Kriteria Kelly untuk Ukuran Perdagangan Saham

Saham

Saya yakin beberapa orang tahu tentang Efficient Frontier, tapi saya rasa ada lebih sedikit investor yang tahu tentang Kriteria Kelly. Jadi apa Kriteria Kelly dan siapa Kelly? Kelly bekerja di AT&T, dan menerbitkan makalah aslinya pada tahun 1956. Matematikanya cukup berkaitan dengan teori komunikasi dan informasi, sebagian besar berkaitan dengan probabilitas. Namun, di balik semua perhitungan, terdapat hasil yang mencengangkan: dengan menempatkan jumlah taruhan sesuai dengan Kriteria Kelly (awalnya diterapkan pada perjudian pacuan kuda), seseorang dapat memaksimalkan keuntungan dalam jangka panjang. Berikut adalah rumus taruhan yang telah disesuaikan dengan perdagangan saham:

K% = ((b + 1) * pkv games p – 1) / b = (b * p – (1-p)) / b
Probabilitas menang (p): Probabilitas bahwa setiap perdagangan yang Anda lakukan akan menghasilkan jumlah positif.

Rasio menang / kalah (b) atau peluang: Total jumlah perdagangan positif dibagi dengan total jumlah perdagangan negatif.

Jika Anda menganggap b sebagai peluang b-ke-1, pembayaran b saat bertaruh 1 unit uang, pembilangnya hanyalah nilai rata-rata pembayaran yang diharapkan, atau yang disebut “tepi”. Oleh karena itu, K% dapat dinyatakan sebagai tepi / ganjil. Untuk alasan yang jelas, Anda tidak ingin bertaruh dalam game apa pun di mana pembayaran yang diharapkan adalah 0 atau negatif.

Jika Kriteria Kelly begitu hebat, mengapa ini tidak terlalu sering didengar atau digunakan dalam dunia investasi. Ada beberapa alasan yang mencegahnya digunakan secara praktis:

Volatilitas ketat menggunakan Kriteria Kelly cukup besar. Meskipun demikian dalam jangka panjang, secara probabilistik portofolio Anda akan memiliki hasil yang maksimal, pasang surutnya terlalu besar untuk dicerna oleh kebanyakan orang. Oleh karena itu, orang-orang berbicara tentang menggunakan “setengah Kelly” atau setengah dari jumlah taruhan yang dihitung dari Kriteria Kelly dalam upaya untuk mengurangi volatilitas portofolio.

Untuk menggunakan Kriteria Kelly, Anda harus mengetahui seberapa baik Anda memperdagangkan saham (dalam istilah p & b). Jelas, jika Anda tidak tahu persis berapa banyak “keunggulan” Anda, jumlah taruhan Kelly mungkin akan menyimpang dari jumlah yang benar. Memperkirakan dan mengetahui keunggulan Anda akan menjadi tugas yang jauh lebih sulit daripada menghitung jumlah taruhan Kelly.

Terlepas dari kebenaran matematis Kriteria Kelly, jauh lebih sulit untuk berinvestasi dalam praktik. Adakah yang bisa kita tinggalkan dari formula investasi yang begitu hebat? Memang ada. Inilah yang saya pelajari secara pribadi setelah menginvestasikan saham selama hampir 10 tahun sekarang. Semakin berisiko saham / atau titik masuknya, semakin sedikit jumlah yang harus Anda masukkan; semakin aman stok / atau titik masuknya, semakin banyak jumlah yang harus Anda masukkan. Inilah semangat Kriteria Kelly yang bertaruh harus proporsional dengan keunggulan Anda atau keuntungan yang Anda harapkan. Saya telah dibakar oleh taruhan bodoh berkali-kali sehingga saya akhirnya belajar untuk berhati-hati mengukur setiap transaksi saham saya. Faktanya, ukuran transaksi Anda sama pentingnya jika tidak lebih dari saham yang Anda pilih. Meskipun sebagian besar dunia investasi berbicara tentang apa yang harus dibeli, perhatian lebih diberikan pada berapa banyak yang harus dibeli. Namun untuk setiap transaksi selalu terdiri dari elemen-elemen berikut: apa (saham) yang harus dibeli / dijual, kapan harus membeli / menjual, dan berapa banyak yang harus dibeli / dijual. Untuk investasi yang sukses, ketiga elemen harus dipilih dengan cermat. Dan Kelly Criterion membantu Anda memutuskan elemen terakhir: seberapa banyak.
Untuk lebih banyak artikel terkait, bisa dilihat di artikel dari investopedia. Tom Weideman juga memiliki artikel bagus yang menggunakan kalkulus sederhana untuk mendapatkan Kriteria Kelly dengan lebih sedikit matematika dari teori informasi. Anda dapat menemukan kertas asli Kelly di sini .

Leave a Reply

Your email address will not be published. Required fields are marked *