[논문 리뷰] Distributional Robust Kelly Gambling

Qingyun Sun, Stephen Boyd|arXiv (Cornell University)|2018. 12. 20.

Risk and Portfolio Optimization참고 문헌 25인용 수 4

한 줄 요약

이 논문은 가능한 확률 분포 집합인 모호성 집합 내에서 가장 열악한 상황에서도 기대 로그 자산을 최대화하도록 베판을 최적화하는 분포로 강건한 켈리 베판 전략의 버전을 제안한다. 이 방법은 유한한 결과 설정에서는 볼록적이고 해석 가능하여 분포 불확실성에 대비한 강건성을 확보하면서도 볼록 최적화 기법을 통해 계산 가능성을 유지한다.

ABSTRACT

In classic Kelly gambling, bets are chosen to maximize the expected log growth of wealth, under a known probability distribution. In this note we consider the distributional robust version of the Kelly gambling problem, in which the probability distribution is not known, but lies in a given set of possible distributions. The bet is chosen to maximize the worst-case (smallest) expected log growth among the distributions in the given set. This distributional robust Kelly gambling problem is convex, but in general need not be tractable. We show that it can be tractably solved in a number of useful cases when there is a finite number of outcomes.

연구 동기 및 목표

• 기본 켈리 베판 전략이 확률 분포를 정확히 안다는 가정에 기인한 한계를 해결하기 위해, 분포 불확실성 하에서 강건한 대안을 도입하는 것.
• 유의미한 분포 집합 내에서 최소 기대 로그 성장률을 최대화하는 분포로 강건한 켈리 베판 문제를 수립하는 것.
• 특히 유한한 결과 설정에서 이 강건 최적화 문제가 계산적으로 해석 가능해지는 조건을 규명하는 것.

제안 방법

• 목적은 주어진 모호성 집합 내에서 기대 로그 자산의 최악의 경우를 최대화하는 볼록 최적화 프로그램으로 수식화된다.
• 모호성 집합은 통계적 또는 정보 이론적 제약 조건(예: 모멘트 한계 또는 f-다양도)을 통해 정의되는 가능한 확률 분포의 집합이다.
• 강건 켈리 전략은 볼록 이중 문제를 풀어 도출되며, 이중성 이론을 활용해 최소-최대 문제를 해석 가능한 형태로 변환한다.
• 유한한 결과 공간에서는 이 방법이 2차원 원판 프로그램 또는 콘형 프로그램으로 축소되어 효율적인 수치적 해법이 가능해진다.
• 이 방법은 모호성 집합 내에서 가장 불리한 분포에 대비하여 헤지함으로써 강건성을 확보하며, 진정한 분포를 완전히 알 필요 없이도 작동한다.
• 해결책은 분포로 강건한데, 이는 진정한 분포가 모호성 집합 내에서 명목 추정치에서 벗어나도 잘 작동하기 때문이다.

실험 결과

연구 질문

• RQ1 기본 켈리 베판 전략을 기저 확률 분포에 대한 불확실성에 대응할 수 있도록 어떻게 확장할 수 있는가?
• RQ2 분포로 강건한 켈리 문제의 계산적 해석 가능성은 어떤 조건에서 성립하는가?
• RQ3 유한한 결과 설정의 베판 시나리오에서 어떤 유형의 모호성 집합이 볼록적이고 해석 가능한 강건 최적화 문제를 이끌어내는가?
• RQ4 분포의 변화가 발생할 경우, 강건 전략은 고전적 켈리 전략보다 성능에서 어떻게 다를까?
• RQ5 강건한 접근 방식을 전역 최적화를 보장하고 효율적인 계산이 가능한 볼록 프로그램으로 어떻게 수식화할 수 있는가?

주요 결과

• 분포로 강건한 켈리 베판 문제는 볼록적이므로 국소 최적해가 전역 최적해임을 보장하여 신뢰할 수 있는 수치적 해법을 지원한다.
• 유한한 결과 설정에서는 강건 문제를 2차원 원판 프로그램으로 재수식화할 수 있어 효율적이고 확장 가능한 계산이 가능하다.
• 강건 전략은 모호성 집합 내 모든 분포에 대해 보장된 최소 기대 로그 성장을 달성하여 불확실성 하에서도 성능 보장을 제공한다.
• 특히 진정한 분포가 명목 추정치 외부에 있을 경우 분포 모수 오류가 발생하는 상황에서 고전적 켈리 전략보다 성능이 뛰어나다.
• f-다양도 또는 모멘트 제약 조건을 기반으로 한 모호성 집합을 사용할 경우 문제의 볼록성이 유지되는 해석 가능한 수식이 도출된다.
• 강건 해는 분포로 민감한데, 이는 모호성 집합의 구조에 따라 적응하여 가장 열악한 분포에 대해 더 강력한 헤지 효과를 제공한다.