该论文探讨了在元标签（meta-labeling）框架中，通过模型校准来改进头寸规模（position sizing）方法，研究比较了六种基于预测概率的头寸规模算法（包括模型置信度、全有或全无、线性缩放、NCDF、ECDF和SOPS），并评估了它们的性能指标如夏普比率和最大回撤；结果表明，概率校准显著提升了固定头寸规模方法（如模型置信度和NCDF）的性能，但对于从训练数据估计函数的方法（如ECDF和SOPS），校准带来的改善有限，其中ECDF和SOPS方法在整体表现上最优，为从业者提供了根据风险偏好选择合适方法的指导。

欢迎对量化感兴趣的朋友加微信索取原文或者交流：ctaxiaobai