아래조건을 만족하는 함수를 대충

프로그램 어디까지 짯었는지 까먹었다 분석에서 액션으로 가는거 찾다가 여기까지 왔구나... 결론은 10배레버리지를 풀 상황은 많이 없을 것이라는 것이고(다만 손실났을때 자산규모 줄어든만큼 포지션정리를 해야는겠죠~) 그냥 포지션수익이 매매비용을 초과한 대부분의 상황에서 풀베팅을 하는 것이 옳아 보인다. 그다음은 프로세싱함수 마저 만들기... 아이고귀찮아

어제 분산고정시키면 쌍봉이었던 것 같은데 그건 좀말이안되는거 같고 이런 도어스토퍼모양에 위에가 살짝볼록한 그런느낌이 맞는듯, 카이스퀘어드는 y축을 로그로보면 x가 dof이상으로 충분히 커지면 거의 직선이던데 그점을 고려할필요있음 어쨋든 곰곰히 생각해봤을 때 중요한건 대충 mu / sigma^2 로 베팅하면 된다는거고 선물같은경우 증거금대비 레버리지가 한 10배정도되니 mu / sigma^2 가 10 이하로 떨어지는 상황에만 유의하면 될듯하다 mu_S, sigma_S에서 mu_S는 0쪽으로 조금 떙겨주고 sigma_S는 k * mu_S 쪽으로(pdf에서 고점) 좀 땡겨주면 좋을 듯 예를들어 우리가 쁠마 0.1%정도로 흔들리는 타임프레임에서 0.01% 상승을 예측하면 1e-4 / (1e-3) ^ 2 이니까 100배(파산이슈떄문에 좀 덜 베팅 - 공식자체가 fraction * return이 절대값 1이하를 가정)까지 베팅해도 됨 또 log(1+fr)의 ...

배리언스고정되면 평균이 쌍봉인데 흠... 아마아닐듯 카이스퀘어드라이크 분포 우측꼬리가 훨씬 두꺼워져야할듯

https://www.youtube.com/watch?v=EVYe1nSZNVQ 삼국지관련 유튜버인데 깊은 지식과 새롭지만 근거있는 관점들이 재미있다 어제 쪼인트 디스트리뷰션 켈리크리테리온 등등에 대해 고민했는데 다시정리해보자 목표 : mu_sample, sigma_sample -> mu_true, sigma_true로 가는 함수의 성질을, 적절한 가정 하에 파악하며, pdf(mu, sigma | mu_sample, sigma_sample)을 weight로 E[log(1 + fR)] 가중적분한 값이 최대가 되는 f를 찾고자 하는 과정. 목표를 분리하면 mu_sample, sigma_sample -> mu_true, sigma_true로 가는 함수의 성질 추론해보기 추론한 함수의 성질을 바탕으로 최적 f를 대충 찍어볼 방법론을 찾아보기 1부터 해보자 ...

또삼천포로 빠진것같긴한데 kelly criterion 극단을 고려할 때는 결국 수학적으로는 파산하면 log기댓값이 -무한으로 가는거지만 현실에서는 사실 노동소득등을통해 다시 올려줄수 있기 때문에 내가 그 투자주체에 넣어둔돈을 다꼴아버리는 극단적인 상황이 발생했을때 현실에서 무슨일이 발생할것인가(빚이 생기는지 아니면 그냥 청산당하고 땡인지... 실제로 그런 상황이 발생하면 얼마나 많은 사람들이 돌이킬 수 없는 피해를 볼 것이며 그것이 구제받을수 있을 것인지...) 이런부분들을 고려해야하고 만약 f * R < 1 이 언제나 성립한다고 가정하면 아마 함수 모양에 관계 없이 mu / (mu^2 + sigma^2)를 쓸수 있고 실제로 오링각이 있으면 오링하고 나서 단기간내에 내가 다시 어느 레벨로 부를 금방 축적할 수 있을 것인지를 기준으로 오링을 -무한으로 잡는게 아니라 -어떤상수로 잡는 것이 좋을 것 같다. 그리고 그런 가정에 따라 파산확률0기준 켈리크리테리온 공식에서 살짝 베팅금액을 낮추는 방식으로 결정하면 될 것 같은데 이걸 쪼인트디스트리뷰션까지 고려하면서 어떻게 적용할것인가가 고민이다 너무 과하게 수학적디테일에 집착하는 것도 당연히 안좋으니 다시 처음으로 돌아가 mu_sample sigma_sample이 나왔을 때 mu_true, mu_sigma를 어떻게 대충 때려맞출 것인가를 고민해봐야겠다 내일. 청산관망 옵션은 변동성이 커지고 예측불가해진 상황을 배제하고는 여전히 안쓰지않을까 싶다. 쓰려나...