이란 무엇인가 Ruin Probability Calculator?
▾
파멸 확률(파멸 확률, 도박꾼의 파멸 또는 파멸 위험이라고도 함)은 플레이어, 상인 또는 기업이 지정된 부의 목표에 도달하기 전에 모든 자본을 소진할 확률입니다. 이는 확률 이론, 보험 통계 과학 및 거래 위험 관리의 기본 개념으로, 시작 자본, 베팅 또는 거래당 우위, 목표 부 수준이 주어지면 목표를 달성하기 전에 파산할 확률은 얼마나 됩니까?라는 질문에 대답합니다. 17세기 블레이즈 파스칼(Blaise Pascal)과 크리스티안 호이겐스(Christiaan Huygens)를 포함한 수학자들이 공식화한 고전적인 도박꾼의 파멸 문제는 시작 자본금 $k를 가진 도박꾼이 자본금 $N−k(총 테이블 판돈 = $N)를 가진 상대와 게임을 하는 것을 고려합니다. 각 베팅에서 승리할 확률 p(그리고 패배할 확률 q=1−p)와 함께, 파멸 확률($N에 도달하기 전에 $k를 모두 잃음)은 우아한 폐쇄형 솔루션을 갖습니다. p = q = 0.5(공정한 게임)일 때, 파멸 확률 = (N−k)/N. 불리한 게임(q > p)의 경우 N이 크면 파멸이 거의 확실합니다. 거래에서 파산 확률은 일반적으로 시작 자본의 배수를 달성하기 전에 모든 자본을 잃을 확률로 계산됩니다. 연속 근사법 사용: P(ruin) = e^(−2× Edge × Capital / Variance), 여기서 Edge = 거래(또는 기간)당 평균 수익률, Capital = 초기 자본, Variance = 거래당 수익률 분산. 이 공식은 다음과 같은 경우 파산 확률이 기하급수적으로 감소한다는 것을 보여줍니다. (1) 베팅 규모에 비해 시작 자본이 더 큽니다. (2) 더 높은 가장자리; (3) 더 낮은 분산. 이것이 바로 거래당 자본의 1%만 위험에 빠뜨리는 거래의 1% 규칙이 거래당 위험 5% 또는 10%에 비해 파산 확률을 극적으로 줄이는 이유입니다. 보험 및 계리 과학에서 파멸 이론(Cramér-Lundberg 모델)은 보험사의 잉여(자본 준비금)가 보험료 수입, 투자 수익 및 무작위 청구 지불을 고려할 때 마이너스가 될 것인지 여부를 연구합니다. Cramér-Lundberg 불평등은 보험 포트폴리오의 파산 확률에 대한 상한선을 제공합니다. 파산 확률 분석은 또한 비즈니스 금융에서 연소율과 수익 궤적을 고려하여 스타트업이나 기업이 현재 현금 잔고에서 얼마나 오랫동안 생존할 수 있는지 평가하는 데 사용되며, 개인 금융에서는 퇴직자가 다양한 지출 및 수익 시나리오에서 사망하기 전에 포트폴리오를 소진할 확률을 평가하는 데 사용됩니다.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
공식
▾
이산형(p ≠ 0.5): P(폐허) = [(q/p)^N − (q/p)^k] / [(q/p)^N − 1]
공정한 게임(p=0.5): P(폐허) = 1 − k/N
연속 근사: P(폐허) = exp(−2 × μ × k / σ²)변수 설명
▾
| 기호 | 이름 | 단위 | 설명 |
|---|---|---|---|
| k | 시작 자본 | USD | 초기 자산 또는 자금; 개별 도박꾼의 파멸 공식에 대한 베팅 규모 단위로 측정됩니다. |
| p | 승리 확률 | % | 각 베팅 또는 거래에서 승리할 확률 p > 0.5(또는 p > 손익 분기점)이면 양의 가장자리가 있습니다. |
| N | 목표자본금 | USD | 자산 목표; 고전적인 도박꾼의 파멸에서는 테이블 스테이크(대신 상대가 파멸되는 지점)입니다. |
| P_ruin | 파멸 확률 | % | 목표 N에 도달하기 전에 모든 자본을 잃을 확률. 불리한 게임의 경우 1.0에 접근합니다(p < 0.5). |
| E_dur | 예상 기간 | bets/trades | 실패하거나 목표 N에 도달하기 전 예상되는 베팅/거래 수; 게임이 지속되는 시간을 반영합니다. |
방법 Ruin Probability Calculator
▾
- 1시작 자본금 k(최소 베팅 또는 거래 위험 단위), 목표 자본금 N 및 플레이당 베팅/위험 금액을 정의합니다.
