Независимый гайд · Ставки

Критерий Келли, дробный Kelly и риск оценочных ошибок

Краткое руководство с опорой на исследования: что такое критерий Келли, зачем практики используют дробный Kelly и как ошибки в оценке параметров увеличивают риск банкролла — с примерами и мерами предосторожности.

Редакционная иллюстрация к материалу: Критерий Келли, дробный Kelly и риск оценочных ошибок

Келли оптимизирует геометрический рост капитала в долгосрочной перспективе, но требует известных параметров; при их оценке plug‑in полный Kelly усиливает вероятность больших просадок. Дробный Kelly и байесовские/регуляризационные корректировки снижают просадки, сохраняя почти тот же рост.

Что такое критерий Келли и когда он оптимален

Критерий Келли выбирает долю ставки, максимизирующую ожидаемый логарифм богатства при повторяющихся независимых ставках. При известных вероятностях и выплатах фракция f* асимптотически максимизирует геометрический рост капитала.

Существуют явные формулы для простых бинарных событий и непрерывных моделей; непрерывная форма в гауссовском приближении даёт f* = μ/σ^2, показывая зависимость от оценки дрейфа и дисперсии. Формула для бинарного случая применима при выполнении предпосылок.

  • Оптимум Келли — в долгосрочной логарифмической прибыли.
  • Бинарная формула: f* = (p(b+1) − 1)/b.
  • Непрерывная форма: f* = μ/σ^2.
  • Результат асимптотический и модельно-зависимый.

Дробный Kelly: почему практики уменьшают полную ставку

Полный Kelly даёт сильные колебания и крупные просадки на конечных горизонтах; поэтому практики часто используют долю λ от f* (например, 0.5 или 0.25). Это серьёзно снижает волатильность и максимальные просадки, сохраняя значительную часть долгосрочного роста.

Симуляционные исследования (MacLean/Thorp/Ziemba; Thorp) подтверждают, что дробный Kelly улучшает профиль риска‑прибыли и снижает вероятность «руйнования». Конкретный выбор λ зависит от уверенности в оценках и допустимого уровня риска.

  • Дробный Kelly = λ × f*; типичные λ: 0.5 или 0.25.
  • Снижает волатильность и максимальную просадку.
  • Сохраняет большую часть долгосрочного преимущества.
  • Полезен при ограничениях левереджа и шумных оценках.

Почему ошибки оценки усугубляют риски банкролла

Ключевое ограничение Келли — предположение о точном знании параметров. На практике оценки p или μ получаются с ошибками: конечные выборки, смещение и нестабильность. Plug‑in подход, где используется одна точечная оценка, часто приводит к завышению фракции f*.

В результате увеличивается вероятность глубоких просадок и банкротства, а также снижается фактическое ожидаемое логарифмическое приращение капитала. Ошибки в оценке среднего (edge) имеют непропорционально большой эффект на результат.

  • Plug‑in полный Kelly редко оправдан при реальных данных.
  • Ошибки в оценках повышают риск больших просадок.
  • Похибки среднего более опасны, чем похибки дисперсии.
  • Фракционный и байесовский Kelly уменьшают эффект переоценки.

Байесовские методы и практические меры защиты

Байесовский Kelly напрямую учитывает неопределённость параметров: апостериорные ожидания или эффективные множители приводят к дроблению f*. Sukhov (2026) формализует этот подход и показывает, как множитель зависит от объёма данных и априорной информации.

Рекомендации для практики: комбинируйте дробный или байесовский sizing с Monte Carlo‑стресс‑тестами, ставьте жёсткие пределы на долю банка и объединённый левередж, учитывайте комиссии и ограничения платформы. Полный Kelly оставляйте как теоретическую границу.

  • Байесовский подход даёт корректировки, основанные на неопределённости.
  • Sukhov (2026) — источник явных правил для распространённых моделей верований.
  • Стресс‑тестируйте учёт ошибок оценки и жирных хвостов.
  • Задавайте лимиты по ставке и агрегированному риску.

Что проверить

  • Не применяйте plug‑in полный Kelly без высокой уверенности в оценках.
  • Рассмотрите дробный Kelly (например, 0.5 или 0.25) при шумных данных.
  • Используйте байесовские или регуляризационные корректировки, если доступны.
  • Выполняйте Monte Carlo‑стресс‑тесты на сценарии смещения и корреляций.
  • Вводите жесткие лимиты на отдельные ставки и суммарный левередж.

Источники

Проверено: . Внешние источники открываются в новой вкладке.

  1. A New Interpretation of Information Rate (Kelly, 1956)Bell System Technical Journal (scan/PDF)
  2. Long‑term capital growth: the good and bad properties of the Kelly and fractional Kelly capital growth criteria (MacLean, Thorp & Ziemba, 2010)UC eScholarship (open access)
  3. Medium Term Simulations of The Full Kelly and Fractional Kelly Investment Strategies (Edward O. Thorp)Edward O. Thorp website (PDF)
  4. Bayesian Kelly Criterion with Parameter Uncertainty (Sukhov, 2026)SSRN working paper
← Другие материалы