کازینو رمزنگاری
دنده تورنت
نحوه استفاده از فرمول کلی برای مدیریت نرخ ها
1) کلی شهود معیار
کلی سهم بانکرول شرط را انتخاب می کند تا میانگین لگاریتم رشد سرمایه (نرخ رشد بلند مدت) را به حداکثر برساند.
ایده ساده است: اگر نرخ EV است> 0 (مزیت واقعی)، بیش از حد کوچک سهم رشد آهسته است، بیش از حد بزرگ است یک شانس بالا از کشیدن عمیق و بانکی «پیوند» ؛ او به دنبال تعادل است.
مهم: کلی یک مزیت ایجاد نمی کند. اگر هیچ مزیتی وجود نداشته باشد (EV≤0)، سهم بهینه 0٪ است. در بازی های کازینو کلاسیک بدون شرایط خاص، کلی استفاده نمی شود.
2) شرط باینری (یک نتیجه برد/باخت)
فرض کنید عامل اعشاری «k»، پرداخت خالص «b = k − 1»، برآورد شما از احتمال برنده شدن «p»، از دست دادن «q = 1 − p».
کلی کامل:[
f ^; = ;\frac {b p - q} {b}; = ;\frac {k p - 1} {k - 1}
]جایی که (f ^) سهم بانکرول شرط است.
اگر (k p\le 1) ⇒ (f ^\le 0) ⇒ شرط را رد می کنیم.
اگر (k p> 1) ⇒ (f ^> 0)، یک انتظار مثبت وجود دارد.
مثال: k = 2. 10, p = 0 52.
(K P - 1 = 2. 10 × 0 52 − 1 = 0. 092).
(f ^ = 0) 092 / (2. 10−1) = 0. 092/1. 10 ≈ 0. 0836 = 8. 36٪) بانکداری.
در عمل، آنها بازی کسری کلی: ½ → ~ 4. 2%, ¼ → ~2. 1%.
3) چرا کلی کسری معمولا استفاده می شود
کلی کامل بهینه با احتمالات کاملا دقیق و شرط بندی نامحدود است. در واقع:- یک خطای P-score (حتی توسط یک زن و شوهر از pp) می تواند به علاوه به منفی تبدیل شود.
- نوسان بازده در Kelly کامل بالا است ؛ کاهش وزن از نظر روانی دشوار است.
- Bookmaker/تبادل محدودیت، کمیسیون و مالیات لبه واقعی را کاهش دهد.
تمرین: ½ Kelly یا ¼ Kelly مزیت «قابلیت بازیافت» بهتر را با کاهش کمتری دارند.
4) فرم های جایگزین و آزمایش های سریع
آزمون EV: شرط بندی منطقی است اگر (k p> 1).
شکل از طریق «پوشش» (لبه): (e = k p - 1). سپس (f ^ = e/( k-1)).
ضرایب آمریکایی: تبدیل به اعشار، سپس فرمول را اعمال کنید.
ضرایب کسری a/b: (k = 1 + a/b).
5) رویدادهای متعدد و همبستگی
اگر چندین شرط همزمان دارید، Kelly صحیح یک مسئله بهینه سازی نمونه کارها (نسخه برداری) است، جایی که کوواریانس نتایج در نظر گرفته می شود. اوراسیا:- با نرخ های مستقل، شما می توانید bankroll را متناسب با هر (f_i^) توزیع کنید و اطمینان حاصل کنید که مجموع سهام از 1 (محافظه کارانه) تجاوز نمی کند.
- با همبسته (به عنوان مثال، شرط در یک بازی)، مقیاس سهام پایین (به عنوان مثال، ½ -Kelly در هر نمونه کارها) و یا به حساب رابطه از حوادث (یک هدف بر کل و نتیجه).
6) مقیاس عملی برای بازارهای مثبت
لبه ضعیف (1-3٪): ¼ کلی یا کمتر.
میانگین لبه (3-7٪): ¼ - ½ کلی.
لبه قوی (> 7٪): حداکثر ½ کلی ؛ کامل - به ندرت و با اعتماد به نفس بالا در مدل.
واریانس بالا از نتیجه (به عنوان مثال، «رسانه ها»، بیان): نسبت را حتی بیشتر کاهش دهید.
7) ریسک، کاهش و رشد «هندسی»
کلی میانگین هندسی رشد را به حداکثر میرساند. این به معنای به حداکثر رساندن شانس «کسب درآمد فردا» نیست.
مشاهدات نمونه:- کامل کلی می دهد عمیق، اما کمتر اغلب کاهش (به عنوان مثال، − 30... − 50٪ امکان پذیر است).
- ½ کلی کاهش هزینهها را حدود 1 کاهش میدهد. 5-2 بار با از دست دادن متوسط نرخ رشد.
- اگر مشخصات ریسک شما محافظه کارانه است، با ¼ کلی شروع کنید.
