Fractional Kelly – Frakcionális Kelly

Bevezetés

A Kelly-kritérium egy elméleti pozícióméretezési módszer, amely meghatározott valószínűségi modell mellett a tőke hosszú távú geometriai növekedésének maximalizálására ad optimális tőkeallokációt. A frakcionális Kelly ezt az elméleti értéket szándékosan csak részben használja. A cél nem új stratégiai előny létrehozása, hanem annak csökkentése, hogy a modell bizonytalansága, a becslési hiba, a visszaesés és az inputok téves becslése mekkora hatással legyen a tényleges kitettségre.

A professzionális kérdés ezért nem egyszerűen az, hogy „Mennyi a Kelly-értékem?”, hanem az, hogy „Mennyire érzékeny ez az érték a bizonytalanságra, és hogyan változik a tőkegörbe, ha csak a Kelly egy részét használom?”

1. Az alapdefiníció

A frakcionális Kelly képlete:

f_frakcionális = c × f_Kelly

ahol az f_Kelly a teljes Kelly-allokáció, a c pedig 0 és 1 közötti tört. Például a fél-Kelly c = 0,50, a negyed-Kelly c = 0,25.

Ha a teljes Kelly 20%, akkor a fél-Kelly 10%, a negyed-Kelly 5%. A számítás egyszerű. A nehézség annak megítélése, hogy az eredeti Kelly-becslés mennyire megbízható.

2. Miért nehéz a teljes Kelly-t kereskedni?

A teljes Kelly matematikailag vonzó, mert a feltételezett modell mellett a hosszú távú geometriai növekedést célozza. A valós kereskedésben azonban az inputokat nem ismerjük pontosan. A nyerési valószínűség, a kifizetési eloszlás, a függőség, a költségek és a piaci rezsimek mind bizonytalanságot tartalmaznak.

Egy viszonylag kis hiba a stratégiai előny becslésében is jelentősen megváltoztathatja a Kelly-frakciót. A teljes Kelly ezért a becslési bizonytalanságot közvetlenül pozícióméretezési bizonytalansággá alakíthatja. A frakcionális Kelly ezt a hatást mérsékli.

3. A frakcionális Kelly nem jelent abszolút biztonságot

A fél-Kelly használata a teljes Kelly helyett ugyanazon modell mellett kisebb kitettséget jelent, de ettől a stratégia önmagában nem válik biztonságossá. Ha az előny téves vagy nem létezik, akkor az továbbra is probléma marad. Gyenge adatok, instabil várható érték vagy erős függőség mellett a stratégia továbbra is jelentős visszaesést okozhat.

A frakcionális Kelly-t ezért kitettségszabályozó mechanizmusként kell értelmezni, nem pedig a kutatás helyettesítőjeként.

4. Teljes Kelly, fél-Kelly és negyed-Kelly

Tegyük fel, hogy egy stratégia becsült teljes Kelly-frakciója 16%.

Teljes Kelly: 16%

Fél-Kelly: 8%

Negyed-Kelly: 4%

75%-os Kelly: 12%

Ezek a Kelly-eredmény tört részei, nem az előny egymástól független becslései. Ha a teljes Kelly becslése megváltozik, az összes frakcionális érték is megváltozik.

5. Kapcsolat a várható értékkel

A Kelly-méretezés minőségi stratégiai előnyt feltételez. A várható érték egy meghatározott modell mellett a stratégia átlagos eredményét írja le; a Kelly pedig a valószínűségi előnyt használja fel a geometriai tőkenövekedést célzó allokáció meghatározására.

A magas várható érték önmagában nem jelent automatikusan magas Kelly-frakciót, mert az eredmények alakja és szóródása is számít. Egy kis pozitív előny is eredményezhet pozitív Kelly-értéket, amelyet azonban a gyakorlatban nehéz lehet tolerálni.

6. Kapcsolat az R-többszörösökkel

Az R-többszörösök megkönnyítik az előny és a méretezés kapcsolatának ellenőrzését. R-ben vizsgálható a nyerési arány, az átlagos nyerő R, az átlagos vesztes R, az eredmények eloszlása, a vesztes sorozatok és a feltételes várható érték, mielőtt ezeket tőkeallokációvá fordítanánk.

