이란 무엇인가 Kelly Criterion Calculator?
▾
켈리 기준(Kelly Criterion)은 장기적으로 부의 로그 증가를 극대화하기 위해 유리한 베팅이나 투자에 할당할 자금이나 포트폴리오의 최적 비율을 결정하는 수학 공식입니다. 1956년 Bell Labs의 John L. Kelly Jr.가 정보 이론의 맥락에서 개발하고 도박과 투자에 독립적으로 적용한 Kelly 공식은 모든 고정 부분 베팅 전략 중에서 가장 높은 장기 복합 성장률을 생성하는 동시에 파산 확률이 이론적으로 0임을 보장합니다(유리한 배당률에 대한 지속적인 베팅). 승리할 확률 p(그리고 패배할 확률 q = 1−p)를 갖는 간단한 이진 베팅의 경우, 승리하면 배당률 b(각 달러 베팅에 대해 승리 b 달러)가 지급되며 최적의 켈리 분수는 다음과 같습니다. f* = (bp − q) / b = p − q/b. 이 분수는 자금의 일부로 표현된 베팅의 예상 가치입니다. f* 이상의 베팅(과잉 베팅)은 복합 성장을 감소시키고 파산 위험을 증가시킵니다. f* 미만의 베팅(언더베팅)은 안전하지만 장기적 성장 관점에서는 차선책입니다. 지속적인 투자(주식, 포트폴리오)의 경우 Kelly 공식은 f* = (μ − r) / σ²로 확장됩니다. 여기서 μ는 기대 수익률, r은 무위험 수익률, σ²는 수익률 분산입니다. 이 결과는 샤프 비율(f* = 샤프 비율 / σ)과 직접 연결됩니다. 즉, Kelly 최적 레버리지는 샤프 비율을 변동성으로 나눈 값입니다. Sharpe=0.5 및 σ=15%인 일반적인 다각화된 주식 포트폴리오에 대해 Kelly는 0.5/0.15 = 333% 할당을 제안합니다. 이는 이론적 레버리지를 나타내는 100%보다 훨씬 높은 수치입니다. 실제로 전체 켈리 분수는 다음과 같은 이유로 거의 사용되지 않습니다. (1) 실제 가장자리와 확률 추정에는 상당한 불확실성이 포함되어 실제 가장자리가 추정된 것보다 작아집니다(25~50%의 분수 켈리가 일반적임). (2) 완전 켈리는 심각한 하락을 초래합니다. 두 배가 되기 전에 예상되는 최대 하락은 부의 약 50%입니다. (3) 대부분의 투자자는 로그 효용이 의미하는 것보다 더 큰 손실을 감수하는 효용 함수를 가지고 있습니다. Half-Kelly 또는 Quarter-Kelly 전략은 Kelly의 장기 성장률의 75% 또는 50%를 달성하는 동시에 결과의 손실 및 변동을 극적으로 줄입니다. Kelly Criterion은 스포츠 베팅, 포커(전문 플레이어가 명시적으로 자금 관리에 사용함), 상품 거래 및 정량 투자 관리에 널리 사용됩니다. 전설적인 투자자 워렌 버핏(Warren Buffett)과 찰리 멍거(Charlie Munger)는 켈리 원칙에 부합하는 투자 접근 방식을 설명했으며, 이 기준은 블랙잭 카드 계산 및 퀀트 헤지 펀드 관리 모두에서 에드워드 소프(Edward Thorp)의 선구적인 작업의 기초가 됩니다.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
공식
▾
켈리 분수(이진수): f* = (b×p − q) / b = p − (1−p)/b
켈리 분수(연속형): f* = (μ − r) / σ²
성장률: g = p × ln(1 + b×f*) + (1−p) × ln(1 − f*)변수 설명
▾
| 기호 | 이름 | 단위 | 설명 |
|---|---|---|---|
| f* | 켈리 분수 | % | 베팅하거나 투자할 자금의 최적 비율; 장기적으로 대수적 부의 증가를 극대화합니다. |
| p | 승리 확률 | % | 유리한 결과가 나올 것으로 예상되는 확률 긍정적인 가장자리에 대한 손익 분기점 확률(1/(1+b))을 초과해야 합니다. |
| b | 순 승률 | ratio | 승리할 경우 걸린 단위당 순 상금: $1 베팅당 $3를 이기면 b=3입니다. 잠재적인 베팅에 대해서는 긍정적이어야 합니다. |
| EV | 기대값 | USD | 단위당 기대 이익: EV = (p × b) − (1−p). Kelly가 베팅을 추천하려면 긍정적인 EV가 필요하지만 충분하지는 않습니다. |
| g | 성장률 | %/round | 켈리 분수에서 베팅 라운드당 장기 복합 성장률: g = p × ln(1+b×f*) + (1−p) × ln(1−f*). |
방법 Kelly Criterion Calculator
▾
- 1(과거 데이터, 모델 또는 에지 분석을 통해) 유리한 결과의 확률 p를 추정합니다.
