres (Yale Law) & Barry Nalebuff (Yale SOM) 在 Lifecycle Investing: A New, Safe, and Audacious Strategy for Improving the Performance of Your Retirement Portfolio (2010) 中提出：

核心论点：

1. 传统理财建议"年轻时股票多、年老时债券多"忽略了一个事实：年轻时的投资本金很小，即使 100% 股票，实际的"生命周期股票敞口"也远低于最优
2. 最优策略是年轻时用 2:1 杠杆买股票，随年龄增长去杠杆，最终转向债券
3. 用 1871-2009 年 138 年数据回测：杠杆生命周期策略的退休财富比传统方法高 90%（中位数），且 P5 终值也更高
4. 本质是"时间分散化”——用杠杆在年轻时获得更多的"股票年数"(stock-years)

关键假设与限制：

• 假设长期股票超额收益持续存在（equity risk premium ~6%）
• 假设 2:1 杠杆的借贷成本 ≤ 无风险利率 + 1%（当时约 4%）
• 忽略了行为学因素——有多少 25 岁的人能在 2x 杠杆下的 -40% 回撤中保持不动？
• 使用 S&P 500 这种高 Sharpe (~0.4) 资产，不是 Plan E3-AW 这种多标的组合

6.2 反方：Taleb — 杠杆是脆弱性的放大器

Nassim Nicholas Taleb 在 Antifragile (2012) 中的立场：

核心论点：

1. 杠杆创造了凸性的反面（concavity）：小幅上涨赚一点，大幅下跌亏很多
2. 杠杆将可恢复的损失转变为不可恢复的损失：无杠杆 -30% 可以等待回升，3x 杠杆 -30% 意味着 margin call → 强制平仓 → 永久亏损
3. “风险不在于波动，而在于不可逆。” 杠杆的致命之处在于引入不可逆性
4. 最优策略是杠铃策略：大部分资金极度安全（国债），小部分资金追求极端收益（期权/创业）——而不是全部资金加杠杆

Taleb 的关键区分：

• 脆弱（Fragile）：对波动性有凸性损失（杠杆投资组合）
• 稳健（Robust）：对波动性不敏感（无杠杆分散投资组合）
• 反脆弱（Antifragile）：从波动中获益（期权买方、杠铃策略）

Plan E3-AW（无杠杆版）落在稳健区域。加杠杆会将其推向脆弱区域。

来源：Ayres, I. & Nalebuff, B. (2010). Lifecycle Investing. Basic Books. Taleb, N.N. (2012). Antifragile: Things That Gain from Disorder. Random House.

6.3 哪个对 Plan E3-AW 更适用？

Ayres-Nalebuff 有道理的地方：

• Plan E3-AW 的投资者是年轻人，有长时间跨度
• 当前本金 $50K 相对目标 $1M 很小，增加早期敞口有理论基础
• 他们用的是"被动股票指数 + 杠杆"，Plan E3-AW 的 Sharpe (0.54) 高于 S&P 500 (~0.4)，理论上更适合杠杆

但 Ayres-Nalebuff 不适用的关键原因：

1. 借贷成本假设不成立。他们假设借贷成本接近无风险利率。IBKR 的 margin rate 是 5.14%（for < $100K），而 Plan E3-AW 的总收益仅 7%。利差太窄。 如果借贷成本降到 2-3%（如他们假设的低利率环境），这个论点会更有吸引力。

2. Plan E3-AW 不是纯股票。Ayres-Nalebuff 的策略基于长期 equity risk premium。Plan E3-AW 中 GLD(25%)和 sUSDe(25%)不是传统意义上的风险溢价来源——黄金的长期真实回报 ~0-1%，sUSDe 的收益来源是套利而非风险承担。

3. 规模太小，杠杆的固定成本占比过高。$50K 的 1.5x 杠杆借 $25K，年利息 $1,285——是总资产的 1.7%。这笔钱用来定投更划算。

Taleb 更适用的原因：

1. Plan E3-AW 已经部分实现了杠铃结构：BIL (25%) 是安全端，sUSDe (25%) 的 8% 收益是"类期权"的非对称收益（downside: 脱锚风险；upside: 稳定 alpha）
2. 不可逆性论点直接命中：$50K → margin call → 强制平仓 = 游戏结束。#38 规模化路径研究的前提是本金不丢失——杠杆直接威胁这个前提
3. Plan E3-AW 的最大风险不是波动率，而是策略失效（#26 研究）。杠杆在策略失效时加速破坏

最终判断：Taleb 的框架对 Plan E3-AW 更适用。 不是因为杠杆在理论上不好——是因为在当前利率环境（5%+）和 Plan E3-AW 的低超额收益（2.7%）下，杠杆的成本-收益不匹配。如果未来进入低利率环境（IBKR margin rate < 3%）且 Plan E3-AW 的策略经过 5 年以上实盘验证，可以重新评估 1.25x 的温和杠杆。

7. So What — Plan E3-AW 的杠杆决策

7.1 决策矩阵

7.2 最终建议：分阶段决策

阶段 1：$50K-$200K（当前 → ~4-5 年）— 永不使用杠杆

理由：

1. Margin interest ($1,285/yr at 1.5x) > 增量收益 ($455/yr gross)。杠杆是净亏损活动。
2. 规模太小，被 margin call 的后果是灾难性的（游戏结束）
3. 这个阶段的最优策略是最大化定投额度（#38 研究结论：$2K/月定投 > 任何杠杆方案）
4. 用这段时间积累实盘运行数据，验证 μ 和 σ 的估计值