- 2가장자리를 추정합니다(p = 각 베팅에서 승리할 확률). 거래의 경우 승패 크기 비율에 맞게 조정된 승률을 사용합니다.
- 3적절한 파멸 공식을 적용하십시오: 바이너리 베팅에 대한 개별 도박꾼의 파멸; 가변 수익 거래에 대한 연속 근사치.
- 4거래의 경우: P(폐허) = exp(−2 ×average_gain×starting_capital /variance_per_trade).
- 5민감도 분석: 초기 자본금이 두 배가 되면 파산 확률은 어떻게 변합니까? 가장자리가 반으로 줄어들면? 변동성이 커지면?
- 6예상 지속 시간(결과가 결정되기까지의 라운드 수) 계산: E = k × (N−k) / |2p−1| p≠0.5인 경우 × 1/(p−0.5)입니다.
- 7파멸 확률을 사용하여 최소 자본 요구 사항, 최대 베팅 규모 및 적절한 거래당 위험 비율을 설정합니다.
풀어진 예시
▾
'단지' 2.63%의 하우스 에지만으로도 이 수준에서는 파멸이 거의 확실합니다.
q/p = (1−0.4737)/0.4737 = 0.5263/0.4737 = 1.1111. P(폐허) = [(1.1111)^200 − (1.1111)^100] / [(1.1111)^200 − 1]. (1.1111)^200 항은 천문학적으로 커서 분자와 분모를 지배합니다. P(ruin) ≒ 1 − (1.1111)^(−100) = 1 − e^(−100 × ln1.1111) ≒ 1 − e^(−10.54) ≒ 88.6%. 룰렛에서 $100를 두 배로 늘리려면 확률은 11.4%에 불과합니다. 이는 카지노가 승리하는 이유를 보여줍니다. 많은 베팅에 복합적으로 작용하는 작은 하우스 에지는 플레이어에게 거의 확실한 파멸을 초래합니다.
크기 조절이 가능한 포지티브 에지 = 매우 낮은 파멸 확률
거래당: 예상 이익 = 0.55×$300 − 0.45×$200 = $165 − $90 = $75 (참고 보상: 승리 이득 1.5×$200=$300). 평균 = $75, 분산 = E[X²] − E[X]² = (0.55×$300² + 0.45×$200²) − $75² = (49,500 + 18,000) − 5,625 = $61,875. P(폐허) ≒ exp(−2 × $75 × $10,000 / $61,875) = exp(−24.24) ≒ 0.0000000036 — 본질적으로 0입니다! 거래당 위험이 2%에 불과하고 우위가 적당하더라도 파산 확률은 무시할 수 있습니다. 거래당 10% 위험을 감수하는 것과 비교($1,000): P(ruin) ≒ exp(−2 × $75 × $10,000 / $61,875) 여기서 자본은 이제 10단위에 불과합니다. exp(−2×75×10/61875) — 올바르게 확장했기 때문에 여전히 무시할 수 있습니다.
여기에서는 스타트업의 파멸이 결정적입니다. 수익 성장이나 새로운 자금 조달이 필요합니다.
순소진액 = $50,000/월. 활주로 = $500,000 / $50,000 = 10개월 — 스타트업은 10개월 안에 거스름돈 없이 돈이 바닥납니다. 목표 시리즈 A 기금 모금(N=18개월의 초기 소각율 = $900,000 필요)까지 18개월 동안 생존하려면 스타트업은 순 소진액을 $0로 줄이기 위해 80%의 매출 성장 또는 추가 자금 조달이 필요합니다. 이는 투자자들이 스타트업 연소율과 활주로에 열광하는 이유를 보여줍니다. 파멸(다음 자금 조달 전 현금 인출)은 문자 그대로 회사의 끝입니다.
100만 달러의 잉여금을 20% 안전 로딩하면 파멸 가능성이 거의 0에 가깝습니다.
Cramér-Lundberg 모델에서 폐허 확률의 상한은 P(ruin|surplus=u) ≤ e^(−Ru)입니다. 여기서 R은 조정 계수(Lundberg 방정식의 양의 근)입니다. 20% 안전 로딩 및 평균 $10,000의 지수 청구: R = θ/(μ(1+θ)) = 0.20/(10,000×1.20) ⁵ 1.67×10⁻⁵. P(폐허) ≤ e^(−1.67×10⁻⁵×1,000,000) = e^(−16.7) ≒ 5.6×10⁻⁸ — 본질적으로 0입니다. 이는 적절한 잉여금과 보험료 부담이 일반적인 청구 가정 하에서 보험 회사에 거의 완벽한 재무 안정성을 제공한다는 것을 확인시켜 줍니다.
