Kryterium Kelly’ego to metoda ustalania wielkości pozycji, która maksymalizuje oczekiwane tempo wzrostu logarytmu kapitału przy powtarzalnych decyzjach i znanym rozkładzie wyników. Nie wybiera instrumentu, nie przewiduje kierunku ceny i nie gwarantuje zysku. Odpowiada na węższe pytanie: jaką część kapitału przeznaczyć na ekspozycję, jeżeli przewaga rzeczywiście istnieje i potrafimy ją wiarygodnie oszacować.

Największe ograniczenie jest praktyczne. Prawdopodobieństwo wygranej, wielkość zysku, korelacje i koszty nie są znane — są estymowane z niepełnych danych i mogą się zmieniać. Pełny Kelly bywa więc agresywnym punktem odniesienia, a nie gotową regułą transakcyjną. W zastosowaniach systematycznych częściej analizuje się ułamek Kelly’ego oraz dodatkowe limity ekspozycji, płynności, dźwigni i obsunięcia.

Co kryterium Kelly’ego naprawdę maksymalizuje?

John L. Kelly Jr. opisał w 1956 roku związek między informacją a maksymalnym wykładniczym tempem wzrostu kapitału w powtarzalnym modelu zakładów. Funkcją celu nie była oczekiwana kwota po jednej próbie, lecz oczekiwana wartość logarytmu majątku po wielu powtórzeniach.

Logarytm uwzględnia asymetrię procentowych strat i zysków. Spadek o 50% wymaga później wzrostu o 100%, aby wrócić do punktu wyjścia. Strategia, która maksymalizuje średni wynik pojedynczej transakcji kosztem ryzyka utraty całego kapitału, nie maksymalizuje długoterminowego wzrostu składanego.

Kelly optymalizuje wzrost geometryczny w konkretnym modelu. Nie optymalizuje komfortu inwestora, maksymalnego drawdownu, płynności ani zgodności z limitem ryzyka.

Najprostszy wzór dla dwóch wyników

Rozważmy powtarzalną transakcję z dwoma możliwymi wynikami. Prawdopodobieństwo zysku oznaczmy przez p, prawdopodobieństwo straty przez q = 1 − p, a b niech oznacza zysk netto przypadający na jednostkę ryzykowanego kapitału. Optymalny udział kapitału w idealizowanym modelu wynosi:

f* = (b · p − q) / b = p − q / b

Jeżeli prawdopodobieństwo wygranej wynosi 55%, przegranej 45%, a zysk i strata mają tę samą wartość bezwzględną, wtedy b = 1 i pełny Kelly wynosi 10% kapitału. Dla danej transakcji model wskazuje ekspozycję równą jednej dziesiątej bieżącego kapitału.

To przykład dydaktyczny, nie zalecenie. Wynik zakłada poprawne prawdopodobieństwa, stałe wypłaty, możliwość płynnego skalowania pozycji, brak luk cenowych i powtarzalność procesu. W realnym rynku każda z tych przesłanek może być naruszona.

Gdy wzór daje zero, model nie widzi dodatniej przewagi. Wynik ujemny oznacza, że wybrana strona transakcji ma ujemną wartość oczekiwaną; przy ograniczeniu long-only wniosek brzmi „brak pozycji”, a nie mechaniczne użycie ujemnego udziału jako sygnału krótkiej sprzedaży.

Dlaczego oczekiwana stopa zwrotu nie wystarcza?

Dwie strategie mogą mieć tę samą oczekiwaną stopę zwrotu, ale zupełnie inny rozkład wyników. Strategia z częstymi małymi zyskami i rzadką dużą stratą może wymagać znacznie mniejszej pozycji niż sugeruje średnia historyczna. Kelly uwzględnia pełny wpływ wyników na majątek poprzez funkcję logarytmiczną:

g(f) = p · ln(1 + b · f) + q · ln(1 − f).

Jeżeli f zbliża się do 1, pojedyncza pełna strata zbliża kapitał do zera, a logarytm majątku gwałtownie spada. Dzięki temu rozwiązanie karze ryzyko bankructwa. Nie oznacza to jednak, że chroni przed głębokim obsunięciem: pełny Kelly może przechodzić przez dotkliwe serie strat, mimo że jest optymalny w sensie asymptotycznego wzrostu.

Fractional Kelly: ułamek zamiast pełnej ekspozycji

Fractional Kelly polega na zastosowaniu części udziału wskazanego przez pełne kryterium, na przykład połowy albo jednej czwartej. Jeżeli f* wynosi 10%, half Kelly ustawia 5%, a quarter Kelly 2,5% kapitału.

