4 分で読了
1 views

ケリー基準による投資戦略の限界

(Limits of the Kelly Criterion under Correlations and Transaction Costs)

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海さん、最近部下に『ケリー基準で資本配分を決めるべきだ』って言われて困っているんですが、実務で使えるものなんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね! ケリー基準は理論的には期待成長率を最大化する投資比率を示すのですが、実務に落とすと注意点が多いんですよ。

田中専務

具体的にはどんな注意点でしょうか。うちみたいな製造業が投資判断に使うときの不安材料を教えてください。

AIメンター拓海

大丈夫、一緒に見ていけばできますよ。要点は3つで、第一に短期的な価格相関、第二に取引コスト、第三に最適比率の時間変動です。それぞれ現場目線で説明しますね。

田中専務

短期的な相関、ですか。相関って要するに値動きが一緒に動くってことですか?これって要するにリスクの分散が効かない場面を示すということ?

AIメンター拓海

素晴らしい着眼点ですね! その通りです。短期的相関は、過去の一歩前の値が次の値に影響を与えることで、単純な分散の効果を弱めます。身近な例で言えば、同じ製造ラインの部品が同時に壊れるような状態ですね。

田中専務

なるほど。では取引コストはどう影響するんですか。手数料が少しあるだけで使えなくなるのでしょうか。

AIメンター拓海

その点も重要です。論文では取引コストがあると投資比率の頻繁な変更が抑えられ、最適な非自明な割合がほとんど現れなくなると示されています。言い換えれば実務では手数料で理論が消えてしまうことがあるのです。

田中専務

それだと現場で頻繁に割合を変えられないと。結局、『頻繁に動く最適比率』は現実の摩擦で無効化されるわけですね。

AIメンター拓海

そうなんです。加えて最適比率自体が時間で急速に変動する傾向にあり、短期間で安定した運用ルールに落とし込むのが難しくなります。つまり理論はしばしば『使える形』に変換されないのです。

田中専務

それでも導入する意味はありますか。結局うちの投資判断にとってプラスになりますか。

AIメンター拓海

大丈夫、組織の判断基準としては応用余地がありますよ。要点を3つにまとめると、第一に理論は指針になるがそのまま使えない。第二に取引コストや相関を実データで検証しルール化する。第三に安定化のためにケリー比率を縮小して運用する、です。

田中専務

わかりました。自分の言葉でまとめると、『理論は成長率を示すが、相関とコストで現実には使いにくい。だから検証と保守的な適用が肝心』ということですね。

AIメンター拓海

その通りです、田中専務。大丈夫、一緒に実データで確かめて、現場で運用できる形にしていけば必ず実務に役立てられるんですよ。

監修者

阪上雅昭(SAKAGAMI Masa-aki)
京都大学 人間・環境学研究科 名誉教授

論文研究シリーズ
前の記事
仮想光子のスピン構造関数
(Spin structure function of the virtual photon)
次の記事
弾性ρメソン生成の結果と意義 — Elastic rho meson production at HERA
関連記事
AKARI/IRC による外惑星場のソースカタログと数え上げの改良
(AKARI/IRC source catalogues and source counts for three extragalactic fields)
研究査読における生成AIの誤解と評価の実態 — The Great AI Witch Hunt: Reviewers’ Perception and (Mis)Conception of Generative AI in Research Writing
分布的深い探索のためのポリシー群
(Bag of Policies for Distributional Deep Exploration)
問題焦点型逐次的マルチ属性効用モデルの聞取
(Problem-Focused Incremental Elicitation of Multi-Attribute Utility Models)
FALCON:フィードバック駆動の長短期メモリ強化コード最適化
(FALCON: Feedback-driven Adaptive Long/short-term memory reinforced Coding OptimizatioN)
自動査読における大規模言語モデルの脆弱性評価
(Breaking the Reviewer: Assessing the Vulnerability of Large Language Models in Automated Peer Review Under Textual Adversarial Attacks)
この記事をシェア

有益な情報を同僚や仲間と共有しませんか?

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
(Black hole/quantum machine learning correspondence)
生成AI検索における敏感なユーザークエリの分類と分析
(Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System)
DiReDi:AIoTアプリケーションのための蒸留と逆蒸留
(DiReDi: Distillation and Reverse Distillation for AIoT Applications)

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に!
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか?

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に!

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか?

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター!

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題!誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む