跳轉到

On Feedback Control in Kelly Betting: An Approximation Approach

資料來源

項目 連結
arXiv https://arxiv.org/abs/2004.14048
會議 IEEE Conference on Control Technology and Applications (CCTA) 2020, Montreal, pp. 903–908

論文基本資訊

項目 內容
作者 Chung-Han Hsieh（單作者）
首版 2020-04-29

一句話摘要

Kelly 押注最佳化原本是 concave program，本篇用 Taylor 級數近似把它降為 quadratic programming，得到閉式近似解；並分析此近似解的績效、變異數、與 survivability（破產防範）性質。

核心貢獻

  1. Taylor → QP 降階：把 concave 的 log 目標換成 quadratic，直接得閉式解。
  2. 近似解性質完整刻畫：期望 gain/loss、變異數、survivability 全部給出。
  3. 填補既有 Kelly 文獻空白：過去近似法常被詬病「沒誠實分析誤差」，本篇正面回應。

目前限制與注意事項

  • Taylor 在 log 報酬大時誤差大。
  • QP 比閉式更貼近實作，但仍是近似，極端市況可能失準。

研究價值與啟示

關鍵洞察

  1. Approximation 不是放棄精度，是 trade-off 計算與洞察：精確 Kelly 解需 numerical solver，閉式近似解可立刻看出參數效應。對策略設計階段更有用。
  2. 與 Kelly Betting Limitations（2015）形成對話：作者 2015 那篇就點出「Taylor 近似有問題」，本篇則展示「正確使用 Taylor 近似仍有用」── 自我延伸的研究脈絡。
  3. CCTA 場合定位：CCTA 比 CDC 應用導向，本篇的閉式近似 + survivability 條件適合此會議。
  4. Survivability 在近似解下仍能保證：這是 reviewers 最在意的 ── 近似解最怕「平均看起來好但極端會破產」，本篇排除這個風險。

與其他研究筆記的關聯