- 2b: 성공할 경우 베팅한 단위당 순 수익을 결정합니다.
- 3양수 기대값 확인: EV = b×p − (1−p) > 0. EV ≤ 0이면 베팅하지 마십시오(f* ≤ 0은 Kelly가 베팅을 권장하지 않음을 의미함).
- 4켈리 분수 계산: f* = (b×p − (1−p)) / b.
- 5원하는 경우 분수 켈리를 적용합니다. 보다 보수적인 자본 관리를 위해 일반적으로 f = 0.25 × f* ~ 0.5 × f*를 적용합니다.
- 6베팅 크기: 베팅 금액 = f* × 총 자금.
- 7자금 규모가 변경될 때마다 베팅 후 다시 계산합니다. Kelly는 현재 부에 비례하여 베팅하는 역동적인 전략입니다.
풀어진 예시
▾
55%의 승률에도 불구하고 자금의 10%만 — Kelly는 보수적입니다.
f* = (1.0 × 0.55 − 0.45) / 1.0 = (0.55 − 0.45) = 0.10 = 10%. 베팅 금액 = 10% × $10,000 = $1,000. 베팅당 기대 가치 = (0.55 × $1,000) − (0.45 × $1,000) = $550 − $450 = $100. 겉보기에 큰 우위(55% 대 보통 50%)에도 불구하고 상대적으로 작은 부분(10%)은 Kelly의 보수주의를 반영합니다. 전체 $10,000(100%)를 베팅하면 베팅당 예상 가치가 최대화되지만 파산 위험이 있습니다. 10연속 손실(확률 ≒ 0.3%)이 발생하면 자금이 소진됩니다. Kelly의 10% 비율은 장기적 성장을 최적으로 만드는 동시에 파산 가능성을 매우 낮춥니다.
포커의 높은 변동성은 긍정적인 우위에도 불구하고 많은 바이인을 필요로 합니다.
포커에서 Kelly 관련 파멸 위험 공식: P(파산) = e^(−2×W×B/V), 여기서 W=핸드당 승률, B=빅 블라인드의 자금, V=핸드당 분산. 승률 55bb/100 = 0.55bb/핸드, 분산 = 100²/100 = 100bb²/핸드, 자금 B = 30 바이인 × 100bb = 3,000bb: P(폐허) = e^(−2×0.0055×3000/100) = e^(−0.33) = 72% — 끔찍합니다! 프로 포커 플레이어는 최소 30~50개의 바이인을 사용합니다. 50 바이인(5,000bb): P(ruin) = e^(−0.55) = 58% — 여전히 높습니다. Kelly 분석에 따르면 포커의 높은 변동성은 승리한 플레이어에게도 매우 높은 자금을 필요로 한다는 것을 보여줍니다.
Full Kelly는 매우 공격적입니다. 대부분의 실무자는 25~50% Kelly를 사용합니다.
f* = (μ − r) / σ² = (0.10 − 0.05) / (0.20²) = 0.05 / 0.04 = 1.25 = 125%. Full Kelly는 125%의 지분 배분(25%를 빌려 투자)을 권장합니다. 이는 로그 효용 하에서 Merton 최적 포트폴리오 비율입니다. 실제로 실제 샤프 비율과 σ는 불확실하므로(추정 오류) 실제 엣지는 추정된 것보다 작습니다. 62.5%의 절반 켈리 비율을 사용하면 최대 성장률의 약 75%를 달성하는 동시에 손실 위험을 크게 줄일 수 있습니다. 전문 퀀트 펀드는 일반적으로 추정 불확실성을 설명하기 위해 이론적 켈리의 20~50%를 사용합니다.
