Critério de Kelly Fracionário: Comparação entre Full, Half e Quarter Kelly

1. Introdução: O Dilema Crescimento-Variância na Gestão de Banca Quantitativa

No universo das apostas esportivas profissionais e do trading sistemático, a gestão de banca é frequentemente tratada como um detalhe secundário em relação à modelagem estatística e à descoberta de valor. Essa perspectiva representa um equívoco matemático fatal. Um modelo preditivo com um edge comprovado e estatisticamente robusto de +5% sobre o fechamento de mercado pode facilmente levar um apostador à falência caso esteja atrelado a um algoritmo de dimensionamento de apostas hiperagressivo ou inadequado. A alocação de capital determina se uma vantagem matemática assintótica se traduzirá em riqueza composta ou em ruína inevitável.

Em 1956, o físico do Bell Laboratories John Larry Kelly Jr. publicou "A New Interpretation of Information Rate", demonstrando que alocar capital proporcionalmente à razão entre a vantagem matemática e as odds maximiza o valor esperado do logaritmo do patrimônio terminal: $𝔼[\ln (W_T)]$. Na teoria da informação pura e em ambientes sem atrito onde as probabilidades são conhecidas com absoluta exatidão, o Critério de Kelly Pleno (Full Kelly) é matematicamente imbatível no horizonte infinito. Ele garante um crescimento patrimonial mais rápido do que qualquer outra estratégia com probabilidade 1 quando o número de eventos $N\to \infty$.

No entanto, no mundo real das apostas esportivas, sindicatos quantitativos e fundos sistemáticos quase nunca utilizam o Full Kelly ($f=\mathrm{1,0}$). Em vez disso, o capital institucional converge universalmente para variantes do Kelly Fracionário — predominantemente o Half Kelly ($f=\mathrm{0,50}$) e o Quarter Kelly ($f=\mathrm{0,25}$).

Esta monografia técnica investiga detalhadamente a mecânica matemática do Kelly Fracionário. Fornecemos deduções analíticas formais das funções de crescimento e variância, provamos a redução parabólica da volatilidade, resolvemos a distribuição de probabilidade de drawdowns, analisamos os erros de estimação de parâmetros ($\hat{p}\ne p$) e apresentamos os resultados empíricos de uma simulação de Monte Carlo com 1.000 trajetórias.

2. Mecânica Matemática: Derivação da Função de Taxa de Crescimento

Considere um jogo repetido onde um apostador aposta uma fração fixa $f$ de sua banca atual $W_t$ em um mercado que oferece odds decimais $O$ (retorno decimal líquido $b=O-1$). A probabilidade real de vitória é $p$, e a probabilidade de derrota é $q=1-p$. O apostador possui valor esperado positivo: $\text{EV}=pb-q>0$.

A Evolução Logarítmica do Patrimônio

Se o apostador realiza $n$ apostas independentes, das quais $W$ vencem e $L=n-W$ perdem, o patrimônio final $W_n$ a partir do capital inicial $W_0$ é governado pelo processo multiplicativo:

Onde $X_i=b$ com probabilidade $p$, e $X_i=-1$ com probabilidade $q$. Aplicando o logaritmo natural ao patrimônio normalizado pelo capital inicial por aposta, obtemos a taxa média de crescimento exponencial $G_n(f)$:

Pela Lei Forte dos Grandes Números, quando $n\to \infty$, as proporções amostrais convergem quase certamente para suas probabilidades teóricas: $W/n\stackrel{\stackrel{}{q.c.}}{\to }p$ e $L/n\stackrel{\stackrel{}{q.c.}}{\to }q$. A função de crescimento esperado $g(f)=𝔼[G_n(f)]$ é formalmente definida como:

A Fração Ótima de Full Kelly ($f^{\ast }$)

Para encontrar a fração $f^{\ast }$ que maximiza o crescimento geométrico de longo prazo, derivamos $g(f)$ em relação a $f$ e igualamos a zero:

Isolando $f$, obtemos a clássica fórmula do Critério de Kelly:

A análise da segunda derivada confirma a concavidade estrita em todo o domínio $f\in [0,1)$:

Um exemplo mostra o limite da aproximação. Com $p=0.40$ e $O=3$, Kelly exato é $f^{\ast }=0.10$. Half Kelly retém cerca de 75.6575% do crescimento logarítmico máximo exato e Quarter cerca de 44.5350%. O dobro de Kelly ainda tem crescimento positivo neste exemplo. A fronteira de crescimento negativo deve ser obtida da função exata, não presumida como o dobro do ótimo.