A lényeges különbség az, hogy az R az előre definiált kockázathoz viszonyított kereskedési eredményt írja le, míg a Kelly egy valószínűségi növekedési modell alapján határozza meg az allokációt. A két fogalmat nem szabad összekeverni.

7. Frakcionális Kelly vs. fix frakcionális pozícióméretezés

A két fogalmat gyakran összekeverik.

A fix frakcionális méretezés egy előre kiválasztott tőke- vagy kockázati százalékból indul ki.

A frakcionális Kelly először meghatározza a Kelly által indokolt allokációt, majd annak csak egy részét használja.

Egy fix 2%-os kockázati szabály nem automatikusan „2% Kelly”. Lehet, hogy semmilyen Kelly-számítás nincs mögötte.

A frakcionális Kelly tehát explicit módon kapcsolódik a becsült stratégiai előnyhöz; a fix frakcionális méretezés ettől teljesen független is lehet.

8. Miért számít a becslési hiba?

Tegyük fel, hogy egy trader 60%-os nyerési valószínűséget becsül 1:1 kifizetéssel. A klasszikus Kelly-számítás 20%-ot ad. Ha a tényleges nyerési valószínűség csak 54%, akkor a megfelelő Kelly-érték 8%.

Az első becslés alapján teljes Kelly-vel kereskedő trader tehát lényegesen nagyobb kitettséget vállalna, mint amit a második becslés indokolna.

Fél-Kelly esetén az első becslés 20%-ról 10%-ra csökken. Ez nem szünteti meg a becslési hibát, de mérsékli annak közvetlen tőkehatását.

9. Az érzékenység fontosabb, mint egyetlen Kelly-szám

Professzionális elemzésben nem elegendő egyetlen Kelly-értéket kiszámolni. Érdemes érzékenységi táblát készíteni a reálisan elképzelhető inputok köré.

Alacsonyabb, középső és magasabb nyerési valószínűség

Alacsonyabb, középső és magasabb kifizetési feltételezés

Eltérő költségfeltételezések

Eltérő rezsimek vagy részidőszakok

Teljes, 75%-os, 50%-os és 25%-os Kelly

A cél annak megértése, hogy a méretezési következtetés stabil-e, vagy már kis inputváltozásra is drasztikusan megváltozik.

10. Kelly és a visszaesés

A Kelly-frakció csökkentése általában csökkenti az ugyanazon hozamsorozatból eredő tőkemozgások nagyságát. Ez jelentősen megváltoztathatja a maximális visszaesést és a szélsőséges tőkeutak előfordulását.

A visszaesés azonban útfüggő. Két stratégia hasonló hosszú távú növekedési tulajdonságok mellett is teljesen eltérő drawdown-utat produkálhat. Ezért a frakcionális Kelly-t nem csak átlagos növekedési számítással, hanem tényleges vagy szimulált hozamsorozatokkal is vizsgálni kell.

11. Kelly és a tönkremenési kockázat

A tönkremenési kockázat függ a tönkremenés definíciójától, a kezdőtőkétől, a pozícióméretezéstől, az eredmények eloszlásától, a függőségektől és az időhorizonttól. Az alacsonyabb Kelly-frakció kisebb kitettséget jelenthet a becsült előny egységére vetítve, ezért mérsékelheti a kedvezőtlen tőkeutak súlyosságát.

A professzionális különbségtétel: az alacsonyabb méretezés csökkenti egy rossz út következményeit; nem javít ki egy rossz modellt.

12. Frakcionális Kelly és Monte Carlo

A Monte Carlo-szimuláció különösen hasznos, mert ugyanazon eredményeloszlás mellett több méretezési szintet lehet összehasonlítani.

Vedd a történelmi R-eloszlást vagy egy másik, védhető hozammodellt.

Generálj sok lehetséges kereskedési sorrendet a választott modell feltételei mellett.

Futtasd ugyanazokat a sorozatokat teljes, 75%-os, 50%-os és 25%-os Kelly mellett.

Mérd a végső tőkét, a maximális visszaesést, a drawdown időtartamát és a küszöbátlépéseket.

Ne csak a medián eredményt, hanem a kedvezőtlen percentiliseket is hasonlítsd össze.

