凯利公式的模拟验证

简介: 凯利公式的模拟验证 场景:一个赌局,你跟庄家。你出 1 元,庄家出 0.96元。赌金数目可随之翻倍。      根据每次抛色子的结果的单双决定胜负。      胜者得到双方所下的赌金,计 1.96 元。

凯利公式的模拟验证


场景:一个赌局,你跟庄家。你出 1 元,庄家出 0.96元。赌金数目可随之翻倍。

     根据每次抛色子的结果的单双决定胜负。

     胜者得到双方所下的赌金,计 1.96 元。

 

问题:如何下注才能做到,风险最小,盈利最大呢?

 

答案:凯利公式。

   凯利公式的作用: 根据赔率胜率,得出你每次的资金下注比例

 

   公式的形式: 1 + 赔率 - 1/胜率

 

    凯利公式最初为 AT&T 贝尔实验室物理学家约翰·拉里·凯利根据同僚克劳德·艾尔伍德·香农於长途电话线杂讯上的研究所建立。凯利说明香农的信息论要如何应用於一名拥有内线消息 的赌徒在赌马时的问题。赌徒希望决定最佳的赌金额,而他的内线消息不需完美(无杂讯),即可让他拥有有用的优势。凯利的公式随後被香农的另一名同僚 爱德华·索普应用於二十一点和股票市场中。

 

 

下面利用凯利公式对赌局进行模拟:

 

0. 列出不同胜率下的凯利公式结果

赔率 0.96 0.96 0.96 0.96
胜率 0.5 0.6 0.7 0.75
资金比 -0.02 0.183 0.388 0.49

 

 

 

 

 

1. 胜率 0.5

由上表可知,没得玩!!

凯利公式计算的结果本质是盈利率的数学期望,不难得出这样一个结论:一切盈利率的数学期望为负的赌局,绝对不能参与!!

我们看到:就算你的胜率占到一半(0.5),但是因为赔率只有0.96,不是1(亦即1:1,意为1赔1),所以你的期望才是负数!!!

赔率这么低,那这个赌局还有没有的玩了呢?

只一个办法,提高胜率!

 

2. 胜率 0.6

胜率0.6,即为10中6

考虑三种可能的情况: 1)四连亏再六连中  2)亏中相间  3)六连中再四连亏

 

3. 胜率 0.7

胜率0.7,即为10中7

考虑三种可能的情况: 1)三连亏再七连中  2)亏中相间  3)七连中再三连亏

 

4. 胜率 0.75

胜率0.75,即为12中9

考虑三种可能的情况: 1)三连亏再九连中  2)亏中相间  3)九连中再三连亏

 

 

5.胜率0.75,不利用凯利公式

不利用凯利公式,则说明资金管理混乱。

比如你有1000,

第一次投一半:500,不中。

第二次还投500,这时候你遇到了很坏的情况,还不中。

你爆仓了!你出局了!

当然,你会说,那我补仓。那就属于本文议题之外的问题了。

但是可以肯定一点:不管你补多少次仓,结果都是一样的。

也许你还会说,我的运气不会那么背,不会前两局都输。这点我严重同意!

但是长期来看,总会有坏运气找到你:连续四五期不中,拿走你以前的好运气所得,甚至翻倍拿走。

唯有凯利公式可以避免这种情况!!!

 

6.结论

本文要点:凯利公式得出的资金比例是每次你现有资金的比例,不是初始资金比例

 

不难发现,在数学期望为正的情况下,运用凯利公式进行资金管理,可以稳定盈利。

在相同的胜率下,如果不利用凯利公式进行资金管理,不能保证盈利。

我想,其中一个主要的原因是:资金不足,爆仓出局!

 

目录
相关文章
|
11天前
|
机器学习/深度学习 并行计算 PyTorch
PyTorch 分布式训练底层原理与 DDP 实战指南
深度学习模型规模激增,如Llama 3.1达4050亿参数,单卡训练需数百年。并行计算通过多GPU协同解决此问题。本文详解PyTorch的分布式数据并行(DDP),涵盖原理、通信机制与代码实战,助你高效实现多卡训练。
180 5
PyTorch 分布式训练底层原理与 DDP 实战指南
|
12月前
|
人工智能 分布式计算 DataWorks
DataWorks
DataWorks是阿里巴巴推出的智能化大数据开发与治理平台,支持数据仓库、数据湖等架构,集成多种阿里云大数据计算服务,如MaxCompute、Hologres等,助力政府、金融、零售等行业实现数据全生命周期管理,推动数字化转型和数据资产增值。
|
网络协议 NoSQL 关系型数据库
注册 🛠 开源即时通讯(IM)项目OpenIM源码部署指南 OpenIM
注册 🛠 开源即时通讯(IM)项目OpenIM源码部署指南 OpenIM
1307 0
ES聚合算法原理深入解读:深度优先算法(DFS)和广度优先算法(BFS)(三)
ES聚合算法原理深入解读:深度优先算法(DFS)和广度优先算法(BFS)(三)
ES聚合算法原理深入解读:深度优先算法(DFS)和广度优先算法(BFS)(三)
|
1天前
|
云安全 人工智能 自然语言处理
|
6天前
|
搜索推荐 编译器 Linux
一个可用于企业开发及通用跨平台的Makefile文件
一款适用于企业级开发的通用跨平台Makefile,支持C/C++混合编译、多目标输出(可执行文件、静态/动态库)、Release/Debug版本管理。配置简洁,仅需修改带`MF_CONFIGURE_`前缀的变量,支持脚本化配置与子Makefile管理,具备完善日志、错误提示和跨平台兼容性,附详细文档与示例,便于学习与集成。
314 116
|
8天前
|
数据采集 人工智能 自然语言处理
Meta SAM3开源:让图像分割,听懂你的话
Meta发布并开源SAM 3,首个支持文本或视觉提示的统一图像视频分割模型,可精准分割“红色条纹伞”等开放词汇概念,覆盖400万独特概念,性能达人类水平75%–80%,推动视觉分割新突破。
600 53
Meta SAM3开源:让图像分割,听懂你的话
|
21天前
|
域名解析 人工智能
【实操攻略】手把手教学,免费领取.CN域名
即日起至2025年12月31日,购买万小智AI建站或云·企业官网,每单可免费领1个.CN域名首年!跟我了解领取攻略吧~