Zmniejszenie udziału obniża oczekiwane tempo wzrostu w idealnym modelu, ale zwykle ogranicza zmienność kapitału i głębokość obsunięć. Co ważniejsze, tworzy margines bezpieczeństwa na błąd oszacowania przewagi. Edward O. Thorp wskazywał praktyczne znaczenie częściowego Kelly’ego w sytuacji, gdy parametry nie są znane z pewnością.

Ułamek nie rozwiązuje wszystkich problemów. Half Kelly nadal może być zbyt duży, jeżeli model pominął ryzyko luki, kilka pozornie niezależnych pozycji ma tę samą ekspozycję albo przewaga zniknęła. Wartość ułamka powinna wynikać z limitów i testów, a nie z przekonania, że jedna stała jest uniwersalna.

Błąd estymacji jest ważniejszy niż precyzja wzoru

Wzór jest prosty, lecz wejścia do niego nie są. Różnica między skutecznością 55% a 51% przy wypłacie 1:1 zmienia pełny Kelly z 10% do 2%. Jeżeli prawdziwe prawdopodobieństwo wynosi 49%, dodatnia pozycja została zbudowana na przewadze, która nie istnieje.

Dlatego estymator powinien uwzględniać niepewność, a nie tylko średnią punktową. Praktyczny proces może stosować konserwatywną dolną granicę oczekiwanej przewagi, shrinkage parametrów w kierunku zera albo scenariusz stresowy. Im krótsza historia, większa liczba testowanych wariantów i silniejsza niestacjonarność, tym mniejsza powinna być ufność do wyliczonego udziału.

  • Selekcja najlepszej wersji. Wybranie parametrów po obejrzeniu wyników zawyża szacowaną przewagę.
  • Look-ahead bias. Kelly policzony z danych z całej historii wykorzystuje informacje niedostępne w chwili decyzji.
  • Zmiana reżimu. Prawdopodobieństwa i wypłaty mogą zmienić się szybciej niż okno estymacji.
  • Grube ogony. Rzadkie straty mogą być nieobecne w próbie, a mimo to zdominować wynik.
  • Koszty. Przewaga brutto może zniknąć po prowizji, spreadzie, poślizgu, finansowaniu i wpływie zlecenia na rynek.

Od pojedynczej transakcji do portfela

Portfel ma wiele możliwych wyników, a pozycje oddziałują przez korelacje. Nie można policzyć Kelly’ego dla każdego instrumentu osobno i po prostu zsumować wag. Kilka strategii może reagować na ten sam czynnik ryzyka, więc łączna ekspozycja będzie większa, niż sugerują indywidualne obliczenia.

W przybliżeniu dla małych stóp zwrotu i przy szeregu restrykcyjnych założeń rozwiązanie wzrostowo-optymalne bywa zapisywane jako w* ≈ Σ−1μ, gdzie μ jest wektorem oczekiwanych nadwyżkowych stóp zwrotu, a Σ macierzą kowariancji. Ta postać pokazuje dwie wrażliwości: wagi rosną wraz z szacowaną premią i zależą od odwróconej macierzy kowariancji.

To nie jest uniwersalny wzór produkcyjny. Odwracanie niestabilnej macierzy może tworzyć skrajne wagi, a małe zmiany μ potrafią odwrócić pozycję. Potrzebne są ograniczenia dźwigni, koncentracji, obrotu, krótkiej sprzedaży oraz płynności. W praktyce rozwiązanie bez ograniczeń warto traktować jako górny punkt odniesienia, nie domyślny portfel.

Kelly, volatility targeting i risk parity to różne narzędzia

Te metody odpowiadają na inne pytania. Kelly wiąże ekspozycję z oczekiwaną przewagą i rozkładem wypłat. Volatility targeting skaluje pozycję do prognozowanej zmienności, niezależnie od tego, czy oczekiwana przewaga jest duża czy mała. Risk parity dzieli budżet ryzyka między składniki portfela, bez konieczności prognozowania ich oczekiwanych stóp zwrotu.

Można je łączyć warstwowo. Model sygnału szacuje przewagę, konserwatywny Kelly wyznacza wstępny budżet, targetowanie zmienności stabilizuje skalę, a limity portfelowe ograniczają koncentrację. Kolejność i interakcje muszą być testowane łącznie, ponieważ każdy kolejny mnożnik zmienia ostateczną ekspozycję.

Jak testować sizing oparty na Kellym?

