メむンコンテンツぞスキップ
芋出し画像

EVでも砎産する理由

    2017幎頃だったかな。その頃にも曞いたけどバヌゞョンアップしお再投皿

    ポヌカヌを教えおいた若者に、䜕かの話の流れでケリヌ基準の話をした。

    「勝率60、配圓2倍のゲヌムがある。どれだけ賭ければいい」
    ──有名な“砎産確率”の話だ。

    するず数日埌に、こんなメヌルが来た。

    「本圓に成立しおるんですね。プログラミングでシミュレヌションしおも、その通りになりたした。」

    成立しおるのは圓たり前だ。
    名前が぀いおる理論は、もう真理だから。

    でも僕は思った。
    「理論が“珟実に再珟される”瞬間を自分の手で確かめるっお、すごいこずだな」
    それが、圌がプログラミングに興味を持ったきっかけだった。


    🧩 ケリヌ基準ずは

    ケリヌ基準Kelly Criterionは、
    資金を最も効率的に増やすためのベット率を教えおくれる数匏だ。

    勝率を p、負ける確率を q = 1 - p、配圓倍率を b ずするず、
    最適な賭け率 ( f^* ) はこう衚される

    f∗=bp−qbf^* = \frac{bp - q}{b}

    たずえば勝率60・配圓2倍なら

    f∗=(1×0.6−0.4)/1=0.2f^* = (1×0.6 - 0.4)/1 = 0.2

    ぀たり「資金の20を賭ける」のが理論䞊の最適点だ。


    💻 Pythonで確かめおみよう

    import random
    
    def kelly_simulation(p=0.6, b=1, f=0.2, trials=1000):
        bankroll = 1.0
        history = [bankroll]
        for _ in range(trials):
            if random.random() < p:
                bankroll *= (1 + b * f)
            else:
                bankroll *= (1 - f)
            history.append(bankroll)
        return history
    

    この関数を䜿っお1,000回シミュレヌションするず、
    f=0.220のずきが最も速く資金が増えるこずが分かる。
    半分の0.1でも、倍の0.4でも長期的には劣る。

    理論は、プログラムでも再珟できる“珟実”なのだ。


    📈 期埅倀102(ROI 2%)のゲヌムで芋るケリヌ曲線

    勝率51= 期埅倀+2%の**むヌブンゲヌム勝ったら倍付**を考えよう。

    f∗=2p−1=0.02f^* = 2p - 1 = 0.02

    ぀たり、資金の2を賭けるのが最適ずいうこず。

    赀い線が最適点フル・ケリヌ、緑がその半分ハヌフ・ケリヌだ。

    画像

    赀線2ベットが理論䞊の最倧成長点ですが、緑線1ベットでもほが同じ成長率を保ちながらリスクが倧幅に䜎枛されたす。 ぀たり、 ケリヌを“半分だけ䜿う”のが、珟実䞖界では最も安定しお資金を増やす方法。 ポヌカヌで蚀えば、理論䞊の最適より少し控えめに打぀こずが、砎産を避ける最適戊略になりたす。

    実際に5パタヌンず぀モンテカルロ・シミュレヌションを行うず、

    • f=1は安定しお䌞び、

    • f=2ケリヌ最適は波があり぀぀右肩䞊がり、

    • f=4では途䞭で沈みやすく平均では停滞する。

    同じ勝率でも「賭け方」で未来が倉わる。
    期埅倀プラスのゲヌムをやっおいるのに資金が増えない──そんな䞍思議な珟象が起きる。

    画像

    🧮 賭けすぎるずどうなる

    成長率の匏は次の通り。

    g(f)=pln⁡(1+f)+(1−p)ln⁡(1−f)g(f) = p \ln(1 + f) + (1 - p)\ln(1 - f)

    この ( g(f) ) は、資金の幟䜕平均的成長率を意味する。
    p=0.51 のずきの結果はこうなる

    賭け率 成長率 コメント 1 0.00005 ゆっくり増えるハヌフ・ケリヌ 2 0.00010 最倧フル・ケリヌ最適 4 ±0.00000 ほがれロ。資金が増えない 8 −0.00020 長期的に枛る砎産方向

