杠杆本质是把自有资金与借入资金进行组合，从而放大收益与风险。用最核心的量化表达：令自有资金为E，借入为D，杠杆倍数L=(E+D)/E=1+D/E。若标的期内收益率为r（含交易后持仓收益），则资产回报率可近似写为R=(E·(1+r)+D·(1+r)−D·(1+c))/E−1=r+(1/L−1)·c？更稳健的写法是从净利润出发：净利润= (E+D)·r − D·c，其中c为单位期融资成本率。则净收益率R= r − (D/(E))·c = r − (L−1)·c。由此可见：杠杆放大并非只放大收益，也会以(L−1)倍放大融资成本的“拖累”。
用一个可复核的示例：假设两个月r=6%（r=0.06），若年化融资成本率为8%，折算两个月c=0.08×(2/12)=0.01333。若L=2，则R=0.06−(2−1)×0.01333=0.04667，即净收益率约4.67%。若L=3，R=0.06−2×0.01333=0.03334，收益下降。这个模型让“杠杆收益”与“融资费用”在同一量纲下直接对冲。
融资费用常见组成包括利息、管理费、服务费及可能的风控保证金占用成本。将所有费用统一折算为年化等价成本r_f（可通过历史对账单反推）。期内成本c=r_f·T，其中T为年化分数（例如两个月T=2/12）。把保本条件设为R=0，则r=(L−1)c。反推保本杠杆：L*=1+r/c。示例仍取r=0.06、r_f=8%、T=2/12，则c=0.01333，L*=1+0.06/0.01333=1+4.5=5.5。意味着在该期望收益下，杠杆最高可到约5.5倍仍不亏。但这是假设r能实现。为更真实，需要把r视为随机变量。
因此加入分位数模型：令标的两个月收益率服从均值μ、波动σ的近似（可用近30~60个交易日样本估计）。则r的p分位下界近似为r_p=μ+z_p·σ（z_p为标准正态分位）。用p=10%作为防御边界，则保本杠杆L_p*=1+r_p/c。这样你会得到“在较差情景下，杠杆不能超过多少”。杠杆从此有了可执行上限。
资金使用最大化不是越高L越好，而是让“有效投入”带来最大净收益。定义资金占用效率E_eff=（期望净收益）/（资金占用）。若以自有资金E为基数，杠杆部分D并非完全等价于E，它承担融资成本与风控保证金。可将风控保证金比例m（例如需维持保证金= m·D）折算为额外占用：有效占用E_occ=E + m·D = E·(1+m(L−1))。净期望收益期望值约为E[净利润]=E·(L·μ − (L−1)·c年化折到期内）。于是单位占用回报近似为：E_eff ∝ (L·μ − (L−1)c)/ (1+m(L−1))。
给个数值：μ=4%（两个月期望），c=1.33%，假设保证金占用m=0.2。计算L=2：分子=2·0.04−1·0.0133=0.0667；分母=1+0.2·1=1.2；比值≈0.0556。L=3：分子=3·0.04−2·0.0133=0.0800；分母=1+0.2·2=1.4；比值≈0.0571。L=4：分子=0.12−3·0.0133=0.0801；分母=1+0.2·3=1.6；比值≈0.0501。你会看到最优L不一定最高，而由融资拖累与占用抬升共同决定。
防御不是不加仓，而是事先定义“止损/降杠杆规则”。采用回撤触发：若累计净值从峰值回撤d超过阈值d_max，则立刻把杠杆从L降到L'，并减少净敞口。计算降杠杆后的融资拖累变化：净收益R_new=r−(L'−1)c。设你希望在触发时刻，预期风险收益比保持为正：E[R_new|触发]≥0。若无法精确条件期望，就用保守的分位收益r_p替代。
对冲可用期货/期权或相关性对冲：假设对冲比例h使得组合收益波动从σ下降到σ_h≈σ·sqrt(1−ρ^2·h(2−h))（ρ为相关系数估计）。在同一杠杆下，触发阈值d_max可转化为VaR约束：VaR≈k·σ_h·L（k来自置信水平，如95%约1.645）。这样你能把“防御”变成量化参数，而不是情绪操作。
评论
文章把杠杆收益和融资费用放到同一公式里对冲，我觉得最有用的是R=r-(L-1)c这一段。以前只盯倍数，读完才知道同样亏损会被费用进一步放大。
防御部分提到用分位数r_p做“在较差情景下”的保本杠杆L_p*，这个思路比只用期望收益更接近现实。尤其是10%分位当边界，能直观看到杠杆上限会变小。
我喜欢文中把回撤阈值和降杠杆规则联系起来，并提到VaR约束把防御量化。虽然对相关性与波动估计要求高，但至少提供了可执行的框架。
对“资金使用最大化”那部分E_eff不再认为L越大越好，挺打破常识的。还有保证金占用m对分母的抬升，能解释为什么同样的收益目标会在不同平台差很多。