실제 적용
▾
정확한 파멸 확률 계산이 정보에 입각한 의사 결정, 전략 계획 및 성과 최적화를 직접 지원하는 전문적이고 분석적인 맥락에서 파멸 확률의 중요한 적용 영역을 나타내는 거래 시스템 위험 관리 및 최소 자본 요구 사항
정확한 폐허 확률 계산이 정보에 입각한 의사 결정, 전략 계획 및 성과 최적화를 직접 지원하는 전문적이고 분석적인 맥락에서 폐허 확률의 중요한 응용 분야를 나타내는 스타트업 활주로 분석 및 자금 조달 마일스톤 계획
정확한 파멸 확률 계산이 정보에 입각한 의사 결정, 전략 계획 및 성과 최적화를 직접 지원하는 전문적이고 분석적인 맥락에서 파멸 확률의 중요한 적용 영역을 나타내는 보험 회사 잉여 적정성 및 지불 능력 규정
정확한 파멸 확률 계산이 정보에 입각한 의사 결정, 전략 계획 및 성과 최적화를 직접 지원하는 전문적이고 분석적인 맥락에서 파멸 확률의 중요한 적용 영역을 나타내는 은퇴 포트폴리오 고갈 확률(반환 순서 위험)
업계 전문가들은 운영 파멸 가능성 계산, 고객 결과물, 규정 준수 보고 및 파멸 확률 정확도가 재무 결과 및 조직 성과에 직접적인 영향을 미치는 비즈니스 맥락에서 전략 계획을 위해 파멸 확률을 사용합니다.
특수 경우
▾
{'case': 'Martingale Strategy', 'explanation': 'Martingale 베팅(매 손실 후 두 배)은 이론적으로(무한 자본이 주어졌을 때) 파멸 확률이 0이지만, 유한한 테이블 제한과 자본으로 인해 실제로는 거의 확실한 파멸에 가깝습니다. 단 10연패를 하려면 초기 베팅 금액의 2^10 = 1,024배가 필요합니다. 이는 현실적인 자본 기반을 빠르게 초과하는 금액입니다.'}
{'case': 'Infinite Horizon Ruin', 'explanation': '불리한 게임(음의 가장자리)의 경우 무한 시간 지평에 대한 파멸 확률은 정확히 1.0입니다. — 확실한 파멸입니다. 유리한 게임의 경우 고정 부분 베팅(연속 사례)의 경우 무한 지평선 파멸 확률은 0입니다. 고정된 베팅 크기의 경우 포지티브 에지가 있더라도 무한 수평 파멸 확률은 즉각적인 파멸 가능성이 0이 아닌 개별 랜덤 워크에 대해 포지티브입니다.'}
폐허에서 폐허 확률 입력 값이 0에 가까워지거나 음수가 되는 경우
폐허 확률 입력 값이 0에 가까워지거나 폐허 확률이 음수가 되면 수학적 동작이 크게 변경됩니다. 0 값은 0으로 나누기 오류나 사소하게 0인 결과를 유발할 수 있으며, 음수 입력은 수학적으로는 유효하지만 파멸 확률 상황에서는 실질적으로 의미 없는 출력을 생성할 수 있습니다. 전문 사용자는 결과를 해석하기 전에 모든 입력이 물리적 또는 재정적으로 의미 있는 범위 내에 속하는지 검증해야 합니다. 음수 또는 0 값은 종종 데이터 입력 오류 또는 별도의 분석 처리가 필요한 예외적인 파멸 확률 상황을 나타냅니다.
시작 자본(베팅 단위) 및 엣지에 따른 폐허 확률
▾
| 자본금(단위) | 가장자리=0% | 가장자리=1% | 가장자리=3% | 가장자리=5% | 가장자리=10% |
|---|---|---|---|---|---|
| 10개 단위 | 100% | 82% | 55% | 37% | 14% |
| 20대 | 100% | 67% | 30% | 14% | 2% |
| 50대 | 100% | 37% | 5% | 0.7% | 0.006% |
| 100개 단위 | 100% | 14% | 0.25% | 0.05% | ~0% |
| 200개 단위 | 100% | 2% | ~0% | ~0% | ~0% |
| 500대 | 100% | <0.1% | ~0% | ~0% | ~0% |
자주 묻는 질문
▾
도박꾼의 파멸 문제는 무엇입니까?