다중 자산 Kelly는 공분산 행렬에 행렬 연산을 사용합니다.
다중 자산 켈리: f* = Σ⁻¹ × α(알파 벡터). 여기서 Σ는 공분산 행렬이고 α는 초과 수익 벡터입니다. 자산 A는 Sharpe 1.0이고 상대적으로 낮은 거래량을 가지고 있습니다. Kelly는 집중적으로 할당합니다. 자산 B는 샤프가 낮고 거래량이 높으므로 Kelly 할당이 더 적습니다. 양의 상관관계는 상관관계가 없는 경우(f_total = 55% + 25% = 80%)에 비해 총 포트폴리오 할당을 줄입니다. 실제 구현 라운드 및 제약: 장기 전용 펀드는 정규화 후 포트폴리오 수준에서 약 80% A, 20% B를 할당합니다. 다중 자산 Kelly는 공동 수익 분배를 통해 포트폴리오의 장기 성장률을 극대화합니다.
실제 적용
▾
전문 베터를 위한 스포츠 베팅 자금 관리
포커 플레이어 스테이크 선택 및 자금 관리
양적 헤지펀드 포지션 규모 모델
투자 기회 전반에 걸쳐 벤처 캐피탈 포트폴리오 할당
동시 전략 전반에 걸친 거래 알고리즘 자본 배분
특수 경우
▾
실제로 이 극단적인 경우에는 표준 가정이 유지되지 않을 수 있으므로 신중한 고려가 필요합니다. 켈리 기준 계산기 계산에서 이 시나리오에 직면할 때 실무자는 경계 조건을 확인하고 0으로 나누기 위험을 확인하고 모델의 가정이 이러한 극한 조건에서 유효한지 여부를 고려해야 합니다.
실제로 이 극단적인 경우에는 표준 가정이 유지되지 않을 수 있으므로 신중한 고려가 필요합니다. 켈리 기준 계산기 계산에서 이 시나리오에 직면할 때 실무자는 경계 조건을 확인하고 0으로 나누기 위험을 확인하고 모델의 가정이 이러한 극한 조건에서 유효한지 여부를 고려해야 합니다.
실제로 이 극단적인 경우에는 표준 가정이 유지되지 않을 수 있으므로 신중한 고려가 필요합니다. 켈리 기준 계산기 계산에서 이 시나리오에 직면할 때 실무자는 경계 조건을 확인하고 0으로 나누기 위험을 확인하고 모델의 가정이 이러한 극한 조건에서 유효한지 여부를 고려해야 합니다.
켈리 분수 대 장기 성장률 균형
▾
| 켈리 배수 | 성장률(켈리의 %) | 하락 심각도 | 일반 사용자 |
|---|---|---|---|
| 풀 켈리(1.0×) | 100% | 심각(~50% 예상 최대 DD) | 이론적 최적 |
| 하프 켈리 (0.5×) | 75% | 보통(~25% 최대 DD) | 공격적인 퀀트펀드 |
| 쿼터 켈리 (0.25×) | 44% | 약함(~12% 최대 DD) | 보수적인 실무자 |
| 10번째 켈리 (0.1×) | 19% | 매우 낮음(최대 DD ~5%) | 위험 회피 위험 관리 |
| 2× 켈리(오버베팅) | 0% | 극단적인 — 파멸의 경향 | 위험 구역 - 피하십시오 |
| 3× 켈리(오버베팅) | 부정적인 | 거의 확실한 최종 파멸 | 재앙적인 |
자주 묻는 질문
▾
전체 Kelly가 실제로 거의 사용되지 않는 이유는 무엇입니까?
풀 켈리는 장기적으로 로그 성장을 극대화하지만 매우 공격적인 포지션 크기 조정과 심각한 하락을 생성합니다. 부가 두 배로 증가하기 전에 예상되는 최대 손실액은 현재 부의 약 50%입니다. 즉, 두 배로 증가하기 전 어느 시점에 돈의 절반을 잃을 것으로 예상해야 한다는 의미입니다. 대부분의 투자자는 로그 함수보다 위험 회피적인 효용 함수를 갖고 있어 큰 손실에 대해 더 큰 페널티를 부과합니다. 또한 실제 엣지 추정치는 불확실합니다. 실제 엣지가 추정 엣지의 절반이면 전체 Kelly는 상당한 오버베팅이 됩니다. Half-Kelly는 훨씬 낮은 분산과 최대 감소로 Kelly 성장률의 약 75%를 달성합니다. 전문 퀀트 펀드는 일반적으로 Kelly의 20~50%를 사용합니다.