  1. Zdefiniuj wynik netto. Prawdopodobieństwa i wypłaty licz po wszystkich kosztach możliwych do oszacowania.
  2. Odtwórz czas informacji. Parametry dla decyzji w chwili t mogą korzystać tylko z danych dostępnych wcześniej.
  3. Oddziel estymację od oceny. Ustal przewagę na próbie uczącej i sprawdzaj sizing na kolejnych okresach poza próbą.
  4. Porównaj poziomy ekspozycji. Zestaw brak skalowania, pełny Kelly, half Kelly, quarter Kelly i prostą stałą pozycję.
  5. Raportuj ścieżkę, nie tylko koniec. Pokaż drawdown, czas odrabiania strat, zmienność, obrót, dźwignię i najgorsze sekwencje.
  6. Stresuj parametry. Obniż p, pogorsz wypłatę b, zwiększ koszty i skoreluj jednoczesne straty między strategiami.
  7. Użyj scenariuszy resamplingowych. Symulacja Monte Carlo może pokazać rozkład obsunięć przy innej kolejności wyników, choć nie tworzy zdarzeń spoza danych i modelu.

Wynik testu powinien wskazywać zakres wielkości pozycji, w którym niewielki błąd parametrów nie zmienia całkowicie profilu ryzyka. Jeżeli strategia działa tylko przy jednym precyzyjnym udziale, jest to sygnał kruchości, a nie dowód optymalności.

Ryzyko obsunięcia wymaga osobnego ograniczenia

Kelly nie narzuca limitu prawdopodobieństwa określonego drawdownu. Busseti, Ryu i Boyd sformułowali wariant z ograniczeniem ryzyka, który maksymalizuje długoterminowe tempo wzrostu przy dodatkowym warunku dotyczącym prawdopodobieństwa obsunięcia. Ich praca pokazuje, że wzrost i drawdown są odrębnymi celami, a ograniczenie ryzyka można wprowadzić bez udawania, że pełny Kelly sam je kontroluje.

W realnym procesie podobną rolę pełnią limity maksymalnej pozycji, dziennej straty, ekspozycji na czynnik, depozytu zabezpieczającego i płynności. Limit powinien działać niezależnie od tego, jak atrakcyjna wydaje się prognoza. Więcej o interpretacji ścieżki strat opisuje materiał o obsunięciu kapitału.

Praktyczna hierarchia decyzji

Konserwatywny proces może oddzielić matematykę od decyzji wdrożeniowej:

  1. sprawdź, czy przewaga pozostaje dodatnia po kosztach i poza próbą,
  2. policz pełny Kelly jako teoretyczny punkt odniesienia,
  3. zmniejsz go o wybrany ułamek z uwagi na błąd modelu,
  4. nałóż limity zmienności, dźwigni, koncentracji i płynności,
  5. sprawdź łączny efekt wszystkich pozycji na poziomie portfela,
  6. monitoruj zmianę przewagi i zatrzymuj skalowanie, gdy dane odbiegają od założeń.

Ostateczna wielkość pozycji powinna być minimum z wyniku modelu i niezależnych limitów ryzyka. To świadomie rezygnuje z teoretycznego maksimum wzrostu na rzecz odporności operacyjnej i akceptowalnej ścieżki kapitału.

Najważniejsze wnioski

Kryterium Kelly’ego porządkuje relację między przewagą, wypłatą i wielkością pozycji. Jego wartość polega przede wszystkim na pokazaniu, że „dobry sygnał” nie uzasadnia dowolnej ekspozycji, a sizing powinien zależeć od jakości przewagi oraz ryzyka jej błędnej oceny.

Pełny Kelly jest rozwiązaniem dla idealizowanego modelu z poprawnie znanym rozkładem. W inwestowaniu bardziej wiarygodne jest użycie go jako górnego punktu odniesienia, zastosowanie ułamka, policzenie parametrów netto i nałożenie twardych limitów portfelowych. Jeśli szacowana przewaga jest niepewna, właściwą odpowiedzią modelu może być bardzo mała pozycja albo jej brak.

Źródła

Zastrzeżenie edukacyjne: materiał ma charakter wyłącznie edukacyjny i informacyjny. Nie stanowi rekomendacji inwestycyjnej, porady finansowej ani oferty nabycia lub sprzedaży instrumentów finansowych. Kryterium Kelly’ego opiera się na założeniach i estymacjach, które mogą być błędne; nie eliminuje ryzyka straty, obsunięcia, dźwigni, płynności ani błędu modelu.