如何凯莉基金？
1. 首先明确一点，Kelly是机会成本最小化的优化策略，而最大回撤则反映的是风险控制能力。对两个指标的理解如果发生偏差会直接影响策略的效果。
2. Kelly本身是一种均值回归的策略，所以其对于行情的敏感性并不高；并且由于其是采用等间距采样方式，在每次交易中都引入了“噪音”成分，因此其连续执行的收益曲线并不一定表现出较强的趋势性（虽然总体上是向下的）。
3. 对于大多数的非高频数据，其最优的交易频率应该是在日级别以上的。因为短线的交易频率会对策略的参数估计效果产生有偏的影响，使得估计的结果不可靠。而日级别的策略在控制风险的同时仍然能维持相当程度的收益率。
4. 在利用历史数据分析进行策略开发时，为了尽可能降低各种来源的偏差，应注意以下问题： ① 数据的时效性——越是近期的数据越容易被高估价值； ② 数据的完整性——缺损的数据会带来参数估计上的偏差； ③ 数据的单一性——不同种类的数据源会产生偏差，应该尽量使用单一的数据源； ④ 数据的纯净度——数据中混杂了来自外部的影响因素，会降低参数的有效性。（这里所谓的“外部影响因素”是指那些非策略所导致的亏损和盈利，比如由于政策原因造成的股价突然飙升或暴跌）需要指出的是，策略对于数据的质量要求并不是取决于策略本身的复杂程度，即使是线性策略也需要保证输入的数据质量较高。否则，即使运用先进的计算工具与高精尖的数学模型，也无法提取出策略的真谛。