Dimensionnement de Kelly : le lien fragile entre avantage et exposition

Optimiser la bonne grandeur

Le dimensionnement de Kelly maximise l'espérance du logarithme de la richesse dans un modèle donné. Ce n'est pas une méthode pour découvrir l'existence d'un avantage, et il ne maximise pas la probabilité de gagner de l'argent le mois prochain. Les logarithmes pénalisent les issues laissant peu de patrimoine et saisissent ainsi les conséquences cumulatives des pertes. L'optimisation dépend néanmoins entièrement des probabilités, des gains et pertes et des positions réalisables supposés.

Pour un pari répété simple qui gagne b unités par unité misée avec une probabilité p et perd toute la mise sinon, la fraction sans contrainte est f = p − (1 − p)/b. Cette formule n'est pas directement interchangeable avec un pourcentage de stop-loss ou l'exigence de marge d'un instrument à effet de levier. Sa définition de la perte appartient au modèle, et non à un réglage administratif d'une plateforme de trading.

La formule binaire découle des multiplicateurs de patrimoine. Miser une fraction f laisse 1 + bf après un gain et 1 − f après une perte, relativement au patrimoine de départ. L’espérance de croissance logarithmique est donc p ln(1 + bf) + (1 − p) ln(1 − f). Annuler sa dérivée donne l’optimum indiqué. Cette dérivation expose aussi ses limites : le patrimoine doit rester positif dans chaque issue modélisée, et les contraintes d’emprunt ou de vente à découvert modifient les fractions possibles.

De petites erreurs de probabilité créent de grandes erreurs de dimensionnement

Considérez des gains et pertes de même montant et une probabilité de gain estimée à 55 %. La formule donne une fraction de 10 %. Si la probabilité réelle est de 51 %, l’optimum du modèle n’est que de 2 % ; sous 50 %, une position positive n’a aucun avantage modélisé. Quelques points d’erreur d’estimation peuvent donc transformer l’optimum apparent en surexposition importante.

Un taux de réussite observé n'est pas une probabilité connue. Cent transactions issues de signaux qui se chevauchent peuvent représenter bien moins de cent observations indépendantes. La distribution des gains et pertes peut aussi changer après les frais, les exécutions manquées et les pertes inhabituelles. Avant d'envisager un résultat de dimensionnement, décrivez comment l'estimation a été obtenue, sa fourchette d'incertitude plausible et les issues défavorables absentes de l'échantillon.

La croissance n’implique pas un parcours supportable

Une stratégie peut avoir une croissance logarithmique espérée positive tout en subissant de fortes baisses intermédiaires. Les affirmations de long terme ne garantissent pas la survie à un appel de marge, un besoin de retrait ou une limite psychologique. Un investisseur ayant un besoin imminent de liquidités n’a pas l’horizon illimité de nombreuses démonstrations simplifiées.

Le Kelly fractionnaire réduit la position calculée, souvent afin de diminuer la sensibilité et le drawdown, mais cette fraction n'est pas une garantie universelle de sécurité. La moitié d'un optimum fortement surestimé peut encore être excessive. Les recherches sur les formulations de Kelly sous contrainte de risque rendent explicites les limites de drawdown, plutôt que de supposer qu'un objectif de croissance représente automatiquement toutes les préférences. Ces modèles conservent eux aussi des hypothèses à examiner indépendamment.

Plusieurs occasions partagent un même bilan

Appliquer séparément un Kelly intégral à chaque signal peut réutiliser silencieusement le même capital. Des positions simultanées peuvent perdre ensemble ; leur distribution conjointe de résultats détermine le problème du portefeuille. Trois transactions liées au même choc de devise ne sont pas trois répétitions indépendantes simplement parce que leurs symboles diffèrent.

Les contraintes pratiques comprennent les coûts d'emprunt, les tailles minimales de contrat, les limites de concentration et les pertes au-delà de la sortie prévue. Un modèle binaire gain ou perte gomme ces détails. Construisez un tableau de scénarios pour la richesse totale du compte, incluant les écarts corrélés et les besoins de financement, avant de traduire une fraction théorique en unités. Les espèces réservées aux dépenses ou urgences ne doivent pas être traitées légèrement comme du capital à risque pour faire paraître une position plus grande proportionnée.

Utiliser la formule comme exercice de sensibilité

Une application pédagogique utile consiste à calculer une fourchette de fractions pour des probabilités et gains plausibles, puis à examiner l'instabilité du résultat. Si une légère dégradation supprime l'avantage, la conclusion importante est la fragilité, non le chiffre le plus élevé du tableau. Une croissance modélisée négative est également instructive : réduire l'exposition ne peut pas créer un avantage économique inexistant après les coûts.

Distinguez l'incertitude de recherche de la capacité personnelle à supporter une perte. Un modèle peut être statistiquement prometteur tout en étant inadapté à un horizon ou à un montage de financement particulier. Consignez ensemble l'objectif, les hypothèses et les contraintes impératives. L'exercice vise à révéler ce qu'il faut tenir pour vrai pour justifier une position, pas à produire un pourcentage faisant autorité qui dispense de jugement.

Vérifier le modèle de pertes avant de discuter la fraction

Le dépôt de garantie initial n’est pas une perte maximale. Si un instrument exige 1 000 dollars de marge mais peut perdre 3 000 sur un saut de prix avant sa clôture, le modéliser comme un pari limité à 1 000 change le problème. Il en va de même lorsqu’une distance de stop devient, à tort, une frontière contractuelle. La fraction doit correspondre à la distribution économique des pertes supposées, pas au montant que la plateforme immobilise au départ.

Même le modèle binaire montre l’effet d’une série défavorable. À 10 % du patrimoine restant par pari, dix pertes consécutives laissent 0,9¹⁰ ≈ 34,9 % du capital initial, soit une baisse d’environ 65,1 %. Revenir au point de départ exige alors près de 186,8 % de hausse. À 2 %, la même séquence laisse environ 81,7 % et demande 22,4 % pour récupérer. Ces calculs décrivent des trajectoires données ; ils n’indiquent pas leur probabilité.

Réajuster la taille après chaque résultat fait partie du modèle. Une fraction du patrimoine courant réduit la mise en dollars après les pertes. Maintenir une mise fixe de 100 dollars à partir d’un compte initial de 1 000 est un autre processus : après cinq pertes, elle représente 20 % du solde. Calculer une fraction une seule fois puis conserver le montant nominal ne simule pas une mise fractionnelle répétée. Les quantités minimales peuvent aussi empêcher les réductions idéales.

Les issues rares doivent être examinées explicitement. Une issue qui détruit tout le patrimoine a un logarithme égal à moins l’infini ; l’omettre parce qu’elle n’apparaît pas dans un court historique peut bouleverser l’optimum apparent. Il ne s’agit pas d’inventer une probabilité précise, mais de distinguer les résultats ordinaires estimés des modes de défaillance absents du modèle, puis de vérifier si l’exposition envisagée peut survivre à ces derniers.