Kelly-dimensjonering: den skjøre broen fra fordel til eksponering
Forstå logaritmisk vekst, estimeringsfeil og hvorfor en teoretisk optimal andel kan være praktisk uutholdelig.
Optimaliser riktig størrelse
Kelly-størrelsesberegning maksimerer forventet logaritmisk formue i en bestemt modell. Det er ikke en metode for å oppdage om et fortrinn finnes, og maksimerer ikke sjansen for å tjene penger neste måned. Logaritmer straffer utfall som etterlater lite formue, og fanger konsekvensen av tap for sammensatt vekst. Optimaliseringen avhenger fortsatt fullstendig av de antatte sannsynlighetene, utbetalingene og mulige posisjonene.
For et enkelt gjentatt veddemål som vinner b enheter per innsatsenhet med sannsynlighet p og ellers taper hele innsatsen, er den ubegrensede andelen f = p − (1 − p)/b. Denne formelen kan ikke byttes direkte med en stopptapsprosent eller marginkravet til et giret instrument. Tapsdefinisjonen er en del av modellen, ikke en administrativ innstilling på en handelsplattform.
Formelen med to utfall følger av formuesmultiplikatorene. Ved andel f blir relativ formue 1 + bf etter gevinst og 1 − f etter tap. Forventet logaritmisk vekst er p ln(1 + bf) + (1 − p) ln(1 − f). Derivasjon og nullstilling gir optimumet beskrevet tidligere. Formuen må være positiv i alle modellerte utfall; låne- og shortsalgsbegrensninger endrer også hvilke andeler som er mulige.
Små sannsynlighetsfeil gir store feil i posisjonsstørrelsen
Se på utfall med like stor gevinst og tap og en anslått vinnersannsynlighet på 55%. Formelen gir en andel på 10%. Hvis den reelle sannsynligheten er 51%, er modellens optimale andel bare 2%; hvis den er under 50%, har en positiv posisjon ingen modellert fordel. Noen få prosentpoengs estimeringsfeil kan dermed gjøre det tilsynelatende optimumet til betydelig overeksponering.
En observert treffrate er ikke en kjent sannsynlighet. Hundre handler fra overlappende signaler kan inneholde langt færre enn hundre uavhengige observasjoner. Utbetalingsfordelingen kan også endres etter gebyrer, uteblitte utførelser og uvanlige tap. Før du vurderer et størrelsesresultat, beskriv hvordan anslaget ble laget, det plausible usikkerhetsintervallet og hvilke ugunstige utfall som mangler i utvalget.
Vekst betyr ikke at reisen er utholdelig
En strategi kan ha positiv forventet logaritmisk vekst og samtidig oppleve store verdifall underveis. Langsiktige påstander garanterer ikke overlevelse ved krav om ekstra sikkerhet, et uttaksbehov eller en psykologisk grense. En investor med et nært forestående kontantbehov har ikke den ubegrensede horisonten som mange forenklede demonstrasjoner forutsetter.
Fraksjonert Kelly skalerer den beregnede posisjonen ned, ofte for å redusere følsomhet og verdifall, men brøkdelen er ikke et universelt sikkerhetsbevis. Halvparten av et sterkt overvurdert optimum kan fortsatt være for mye. Forskning på risikobegrensede Kelly-formuleringer gjør begrensninger på verdifall uttrykkelige fremfor å anta at et vekstmål automatisk representerer alle preferanser. Også disse modellene beholder forutsetninger som må granskes uavhengig.
Flere muligheter deler én balanse
Å bruke en separat full Kelly-beregning for hvert signal kan i det stille gjenbruke samme kapital. Samtidige posisjoner kan tape sammen, og deres felles utfallsfordeling bestemmer porteføljeproblemet. Tre handler knyttet til samme valutasjokk er ikke tre uavhengige gjentakelser bare fordi symbolene er ulike.
Praktiske begrensninger omfatter lånekostnader, minste kontraktsstørrelser, konsentrasjonsgrenser og tap utover planlagt utgang. En binær vinn-eller-tap-modell skjuler disse detaljene. Lag en scenariotabell for samlet kontoformue, inkludert korrelerte kursgap og finansieringsbehov, før du omsetter en teoretisk andel til enheter. Kontanter reservert til utgifter eller nødsituasjoner bør ikke uten videre behandles som risikokapital bare for å få en større posisjon til å virke forholdsmessig.
Bruk formelen som en sensitivitetsøvelse
En nyttig pedagogisk anvendelse er å beregne et intervall av andeler på tvers av plausible sannsynligheter og utbetalinger, og deretter undersøke hvor ustabilt svaret blir. Hvis en beskjeden forverring fjerner fortrinnet, er den viktige konklusjonen sårbarhet, ikke det største tallet i tabellen. Negativ modellert vekst er også informativt: Å redusere eksponeringen kan ikke skape et økonomisk fortrinn som mangler etter kostnader.
Hold analyseusikkerhet atskilt fra personlig evne til å tåle tap. En modell kan være statistisk lovende og likevel uegnet for en bestemt horisont eller finansieringsordning. Registrer mål, forutsetninger og bindende begrensninger sammen. Formålet med øvelsen er å vise hva man må tro på for at en posisjon skal kunne forsvares, ikke å produsere en autoritativ prosent som omgår skjønn.
Undersøk tapsmodellen før du velger kapitalandel
Opprinnelig sikkerhetskrav er ikke maksimalt tap. Et instrument som krever 1 000 dollar i sikkerhet, kan tape 3 000 gjennom et prisgap før det lukkes. Å modellere det som et veddemål med høyst 1 000 i tap endrer problemet. Det samme gjelder å behandle stoppavstanden som en kontraktsfestet tapsgrense. Andelen må knyttes til den økonomiske tapsfordelingen, ikke bare kontanter plattformen sperrer.
Med ti prosent av løpende formue etterlater ti tap på rad 0,9¹⁰ ≈ 34,9 prosent av startformuen. Fallet er cirka 65,1 prosent, og gjenoppretting krever omtrent 186,8 prosent vekst. Med to prosent står omtrent 81,7 prosent igjen, med rundt 22,4 prosent nødvendig vekst. Dette er beregninger for bestemte forløp, ikke sannsynligheten for at forløpene oppstår.
Om størrelsen beregnes på nytt etter hvert utfall, betyr noe. Ti prosent av aktuell formue reduserer pengebeløpet etter tap. Et fast beløp på 100 dollar fra en startkonto på 1 000 er annerledes: etter fem tap er innsatsen 20 prosent av resten. Én innledende andelsberegning etterfulgt av fast beløp er ikke løpende proporsjonal størrelse. Minste handelsmengde kan også begrense videre reduksjon.
Et utfall som utsletter all formue, gir logaritmen minus uendelig. Å fjerne det fordi det ikke finnes i kort historikk, kan endre det tilsynelatende optimumet grunnleggende. Ikke finn på presise sannsynligheter; skill vanlige anslåtte utfall fra umodellerte sviktmekanismer, og undersøk om eksponeringen overlever dem i det hele tatt.