Így a kérdés nem az lesz, hogy „Melyik Kelly-frakció hangzik jónak?”, hanem az, hogy „Hogyan változtatja meg az egyes frakciók használata a lehetséges tőkeutak eloszlását?”

13. A teljes Kelly nem kötelező célérték

Az elméleti optimum nem előírás. A trader tudatosan működhet ez alatt, mert a valós élet célfüggvénye többet tartalmaz, mint a matematikai tőkenövekedés.

Likviditási korlátok, finanszírozási költségek, végrehajtási bizonytalanság, pszichológiai tolerancia, portfóliókapcsolatok és modellhiba egyaránt indokolhatnak alacsonyabb allokációt.

A lényeges fegyelem az, hogy ezt a csökkentést előre definiáljuk, ne pedig egy nehéz időszak után ösztönösen változtassuk a méretet.

14. Mi történik, ha a Kelly nulla vagy negatív?

Ha a becsült előny nulla, akkor a Kelly-allokáció nulla. Ha az előny negatív a modell szerint, a Kelly-eredmény negatív is lehet, ami azt jelzi, hogy az adott irányú pozíciót a modell nem indokolja.

A negatív Kelly-frakció 0,5-tel való megszorzása sem alakítja azt pozitív allokációvá. A frakcionális Kelly nem eszköz arra, hogy egy pozitív előnnyel nem rendelkező stratégiát „megmentse”.

15. Portfóliószintű komplexitás

Az egyedi pozíciókra számolt Kelly-érték félrevezetővé válhat, ha egyszerre több pozíció vagy stratégia fut. A korrelált kitettségek miatt a portfólió kockázata sokkal nagyobb lehet, mint amit az egyedi Kelly-számítások sugallnak.

Portfóliószinten figyelembe kell venni a közös viselkedést, a kovarianciát vagy korrelációt, a pozícióátfedést, a koncentrációt és annak lehetőségét, hogy több stratégia egyszerre veszít.

Ezért több korrelált stratégia egyedi Kelly-frakcióit nem szabad egyszerűen összeadni.

16. Rezsimfüggőség

Egyetlen piaci rezsimből származó Kelly-becslés nem feltétlenül ír le egy másik rezsimet. Egy trendkövető stratégia más kifizetési eloszlást produkálhat tartós trendekben, mint oldalazó piacon. A mean-reversion stratégia pedig eltérően viselkedhet növekvő volatilitás mellett.

A frakcionális Kelly csökkenti egy instabil becslés kitettségét, de a rezsimvizsgálat továbbra is szükséges. Ha maga az előny eltűnik, annak kisebb frakciója nem fogja visszahozni.

17. Szakértői esettanulmány — A 16%-os Kelly-becslés

Egy stratégia becsült teljes Kelly-értéke 16%. A becslés korlátozott mintán alapul, és a trader tudja, hogy a nyerési valószínűség és a kifizetési feltételezések bizonytalanok.

Három méretezési forgatókönyvet vizsgál:

Teljes Kelly: 16%

Fél-Kelly: 8%

Negyed-Kelly: 4%

A trader Monte Carlo-szimulációt futtat, és azt látja, hogy teljes Kelly mellett a maximális visszaesés eloszlása lényegesen szélesebb, míg negyed-Kelly mellett a kedvezőtlen tőkeutak kitettsége jelentősen kisebb. A központi növekedési eredmény negyed-Kelly mellett alacsonyabb, viszont a méretezés kevésbé érzékeny a becslési hibára.

A helyes következtetés nem az, hogy a negyed-Kelly minden helyzetben jobb. Az elemzés a növekedés és a bizonytalanságnak való kitettség közötti kompromisszumot mutatja meg.

18. Szakértői esettanulmány — Túlbecsült stratégiai előny

Egy trader 58%-os nyerési arányt becsül, és pozitív Kelly-allokációt számol. Később egy szélesebb és reprezentatívabb adatbázis alapján a megfigyelt arány inkább 53%, miközben a kifizetési jellemzők is romlanak.

Mivel a Kelly erősen érzékeny a becsült előnyre, az eredeti teljes Kelly-allokációt már nem támasztja alá ugyanaz a bizonyíték. A frakcionális Kelly csökkentette volna a kitettséget abban az időszakban, amikor az előny túl volt becsülve, de nem szüntette volna meg a modell felülvizsgálatának szükségességét.