Kelly Criterion과 샤프비율의 관계는 무엇입니까?
정규 분포 수익을 갖는 연속 투자의 경우 Kelly 최적 레버리지는 다음과 같습니다. f* = 샤프 비율 / σ = (μ − r) / σ². 이는 켈리 비율이 샤프 비율에 따라 증가하고(에지가 높을수록 더 많은 크기를 정당화함) 변동성에 따라 감소함을 의미합니다(볼륨이 높을수록 변동 위험이 더 커짐을 의미함). 최대 장기 성장률(Kelly 성장)은 무위험 수익률에 (Sharpe²)/2를 더한 것과 같습니다. 따라서 Kelly 성장은 샤프 비율의 제곱에 정비례합니다. 이러한 관계는 샤프 비율이 켈리 최적 투자자에게 가장 중요한 단일 지표인 이유입니다. 샤프 비율이 두 배인 전략은 증분 성장률의 4배를 달성합니다.
켈리 기준이 파멸로 이어질 수 있을까?
이론적으로 켈리 기준은 지속적인 긍정적 확률 결과를 갖는 유리한 베팅에 대해 장기적으로 망할 확률이 0입니다(기하학적 랜덤 워크는 거의 확실하게 무한대로 수렴합니다). 그러나 실제로는 다음과 같은 이유로 인해 파산 위험이 존재합니다. (1) 상대적인 측면에서 켈리 분수를 초과할 수 있는 개별(무한히 나눌 수 없음) 베팅; (2) 모델 오류 - 실제 확률과 확률은 추정된 것보다 덜 유리할 수 있습니다. (3) 연속 위험 - Kelly가 가득 찬 상태에서 장기간 연속 패배하면 파멸이 없더라도 극심한 손실이 발생합니다. (4) 레버리지 - 켈리 비율이 100%를 초과하는 경우(주식 시장 애플리케이션에서와 같이) 빌린 자금은 유한한 파멸 가능성을 생성합니다. 이러한 모든 위험을 관리하기 위해 실제로는 부분 켈리 전략이 선호됩니다.
Kelly Criterion은 상관관계 베팅을 어떻게 처리합니까?
단일 베팅의 경우 Kelly는 간단합니다. 동시에 활성화된 베팅 또는 투자 포트폴리오의 경우 다중 자산 Kelly는 행렬 대수학을 사용합니다. f* = Σ⁻¹ × α. 여기서 Σ는 수익의 공분산 행렬이고 α는 예상 초과 수익의 벡터입니다. 양의 상관 관계가 있는 베팅은 상관 관계가 없는 베팅에 비해 총 Kelly 할당을 줄입니다. 상관 관계가 손실 위험을 증폭시키기 때문에 베팅이 상관 관계가 있을 때 포트폴리오 관리자는 크기를 줄여야 합니다. 음의 상관관계가 있는 베팅은 더 큰 총 할당을 허용합니다. 이는 다각화(포지션 간의 음의/낮은 상관관계)가 안전을 희생하지 않고 더 많은 총 자본 배치를 허용하는 이유에 대한 수학적 기초입니다.
'분수 켈리' 전략이란 무엇입니까?
부분 켈리는 전체 켈리 금액의 고정된 부분(일반적으로 25%(쿼터 켈리)에서 50%(하프 켈리))에 베팅합니다. Half-Kelly는 최대 장기 성장률의 약 75%를 달성하는 동시에 (1) 포트폴리오 변동을 Kelly 변동의 25%로 줄입니다. (2) 예상되는 최대 하락폭을 절반으로 줄입니다. (3) 에지와 확률의 추정 오류에 대해 실질적인 완충 장치를 제공합니다. 관계는 2차적입니다. Kelly의 분수 c에 베팅하면 Kelly의 최대 성장률의 c(2−c) 비율(항상 100% 미만)을 달성하므로 언더베팅의 성장률 페널티는 분산 감소 혜택보다 훨씬 작습니다. 이러한 비대칭성은 실제 위험 관리에서 부분 Kelly가 전체 Kelly를 지배하는 이유를 설명합니다.
