Gestion du risque
Critère de Kelly : la formule, ses exemples chiffrés et ses limites en trading
La fraction de Kelly maximise la croissance à long terme du capital, mais elle suppose une connaissance parfaite de la stratégie. Formule, taux de croissance, demi-Kelly et application prudente à un robot.
Le critère de Kelly donne la fraction du capital à risquer sur chaque trade pour maximiser la croissance du capital à long terme. Pour une stratégie qui gagne avec une probabilité p un multiple b de la somme risquée et perd la somme risquée sinon, la fraction optimale vaut f* = p − (1 − p) / b. Avec 55 % de réussite et un gain de 1,5 fois le risque, f* = 0,55 − 0,45 / 1,5 = 25 %. Ce chiffre est un plafond théorique, pas une recommandation : il suppose que p et b sont connus exactement, et il produit des drawdowns que presque personne ne supporte. En trading, on utilise une fraction de Kelly, souvent la moitié ou moins, et le plus souvent bien en dessous.
La page pilier Gestion du risque cite Kelly parmi les méthodes de dimensionnement. Cette page en détaille les mathématiques, les exemples chiffrés et surtout les raisons de s’en méfier. Le calculateur de Kelly reprend les formules.
D’où vient la formule
À chaque trade, le capital est multiplié par (1 + b f) en cas de gain et par (1 − f) en cas de perte, où f est la fraction risquée. Après un grand nombre de trades, la croissance moyenne du logarithme du capital par trade vaut :
g(f) = p × ln(1 + b f) + (1 − p) × ln(1 − f)
Maximiser g revient à maximiser le capital final dans la très grande majorité des trajectoires. En dérivant et en annulant la dérivée, on obtient f* = p − (1 − p) / b, que l’on écrit aussi f* = (b p − (1 − p)) / b, c’est-à-dire l’espérance par unité risquée divisée par le gain en cas de succès.
Deux conséquences immédiates : si l’espérance est négative ou nulle, f* est négatif ou nul, et la seule mise rationnelle est de ne pas trader ; et plus l’avantage est faible par rapport à la variabilité, plus la fraction optimale est petite.
Exemple chiffré : la courbe de croissance
Reprenons p = 55 % et b = 1,5. Le taux de croissance logarithmique par trade selon la fraction risquée vaut :
| Fraction risquée f | Croissance g(f) par trade | Part de la croissance maximale |
|---|---|---|
| 5 % | 0,0167 | 37 % |
| 10 % | 0,0295 | 64 % |
| 12,5 % (demi-Kelly) | 0,0344 | 75 % |
| 25 % (Kelly) | 0,0457 | 100 % |
| 30 % | 0,0439 | 96 % |
| 40 % | 0,0286 | 63 % |
| 50 % (double Kelly) | −0,0041 | négative |
Ce tableau résume tout l’intérêt pratique du critère :
- le demi-Kelly conserve 75 % de la croissance maximale tout en divisant par deux la fraction risquée, donc en réduisant fortement les drawdowns ;
- au-delà de Kelly, on prend plus de risque pour moins de croissance ;
- à deux fois Kelly, la croissance devient négative : une stratégie gagnante en moyenne fait alors décroître le capital à long terme.
La courbe est asymétrique : se tromper par excès coûte beaucoup plus cher que se tromper par défaut. C’est l’argument central pour rester en dessous.
Le vrai problème : l’erreur d’estimation
La formule suppose p et b connus. En pratique, vous les estimez sur un backtest, avec une incertitude importante. Prenons une stratégie mesurée à p = 40 % et b = 2 : Kelly donne f* = 0,40 − 0,60 / 2 = 10 %. Supposons que le vrai taux de réussite soit 37 %, écart tout à fait plausible sur quelques centaines de trades, et que la sur-optimisation rende même probable.
| Fraction risquée | Croissance si p = 40 % | Croissance si p = 37 % |
|---|---|---|
| 2 % | 0,00357 | 0,00178 |
| 5 % | 0,00735 | 0,00295 |
| 10 % (Kelly estimé) | 0,00971 | 0,00108 |
| 15 % | 0,00743 | −0,00531 |
Avec le vrai p = 37 %, le Kelly réel n’est que de 5,5 %. Risquer les 10 % calculés sur l’estimation divise la croissance par près de trois par rapport au Kelly réel, et 15 % la rend négative. Une fraction prudente, ici 2 % à 5 %, reste correcte dans les deux scénarios. Les estimations issues d’un backtest sont presque toujours optimistes, comme l’explique la page sur la sur-optimisation : c’est une raison supplémentaire de fractionner Kelly.
Kelly en trading : ce qui change par rapport au jeu
- Les gains et pertes ne sont pas fixes. Un robot produit une distribution de résultats, pas deux valeurs. On peut appliquer la formule au gain moyen et à la perte moyenne, mais c’est une approximation ; pour une distribution quelconque, on maximise numériquement la moyenne de ln(1 + f × r_i) sur les résultats r_i exprimés en multiples du risque.
