Проблема волшебного денежного дерева

19

Я думал об этой проблеме в душе, она была вдохновлена ​​инвестиционными стратегиями.

Допустим, там было волшебное денежное дерево. Каждый день вы можете предложить денежное дерево денежному дереву, и оно либо утроит его, либо уничтожит с вероятностью 50/50. Вы сразу замечаете, что в среднем вы будете зарабатывать деньги, делая это, и стремитесь воспользоваться денежным деревом. Однако, если бы вы предложили все свои деньги сразу, вы бы потеряли 50% всех своих денег. Неприемлемый! Вы довольно склонны к риску, поэтому вы решили придумать стратегию. Вы хотите минимизировать шансы потерять все, но вы также хотите заработать столько денег, сколько сможете! Вы получаете следующее: каждый день вы предлагаете 20% своего текущего капитала денежному дереву. Если предположить, что самое низкое, что вы можете предложить, составляет 1 цент, то вам потребуется 31 полоса потерь, чтобы потерять все ваши деньги, если вы начали с 10 долларов. Более того, чем больше денег вы зарабатываете, тем дольше должна быть полоса неудач, чтобы вы все потеряли, удивительно! Вы быстро начинаете зарабатывать кучу денег. Но тут в голову приходит идея: вы можете просто предлагать 30% каждый день и зарабатывать гораздо больше денег! Но подождите, почему бы не предложить 35%? 50%? Однажды с большими знаками доллара в ваших глазах вы подбегаете к денежному дереву со всеми своими миллионами и предлагаете 100% своих денег, которые денежное дерево быстро сжигает. На следующий день вы получаете работу в McDonalds. которое денежное дерево стремительно сжигает. На следующий день вы получаете работу в McDonalds. которое денежное дерево стремительно сжигает. На следующий день вы получаете работу в McDonalds.

Есть ли оптимальный процент вашей наличности, который вы можете предложить, не теряя всего этого?

(под) вопросы:

Если есть оптимальный процент, который вы должны предложить, это статический (то есть 20% каждый день) или процент должен расти по мере увеличения вашего капитала?

Предлагая 20% каждый день, шансы потерять все ваши деньги уменьшаются или увеличиваются со временем? Есть ли процент денег, из-за которого шансы потерять все ваши деньги со временем возрастают?

ElectronicToothpick
источник
7
Это похоже на вариацию гибели игрока
Роберт Лонг
2
Многое зависит от того, возможны ли дробные центы. Кроме того, есть много возможных целей, которые кто-то может иметь в этой ситуации. Разные цели будут иметь разные оптимальные стратегии.
Buge

Ответы:

19

Это общеизвестная проблема. Это называется ставка Келли. Ответ, кстати, 1/3. Это эквивалентно максимизации полезности бревна.

Келли начала с того, что уделяла время бесконечности, а затем решала все назад. Поскольку вы всегда можете выразить результаты в терминах непрерывного сложения, вы также можете обратить процесс вспять и выразить его в журналах. Я собираюсь использовать объяснение утилиты журнала, но утилита журнала удобна. Если вы максимизируете богатство как то в итоге вы получите функцию, аналогичную утилите ведения журнала. Если b - это шансы на выплату, а p - это вероятность выигрыша, а X - это процент вложенного богатства, тогда будет работать следующая деривация.nbpX

Для бинарной ставки E(log(X))=plog(1+bX)+(1p)log(1X) , за один период и единицу богатства.

ddXE[log(x)]=ddX[plog(1+bX)+(1p)log(1X)]
=pb1+bX1p1X

Установка производной на ноль, чтобы найти экстремумы,

pb1+bX1p1X=0

Перекрестное умножение итоге

pb(1X)(1p)(1+bX)=0
pbpbX1bX+p+pbX=0
bX=pb1+p
X=bp(1p)b

В вашем случае

X=3×12(112)3=13.

Вы можете легко расширить это до нескольких или непрерывных результатов, решая ожидаемую полезность богатства по совместному распределению вероятностей, выбирая распределения и подвергаясь любым ограничениям. Интересно, что если вы выполняете это таким образом, включая ограничения, такие как способность выполнять платежи по ипотечным кредитам и т. Д., То вы учли свой совокупный набор рисков и, таким образом, у вас есть скорректированный риск или, по крайней мере, контролируемый риск решение.