8) محدودیت ها و ارزیابی های بهداشتی
1. داده ها → احتمال → مدل. p - نظر نیست، اما نتیجه محاسبه (آمار، رگرسیون، bees، گسترش بازار، تزریق اخبار، و غیره).
2. محافظه کاری: «کاهش» p به نفع بازار (تنظیم).
3. تست حساسیت: بررسی کنید (f ^) در p ± 2-3 pp اگر علامت تغییر کند، میزان شکننده است.
4. هزینه ها را در نظر بگیرید: هزینه ها، تبدیل ارز، مالیات کاهش می یابد (e = k p - 1) و (f ^).
5. محدودیت اپراتور: اگر حداکثر نرخ مجاز کمتر باشد (f ^\cdot BR)، از یکی از موجود استفاده کنید، به زور با «گرفتن» به طور متوسط نیست.
9) نمونه هایی از «از و به»
مثال A: مقدار نور در کل
امتیاز p = 0 54 (54٪)، k = 1. 95.
(e = 1) 95 × 0 54 − 1 = 0. 053) (5. 3%).
(f ^ = 0) 053/(1. 95−1) = 0. 0558 تقریبا 5. 6%).
ما ¼ کلی بازی می کنیم ≈ 1. 4٪ BR
مثال B: پوشش قوی
p = 0 60، k = 2. 05.
(e = 2) 05 × 0 60 − 1 = 0. 23) (23%).
(f ^ = 0) 23/(1. 05) ≈ 21. 9%).
واقع بینانه است که ½ کلی را ~ 11٪ در نظر بگیریم، با توجه به خطر و همبستگی احتمالی با نرخ های دیگر.
مثال C: بازی کازینو (EV <0)
رولت اروپایی: k = 2. 00 به «قرمز»، p=18/37≈0. 4865.
(K P − 1 = 2 × 0. 4865 − 1 = −0. 027) ⇒ (f ^ <0)
وی گفت: شرط بندی نکنید.
10) کلی و اکسپرس (چند ستاره)
اکسپرس = ضریب محصول ؛ مارجین و واریانس رشد می کنند و p واقعی اغلب توسط بازیکن بیش از حد ارزیابی می شود.
توصیه ها:- یا اکسپرس را به شرط های تک تجزیه کنید و Kelly را به هر یک از آنها اعمال کنید، یا اگر به احتمال مشترک نتایج اطمینان دارید، یک Kelly قوی کسری را به اکسپرس (⅛ و کمتر) اعمال کنید.
11) الگوریتم پیاده سازی عملیاتی
1. جمع آوری داده ها و ساخت یک مدل احتمال p (از جمله منظم).
2. هزینه های روشن/مالیات ؛ یک K موثر داشته باشید.
3. مقدار فیلتر: فقط بازارها را با (k p> 1) بگیرید.
4. محاسبه کسری: (f ^ = (k p − 1 )/( k − 1)).
5. کلی کسری: ضرب (f ^) توسط ¼ - ½.
6. محدودیت ها: سقف ریسک روزانه (به عنوان مثال، کل ≤5 -8٪ BR)، محدودیت در شرط بندی، قوانین ضد همبستگی.
7. ورود: ثابت P, K, F, نتیجه; مدل را به طور مرتب کالیبره کنید.
8. مکث در طول سری: اگر شما مشاهده drawdown های غیر معمول، بررسی کالیبراسیون P و هزینه ها، به طور موقت کاهش کسری.
12) خطاهای مکرر
کلی در EV≤0 این یک راه سریع برای خروج است.
ارزیابی مجدد p. خوش بینی در احتمالات دلیل اصلی «مقاله» به علاوه و منفی واقعی است.
نادیده گرفتن همبستگی شرط های متعدد در یک رویداد واحد، خطر را افزایش می دهد.
کلی کامل بدون تجربه. از لحاظ روانشناختی دشوار است و نیاز به یک نمونه بزرگ دارد.
نقض محدودیت های اپراتور رسیدن به خاطر «حتی سهم» نظم و انضباط را می شکند.
13) ورق تقلب کوچک
مقدار شرط: (k p> 1).
کلی کامل: (f ^ = (k p − 1 )/( k − 1)).
سهم کار: ¼ - ½ کلی.
کل ریسک روزانه: ≤5 -8٪ BR (معیار).
هنگامی که در مورد p شک دارید: f را دو بار برش دهید.
معیار کلی ابزاری برای سنجش برتری است، نه راهی برای ایجاد آن. او به سوال «چقدر شرط بندی» پاسخ می دهد زمانی که شما قبلا به خودتان ثابت کرده اید که شرط مثبت است. در کار واقعی، کلی کسری برنده به علاوه نظم و انضباط: کسری شسته و رفته، حسابداری برای هزینه ها و همبستگی، محدودیت خطر، و recalibration ثابت از احتمالات. بنابراین کلی از یک فرمول زیبا به یک سیستم مدیریت بانکداری عملی تبدیل می شود.