大小凯利公式推导过程_凯利公式讲解

大家好，今天的内容将围绕大小凯利公式推导过程展开，同时也会对凯利公式讲解进行详细讲解，希望本文能为您提供实用的信息！

本文目录

1. 凯利公式的推导过程
2. 凯利公式具体是怎么推导出来的
3. 凯利公式简单理解

在金融数学和概率论领域，凯利公式（Kelly Criterion）是一大小凯利公式推导过程个非常著名的概念。它不仅能够帮助我们理解如何在投资中实现最大化收益，还能在赌博和游戏理论中发挥重要作用。本文将深入解析大小凯利公式（Gambler's Ruin Problem中的大小凯利公式）的推导过程，并探讨其在实际中的应用。

一、

凯利公式最初由John L. Kelly在1956年提出，用于解决一个著名的赌博问题：假设一个赌徒在一系列的赌博中，每次赌博都有固定的赔率和初始赌注，那么赌徒应该如何分配赌注，才能实现收益的最大化？这个问题在金融投资中也有着类似的体现。

在解决这个问题之前，我大小凯利公式推导过程们先来了解一下什么是大小凯利公式。

二、大小凯利公式简介

大小凯利公式是解决Gambler's Ruin Problem的一个公式，它描述了赌徒在一系列赌博中如何分配赌注，以实现最大化收益。

大小凯利公式：

假设赌徒有初始资金 ""( X "")，每次赌博的赔率为 ""( p "")，失败的概率为 ""( q = 1 - p "")。在连续 ""( n "") 次赌博中，赌徒希望最大化期望收益，则赌徒每次应该下注的资金为：

""[ f = ""frac{bp - q}{p} ""]

其中，""( b "") 为赔率，""( p "") 为成功概率，""( q "") 为失败概率。

三、大小凯利公式的推导过程

1. 确定赌徒的目标

在Gambler's Ruin Problem中，赌徒的目标是在一系列赌博中达到某个资金目标，即从初始资金 ""( X "") 达到 ""( Y "")。

2. 建立数学模型

为了解决这个问题，我们需要建立一个数学模型。假设赌徒在每次赌博中都有以下几种情况：

• 成功，资金增加 ""( b "") 倍；
• 失败，资金减少 ""( q "") 倍。

3. 推导公式

根据以上模型，我们可以得到赌徒在 ""( n "") 次赌博后的期望资金为：

""[ E = X ""cdot p^k ""cdot b^k + (X - q) ""cdot p^{n-k} ""cdot b^{n-k} + (X - q) ""cdot q^k ""cdot b^k + (X - q) ""cdot q^{n-k} ""cdot b^{n-k} ""]

其中，""( k "") 为赌徒在 ""( n "") 次赌博中成功的次数。

为了使期望资金最大化，我们需要对 ""( k "") 求导，并令导数为0，从而得到 ""( k "") 的最优解。

4. 结果分析

经过计算，我们得到：

""[ k = ""frac{bp - q}{p} ""]

这个公式即为大小凯利公式。

四、大小凯利公式的应用

大小凯利公式在金融投资、赌博和游戏理论等领域有着广泛的应用。以下是一些具体的应用场景：

1. 金融投资

在金融投资中，大小凯利公式可以帮助投资者确定每次投资的最佳资金比例，以实现收益的最大化。

2. 赌博

在赌博中，大小凯利公式可以帮助赌徒确定每次赌博的最佳赌注，以减少破产的风险。

3. 游戏理论

在游戏理论中，大小凯利公式可以用来分析博弈双方的最佳策略。

五、总结

本文深入解析了大小凯利公式的推导过程及其应用。通过理解这个公式，我们可以更好地应对投资、赌博和游戏中的风险，实现收益的最大化。

表格：大小凯利公式关键参数

希望本文能够帮助您更好地理解大小凯利公式，并将其应用于实际生活中。

凯利公式的推导过程

探讨凯利公式的推导过程，我们首先设定资本金为1，成功概率为p，收益为+W；失败概率为q，收益为-L。目的是求解最优投入比例x，以在累积n次后使总资产收益最大化。

构建期望收益率函数为f(x)=(1+W*x)^p*(1-L*x)^q。接着，通过求解目标函数的极值，令f’(x)=0。经过一系列计算，我们得到最优投入比例x=(p*W-q*L)/(W*L)，若将赔率b定义为W/L，则x=(p-q/b)/L。

特别地，当L=1时，即“一次投资的最大亏损是被清零”，x=p-q/b即为凯利公式。

举例说明，若投资项目有70%概率翻倍，30%概率清零，W=1,L=1,b=1;p=0.7,q=0.3。最优策略投入比例是x=0.7-0.3/1=0.4，若有100万元资本金，应投入40万元以达到最优。此时期望收益率为f(x)=(1+1*0.4)^0.7*(1-1*0.4)^0.3=1.086。