Desiderata Фактическая цель оригинального исследования была связана с тем, сколько играть в азартные игры на основе шумного сигнала. В конкретном случае, сколько нужно играть на шумный электронный сигнал, когда он указывает на запуск ядерного оружия Советским Союзом. Соединенные Штаты и Россия уже несколько раз запускали его, очевидно, по ошибке. Сколько вы играете на сигнал?

Дейв Харрис
источник
Я думаю, что эта стратегия даст более высокий риск разорения по сравнению с более низкими долями
вероятностная
@probabilityislogic Только в том случае, если существуют копейки. В отдельном случае это стало бы правдой, потому что вы могли бы поставить свою последнюю копейку. Вы не могли поставить третью копейку. В дискретном мире по сути верно, что вероятность банкротства должна увеличиваться в размере распределения, независимо от случая выплаты. Распределение 2% имеет большую вероятность банкротства, чем 1% в дискретном мире.
Дейв Харрис
@probabilityislogic, если вы начинаете с 3 центов, то это рискованно. Если вы начнете с 550 долларов, то у вас будет меньше одного шанса на 1024 банкротства. При разумных размерах банка риск дискретного коллапса становится небольшим, если вы действительно не уйдете в бесконечность, тогда он становится достоверным, если заимствование не разрешено.
Дейв Харрис
Я ожидал, что это будет известной проблемой, но я понятия не имел, как ее искать. Спасибо за упоминание о Келли. Вопрос, однако: в википедии по критерию Келли для вычисления оптимального процента упоминается следующая формула: (bp-q) / b. Где b - это # ​​долларов, которые вы получаете при ставке 1 $, p вероятность выигрыша и q шанс проиграть. Если я укажу это для моего сценария, я получу: (2 * 0,5-0,5) /2=0,25. То есть оптимальный процент для ставки будет 25%. Чем вызвано это расхождение с вашим ответом 1/3?
ElectronicToothpick
3
@ElectronicToothpick, если вы заполните b = 3, вы получите 1/3. Разница в том, как вы считаете, три раза выплаты. Допустим, вы начинаете с 1 доллара и ставите 50 центов, а затем считаете, что тройная выплата заканчивается либо пятьдесят на пятьдесят 50 центов, либо 2 долларами (b = 2, то есть минус 50 центов или плюс 2 раза 50 центов) против пятьдесят на пятьдесят 50 центов или 2,50 доллара (б = 3, то есть минус 50 центов или плюс 3 раза 50 центов).
Секст Эмпирик
5

Мне понравился ответ Дейва Харриса. хотя я бы подошел к проблеме с точки зрения «низкого риска», а не максимизации прибыли

Случайная прогулка, которую вы делаете, при условии, что ваша ставка на дробь равна q а вероятность выигрыша p=0.5 задана как

Yt|Yt1=(1q+3qXt)Yt1
, где XtBernoulli(p) . в среднем у вас есть
E(Yt|Yt1)=(1q+3pq)Yt1
Вы можете применить это итеративно, чтобы получить
Yt|Y0=Y0j=1t(1q+3qXt)
с ожидаемым значением
E(Yt|Y0)=(1q+3pq)tY0
Вы также можете выразить сумму в момент времениt как функцию от одной случайной величиныZt=j=1tXtBinomial(t,p) , но отметив, чтоZt не зависит отZt1
Yt|Y0=Y0(1+2q)Zt(1q)tZt

возможная стратегия

Вы можете использовать эту формулу для определения значения «низкого риска» для q . Предположим, вы хотели убедиться, что после k последовательных потерь у вас все еще будет половина вашего первоначального богатства. Затем вы устанавливаете q=12k1

Использование примера k=5 означает, что мы установили q=0.129 , или с k=15 мы установили q=0.045 .

Кроме того, из-за рекурсивного характера стратегии этот риск является тем, что вы принимаете каждый раз при каждой ставке. То есть в момент s , продолжая играть, вы гарантируете, что в момент времени k+s ваше богатство будет не менее 0.5Ys

обсуждение

Приведенная выше стратегия зависит не от выигрыша от выигрыша, а от установления границы проигрыша. Мы можем получить ожидаемый выигрыш путем подстановки в значение для q мы рассчитали, и в момент времени k который использовался с учетом риска.

однако, интересно взглянуть на медиану, а не на ожидаемую отдачу в момент времени t , которую можно найти, предполагая, что median(Zt)tp .