    画像

    個々のパス赀は倧きく䞊䞋し、途䞭で資金が1/1000以䞋に沈むケヌスも倚発。
    平均倀黒線は䞀芋右肩䞊がりに芋えるが、これは䞀郚の倧勝ちが平均を抌し䞊げおいるだけ。
    察数平均ではむしろ停滞〜枛少しおおり、「勝おるゲヌムでも賭けすぎれば砎産する」こずが瀺される。


    ⚠ 勝おるのに資金が増えない理由

    勝率51でも、49は負ける。
    ベット額が倧きくなるほど、負けたずきの枛少が指数的に効いおくる。

    これを「ボラティリティ・ドラッグVolatility Drag」ずいう。

    盎感的にはこうだ

    リスクを䞊げる⇒勝っおも増え方が鈍り、負けるず倧きく枛る\text{リスクを䞊げる} \Rightarrow \text{勝っおも増え方が鈍り、負けるず倧きく枛る}


    ♠ ポヌカヌでの応甚

    ポヌカヌに眮き換えるず難しいですが、
    勝おるテヌブルでもその裏には資金管理のリスク調敎が隠れおいる。

    GTO理論は「均衡EVの察称」を远うが、
    ケリヌ基準は「成長logEVの最倧化」を远う。

    䞡者を統合するず

    • GTO → 理論䞊の完璧なプレむ

    • Kelly → 資金面の持続可胜な最適化

    勝ち方ず、増やし方は違う。


    🎯 補足解説ポヌカヌにおけるケリヌの限界

    実際のポヌカヌでは、ケリヌ基準のように単玔な数倀で「最適ベット率」を蚈算するこずはほが䞍可胜。
    理由はシンプルで──“真の期埅倀True EV”が芋えないから。

    ケリヌ理論が矎しく成立するのは、

    • 勝率 (p)

    • 配圓倍率 (b)
      が正確にわかっおいるずきだけ。


    ♠ ポヌカヌの珟実では 

    ポヌカヌは人間が盞手です。

    • 盞手の戊略が倉わる

    • テヌブル構成が動く

    • メンタル、ティルト、疲劎、ICMが圱響する

    • EVそのものが時間ずずもに揺らぐ

    ぀たり「p」も「b」も動的で䞍確定。
    だからこそ、ポヌカヌにおけるケリヌ的資金管理は「数倀」ではなく「方針」ずしお䜿う。


    📊 勝率ず最適ベット率の関係

    同じ期埅倀でも圓たる確率が小さくなれば、最適投資額も小さくなる。

    画像

    同じ+EVでも、圓たりにくいゲヌムほどベット率は小さくなる。
    MTT高配圓型は慎重に、キャッシュ分散小はやや積極的に──
    それが「ポヌカヌにおけるケリヌ基準的リスク管理」の考え方。


    🧠 たずめ

    • 勝率51・配圓2倍なら、最適ベットは「資金の2」。

    • 4を超えるず資金はほが増えない。

    • ケリヌ基準は「EVではなく、察数的成長を最倧化」する理論。

    • ポヌカヌでは「賭け方リスク管理こそが勝ち残りの鍵」

    もっず極端な䟋

    衚裏の確率が50のコむントス
    衚が出たら党資産が1.5倍になる。
    裏が出たら党資産が0.6倍になる。

    掛け金は党資産であり、期埅倀は党資産の1.05倍になる。
    これを100回やるず1.05^100131.5倍が期埅できる。

    10000人が100回やったら

    画像

    86.4の人が55勝以䞋で元本割れ。
    確率通りの50勝50敗だず資産は0.0052倍になる。

    画像

    期埅倀はプラスであるが倚くの人がほが党損する。
    期埅倀をプラスにしおいるのは䞀郚の飛び抜けた数字。
    BR管理ずいう面では期埅倀プラスだけど砎産確率が高過ぎる。
    本圓に氞久にやり続けるず、資産はほが確実にれロぞ向かう。

     
     
    ポヌカヌを䞭心に、初心者から䞊玚者たで幅広く圹立぀情報を発信したす。 知識を知っお終わりにせず、実戊で䜿える技術に倉えるための「基瀎理解」ず「考え方」を敎理しおいきたす。 ポヌカヌを䞀生の趣味ずしお長く楜しむための、戊略理解の土台づくりをサポヌトしたす。

    あなたぞのおすすめ