3. Volatilidade e a Troca Assimétrica Fracionária

A referência exata é o crescimento logarítmico esperado num modelo binário com probabilidade e odd fixas e conhecidas. O Kelly Fracionário aplica um múltiplo escolhido do ótimo exato. Isso altera a alocação, sem validar a probabilidade estimada nem garantir lucro realizado.

As razões de crescimento de 75% para Half Kelly e 43.75% para Quarter Kelly vêm de uma aproximação quadrática. O segundo momento de Taylor é $E[X^2]={\sigma }^2+{\mu }^2$, não apenas a variância. Usar só a variância exige que o quadrado da média seja desprezível. O ótimo quadrático abaixo não é, em geral, a fração binária exata de Kelly. A tabela ilustra a aproximação, sem fornecer razões universais para quaisquer odds, vantagens ou horizontes.

Nos retornos simples de uma aposta, multiplicar a fração por $k$ multiplica o desvio padrão por $k$ e a variância por $k^2$. Half Kelly dá metade do desvio padrão e um quarto dessa variância; Quarter dá um quarto e um dezasseis avos. Essas identidades exatas do retorno não tornam a variância logarítmica exatamente quadrática nem determinam o drawdown de uma sequência. Menor exposição ainda pode produzir quedas profundas, como mostra a simulação finita adiante.

Um exemplo mostra o limite da aproximação. Com $p=0.40$ e $O=3$, Kelly exato é $f^{\ast }=0.10$. Half Kelly retém cerca de 75.6575% do crescimento logarítmico máximo exato e Quarter cerca de 44.5350%. O dobro de Kelly ainda tem crescimento positivo neste exemplo. A fronteira de crescimento negativo deve ser obtida da função exata, não presumida como o dobro do ótimo.

4. Distribuição de Probabilidade de Drawdown e Duração

A tabela seguinte é uma ilustração de difusão contínua para tocar uma fração fixa da banca inicial, sem alvo superior de parada e com horizonte ilimitado. Não é a chance de drawdown desde o pico nem a chance antes de duplicar a banca. Na fórmula, $g$ é a deriva do logaritmo patrimonial e $s^2$ sua taxa de variância. Exige-se deriva positiva. O expoente fracionário usa a aproximação de pequena vantagem e stake; apostas discretas podem ultrapassar a barreira.

Os valores de 50%, 12.5% e 0.78% para perder metade da banca inicial pertencem a esta aproximação e ao horizonte ilimitado. Não são probabilidades universais exatas de Full/Half/Quarter Kelly. Uma experiência finita precisa de medir diretamente o evento escolhido. A recuperação aritmética é separada: perder 50% exige ganhar 100%; perder 75% exige ganhar 300%. Isso não determina o tempo de recuperação nem o tempo passado abaixo de um pico anterior.

5. Incerteza de Parâmetros e Erros de Estimação do Modelo

O modelo usa uma probabilidade estimada, enquanto a teoria exata pressupõe uma probabilidade conhecida. Se a estimativa for alta demais, até uma fração do ótimo estimado pode superar o ótimo real. O teste é o crescimento logarítmico esperado exato sob uma probabilidade real plausível, não a alegação de que Half ou Quarter absorvem uma percentagem fixa de erro. Uma fração menor reduz exposição sem validar a vantagem estimada.

Com os parâmetros conhecidos, a concavidade estrita faz o crescimento logarítmico esperado diminuir após o ótimo. A condição $g(f)<0$ define crescimento logarítmico assintótico negativo em apostas independentes e estacionárias. Na fronteira $g(f)=0$, crescimento logarítmico esperado nulo não promete patrimônio constante. Uma fração abaixo do ótimo também pode perder dinheiro num horizonte finito. Erros do modelo alteram o ótimo real e a raiz de crescimento nulo; uma fração fixa não oferece proteção universal.