Yk|Y0=Y0(1+2q)tp(1q)t(1p)
когда p=0.5 мы имеем соотношение, равное 1(1+q2q2)0.5t . Это максимизируется, когдаq=0.25 и больше1 когдаq<0.5

также интересно рассчитать вероятность того, что вы будете впереди в момент времени t . чтобы сделать это, нам нужно определить значение z таким образом, чтобы

(1+2q)z(1q)tz>1
осуществляя некоторую перестановку, мы находим, что пропорция выигрышей должна удовлетворять
zt>log(1q)log(1q)log(1+2q)
Это может быть включено в нормальное приближение (примечание: среднее значение0.5и стандартная ошибка0.5t ) как
Pr(ahead at time t)Φ(tlog(1+2q)+log(1q)[log(1+2q)log(1q)])

что ясно показывает, что игра имеет очень хорошие шансы. коэффициент умножения t минимизируется, когдаq=0(максимальное значение13 ) и монотонно убывает как функция отq . поэтому стратегия «низкого риска» заключается в том, чтобы ставить очень небольшую долю своего богатства и играть много раз.

предположим, что мы сравниваем это с q=13 иq=1100 . коэффициент для каждого случая составляет0.11и0.32. Это означает, что после38игр у вас будет около 95% шансов быть впереди с небольшой ставкой по сравнению с 75% шансов с большей ставкой. Кроме того, у вас также есть шанс разориться с более крупной ставкой, при условии, что вам пришлось округлить свою ставку до ближайших 5 центов или доллара. Начиная с20это может быть13.35,8.90,5.95,3.95,2.65,1.75,1.15,0.75,0.50,0.35,0.25,0.15,0.1,0.05,0 . Это последовательность из14 проигрышей из38 , и, учитывая, что игра будет ожидать19 проигрышей, если вам не повезет с первыми несколькими ставками, то даже выигрыш может не компенсировать плохую серию (например, если произойдет большинство ваших побед) как только большая часть богатства исчезнет). разориться с меньшей 1% -ой долей невозможно в38 играх. Обратная сторона в том, что меньшая ставка в среднем приведет к гораздо меньшей прибыли, например,увеличениев350 раз при большой ставке по сравнению сувеличениемв1.2 при малой ставке (т.е. вы ожидаете получить 24 доллара после 38 раундов с маленькой ставка и 7000 долларов с большой ставкой).

probabilityislogic
источник
это если учесть , что выбирается низким способом риска , и мы не его расчета для т > > К , это не так уж плохо приближения. Так что это, вероятно, завышение прибыли от большой стратегии ставок. qt>>k
вероятностная
Ваш подход к максимизации медианы на самом деле такой же, как подход Дейва Харриса, который максимизирует среднее значение Z t (то же самое, что медиана Z t ). Это было бы иначе, когда каждый максимизирует среднее значение Y t, которое является логнормально распределенным и для которого среднее значение и медиана не совпадают. ZtZtZtYt
Секст Эмпирик
5

Я не думаю, что это сильно отличается от мартингейла. В вашем случае нет ставок на удвоение, но выигрыш выплачивается в 3 раза.

Я закодировал «живую копию» вашего дерева. Я бегу 10 симуляций. В каждой симуляции (трассе) вы начинаете с 200 монет и пробуете с деревом по 1 монете каждый раз 20 000 раз.

Единственными условиями, которые останавливают симуляцию, является банкротство или «выживание» 20 тысяч попыток.

enter image description here

Я думаю, что, несмотря ни на что, рано или поздно вас ждет банкротство.


Код является импровизированным javascript, но без зависимостей: https://repl.it/@cilofrapez/MagicTree-Roulette

Он показывает вам результаты сразу. Код прост в настройке: запускать сколько угодно симуляций, ставок, сколько угодно попыток ... Не стесняйтесь играть!

В нижней части кода результаты каждого моделирования (по умолчанию 10) сохраняются в CSV-файл с двумя столбцами: номер вращения и деньги. Я сделал это так, чтобы его можно было подавать в онлайн-плоттер для графиков.

Было бы легко автоматизировать все это локально, например, с помощью библиотеки Google Charts. Если вы хотите видеть только результаты на экране, вы можете закомментировать эту последнюю часть, как я упоминал в файле.

