作者： Matt Connor
3-5-7規則 選擇權 風險管理
3-5-7 規則限制每筆交易風險 3%、每檔標的 5%、總帳戶 7%。本文探討其來源與實證檢驗，並指出此民間慣例缺乏數據支撐。
3-5-7規則是選擇權論壇與券商部落格中反覆出現的持倉規模慣例：單筆交易最多承擔帳戶3%的風險、單一標的物最多承擔5%的風險、所有未平倉部位同時承擔的風險最多為帳戶的7%。此規則規範的是規模，而非標的選擇。規則中完全未提及該交易什麼，也無法憑空創造出原本不存在的優勢。
3-5-7規則的內容
這三個數字指的是承擔風險的資金，而非投入的資金。
- 每筆交易3%。 單一部位的最大損失維持在帳戶權益的3%以下。以一個假設性的10萬美元帳戶為例，這個上限是3,000美元。
- 每檔標的物5%。 同一檔股票上的所有部位合併計算。同一標的物上的買權、價差買權和賣權，都共用同一個5%的預算。
- 總計7%。 所有未平倉部位的最大損失總和，在任何時刻都維持在權益的7%以下。
第一個限制約束了一個錯誤的想法。第二個限制約束了同一錯誤想法以三種方式表達的情況。第三個限制則約束了數個部位同時反向變動的時期。
選擇權讓第一個數字計算起來異常簡單。對於買權或賣權，支付的權利金就是最大損失，因此3%的上限就是對風險權利金的上限。以一個10萬美元的帳戶和報價4.50美元的合約為例：一張合約涵蓋100股，成本為450美元，六張合約的風險為2,700美元，仍在3,000美元的界線內。對於風險定義明確的價差交易，最大損失是履約價差減去收到的權利金。對於風險定義不明確的部位，例如裸賣出買權，則根本不存在算術上的最大損失，而該規則通常對此沒有說明。用保證金要求或心理停損點來取代真正的最大損失，會悄悄地破壞該規則所依賴的算術基礎。
規則的來源
搜尋結果將3-5-7規則呈現為一種既定慣例。這其實是民間智慧。這三個整數背後沒有任何論文、數據集或已發表的推導過程，而且較舊的流傳版本描述的是股票交易而非選擇權。對這些特定數值應給予的重視程度，是對一種慣例的重視，而非對一項發現的重視。
該規則所屬的家族有更完善的文獻記載。固定比例持倉法，即每個部位都承擔固定比例的權益風險，貫穿整個二十世紀的交易文獻。其正式的始祖是凱利準則（John Kelly, 1956），該準則從估計的優勢和賠率推導出最佳比例，其在市場中的實際應用幾乎總是公式輸出結果的一半或四分之一，因為高估優勢會導致毀滅性的持倉規模。3-5-7規則跳過了估計步驟，直接選取一個小數字。這種替代就是其全部設計：對一無所知的情況具有穩健性，但對任何情況都不是最優解。
5%單一標的物上限的衡量基準
單一標的名稱的上限，只有與該單一名稱的價格波動幅度相比較時才有意義。下表列出了七個家喻戶曉的股票代碼，在截至2026年6月30日的十二個月期間，衡量常規交易時段的收盤價對收盤價變動。
每個數據背後的精確 SQL 語法
WITH daily AS (
SELECT ticker,
toDate(toTimeZone(window_start, 'America/New_York')) AS d,
toFloat64(argMax(close, window_start)) AS px
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('SPY', 'KO', 'JNJ', 'AAPL', 'MSFT', 'NVDA', 'TSLA')
AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2025-07-01')
AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-06-30')
AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
GROUP BY ticker, d
),
moves AS (
SELECT ticker, d,
100 * (px / any(px) OVER (PARTITION BY ticker ORDER BY d
ROWS BETWEEN 1 PRECEDING AND 1 PRECEDING) - 1) AS move_pct
FROM daily
)
SELECT ticker,
count() AS sessions,
round(quantileDeterministic(0.5)(abs(move_pct), cityHash64(ticker, d)), 2) AS median_abs_move_pct,
round(quantileDeterministic(0.95)(abs(move_pct), cityHash64(ticker, d)), 2) AS p95_abs_move_pct,