고전적인 도박꾼의 파멸 문제: $k 달러를 가진 도박꾼은 라운드당 $1를 베팅하여 무한히 부유한 상대를 상대로 공정한 게임을 합니다. 상대가 파멸되기 전에 모든 $k를 잃을 확률(무한 상대의 경우 최종 파멸 확률을 의미함)은 1.0입니다. 즉, 확실한 파멸입니다. 총 자본 $N(도박꾼은 $k, 상대는 $N−k)을 가진 유한한 상대에 대해 공정한 게임의 경우 파멸 확률은 1−k/N입니다. 이 결과는 심오한 의미를 갖습니다. 하우스 에지가 0이더라도 '하우스'보다 적은 자본을 가진 플레이어는 결국 모든 돈을 잃게 됩니다. 이는 하우스가 항상 승리하는 이유를 수학적으로 설명합니다. 하우스는 더 많은 자본을 보유하고 있으며 개별 플레이어보다 오래 지속될 수 있습니다.
베팅 규모가 파산 확률에 어떤 영향을 미치나요?
베팅 규모는 파산 확률에 극적인 영향을 미칩니다. 고정된 시작 자본과 긍정적인 가장자리의 경우 파멸 확률은 대략 P(ruin) ≒ e^(−2×edge×capital_in_units_of_bet)입니다. 시작 자본금을 두 배로 늘리면(또는 베팅 크기를 절반으로 줄이면) 파산 확률이 제곱됩니다. 즉, P(루인)가 10%라면 대략 1%가 됩니다. 베팅 규모/자본 비율에 대한 이러한 지수적 민감도는 거래에서 1% 위험 규칙의 수학적 기초입니다. 거래당 1%의 위험은 100단위의 자본을 의미합니다. 파멸 확률 ≒ e^(−200×edge) — 양의 모서리가 있으면 이는 본질적으로 0입니다. 거래당 10%의 위험은 단지 10개 단위만을 의미합니다. 파멸 확률 ≒ e^(−20×edge) — 훨씬 더 높습니다.
파멸 확률이 0이 될 수 있나요?
이론적으로 무한한 자본 시작점이나 돈을 절대 잃을 수 없는 게임(부가 0에 가까워질수록 베팅이 0으로 줄어들도록 보장하는 고정 부분 베팅)의 경우 파산 확률은 0에 가까워질 수 있습니다. 고정 부분 거래에 대한 연속 근사법에서, 베팅 크기가 계정에 비례하여 줄어들기 때문에 기술적으로 파멸 확률은 0과 같습니다. 계정 값은 점근적으로 0에 접근할 수 있지만 실제로는 도달하지 않습니다. 실제로 최소 포지션 크기, 거래 비용 및 개별 베팅 구조는 포지티브 에지 전략의 경우에도 어느 정도 포지티브 파멸 확률이 항상 존재한다는 것을 의미합니다. 실질적인 목표는 파멸 확률을 제거하는 것이 아니라 허용 가능한 낮은 수준(< 1%)으로 줄이는 것입니다.
파멸 확률과 켈리 기준의 관계는 무엇입니까?
켈리 기준과 파산 확률은 깊게 연관되어 있습니다. 켈리 분수는 정확히 자본이 증가함에 따라 파산 확률 감소율을 최소화하는 베팅 규모입니다. 켈리 분수에서는 자본의 기하학적 성장률이 최대화되는데, 이는 부가 목표를 향해 가장 빠르게 증가하는 동시에 파산 가능성을 최소화한다는 것을 의미합니다. 과도한 베팅(Kelly 이상)은 파멸 확률을 급격하게 증가시킵니다. 2× Kelly에서는 장기적으로 파멸이 확실해집니다. 언더베팅(부분 켈리)은 켈리 수준 이하로 파산 확률을 낮추지만 자본 성장이 느려지는 대가를 치르게 됩니다. 켈리 기준(Kelly Criterion)은 장기적 성장을 극대화한다는 전제 하에 파멸 확률을 최소화함으로써 도출할 수 있습니다.
은퇴 계획에서 파멸 확률은 어떻게 사용됩니까?
개인 금융 및 은퇴 계획에서 파산 확률은 '포트폴리오 고갈 확률', 즉 은퇴자의 포트폴리오가 사망하기 전에 0으로 떨어질 확률로 다시 표현됩니다. 이는 몬테카를로 시뮬레이션을 사용하여 추정됩니다. 수천 개의 투자 수익, 인플레이션 및 지출 시나리오를 생성하고 포트폴리오가 소진되는 부분을 계산합니다. 역사적 시뮬레이션 연구(Bengen 1994, Trinity Study 1998)에서 '4% 규칙'(매년 초기 포트폴리오의 4% 인출, 인플레이션 조정)이 나타났는데, 이는 60/40 주식/채권 포트폴리오에 대해 30년 퇴직 기간 동안 약 95%의 성공률(5%의 파산 확률)을 보여줍니다.