РЕДАКТИРОВАТЬ

Исходный код:

/**
 * License: MIT
 * Author: Carles Alcolea, 2019
 * Usage: I recommend using an online solution like repl.it to run this code.
 * Nonetheless, having node installed, it's as easy as running `node magicTree.js`.
 *
 * The code will run `simulations` number of scenarios, each scenario is equal in settings
 * which are self-descriptive: `betAmount`,`timesWinPayout`, `spinsPerSimulation`, `startingBankRoll`
 * and `winningOdds`.
 *
 * At the end of the code there's a part that will generate a *.csv file for each simulation run.
 * This is useful for ploting the resulting data using any such service or graphing library. If you
 * wish the code to generate the files for you, just set `saveResultsCSV` to true. All files will
 * have two columns: number of spin and current bankroll.
 */

const fs = require('fs'); // Only necessary if `saveResultsCSV` is true

/**
 * ==================================
 * You can play with the numbers of the following variables all you want:
 */
const betAmount          = 0.4,   // Percentage of bankroll that is offered to the tree
      winningOdds        = 0.5,
      startingBankRoll   = 200,
      timesWinPayout     = 2,
      simulations        = 5,
      spinsPerSimulation = 20000,
      saveResultsCSV     = false;
/**
 * ==================================
 */

const simWins = [];
let currentSim = 1;

//* Each simulation:
while (currentSim <= simulations) {
  let currentBankRoll = startingBankRoll,
      spin            = 0;
  const resultsArr  = [],
        progressArr = [];

  //* Each spin/bet:
  while (currentBankRoll > 0 && spin < spinsPerSimulation) {
    if (currentBankRoll === Infinity) break; // Can't hold more cash!
    let currentBet = Math.ceil(betAmount * currentBankRoll);
    if (currentBet > currentBankRoll) break;  // Can't afford more bets... bankrupt!

    const treeDecision = Math.random() < winningOdds;
    resultsArr.push(treeDecision);
    if (treeDecision) currentBankRoll += currentBet * timesWinPayout; else currentBankRoll -= currentBet;
    progressArr.push(currentBankRoll);
    spin++;
  }

  const wins = resultsArr.filter(el => el === true).length;
  const losses = resultsArr.filter(el => el === false).length;
  const didTheBankRollHold = (resultsArr.length === spinsPerSimulation) || currentBankRoll === Infinity;

  const progressPercent = didTheBankRollHold ? `(100%)` : `(Bankrupt at aprox ${((resultsArr.length / parseFloat(spinsPerSimulation)) * 100).toPrecision(4)}% progress)`;

  // Current simulation summary
  console.log(`
  - Simulation ${currentSim}: ${progressPercent === '(100%)' ? '✔' : '✘︎'}
    Total:      ${spin} spins out of ${spinsPerSimulation} ${progressPercent}
    Wins:       ${wins} (aprox ${((wins / parseFloat(resultsArr.length)) * 100).toPrecision(4)}%)
    Losses:     ${losses} (aprox ${((losses / parseFloat(resultsArr.length)) * 100).toPrecision(4)}%)
    Bankroll:   ${currentBankRoll}
  `);

  if (didTheBankRollHold) simWins.push(1);

  /**
   * ==================================
   * Saving data?
   */
  if (saveResultsCSV) {
    let data = `spinNumber, bankRoll`;
    if (!fs.existsSync('CSVresults')) fs.mkdirSync('CSVresults');
    progressArr.forEach((el, i) => {
      data += `\n${i + 1}, ${el}`;
    });
    fs.writeFileSync(`./CSVresults/results${currentSim}.csv`, data);
  }
  /**
   * ==================================
   */