Ez a központi tanulság: a frakcionális Kelly a méretezési hiba ellen nyújt védelmet, nem a kutatási hiba ellen.

19. Professzionális frakcionális Kelly munkafolyamat

Határozd meg a stratégiai előnyt és annak mérési időszakát.

Becsüld meg a nyerési valószínűséget és a kifizetési jellemzőket megfelelő mintán.

Számítsd ki a teljes Kelly-frakciót egyértelmű feltételezésekkel.

Készíts érzékenységi tartományt egyetlen becslés helyett.

Hasonlíts össze több frakcionális szintet.

Stresszteszteld a visszaesést és a tönkremenési kockázatot.

Ahol releváns, vedd figyelembe a költségeket, függőséget és portfólióhatásokat.

Élő kereskedés előtt dokumentáld a méretezési szabályt.

Az újrabecslést csak előre definiált kutatási vagy felülvizsgálati folyamat alapján végezd.

Így a Kelly nem érzelmi pozícióméretezési csúszkává válik.

20. Gyakori hibák

A teljes Kellyt kötelező célértéknek tekinteni.

Túl kis mintából Kelly-értéket számolni.

A tranzakciós költségek és végrehajtási hatások figyelmen kívül hagyása.

A nyerési arány rezsimek közötti stabilitásának feltételezése.

A frakcionális Kelly összekeverése a hagyományos fix frakcionális méretezéssel.

Az egyedi pozíciók Kelly-allokációinak összeadása korreláció figyelembevétele nélkül.

Csak a várható növekedést nézni, a visszaesési utakat nem.

A frakcionális Kelly használata egy nem bizonyított előnyű stratégia igazolására.

A Kelly-frakció minden nyerő- vagy veszteségsorozat után érzelmi alapon történő megváltoztatása.

21. Szakértői gyakorlat — Frakcionális Kelly stresszmatrix

Válassz egy saját kutatásodból származó stratégiát, és készíts mátrixot legalább három reális előnybecsléssel és négy Kelly-frakcióval: 100%, 75%, 50% és 25%. Minden kombinációnál rögzítsd a várható növekedést, a maximális visszaesés eloszlását, a drawdown időtartamát és a küszöbátlépéseket.

Ezután válaszolj:

Mennyire változik a teljes Kelly, ha az előny feltételezése csak kissé módosul?

Mennyivel változik a visszaesés, ha csökkented a Kelly-frakciót?

Mely feltételezések befolyásolják legerősebben a Kelly-eredményt?

Mekkora mintanagyságnál válik érdemben stabilabbá a becslés?

Milyen előre definiált szabály alapján számolnád újra a méretezést?

A gyakorlat akkor tekinthető teljesnek, ha a méretezési szabályt egyetlen történelmi equity curve-re való hivatkozás nélkül is meg tudod indokolni.

22. Tudásellenőrzés

Mi a frakcionális Kelly képlete?

Miért lehet a teljes Kelly erősen érzékeny a becslési hibára?

Ha a teljes Kelly 20%, mennyi a fél-Kelly és a negyed-Kelly?

Miért nem ugyanaz a frakcionális Kelly és a fix frakcionális pozícióméretezés?

Létrehozhat-e pozitív allokációt a frakcionális Kelly, ha a becsült Kelly negatív?

Miért kell a Kellyt visszaesés- és tönkremenési kockázat-elemzéssel együtt vizsgálni?

Miért okozhat több egyenként ésszerű Kelly-pozíció túl nagy portfóliókitettséget?

Mi a Kelly érzékenységvizsgálatának legfontosabb célja?

Fő tanulság: A frakcionális Kelly egy fegyelmezett módszer arra, hogy az elméleti Kelly-allokációt tudatosan csökkentsük. Értéke abból fakad, hogy felismeri: a stratégiai előny, a kifizetési eloszlás és a modell többi inputja becslés. A professzionális cél nem a lehető legnagyobb Kelly-szám elérése, hanem a növekedés, a visszaesés, a bizonytalanság és a túlélés közötti kapcsolat megértése, majd egy dokumentált méretezési szabály következetes alkalmazása.

Copying, reproducing, adapting, distributing, or publicly displaying any part or all of the Academy’s textual content without the author’s prior written consent is prohibited.