Kelly fraccionado: por qué NUNCA debes apostar el Kelly completo
La fórmula matemáticamente óptima es, en la práctica, demasiado peligrosa de usar tal cual.
Origen: un problema de teoría de la información
El Criterio de Kelly nació en 1956, cuando el científico de Bell Labs John L. Kelly Jr. publicó un artículo sobre cómo un apostador con información privilegiada (pero imperfecta) debería dimensionar sus apuestas para maximizar su crecimiento a largo plazo. No fue diseñado originalmente para apuestas deportivas — Kelly trabajaba en teoría de la información, y el problema que resolvió aplica igual de bien a inversión en bolsa, donde hoy también se usa ampliamente.
La fórmula
Kelly completo calcula el porcentaje exacto de tu banca que maximiza el crecimiento geométrico esperado a largo plazo, dado tu ventaja estimada.
Fórmula de Kelly
f* = (p·b − q) / b donde: p = tu probabilidad de ganar q = 1 − p b = ganancia neta por unidad apostada (momio decimal − 1)
El problema: es matemáticamente óptimo solo si "p" es exacta
Aquí está el punto que casi nadie explica bien: Kelly completo es óptimo ÚNICAMENTE si tu estimación de probabilidad "p" es perfectamente correcta. En la práctica, ninguna estimación humana o de modelo lo es — siempre hay error de medición, datos incompletos, o eventos que el modelo no pudo anticipar (una lesión de última hora, un cambio de clima, decisiones tácticas del entrenador).
Kelly completo es extremadamente sensible a ese error. Un estudio clásico de simulación muestra que sobrestimar tu ventaja real en solo 2-3 puntos porcentuales, aplicando Kelly completo de forma consistente, puede convertir una estrategia genuinamente rentable en una que pierde dinero a largo plazo — no por mala suerte, sino porque el tamaño de apuesta calculado ya era demasiado agresivo para el margen de error real.
La solución estándar de la industria: Kelly fraccionado
La práctica estándar entre apostadores profesionales y gestores de fondos que usan el criterio de Kelly es apostar solo una fracción del Kelly completo calculado — comúnmente entre 25% y 50%. Esto se llama "Kelly fraccionado".
Se sacrifica algo de crecimiento teórico máximo a cambio de reducir muchísimo la volatilidad y el riesgo de ruina ante errores de estimación. Matemáticamente, apostar la mitad del Kelly completo reduce la varianza de tus resultados a la mitad, pero solo reduce tu crecimiento esperado en aproximadamente un 25% — un intercambio muy favorable. Bench usa 25% de Kelly por default en todas sus recomendaciones de unidades, precisamente por este margen de seguridad.
Regla práctica para ajustar tu propia fracción
Si no estás seguro de qué tan bien calibrada está tu propia estimación de probabilidad (por ejemplo, si acabas de empezar a llevar un registro formal de tus predicciones), usa una fracción más conservadora — 10% a 15% de Kelly. Cuanto más historial real acumules validando que tus probabilidades estimadas se cumplen aproximadamente como esperabas, más te puedes acercar con seguridad al 50%. Nunca hay una buena razón, ni siquiera con mucha experiencia, para usar el 100%.
Conclusión clave
Kelly completo es la respuesta matemáticamente "correcta" a una pregunta ligeramente distinta de la que enfrentas en la vida real. Kelly fraccionado responde la pregunta real: ¿cómo crezco lo más rápido posible SIN arriesgarme a una ruina por un error de estimación que, tarde o temprano, vas a cometer?
Esta lección es del plan Avanzado
Actualizar plan