  currentSim++;
}

// Total summary
console.log(`We ran ${simulations} simulations, with the goal of ${spinsPerSimulation} spins in each one.
Our bankroll (${startingBankRoll}) has survived ${simWins.length} out of ${simulations} simulations, with ${(1 - winningOdds) * 100}% chance of winning.`);
```
Карлес Алколея
источник
1
Можете ли вы опубликовать код, который вы написали для этого, пожалуйста?
Baxx
1
Это ставки с постоянной ставкой - но ставки с фиксированной долей вашего богатства, такие как здесь каждый раз будет давать другой результат. Возможно, вам придется адаптировать это, чтобы избежать дробных монет (например, округлить в меньшую сторону, если это не дает ценность менее1монеты, в этом случае ставка1монета)1411
Генри
@baxx Конечно, я только что обновил пост. Генри, я не уверен, что понял тебя. Я могу адаптировать код для удовлетворения различных потребностей, если хотите.
Карлес Алколея
@CarlesAlcolea Я только что сказал, что было бы хорошо, если бы код, который вы использовали для поста, содержался в самом посте. Я не уверен, умрет ли ссылка на репл, которую вы разместили, в какой-то момент или нет
baxx
1
@baxx Конечно! После написания этой импровизированной программы я подумал, что мне нужно создать небольшое онлайн-приложение, чтобы можно было легко исследовать практически любую ситуацию такого рода. Я не нашел ни одного. Теперь я утонул в работе, поэтому на данный момент я оставляю код в сообщении и приложение в моем списке дел
Carles Alcolea
4

Постановка задачи

Пусть Yt=log10(Mt) - логарифм суммы денег Mt игрок имеет в момент времени t .

Пусть q будет доля денег, на которую игрок делает ставку.

Пусть Y0=1 - сумма денег, с которой игрок начинает (десять долларов). Пусть YL=2 будет сумма денег, на которой игрок обанкротится (ниже 1 цента). Для простоты мы добавляем правило, согласно которому игрок прекращает играть, когда он пропустил некоторую сумму денег YW (позже мы можем отменить это правило, приняв предел YW ).

Случайная прогулка

Вы можете увидеть рост и падение денег как асимметричную случайную прогулку. То есть вы можете описать Yt как:

Yt=Y0+i=1tXi

где

P[Xi=aw=log(1+2q)]=P[Xi=al=log(1q)]=12

Вероятность банкротства

мартингал

Выражение

Zt=cYt

это мартингейл, когда мы выбираем c таким, что.

caw+cal=2
c<1q<0.5

E[Zt+1]=E[Zt]12caw+E[Zt]12cal=E[Zt]

Вероятность обанкротиться

Yt<YLYt>YWYWYLaw

E[Zτ]τE[Z0]

таким образом

cY0=E[Z0]=E[Zτ]P[Yτ<L]cYL+(1P[Yτ<L])cYW

и

P[Yτ<YL]cY0cYWcYLcYW

YW

P[Yτ<YL]cY0YL

Выводы

Есть ли оптимальный процент вашей наличности, который вы можете предложить, не теряя всего этого?

Какой бы оптимальный процент не зависел от того, как вы оцениваете различные прибыли. Тем не менее, мы можем сказать что-то о вероятности потерять все это.

Только когда игрок ставит нулевую долю своих денег, он, безусловно, не обанкротится.

qqgambler's ruin

qgambler's ruin=11/b
cawal

b=2

шансы потерять все ваши деньги уменьшаются или увеличиваются с течением времени?

q<qgambler's ruin

Вероятность банкротства при использовании критерия Келли.

q=0.5(11/b)bbc0.10.1SL

b

Симуляторы

Yt=2

simulations

t

To further illustrate the possible outcomes of gambling with the money tree, you can model the distribution of Yt as a one dimensional diffusion process in a homogeneous force field and with an absorbing boundary (where the gambler get's bankrupt). The solution for this situation has been given by Smoluchowski

Smoluchowski, Marian V. "Über Brownsche Molekularbewegung unter Einwirkung äußerer Kräfte und deren Zusammenhang mit der verallgemeinerten Diffusionsgleichung." Annalen der Physik 353.24 (1916): 1103-1112. (online available via: https://www.physik.uni-augsburg.de/theo1/hanggi/History/BM-History.html)

Equation 8:

W(x0,x,t)=ec(xx0)2Dc2t4D2πDt[e(xx0)24Dte(x+x0)24Dt]

This diffusion equation relates to the tree problem when we set the speed c equal to the expected increase E[Yt], we set D equal to the variance of the change in a single steps Var(Xt), x0 is the initial amount of money, and t is the number of steps.

The image and code below demonstrate the equation:

  • The histogram shows the result from a simulation.

  • The dotted line shows a model when we use a naive normal distribution to approximate the distribution (this corresponds to the absence of the absorbing 'bankruptcy' barrier). This is wrong because some of the results above the bankruptcy level involve trajectories that have passed the bankruptcy level at an earlier time.

  • The continuous line is the approximation using the formula by Smoluchowski.

illustration as diffusion in force field

