Kriteria Kelly untuk ukuran kontrak acara
Kriteria Kelly adalah rumus ukuran taruhan yang memaksimalkan tingkat pertumbuhan jangka panjang modal Anda. Diterapkan pada kontrak acara biner, memberi tahu Anda dengan tepat fraksi modal apa yang harus diinvestasikan dalam perdagangan tertentu.
Kriteria Kelly untuk ukuran kontrak acara
Rumus
Untuk hasil biner, fraksi Kelly adalah: f* = (b × p − q) / b, di mana b adalah odds bersih pada taruhan menang, p adalah probabilitas estimasi menang, q = 1 − p. Contoh: jika saham YES berharga $0.40 dan Anda pikir probabilitas sebenarnya 55%, maka b = 1.5 dan f* = 0.25 atau 25% modal.
Mengestimasi probabilitas sebenarnya vs harga pasar
Rumus Kelly hanya sebaik estimasi probabilitas Anda. Jika harga pasar sudah mencerminkan semua informasi yang tersedia, keuntungan Anda nol. Estimasi Anda harus benar-benar independen dari harga pasar untuk menghasilkan Kelly positif. Terlalu percaya diri adalah kesalahan paling umum.
Kelly fraksional dalam praktik
Kelly penuh memaksimalkan pertumbuhan tetapi menghasilkan volatilitas jangka pendek dramatis. Satu taruhan buruk di Kelly penuh dapat menelan biaya seperempat modal. Kebanyakan profesional menggunakan 25-50% dari Kelly penuh; 25% adalah titik awal yang masuk akal.
Bagaimana biaya mengubah matematika
Biaya platform mengurangi keuntungan efektif. Biaya 2% Polymarket pada kemenangan berarti pembayaran bersih pada saham YES menang adalah $0.98 bukan $1.00. Kurangi odds bersih b dengan persentase biaya sebelum menghitung f*.
Panduan terkait dalam seri ini
Apa itu probabilitas tersirat di pasar prediksi?
Mengapa saham YES yang diperdagangkan di $0,62 berarti probabilitas tersirat pasar ~62%: dan kapan pembacaan ini tidak berlaku.
SeriOrder book vs AMM di pasar prediksi
Kalshi dan Polymarket menggunakan order book; platform on-chain lama menggunakan automated market maker. Bagaimana masing-masing menetapkan harga risiko secara berbeda.
SeriApa itu LMSR (Logarithmic Market Scoring Rule)?
Formula market maker yang dirancang Robin Hanson untuk pasar prediksi, mengapa ia membatasi kerugian, dan siapa yang masih menggunakannya.