策略 1~4：仓位公式，全书的地基

策略 1：买入持有，一手合约#

最朴素的起点：选一个品种，买一手，永远持有。这一章教的是期货的”会计学”：合约乘数、名义敞口、保证金、换月、超额收益的正确算法。结论很扎心——单一品种买入持有的夏普普遍只有 0.2 上下，而且你无法选择风险：敞口由合约大小决定，而不是由你决定。

策略 2 → 3：让风险成为一个可以设定的数#

• 策略 2（风险度量仓位）：引入年化风险目标 τ（书中基准约 20%），仓位不再是”一手”，而是”多少手能让组合波动等于 τ”。这是从赌徒到工程师的一步；
• 策略 3（可变风险估计）：波动率不是常数。用指数加权（EWMA）估计当前 σ，并与长期均值混合以防”波动率平静期加满杠杆、风暴一来爆仓”。仓位随 σ 反向伸缩——波动率目标化从此贯穿全书。

策略 4：多品种组合#

把同一套仓位逻辑铺到一篮子品种上：按资产类别分配品种权重（近似风险平价的手工权重），再乘一个分散化乘数 IDM——因为品种间相关性小于 1，组合波动会低于目标，需要整体放大仓位补回来。分散是期货交易里最接近免费午餐的东西：什么预测都还没有，夏普已经明显抬升。

全书通用仓位公式（务必记住）#

1
合约数 N =  资本 × IDM × 品种权重 × τ × (预测值 / 10)
2
           ─────────────────────────────────────────
3
             合约乘数 × 价格 × 汇率 × 年化波动率 σ

策略 1~4 搭好了分母和资本项；后面所有策略只做一件事：换掉分子里的”预测值”。买入持有 = 预测值恒为 +10。

对应本平台#

• AlphaForge 的回测引擎目前是”因子排序 + 等权持仓”，没有波动率目标化——把 τ 思想引入 backtest/engine.py（按个股波动率倒数缩放权重）是一个高价值练习；
• IDM 的直觉同样适用于股票组合：持仓相关性越低，同等风险预算下可承载的总敞口越大。

本页带走的三句话#

1. 期货交易第一课不是预测，而是会计：乘数、敞口、换月、超额收益；
2. 风险目标 τ + 波动率估计，把”买多少”从感觉变成公式；
3. 一条仓位公式贯穿全书 30 个策略，之后一切改动都只发生在”预测值”上。