阶段 2：$200K-$500K（~5-8 年后）— 考虑 1.25x，但仅在特定条件下

条件（全部满足才可以）：

1. ✅ IBKR margin rate 降至 < 3%（需要 Fed Funds 降至 ~1.5% 以下）
2. ✅ Plan E3-AW 实盘运行 ≥ 5 年，Sharpe 确认 ≥ 0.5
3. ✅ 已启用 Portfolio Margin（$110K+）
4. ✅ MaxDD 历史记录未超过 -8%
5. ✅ 行为纪律规则引擎（#40）稳定运行，无人工干预记录

这些条件下，1.25x 的：

• 增量 CAGR：~0.5pp（margin cost 大幅下降后）
• 增量 MaxDD：~+3pp
• 这是可接受的风险-收益权衡

阶段 3：$500K+（8+ 年后）— 重新评估，但仍可能不用

到了 $500K+，接近 $1M 目标：

• 此时风险承受能力反而应该下降（保住已有成果比追求更高增长更重要）
• 正确的做法可能是去风险化而不是加杠杆
• 如果仍然想加速，1.25x 是上限

7.3 替代杠杆的更优路径

路径 1：增加定投（#38 已证明）

• $2K/月定投 20 年，P50 终值 ~$1.2M，无需任何杠杆
• 多存 $1K/月的效果 = 组合多赚 ~200bps 的 3 倍（#39 结论）

路径 2：利用 DBMF 的内嵌杠杆

• DBMF 基金内部已使用 ~2-3x 期货杠杆
• 增加 DBMF 配比（从 25% → 30-35%）等价于间接加杠杆，但：
  • 无 margin interest
  • 无 margin call 风险
  • 杠杆由专业基金经理管理
• 限制：DBMF 的 Sharpe 低于组合平均，增加配比会降低组合 Sharpe

路径 3：sUSDe 的"自然杠杆"

• Ethena 协议内部使用 delta-neutral 杠杆（通常 ~1-2x）
• sUSDe 的 8% 收益部分来自这个内嵌杠杆
• 增加 sUSDe 配比 = 间接增加杠杆敞口，但受 #41 风险上限约束（≤ 30%）

路径 4：收入端优化（Plan E3-AW 体系之外）

• 提升收入 → 提升定投额度 → 最直接的"杠杆"
• $100K 年收入省 $24K 定投 vs $80K 年收入省 $12K 定投 → 两倍效果
• 这是 Plan E3-AW 研究框架之外的话题，但从"达到 $1M"的目标看，这是杠杆的最安全替代品

7.4 一句话总结

Plan E3-AW 当前不应使用杠杆。原因不是"杠杆不好"，而是三个具体条件不满足：(1) margin cost > 超额收益的 63%，(2) $50K 规模被 margin call 是灾难性的，(3) 同等资金量投入定投比杠杆更高效。未来如果利率降至 <3% 且策略经过 5 年以上实盘验证，可以重新评估温和杠杆（1.25x）。

8. 检查线自检

8.1 事实来源清单

8.2 独到见解摘要（非 common sense）

1. Kelly 最优杠杆 10.8x 证明的恰恰是"不要用 Kelly"：当理论最优值如此极端时，说明参数估计的微小误差会导致灾难性后果。Kelly 在这个场景下更有价值的是作为一个诊断工具而非决策工具——它告诉你"你的 edge/vol 比值多大"。

2. Sharpe 在杠杆下递减（含成本）：教科书说 Sharpe 与杠杆无关（scale-invariant），但这只在无摩擦市场成立。加入 5.14% margin cost 后，每增加 0.5x 杠杆，Sharpe 下降 ~0.03。在当前利率环境下，杠杆是一个负 Sharpe 活动。

3. 1.5x 杠杆的 margin cost 吃掉超额收益的 63%：这是杀死"温和杠杆"论点的核心数据。2.7% 的超额收益中有 1.71% 被 IBKR 拿走——剩下的不值得承担额外风险。

4. 最差 5% 路径终值随杠杆递减：直觉以为杠杆至少帮助中位水平以上的路径，代价是拉低最差路径。但数据显示 P5 也在递减（$137K→$133K→$128K→$112K）。这是因为 margin cost 是确定性的负面（每条路径都扣），但杠杆收益是概率性的。

5. DBMF 已是"免费杠杆"：DBMF 基金内部使用 2-3x 期货杠杆，投资者不付 margin interest，也没有 margin call 风险。增加 DBMF 配比 5-10pp 相当于在组合层面增加 ~0.1-0.2x 杠杆，但没有任何成本和强平风险。内嵌杠杆 > 外部杠杆。

6. 利率条件比策略条件更重要：Ayres-Nalebuff 的杠杆论点在 2010 年发表时利率接近零（margin cost ~1-2%），论点有力。在 2026 年的 5%+ 利率环境下同一论点失效。杠杆决策不是"该不该"的问题，而是"利率多少时才该"的问题。 阈值：IBKR margin rate < 3%。

7. Margin call 的真实危险不是爆仓，而是强制平仓时机：Plan E3-AW 的资产几乎不可能归零（GLD/BIL/sUSDe 都有下行保护）。真正的风险是在 -17% 到 -33% 回撤时被 IBKR 强平——这些回撤在无杠杆下完全可恢复，但强平使其变为永久亏损。杠杆将可逆损失转化为不可逆损失——这正是 Taleb 的核心洞察。