交易系统开发过程中，在明确交易系统的获胜概率、亏损概率、盈利与亏损比值关系等条件后，如何确定仓量已达到在限制回撤的条件下达到最佳的收益效果，就是一个十分重要的问题了。仓量低了风险控制住了，但是年化收益率会下降；仓量重了，年化收益率提高了，但交易中途打破最大回撤值而导致失败的概率就会增大。本文中凯利公式的应用解决确定仓量，达到最佳收益效果。
凯利公式：是一个用以使特定赌局中，拥有正期望值，重复行为长期增长率最大化的公式，是约翰.拉里.凯利在1956年在《贝尔系统技术期刊》中发表的，公式为：
F=（BP-Q）/B
公式中：F为现有资金应用下次投注的比例；B为投注可获得的赔率；P为胜率；Q为失败概率。
下面我们来看一个实例：示范在交易系统开发过程中凯利公式的应用：
某交易系统：盈利概率为36%；亏损概率为64%；平均每笔盈利为3.83；平均每笔亏损为2.44。单笔最大亏损值为3；最大盈利为10。
F=（BP-Q）/B=P-Q/B=0.36-0.64/2.44=0.097
假如：最大回撤我们限制在20%以内，那么每次最大亏损金额为：20%*0.097=1.95%。
上图是应用后的资金曲线，图表显示应用直接凯利公式并不成功，其资金最大回撤幅度为达到甚至超过40%。
是什么原因导致了，在应该凯利公式过程中资金回撤超过了20%的最大限制呢？因为凯利公式的设计上并默认事件是平均分配的，每100次交易中，会有36次盈利，64次亏损，并且盈利最终会盈利38%的初始资金盈利。但在实际的交易过程中，事件并不是平均分布的，存在很大的偶然性，在实例中前一百次的交易中，明显失败的概率集中在前20次出现，而后80次亏损的概率非常之大，并且我们可以知道当事件次数达到一定程度时，其总体上的收益还是和交易系统的预期收益相符合的。
综上所述，交易系统开发过程中，仓量的确定应该凯利公式时，还是起到了明显的作用，收益达到了预期收益的水平，但是并不能完全应用，应该考虑到事件在短期内连续发生不利事件的情况，应用其他方法，加以规避，并且确定最终的仓量。