누가 Kelly Criterion을 전문적으로 사용합니까?
Kelly Criterion은 여러 전설적인 투자 경력에서 명시적으로 채택되었거나 영향을 받았습니다. 블랙잭에서 카드 계산을 발명한 수학 교수인 에드워드 소프(Edward Thorp)는 도박(Beat the Dealer에 기록되어 있음)과 헤지 펀드 프린스턴/뉴포트 파트너스(Princeton/Newport Partners)에 Kelly를 엄격하게 적용했습니다. 그는 이 회사를 19년 동안 뛰어난 위험 조정 수익으로 운영했습니다. 워렌 버핏의 집중적인 포지션 규모 결정 철학은 켈리의 생각을 반영합니다. 즉, 높은 확신과 진정한 우위가 있을 때 큰 규모로 베팅하십시오. 프로 스포츠 베터와 포커 플레이어는 자금 관리를 위해 Kelly를 명시적으로 사용합니다. Renaissance Technologies와 같은 정량 헤지 펀드는 체계적인 거래 전략에서 Kelly와 관련된 최적 분수 개념을 암묵적으로 사용합니다.
Kelly의 '과잉 베팅' 위험은 무엇입니까?
켈리 분수보다 더 많이 베팅하는 오버베팅은 성장률과 파산 확률 관점에서 과소베팅보다 더 나쁩니다. 정확히 2× Kelly(더블 켈리)에서 장기 성장률은 0으로 떨어집니다. 즉, 계정 가치는 성장하지 않은 수준에서 진동합니다. 2× Kelly를 초과하면 성장률은 마이너스가 됩니다. 즉, 계정이 결국 모든 가치를 잃을 것이 사실상 확실합니다. 이러한 뚜렷한 비대칭성(과소 베팅은 차선책일 뿐이고, 과도한 베팅은 재앙이 될 수 있음)은 Kelly를 포지션 규모의 중요한 상한선으로 만듭니다. 실제로 모델이 100%에 매우 가깝거나 100%를 초과하는 켈리 분수를 제안할 때마다 이를 높은 오버베팅 위험으로 인해 분수 켈리 계수를 적극적으로 적용하라는 신호로 취급합니다.
피해야 할 일반적인 실수
▾
- !가장자리와 확률의 추정 불확실성을 고려하지 않고 전체 Kelly를 사용합니다. 실제 응용 프로그램에서는 항상 부분 Kelly(25~50%)를 적용합니다.
- !여러 동시 포지션의 크기를 조정할 때 상관 구조를 무시합니다. 상관 관계 베팅에는 개별 켈리 분수를 줄여야 합니다.
- !기대값이 음수인 베팅에 Kelly를 적용하면 Kelly는 이 경우 f* ≤ 0을 정확하게 생성합니다(베팅 없음).
- !Kelly를 고정된 베팅 크기 규칙으로 취급 - 이는 매번 현재 부에 적용되어야 하며, 부가 감소함에 따라 비례적으로 베팅이 축소되어야 합니다.
- !Kelly가 최대 기대 달러 수익을 달성한다고 가정하면 산술 기대 수익이 아닌 대수(기하학적) 성장을 최대화합니다.
전문가 팁
전체 Kelly, 절반 Kelly, Quarter Kelly를 사용하여 100개 베팅에 대한 1,000개 경로의 Monte Carlo 시뮬레이션을 실행합니다. 최종 부 결과의 분포는 Kelly의 뛰어난 중심 경향과 과잉 베팅의 치명적인 단점을 모두 시각적으로 보여줍니다. 이는 공식만 사용한 것보다 훨씬 더 설득력이 있습니다.
알고 계셨나요?
John Kelly Jr.는 1956년 Bell System Technical Journal 논문 'A New Interpretation of Information Rate'에서 자신의 기준을 발표하여 도박이 아닌 정보 이론 및 통신 채널 용량 측면에서 결과를 구성했습니다. 그 신문에서는 도박에 대해 전혀 언급하지 않았습니다. Ed Thorp는 블랙잭과 이후 주식 시장에 대한 적용을 인식하여 Kelly를 정보 이론에서 실제 투자 관리로 효과적으로 전환했습니다.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
참고 자료
주간 수학 팁 받기
매주 계산기 팁을 받는 12,000명 이상의 구독자와 함께 하세요.