凯利原则如何与分形结合

Discussion in 'Risk and Uncertainty' started by netf, Feb 2, 2011.

  1. 凯利原则一般的应用案例是:
    一个赌博可以有N种结果,
    每种结果有各自的概率p(n),
    每个结果有各自的贡献z(n)。
    求最佳的资金分配f(n),使得总贡献值(目标函数)Z最大
    Z=prod((f(1)z(1))^p(1))

    凯利原则特殊之处在于所求的是几何平均(相对于算术平均),优点是可以反映(哪怕是极少量的)极端坏事件对总体目标函数的影响。

    但是目前没有看到凯利思路对分形方面的建模表达式(可能是我孤陋)
    即:
    一个赌博,可以有AB种结果。
    而A结果又有两个细节阶段,分别又有多种组合情况。同理B
    赌博者可以只对AB下注。
    也可以对更为细节的部分下注。
    当然细节下注对判断的准确性要求更高,但是潜在收益也要超过只对AB下注
    。那么赌博者的下注模型应该怎么表达?

    换更直白的提问:是否应该参与细节行情?该动用多少仓位?

    希望这个问题也有类似:
    Z=prod((f(1)z(1))^p(1))
    似的漂亮的答案。
     
  2. nix

    nix

    我不明白。。。赌博是知道确定的outcome 的,所以可以算出概率。

    未来行情能算出确定outcome 那就太爽了吧?
     
  3. outcome 是指什么?

    我猜想你说的是未来的各种概率不好计算吧
    --计算未来的各种概率是另外一个话题,
    在研究仓位管理模型的时候,假设它能被算出来,是x。就可以了。当然,x是一个分布,而不是一个值。
    这的确是另外一个话题啊!另外再讨论吧。
     
  4. 猜想:

    1、小周期的概率分辨率随多步外推会渐渐失去锐度,使得收益率下降
    而大周期的概率分辨率下降得慢。
    2、小周期的频繁的交易频率在结合了手续费后,使得收益下降。

    结合这两个因素,就可以做对比了。
     
  5. 越微觀,測不準,反身性。觀測干擾事件。
     
  6. 自己结了这贴吧,
    以上猜想,符合经验直觉,同时得到了推导的支持。
    在外推过程中,无论是大周期还是小周期,熵总是增加的。但是小周期的熵增加更快。随外推次数增加,指导性下降,收益也下降。熵会一直增加到全局平均化的水平。也就往往对应着收益为0。
    在任意时刻,仓位决策的支撑,应该竞争性地选用大小周期,而非乘法叠加的逻辑。
     
  7. edwardothorp(索普)、申农、凯利之间有某种很深的关联,索普好像发表过一篇新的关于凯利体系的问题,在他的个人站点上可以看到,也可以联系他,他个人站点:
    http://www.edwardothorp.com/index.html

    另外直觉告诉,你那个模型如果简化一下可以参考“二项式期权定价模型(二叉树法)。
     
  8. 谢谢wj2000老兄参与话题。
    网址上不去。不知道是什么原因...

    另外,二叉树是干净利落的模型,好像不能解决我提的比较纠结的问题:
    分形,概率:部分+部分 不等于 总结果
    主要是受到长期记忆的干扰,变得纠结。
     
  9. 长记忆:
    许多的模型使用Y(t)=f(Y(t-1),Y(t-2)..Y(t-N))的思路来表达长记忆。
    虽然这种方式,在后续的资金管理仍然可以套用成熟的理论。
    但这种模型本身完全没有体现分形的本质来。非常生硬,属于拼凑
    连预测都成问题,也更谈不上资金管理
     
  10. 这也可能是导致 分形+凯利 方面缺乏文献的原因吧?

    索普的网站,等打开了,看看他是否有这方面的突破。
    但是有点不敢抱太大希望。索普侧重下注理论,但是对分形???。
     
  11. 索普的个人网站需要翻墙才能上。
     
  12. 索普的个人网站需要翻墙才能上。

    从直觉上看可以借鉴期权的二叉树模型思路。
    从A到B状态(假设10年),有人擅长10年预测(单阶段),a->b1 b2;有人擅长5年预测(2阶段),a->b1 b2 ->c1 c2 c3 c4;类推,有人擅长更多阶段的预测(比如1年),a->b1 b2 -》c1 c2 c3 c4->......->k1 k2 ...... k2^10;
    长短周期(单阶段和多阶段)各有优势和特点。
    期权二叉树模型一大特点就是可以应用“蒙特卡罗模拟方法”,而凯利体系的一个优点是可以反映(哪怕是极少量的)极端坏事件对总体目标函数的影响,而这点又正好和“蒙特卡罗模拟方法”结合起来。
     
  13. 谢谢wj2000 :) 。我再研究再回馈。。。


    搞这个问题是手头有一个交易系统。在千分之4的手续费下交易股票有点吃力。
    刚才在网络上搜索到股票有低到万三的。这样即使不搞这个课题,也可以应用了。
    太高兴了。:D

    不过课题归课题,研究明白是我们的天职。呵呵。再谢。
     
  14. Kelly criteria 假定事件的独立性,Kelly assumes sequential bets that are independent (later work generalizes to bets that have sufficient independence). That may be a good model for some gambling games, but generally does not apply in investing and other forms of risk-taking.

    ABC 的组合可以做一个划分:
    A-B-C, B-A-C, C-A-B, A&B-A&B&C, B&C-A&B&C,A&C-A&B&C, A&B&C,I-A&B&C 八种情况。
    其中I是总概率空间,“-”集合之差,“&”集合相交
    当然可以分成出交易信号,比如A&B&C,A&B-A&B&C,B&C-A&B&C:和无交易信号,剩余的部分都归到无交易信号中
    如果还是假定各个互斥事件在时间先后上是独立的,就可以直接套用多期的凯利公式(只有两种结果的凯利公式也假定了独立性)

    可能的问题是各个互斥事件在事件发生的顺序上不是独立的,有概率转移矩阵,
    这在一般动态规划的框架可以求解。不过这样有太多的参数,实践中可能还没有直接假定独立性来的好
     
  15. 我就是这么做的
     
  16. 我觉得你自己已经找到了问题的症结:长记忆性干扰

    这是一个非常好的问题,值得深入研究。
     
  17. 交易不是用数学能解决的。
     
  18. 这2个东西风马牛不相及