파산 확률에 가장 큰 영향을 미치는 요인은 무엇입니까?
영향이 감소하는 순서대로: (1) 자본 대비 베팅 규모 — 가장 강력한 단일 변수; 베팅 크기를 절반으로 줄이면 파멸이 크게 줄어듭니다. (2) 가장자리 - 파멸 확률이 50% 미만인 경우 긍정적인 가장자리가 필요합니다. 0 또는 음의 가장자리는 항상 1에 접근하는 파멸 확률로 이어집니다. (3) 결과의 분산 - 분산이 높을수록 동일한 가장자리에서도 폐허 확률이 증가합니다(Kelly 공식 반영: 폐허 위험 ∝ 1/가장자리 × 분산). (4) 베팅 규모 단위의 시작 자본 — 자본 단위가 많을수록 파멸이 낮아집니다. (5) 목표 자본 - 요구되는 이득이 클수록(N이 높을수록) 파산 확률이 높아집니다. 실용적인 요점: 베팅 규모를 작게 유지하고 긍정적인 우위를 확보하며 적절한 자본으로 시작하십시오.
파산 확률은 비즈니스 지불 능력에 어떻게 적용됩니까?
비즈니스 맥락에서 파멸 확률은 파산 가능성, 즉 부정적인 형평성 또는 의무 이행 불능을 의미합니다. 기업의 경우 '내기'는 각 영업 기간의 현금 흐름으로, 기대 가치(영업 이익)와 차이(현금 흐름 변동성)가 있습니다. 초기 자본은 자기자본 준비금 및 신용 시설입니다. 목표는 수익성을 유지하거나 다음 자금 조달 라운드까지 생존하는 것입니다. 안정적인 긍정적 현금 흐름(양성 에지, 낮은 분산)으로 인해 파산 확률은 낮습니다. 순환적인 사업의 경우 현금 흐름의 변동성이 커서 더 많은 자본 준비금이 필요합니다. 이것이 은행이 최소 자본 비율을 요구하는 이유입니다. 그들은 규제 대상 금융 기관이 허용할 수 있는 최대 파산 확률을 암묵적으로 설정하고 있습니다.
피해야 할 일반적인 실수
▾
- !작은 긍정적인 우위라도 베팅 규모에 비해 적절한 시작 자본 없이는 생존을 보장하지 않는다는 점을 무시합니다.
- !수익/비용 불확실성을 고려하지 않고 결정론적 활주로 계산(예: 현재 소진 시 몇 개월의 현금)을 사용합니다.
- !이전의 연속 패배가 불운을 '소모'했고 다음 거래에서 승리할 가능성이 더 높다고 가정하는 것은 도박꾼의 오류입니다.
- !자본, 전략 매개변수, 시장 상황이 변화함에 따라 동적으로 업데이트하는 대신 파산 확률을 일회성 계산으로 처리합니다.
- !파멸 확률과 예상 손실을 혼동하는 경우 - 파멸 확률은 평균 손실 크기가 아닌 생존을 측정합니다.
전문가 팁
252일 동안 거래 시스템의 10,000개 경로에 대한 몬테카를로 시뮬레이션을 실행해 보세요. 터미널 계정 가치의 분포를 그리고 '폐허' 임계값 아래로 끝나는 경로의 비율을 식별합니다. 이 경험적 파멸 확률은 비정규 수익 분포를 갖는 실제 거래 시스템에 대한 분석 공식보다 더 정확합니다.
알고 계셨나요?
도박꾼의 파멸 문제는 Blaise Pascal(Pascal의 Triangle 명성)과 Christiaan Huygens가 17세기 확률 이론에 관한 서신에서 처음 공식적으로 제기했습니다. Huygens는 1657년에 'De Ratiociniis in Ludo Aleae'(On Reasoning in Games of Chance)에서 해법을 발표했습니다. 이는 완전한 수학적 해를 얻을 수 있는 최초의 확률 문제 중 하나였습니다. 동일한 수학이 이제 현대 보험 규정, 거래 위험 한도 및 스타트업 활주로 분석을 뒷받침합니다.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
참고 자료
주간 수학 팁 받기
매주 계산기 팁을 받는 12,000명 이상의 구독자와 함께 하세요.