Codes

#
## Simulations of random walks and bankruptcy:
#

# functions to compute c
cx = function(c,x) {
  c^log(1-x,10)+c^log(1+2*x,10) - 2
}
findc = function(x) {
  r <- uniroot(cx, c(0,1-0.1^10),x=x,tol=10^-130)
  r$root
}


# settings
set.seed(1)
n <- 100000
n2 <- 1000
q <- 0.45

# repeating different betting strategies
for (q in c(0.35,0.4,0.45)) {
  # plot empty canvas
  plot(1,-1000,
       xlim=c(0,n2),ylim=c(-2,50),
       type="l",
       xlab = "time step", ylab = expression(log[10](M[t])) )

  # steps in the logarithm of the money
  steps <- c(log(1+2*q,10),log(1-q,10))

  # counter for number of bankrupts
  bank <- 0

  # computing 1000 times
  for (i in 1:1000) {
    # sampling wins or looses
    X_t <- sample(steps, n, replace = TRUE)
    # compute log of money
    Y_t <- 1+cumsum(X_t)
    # compute money
    M_t <- 10^Y_t
    # optional stopping (bankruptcy)
    tau <- min(c(n,which(-2 > Y_t)))
    if (tau<n) {
      bank <- bank+1
    }
    # plot only 100 to prevent clutter
    if (i<=100) {
      col=rgb(tau<n,0,0,0.5)
      lines(1:tau,Y_t[1:tau],col=col)
    }
  }
  text(0,45,paste0(bank, " bankruptcies out of 1000 \n", "theoretic bankruptcy rate is ", round(findc(q)^3,4)),cex=1,pos=4)
  title(paste0("betting a fraction ", round(q,2)))
}

#
## Simulation of histogram of profits/results
#

# settings
set.seed(1)
rep <- 10000  # repetitions for histogram
n   <- 5000   # time steps
q   <- 0.45    # betting fraction
b   <- 2      # betting ratio loss/profit
x0  <- 3      # starting money

# steps in the logarithm of the money
steps <- c(log(1+b*q,10),log(1-q,10))

# to prevent Moiré pattern in
# set binsize to discrete differences in results
binsize <- 2*(steps[1]-steps[2]) 

for (n in c(200,500,1000)) {

  # computing several trials
  pays <- rep(0,rep)
  for (i in 1:rep) {
    # sampling wins or looses
    X_t <- sample(steps, n, replace = TRUE)
      # you could also make steps according to a normal distribution
      # this will give a smoother histogram
      # to do this uncomment the line below
    # X_t <- rnorm(n,mean(steps),sqrt(0.25*(steps[1]-steps[2])^2))

    # compute log of money
    Y_t <- x0+cumsum(X_t)
    # compute money
    M_t <- 10^Y_t
    # optional stopping (bankruptcy)
    tau <- min(c(n,which(Y_t < 0)))
    if (tau<n) {
      Y_t[n] <- 0
      M_t[n] <- 0
    }
    pays[i] <- Y_t[n]
  }

  # histogram
  h <- hist(pays[pays>0],
            breaks = seq(0,round(2+max(pays)),binsize), 
            col=rgb(0,0,0,0.5),
            ylim=c(0,1200),
            xlab = "log(result)", ylab = "counts",
            main = "")
  title(paste0("after ", n ," steps"),line = 0)  

  # regular diffusion in a force field (shifted normal distribution)
  x <- h$mids
  mu <- x0+n*mean(steps)
  sig <- sqrt(n*0.25*(steps[1]-steps[2])^2)
  lines(x,rep*binsize*(dnorm(x,mu,sig)), lty=2)

  # diffusion using the solution by Smoluchowski
  #   which accounts for absorption
  lines(x,rep*binsize*Smoluchowski(x,x0,0.25*(steps[1]-steps[2])^2,mean(steps),n))

}
Sextus Empiricus
источник
"That is, independent from the assymetry parameter b of the magic tree, the probability to go bankrupt, when using the Kelly criterion, is equal to the ratio of the amount of money where the gambler goes bankrupt and the amount of money that the gambler starts with. For ten dollars and 1 cent this is a 1:1000 probability to go bankrupt" Im a bit surprised about this. So this means the probability to go bankrupt will be 1:1000 even if the payout is 10 times the offered money per round? How is this possible when the odds of going bankrupt decrease as your money grows?
ElectronicToothpick
1
@ElectronicToothpick If the payout is larger, and if you do not change the fraction that you gamble, then the probability to go bankrupt will be smaller. However, when you increase the fraction that you gamble, then this may not be true anymore. With the Kelly criterion, you will increase the fraction to gamble when the payout is higher. This will increase the expected value of the logarithm of the money, but as a consequence, the probability to go bankrupt will remain the same.
Sextus Empiricus
1
Actually, when the gambler is not using the Kelly criterion, which optimizes E[logMt], but instead chooses to optimize E[Mt], then the consequence is that a higher fraction of the amount of money is being gambled. Possibly this might lead to an increase in the risk of bankruptcy when the payout is made larger. I could add an analysis of this, but I am afraid that my answer is already too long and/or complex.
Sextus Empiricus