Criterio de Kelly

Portada de Bestfy Academy sobre Criterio de Kelly

El criterio de Kelly es un modelo matemático que determina, bajo probabilidades conocidas y condiciones específicas, qué fracción de un capital teórico maximiza el crecimiento logarítmico esperado. En Bestfy Academy se estudia como herramienta de análisis de sensibilidad, no como una pauta personal para apostar dinero.

La intuición: crecer y poder seguir participando

Un modelo que solo mirase el beneficio esperado por unidad podría concluir que una posición con ventaja estimada merece mucha exposición. Kelly plantea otra pregunta: si se repitiera una oportunidad con condiciones conocidas y se reinvirtieran los resultados, ¿qué fracción equilibraría crecimiento compuesto y riesgo de reducir fuertemente el capital? Para ello maximiza el logaritmo del capital final, lo que penaliza mucho acercarse al agotamiento.

El caso elemental supone una sucesión de decisiones binarias con una sola selección cada vez, liquidación ganadora completa o pérdida completa, cuota decimal superior a 1, sin comisiones, impuestos, devoluciones ni posiciones simultáneas. Requiere una probabilidad de acierto p correctamente especificada y una fracción f del presupuesto teórico expuesta en la posición. El resultado ganador multiplica el capital por 1 + f(o − 1); el perdedor, por 1 − f.

El crecimiento logarítmico esperado de una decisión es g(f) = p × ln[1 + f(o − 1)] + (1 − p) × ln(1 − f), para fracciones que mantengan capital positivo en ambos resultados (si existe probabilidad de perder, f debe ser menor que 1). Al maximizar esta expresión en el caso interior se obtiene f* = (p × o − 1) / (o − 1). Si el numerador es negativo o cero, en el modelo sin posiciones negativas la solución admisible es f = 0, no una invitación a ejecutar una fracción negativa.

Ejemplo resuelto: sensibilidad a una probabilidad inventada

Ejemplo ficticio de fútbol y presupuesto abstracto. Se considera un evento binario inventado con cuota decimal o = 2,00 y p estimada = 0,55, sin devoluciones ni costes. No se afirma que el 55 % esté demostrado ni se traslada el resultado a ninguna cantidad personal.

Paso 1: el umbral de equilibrio de cuota 2,00 es 1 / 2,00 = 0,50. Con p = 0,55, la fórmula interior da f* = (0,55 × 2,00 − 1) / (2,00 − 1) = (1,10 − 1) / 1 = 0,10, o el 10 % de un capital matemático. Ese porcentaje es la solución de un problema idealizado, no un importe prudente recomendado.

Paso 2: cambiemos únicamente la estimación. Con p = 0,50, f* = 0. Con p = 0,45, la operación produce −0,10, pero si el modelo permite solo f ≥ 0, la solución queda en f = 0. Una variación de diez puntos porcentuales en la p asumida transforma por completo la conclusión.

Paso 3: probemos la sensibilidad del crecimiento para f = 0,10. Si la probabilidad verdadera fuera la inicialmente supuesta, p = 0,55, el crecimiento logarítmico esperado de una etapa sería 0,55 × ln(1,10) + 0,45 × ln(0,90) ≈ +0,00501. Si la probabilidad real fuese en cambio 0,45, ese mismo cálculo daría 0,45 × ln(1,10) + 0,55 × ln(0,90) ≈ −0,01506. La aparente solución óptima se vuelve desfavorable al cambiar un supuesto no verificado.

Límites que impiden usarlo como receta

La probabilidad estimada no es una constante conocida: varía con el rival, el momento, las lesiones y el modelo. Los errores de estimación afectan con fuerza a la fracción calculada. Además, Kelly maximiza una función matemática concreta, no minimiza obligatoriamente drawdown, estrés, pérdida máxima o probabilidad de agotamiento en un horizonte corto.

Con apuestas simultáneas, cuotas variables, resultados correlacionados, devoluciones y comisiones, la expresión abreviada puede ser incorrecta. El llamado Kelly fraccional modifica la proporción teórica, pero tampoco elimina la incertidumbre ni convierte una estimación dudosa en probabilidad cierta. Al comparar sistemas deben estudiarse sensibilidad, dependencia, variación de resultados, viabilidad y las razones para no asumir exposición alguna.

  • Error: tratar 0,55 como una verdad porque el modelo la muestra con dos decimales.
  • Error: aplicar la fórmula binaria a un hándicap asiático con devoluciones parciales.
  • Error: trasladar el porcentaje matemático a dinero real como si fuera una recomendación automática.

Qué recordar: Kelly es una solución condicionada por una función objetivo y supuestos fuertes. Cuando esos supuestos son inciertos, la precisión aparente de f* no implica seguridad ni ventaja acreditada.

Conceptos relacionados

  • Valor esperado
  • Riesgo de agotar un presupuesto
  • Drawdown
  • Exposición
  • Dependencia y correlación

Publicidad