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.

Az Akadémia szöveges tartalmának részben, vagy egészben történő másolása, többszörözése, átdolgozása, terjesztése, valamint nyilvános bemutatása a szerző előzetes, írásos hozzájárulása nélkül tilos.