Um exemplo mostra o limite da aproximação. Com $p=0.40$ e $O=3$, Kelly exato é $f^{\ast }=0.10$. Half Kelly retém cerca de 75.6575% do crescimento logarítmico máximo exato e Quarter cerca de 44.5350%. O dobro de Kelly ainda tem crescimento positivo neste exemplo. A fronteira de crescimento negativo deve ser obtida da função exata, não presumida como o dobro do ótimo.

6. Simulação de Monte Carlo: Análise Empírica de Trajetórias

Este exemplo usa 1.000 trajetórias de 1.000 apostas independentes, banca inicial de $10,000, odd 2.05 e probabilidade fixa de vitória 0.52. Full Kelly aposta 6.285714%, Half 3.142857% e Quarter 1.571429% da banca atual. A semente 42 do NumPy é definida uma vez antes do ciclo Full, Half, Quarter; cada estratégia consome uma sequência diferente do gerador. O exemplo Python abaixo define a experiência, sem estimar o desempenho de uma estratégia real.

Nesta execução, Full Kelly tem a maior média e mediana final e as maiores quedas. Half e Quarter reduzem tanto o crescimento simulado como a gravidade do drawdown. A média é sensível a poucos valores finais muito altos. Semente, horizonte, probabilidades e regras de stake determinam o resultado; esta ordenação não é uma garantia geral. O pico inicial usado no drawdown é a banca inicial.

import numpy as np

def simulate_fractional_kelly(
    num_simulations=1000,
    num_bets=1000,
    decimal_odds=2.05,
    win_prob=0.52,
    initial_bankroll=10000.0,
    fractions=[1.0, 0.5, 0.25]
):
    b = decimal_odds - 1.0
    full_kelly = (win_prob * b - (1 - win_prob)) / b
    
    results = {}
    
    for k in fractions:
        stake_f = k * full_kelly
        terminal_wealths = []
        max_drawdowns = []
        
        for _ in range(num_simulations):
            # Generate random outcomes
            wins = np.random.binomial(1, win_prob, num_bets)
            bankroll = initial_bankroll
            peak = initial_bankroll
            max_dd = 0.0
            
            for win in wins:
                stake = bankroll * stake_f
                if win:
                    bankroll += stake * b
                else:
                    bankroll -= stake
                
                if bankroll > peak:
                    peak = bankroll
                dd = (peak - bankroll) / peak
                if dd > max_dd:
                    max_dd = dd
                
                if bankroll <= 0:
                    break
            
            terminal_wealths.append(bankroll)
            max_drawdowns.append(max_dd)
            
        results[f"{k}x Kelly"] = {
            "mean_wealth": np.mean(terminal_wealths),
            "median_wealth": np.median(terminal_wealths),
            "avg_max_dd": np.mean(max_drawdowns),
            "worst_dd": np.max(max_drawdowns),
            "prob_loss": np.mean(np.array(terminal_wealths) < initial_bankroll)
        }
        
    return results

if __name__ == "__main__":
    import json
    np.random.seed(42)
    result = simulate_fractional_kelly()
    print(json.dumps(result, indent=2))

7. Protocolo de Execução Sistemática para Apostadores Quantitativos

Um protocolo pode escolher uma fração de Kelly, critérios por mercado e um limite agregado. As configurações abaixo são exemplos de política, não padrões profissionais universais:

1. Escolha da fração: Quarter Kelly ($0.25f^{\ast }$), Três Oitavos ($0.375f^{\ast }$) e Half Kelly ($0.50f^{\ast }$) são alternativas de política. Avalie a incerteza do modelo e o evento de risco escolhido; CLV positivo, por si só, não valida a alocação.
2. Avaliação por mercado: Capacidade executável e incerteza da estimativa precisam de dados do mercado específico. Uma fração menor reduz exposição, mas não comprova a vantagem.
3. Exposição simultânea: Apostas concorrentes compartilham a mesma banca. Otimize os estados conjuntos ou declare um limite agregado; $15\%$ pode ser uma escolha de política, não uma garantia sobre perdas ou drawdowns.