1. 1956년 벨 연구소가 풀어낸 방정식
1956년, 벨 연구소(Bell Labs)의 엔지니어 존 켈리 주니어(John L. Kelly Jr.)는 “A New Interpretation of Information Rate”라는 제목의 논문 한 편을 발표했습니다. 원래 목적은 노이즈가 있는 통신 채널에서 정보 전송률을 최적화하는 문제를 다루는 것이었습니다. 그러나 이 논문은 곧 전혀 예상치 못한 분야에서 폭발적 반향을 일으킵니다. 바로 ‘반복 베팅에서 자본 성장을 최대화하는 최적의 투자 비율’ ― 오늘날 우리가 켈리 공식(Kelly Criterion)이라 부르는 수식이었습니다. 정보 이론의 수학이 자산 배분의 수학과 본질적으로 동일하다는 사실이 밝혀진 순간이었습니다.
켈리 공식의 기본 형태는 놀랍도록 단순합니다.
f* = (bp − q) / b
여기서 f*는 자본 중 베팅 비율, b는 배당 오즈, p는 승률, q는 패율(1−p)입니다. 이 한 줄의 수식이 워렌 버핏의 파트너 찰리 멍거와 블랙잭을 수학적으로 분석한 에드워드 소프를 비롯한 수많은 수학적 투자자들의 기본 도구가 되었습니다. 소프는 자신의 헤지펀드 Princeton-Newport Partners에서 19년 연속 수익을 기록했고, 그 기반 중 하나가 바로 켈리 공식이었습니다.
2. 왜 ‘절반 켈리(Half Kelly)’가 표준인가
이론적으로 켈리 공식은 장기적 복리 성장률(Geometric Growth Rate)을 극대화합니다. 그러나 실무에서 대부분의 전문가는 계산된 값의 50%, 이른바 Half Kelly를 사용합니다. 그 이유는 공식 자체의 수학적 허약성에 있습니다.
켈리 공식은 두 가지 강력한 전제를 요구합니다. 첫째, 승률 p를 정확히 알고 있을 것. 둘째, 결과가 독립적으로 반복될 것. 그러나 현실에서 p는 언제나 추정치일 뿐이며, 추정 오차 한 가지만으로도 최적 베팅량이 극단적으로 왜곡됩니다. 승률을 55%로 추정했지만 실제는 52%라면, Full Kelly를 따른 플레이어는 장기적으로 파산 경로를 따라갑니다. 반면 Half Kelly는 기대 성장률의 75%를 유지하면서도 분산(Variance)은 4분의 1로 줄여주는 수학적으로 최적화된 보수 전략입니다. ‘기대값이 아니라 기대값의 불확실성’까지 계산하는 것이 성숙한 엔지니어링입니다.
수학자 Dr. K가 “감이 아닌 얼마(How Much)를 계산한다”고 말한 것이 바로 이 지점입니다. 전문가와 아마추어의 차이는 ‘무엇에 걸지’가 아니라 ‘얼마를 걸지’의 정밀도에서 갈립니다.
Risk Calibration: 켈리 사용 시 점검 항목
- Edge Verification: 주장된 우위(Edge)가 통계적으로 유의한 표본에서 도출되었는가
- Variance Tolerance: 단기 분산을 견딜 수 있는 자본 구조인가
- Drawdown Modeling: 최악의 자본 하락 시나리오를 몬테카를로로 시뮬레이션했는가
- Correlation Check: 동시 진행되는 다수 포지션 간 상관관계가 0에 가까운가
- Responsible Play: BeGambleAware의 책임 게이밍 기준을 충족하는가
3. 공식이 말해주지 않는 것
켈리 공식은 “이길 수 있다”고 약속하지 않습니다. 이길 확률이 있다는 전제 하에서 ‘가장 덜 망하는 방법’을 제시할 뿐입니다. 우위(Edge)가 없는 게임에서 켈리는 0 또는 음수를 반환하며, 이는 “베팅하지 말라”는 수학의 냉정한 명령입니다. 음수 우위 상황에서 공식을 무시하고 베팅을 강행하는 것은 결정론적으로 파산을 가속화할 뿐입니다.
Chikrii Lab의 데이터 정규화 원칙은 이 대목에서 결정적 역할을 합니다. 승률 추정 자체가 왜곡되어 있다면 아무리 정교한 켈리 계산도 의미를 잃습니다. 우위를 착각하는 것이 우위가 없는 상황보다 더 위험합니다. 진짜 전략은 공식을 외우는 것이 아니라, 공식에 투입되는 확률을 얼마나 정직하게 추정하는가에서 시작됩니다.
베팅 사이징은 미적분학입니다. 그리고 미적분학은 감정을 혐오합니다.