实际上，凯利公式的期望收益率往往低于直观预期，即使表面上有高成功率和高收益率。一般而言，考虑综合风险后，投资实体项目期望收益率在+8.6%左右，与金融股票市场年均+8%的收益率相当。

目标函数f(x)的推导基于末态资产和递推关系。通过合并胜利与失败的局数，得到an=a0*(1+W*x)^S*(1-L*x)^F。进一步定义平均每次收益率为r，期望收益率函数f(x)=(1+r)^(1/n)，从而得出f(x)=(1+W*x)^p*(1-L*x)^q。

对于横向投资的最优策略，当10个项目拥有相同的胜率与赔率时，显然每个项目都是平等的盈利机会。因此，最佳策略是平均分配资本，即每个项目投入相同资金。在本例中，100万元投资到10个项目上，每个项目10万元，总资本期望值为140万元，这低于纵向策略的总收益。

通过比较横向与纵向事例的收益，我们可以看出两者之间存在不对称性。横向策略在每个项目上的分配是等权的，而纵向策略则集中在少数高收益项目上。这说明在不同投资策略下，收益表现可能会有很大差异。

凯利公式具体是怎么推导出来的

凯利公式的推导，从基本概率论出发。设想一个简单的硬币抛掷游戏，硬币正面和反面出现概率均为0.5。若每次投入相同金额，且资金链不中断，投掷次数增加后，期望总资产稳定于初始值。

用数学语言描述，设初始资产为a，每次投掷后资产变为f(a)，赌赢概率为p，赌输概率为1-p。对于所有n次投掷，资产变化可表达为：f(a)= a* p^n*(1-p)^(n-1)。进一步，总资产为资产乘以下注比例n次方，最终得到资产总公式。

当赌赢概率p>0.5时，最大化资产期望需要最大化每次下注比例。因此，每次下注应将所有资产押注，使资产随投掷次数几何级数增长。反之，若p<0.5，为最大化资产，每次应不押注，确保总资产不变。

在实际投资时，通常采用固定比例投注策略。设比例为b，每次投注后资产变化为原资产乘以(1+b)或(1-b)。n次投注后，资产变为原资产乘以(1+b)^n或(1-b)^n。当p>0.5时，最大化期望资产需在每次投注时将所有资金投注。若p<0.5，期望资产最大时，不进行投注。

通过导数研究，发现期望资产最大化的投注比例为b=(p-1)/ln(1/(1-p))。若p1/2，最佳投注比例为b=(p-1)/ln(1/(1-p))，此时资产期望增长。存在临界点，使得资产期望达到最大。

在实际投资中，需考虑赔率。赢钱率表示赢得资产的倍数，输钱率表示损失的资产比例。投注比例应考虑赔率调整，使期望资产最大化。

此外，投资还存在损失率。当同时考虑赢钱率和损失率时，凯利公式形式发生变化，需调整投注比例以最大化期望资产。

本文概述了凯利公式的推导过程，涉及概率论基础、固定比例投注、考虑赔率与损失率的情况。希望有兴趣的读者深入研究，以更全面理解凯利公式的应用。

凯利公式简单理解

凯利公式是：f*=(bp- q)/ b，f*=投注金额占总资金的比例，p=获胜的概率，q=失败的概率，q= 1-p，b=赔率。

摘要：凯利公式是f*=(bp- q)/ b，f*=投注金额占总资金的比例，p=获胜的概率，q=失败的概率，q= 1-p，b=赔率。f*=(bp- q)/ b

其中，f*=投注金额占总资金的比例

p=获胜的概率

q=失败的概率，q= 1-p

b=赔率，例如在轮盘赌中押单个数字，b= 35，押红黑，b= 1。

比如21点下注问题，假设总赌本10,000美元，玩家取胜的概率是51%，赔率1：1（实际胜率和赔率略有偏差，但相距不大），那么凯利公式给出的最佳赌注是：

$10000*(1* 0.51- 0.49)/ 1=$200

首先，公式中分子的bp- q代表“赢面”，数学中叫“期望值”(expectation)，凯利公式指出：正期望值的游戏才可以下注，这是一切赌戏和投资最基本的道理，也就是前面讲的“没有把握，决不下注”。

其次，赢面还要除以“b”才是投注资金比例。也就是说赢面相同的情况下，赔率越小越可以多押注。这一点不容易直观理解，我们用个例子来说明。下面三个正期望值的游戏例子：

1.“小博大”：胜率20%，赢了1赔5，输了全光。bp- q=5*20%- 80%= 20%

2.“中博中”：胜率60%，1赔1。bp- q= 1*60%-40%= 20%

3.“大博小”：胜率80%，1赔0.5。bp- q= 0.5*80%- 20%= 20%

关于大小凯利公式推导过程和凯利公式讲解的分享到此结束，希望对您有所启发！