round(100 * countIf(abs(move_pct) >= 3) / count(), 1) AS pct_days_beyond_3,
round(min(move_pct), 2) AS worst_day_pct
FROM moves
WHERE isFinite(move_pct)
GROUP BY ticker
ORDER BY p95_abs_move_pct一年內的波動範圍很廣。表格中最穩定的標的物 SPY 的單日絕對變動中位數為 0.46%，在其 250 個交易日中，有 0% 的交易日單日漲跌幅達到3%或以上。最活躍的標的物 TSLA 的單日絕對變動中位數為 1.83%，在 30.4% 的交易日中超過了3%的門檻，並錄得 -8.39% 的單日最差表現。其第95百分位的單日表現 5.45% 是表格頂部 1.62% 數值的三倍以上。
一個固定的百分比上限對不同的標的名稱發揮著截然不同的作用。對於一個典型日波動為 0.46% 的標的名稱，5%的標的物預算是個寬鬆的限制。同樣的5%預算，對於一個中位數日波動為 1.83%，且異常值波動更大的標的名稱，則會很快用完。根據標的物自身的波動性來調整上限的持倉規模慣例，正是為了解決這個差距而存在，而 流動性高與波動性大的選擇權 說明了這種差異如何在合約本身中體現。
損失會成群出現
7%的總計上限是該規則中最具份量的部分，它針對的是市場的一個真實特性：糟糕的交易日並非均勻分布。下一個表格衡量了同一時間窗口內相同的七個標的名稱，追蹤了窗口內最差的連續五個交易日表現，以及從滾動高點的最大回撤幅度。
每個數據背後的精確 SQL 語法
WITH daily AS (
SELECT ticker,
toDate(toTimeZone(window_start, 'America/New_York')) AS d,
toFloat64(argMax(close, window_start)) AS px
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker IN ('SPY', 'KO', 'JNJ', 'AAPL', 'MSFT', 'NVDA', 'TSLA')
AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2025-07-01')
AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-06-30')
AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
GROUP BY ticker, d
),
win AS (
SELECT ticker, d, px,
any(px) OVER (PARTITION BY ticker ORDER BY d
ROWS BETWEEN 5 PRECEDING AND 5 PRECEDING) AS px_5_ago,
max(px) OVER (PARTITION BY ticker ORDER BY d
ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS running_high
FROM daily
)
SELECT ticker,
round(min(100 * (px / px_5_ago - 1)), 2) AS worst_5_session_pct,
round(min(100 * (px / running_high - 1)), 2) AS deepest_drawdown_pct,
round(100 * countIf(px / running_high - 1 <= -0.1) / count(), 1) AS pct_days_10pct_below_high
FROM win
WHERE isFinite(px_5_ago)
GROUP BY ticker
ORDER BY deepest_drawdown_pct窗口內的最大回撤屬於 MSFT，幅度為 -34.99%，而該標的名稱在窗口內 59% 的交易日中，價格低於其滾動高點超過10%。其最差的連續五個交易日表現為 -14.41%。在另一端，KO 的最大回撤為 -8.49%，並且在 0% 的交易日中處於該跌幅水平。這裡的每個讀數都是從2025年7月1日開始計算滾動高點，因此這些是窗口內的數據，而非歷史最高點數據。
將此與每筆交易3%的上限對照來看。一個持有三個部位的交易者，每個部位都按3%的上限滿倉，那麼他承擔的總風險為9%，已經超過了7%的總計上限，而這三個部位很可能只是同一種風險暴露以三個不同的名稱呈現。總計上限和單一標的物上限是該規則中承擔主要工作的部分，這也是 集中度風險 的主題。
指數在更長的時間尺度上講述了類似的故事。標普500 ETF在十一個日曆年內的單日變動情況：
每個數據背後的精確 SQL 語法