- La perte peut dépasser le risque prévu. Gaps et slippage produisent des pertes supérieures à 1R ; ignorer ce fait surestime la fraction optimale.
- Les trades ne sont pas toujours indépendants. Des séries de pertes corrélées, lors d’un changement de régime, aggravent les drawdowns par rapport à la théorie.
- Plusieurs robots tournent en même temps. Kelly appliqué séparément à des stratégies corrélées surexpose le portefeuille.
- Les conditions changent. Spread, volatilité et comportement du marché évoluent ; une fraction calculée il y a deux ans peut ne plus correspondre à la stratégie actuelle. Recalculez-la périodiquement sur les trades les plus récents, sans l’augmenter à chaque bonne série.
Calcul en Python
# kelly.py : fraction de Kelly, simple et empirique
import math
def kelly_simple(p, b):
# p : taux de réussite ; b : gain moyen / perte moyenne
return p - (1 - p) / b
def croissance(p, b, f):
# croissance logarithmique moyenne par trade pour une fraction f
return p * math.log(1 + b * f) + (1 - p) * math.log(1 - f)
def kelly_empirique(resultats_r, pas=0.001):
# resultats_r : résultats des trades en multiples de R (ex. 1.8, -1, -1.2...)
# cherche la fraction qui maximise la croissance moyenne observée
pire = min(resultats_r)
if pire >= 0:
return None # aucune perte : estimation impossible
f_max = 0.99 / -pire # le capital doit rester positif
meilleure, g_max, f = 0.0, 0.0, pas
while f < f_max:
g = sum(math.log(1 + f * r) for r in resultats_r) / len(resultats_r)
if g > g_max:
meilleure, g_max = f, g
f += pas
return meilleure
print(f"{kelly_simple(0.55, 1.5):.1%}") # 25.0%
print(f"{croissance(0.55, 1.5, 0.125):.4f}") # 0.0344 (demi-Kelly)
print(f"{kelly_simple(0.40, 2):.1%}") # 10.0%
Comment l’utiliser en pratique
- Calculez Kelly sur des estimations prudentes : taux de réussite et ratio mesurés hors échantillon, coûts réels inclus, éventuellement diminués d’une marge.
- Appliquez une fraction : le demi-Kelly est un maximum raisonnable ; beaucoup de gestionnaires utilisent un quart de Kelly ou moins.
- Confrontez le résultat à votre tolérance au drawdown. Le pourcentage final est le plus petit entre la fraction de Kelly retenue et celui qui découle de votre drawdown acceptable, selon la méthode décrite dans Risque par trade. Pour la plupart des robots, c’est la tolérance au drawdown qui l’emporte, et de loin.
- Vérifiez le risque de ruine associé avec une simulation, comme dans Risque de ruine.
Exemple complet : un robot mesuré hors échantillon à 48 % de réussite, gain moyen 1,4R, perte moyenne 1R, coûts inclus. Kelly donne 0,48 − 0,52 / 1,4 = 10,9 %. Par prudence, vous retenez un taux de 45 %, d’où 0,45 − 0,55 / 1,4 = 5,7 %, puis un quart de Kelly : environ 1,4 %. Votre drawdown acceptable de 15 %, avec une série de référence de 12 pertes et une marge de 1,5, conduit de son côté à environ 0,9 %. Vous retenez donc 0,9 % : la contrainte de drawdown l’emporte, et Kelly confirme qu’il ne faut pas aller au-delà.
Kelly sert alors surtout de garde-fou : il indique un plafond à ne jamais dépasser, et il rappelle qu’une stratégie à faible avantage ne justifie qu’une très faible exposition.
Questions fréquentes
Quelle est la formule du critère de Kelly ?
f* = p − (1 − p) / b, où p est la probabilité de gain et b le rapport entre le gain moyen et la perte moyenne. Avec p = 55 % et b = 1,5, f* = 25 % ; avec p = 40 % et b = 2, f* = 10 %.
Pourquoi utiliser un demi-Kelly ?
Parce qu’il conserve environ trois quarts de la croissance maximale en divisant la fraction par deux, et qu’il protège contre l’erreur d’estimation : si l’avantage réel est plus faible que prévu, le Kelly plein peut produire une croissance faible, voire négative.
Le critère de Kelly peut-il donner un résultat négatif ?
Oui, lorsque l’espérance de la stratégie est négative. Un résultat négatif ou nul signifie que la stratégie ne justifie aucune exposition.
Faut-il appliquer Kelly à chaque robot séparément ?
Non, si les robots sont corrélés. Additionner des fractions de Kelly calculées isolément surexpose le portefeuille. Raisonnez sur l’exposition globale et réduisez chaque fraction en conséquence.