WITH daily AS (
SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d,
toFloat64(argMax(close, window_start)) AS px
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'SPY'
AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2015-12-01')
AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2026-06-30')
AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
GROUP BY d
),
moves AS (
SELECT d,
100 * (px / any(px) OVER (ORDER BY d ROWS BETWEEN 1 PRECEDING AND 1 PRECEDING) - 1) AS move_pct
FROM daily
)
SELECT toYear(d) AS year,
count() AS sessions,
countIf(move_pct <= -1) AS days_down_1pct,
countIf(move_pct <= -3) AS days_down_3pct,
round(min(move_pct), 2) AS worst_day_pct
FROM moves
WHERE isFinite(move_pct) AND toYear(d) >= 2016
GROUP BY year
ORDER BY year收盤下跌3%或更多的交易日集中在少數幾年，而非按固定時間表出現。2020 年包含了 16 個這樣的交易日，最差單日表現為 -11.63%，而 2017 年則包含了 0 個。收盤下跌1%或更多的交易日數量，從最平靜年份的 4 個，波動到最活躍年份的 65 個。最後一行涵蓋了截至2026年6月30日的 123 個交易日，因此這是一個不完整的年份。一個固定的7%總計上限，本質上是為平靜的年份校準的，並在劇烈的年份中面臨真正的考驗。一張長期的選擇權也可能在一個晚上就損失全部權利金，而標的物本身從未出現過如此規模的日內變動，隔夜缺口 描述了其中的機制。
規則能處理與遺漏的部分
固定比例規則能處理最快清空帳戶的失敗模式：一個大到足以造成影響的部位。任何一個小的常數都比沒有常數好，而一個容易記住的常數在壓力下會被應用，而這正是持倉規模決策真正被做出的時刻。
它遺漏的是大部分細節。它不會根據波動性進行調整，因此，在一個穩定的標的名稱上投入3%的風險，與在一個每日波動 1.83% 的標的名稱上投入3%的風險，被視為同樣的賭注。它忽略了不同股票代碼之間的相關性，因此一個由七個部位組成、且都在上限之內的投資組合，仍然可能是一個單一的交易。它完全沒有提及時間價值衰減，這會在平靜的交易日中侵蝕長期選擇權的價值，即使沒有出現任何不利的價格變動（選擇權的Theta值 涵蓋了其機制）。它忽略了成本，而佣金加上買賣價差是一種持續的損耗，百分比上限永遠無法察覺（交易選擇權的成本 提供了具體數字）。它還假設最大損失是可預知的，但對於短期的風險定義不明確的部位來說，這是不成立的。
常見問題
選擇權交易中的3-5-7規則是什麼？
這是一種持倉規模慣例：單筆交易承擔的風險不超過帳戶權益的3%，任何單一標的物承擔的風險不超過5%，所有未平倉部位同時承擔的總風險不超過7%。這些數字描述的是最大損失，而非投入的資本。
3-5-7規則是官方或經過驗證的規則嗎？
不是。它作為交易領域的民間智慧流傳，其具體數字背後沒有已發表的推導過程或支持性研究。它所屬的更廣泛家族——固定比例持倉法——有完善的文獻記載，而凱利準則是其正式版本。
3-5-7規則如何應用於買權或賣權？
對於長期的選擇權，支付的權利金就是最大損失，因此3%的上限限制了單筆交易的總權利金。以一個10萬美元的帳戶為例，這相當於3,000美元的權利金，以4.50美元的合約報價計算，相當於六張合約。
為什麼要單獨設立5%的單一標的物上限？
在一檔股票出現大幅波動時，該股票上的多個部位會表現得像一個整體的風險暴露。在截至2026年6月30日的十二個月內，TSLA 在 30.4% 的交易日中波動達到3%或以上，而該標的名稱上的不同合約在那些日子裡會同步波動。
該規則適用於掩護性買權和其他收益型部位嗎？
掩護性買權的最大損失是股票部位本身減去收取的權利金，這通常遠高於帳戶的3%，因此上限是應用於股票部位，而非選擇權腿。掩護性買權 列出了其報酬計算方式。
以上每個數字都來自於對真實市場數據執行的儲存查詢，如果您想在Strasmore終端機上針對不同的標的名稱重新執行，每個表格的SQL只需點擊一下即可取得。