1. Teoría de la Información y la Génesis del Criterio de Kelly
En 1956, el físico de los Laboratorios Bell John Larry Kelly Jr. presentó un artículo fundamental titulado "A New Interpretation of Information Rate". Colaborando con Claude Shannon, el arquitecto de la teoría de la información, Kelly analizaba la transmisión eficiente de señales binarias a través de líneas telefónicas con ruido. Durante sus investigaciones, descubrió un sorprendente paralelismo matemático entre la velocidad de transmisión de datos a través de canales con interferencias y la tasa de crecimiento compuesto del capital de un inversor que realiza apuestas con valor esperado positivo.
Con anterioridad al trabajo de Kelly, los apostadores e inversores evaluaban las oportunidades financieras fijándose únicamente en la esperanza matemática monetaria lineal ($mathbb{E}[X]$). Sin embargo, maximizar el valor esperado lineal conduce inexorablemente a la ruina cuando se arriesga una proporción desmedida de la riqueza en decisiones consecutivas. Si un jugador arriesga el $100%$ de sus fondos en una apuesta con un $60%$ de probabilidad de acierto y pago a la par ($+20%$ de EV), su capital esperado tras una ronda es $1.20 imes B$. No obstante, la probabilidad de bancarrota inmediata ante dos fallos seguidos es del $16%$, y en una secuencia finita de apuestas, la quiebra absoluta está matemáticamente garantizada ($1 - 0.6^n o 1$).
Kelly resolvió esta paradoja al demostrar que un agente que participa en ensayos repetidos debe maximizar la esperanza matemática de la función de utilidad logarítmica de la riqueza: $mathbb{E}[ln(W_t)]$. La función logarítmica modela de forma natural la utilidad marginal decreciente del dinero y castiga con un valor infinitamente negativo la pérdida total ($lim_{W o 0} ln(W) = -infty$). Al priorizar la media geométrica en lugar de la aritmética, el Criterio de Kelly halla la fracción exacta del capital que maximiza el crecimiento compuesto a largo plazo, reduciendo a cero el riesgo de quiebra en un horizonte infinito.
2. Deducción Analítica: De Apuestas Binarias Discretas a la Difusión Continua
Deduciéremos con rigor el Criterio de Kelly tanto para el escenario discreto de apuestas individuales como para el régimen continuo de difusión estocástica.
Consideremos una apuesta donde se compromete una fracción $f$ de la banca inicial $B_0$. Con probabilidad $p$, la apuesta resulta ganadora y rinde un beneficio neto de $b$ a $1$ (alcanzando $(1 + b f) B_0$). Con probabilidad $q = 1 - p$, la apuesta fracasa y se pierde la fracción arriesgada (quedando $(1 - f) B_0$). Tras $N$ ensayos independientes con $W$ aciertos y $L$ fallos, el capital acumulado $B_N$ es:
La tasa media de crecimiento compuesto por apuesta $g(f)$ se formula como la esperanza del rendimiento logarítmico:
Para determinar la fracción óptima $f^*$ que maximiza el crecimiento $g(f)$, calculamos la primera derivada con respecto a $f$ e igualamos a cero:
Multiplicando por $(1 + b f)(1 - f)$:
Teniendo en cuenta que $p + q = 1$ y reagrupando $f(p b + q b) = f b (p + q) = b f$:
En los mercados financieros y en el poker de cash game de alto volumen, los resultados se modelan mediante procesos de difusión continua (movimiento browniano aritmético con deriva $mu$ y varianza $sigma^2$). Desarrollando la función logarítmica en serie de Taylor en torno a $f = 0$:
Tomando esperanzas matemáticas:
Derivando respecto a $f$ e igualando a cero, surge la célebre fórmula continua de Kelly:
La proporción óptima es directamente proporcional a la tasa esperada de ganancia ($mu$) e inversamente proporcional a la varianza de los resultados ($sigma^2$).
3. El Entorno de Cash Games: Distribución Normal y Crecimiento Compuesto
En el poker de cash game No-Limit Hold'em, el jugador adquiere una pila de fichas determinada (habitualmente 100 ciegas grandes) cuyo valor monetario es constante y estrictamente lineal (1 ficha = 1 euro o dólar). Dado que un profesional disputa decenas de miles de manos, el Teorema Central del Límite asegura que, en muestras amplias (10.000 a 50.000 manos), la distribución acumulada de beneficios converge hacia una normal gaussiana estándar.
Adaptando la ecuación continua $f^* = rac{mu}{sigma^2}$ a las métricas del poker cada 100 manos: sea $ ext{WR}$ el win rate en $ ext{bb/100}$ y $ ext{SD}$ la desviación estándar en $ ext{bb/100}$. La varianza por bloque es $ ext{SD}^2$. La fracción óptima asignada por bloque de 100 manos resulta ser:
Para calcular la banca requerida en cajas ($B_{ ext{cajas}}$, donde $1 ext{ caja} = 100 ext{ BB}$), invertimos la expresión. La banca óptima de Full Kelly en ciegas grandes es:
Dividiendo entre 100 ciegas por caja, obtenemos el volumen de cajas teórico:
Examinemos situaciones reales en mesas 6-max con una desviación estándar habitual de $ ext{SD} = 95 ext{ bb/100}$ ($ ext{SD}^2 = 9.025$):
1. Ganador Arrollador ($ ext{WR} = 5.0 ext{ bb/100}$): $ ext{Cajas}^* = rac{9025}{200 imes 5.0} = 9.025 ext{ cajas}$. ¡Bajo el criterio puro de Full Kelly, bastarían entre 9 y 10 cajas para maximizar el crecimiento compuesto!
2. Regular Sólido ($ ext{WR} = 2.5 ext{ bb/100}$): $ ext{Cajas}^* = rac{9025}{200 imes 2.5} = 18.05 ext{ cajas}$.
3. Ganador Ajustado ($ ext{WR} = 1.0 ext{ bb/100}$): $ ext{Cajas}^* = rac{9025}{200 imes 1.0} = 45.1 ext{ cajas}$.
¿Por qué ningún profesional opera con solo 10 o 15 cajas? Porque la volatilidad psicológica y las caídas asociadas a Full Kelly son insoportables para la estabilidad humana.
4. El Entorno de Torneos (MTT): Asimetría Extrema y Colas Pesadas
Si bien los cash games se ajustan razonablemente a los supuestos gaussianos del Criterio de Kelly continuo, los torneos multimesa (MTT) contradicen frontalmente cualquier hipótesis de normalidad estadística. En los torneos, las fichas no poseen un valor financiero lineal; su equivalencia económica real está gobernada por el Independent Chip Model (ICM), generando una acusada aversión al riesgo según se aproxima la mesa final.
Por otra parte, la distribución de premios en torneos presenta una asimetría positiva radical y colas muy densas (alta curtosis). En un torneo estándar de 1.000 participantes:
- Entre el $85%$ y el $88%$ de los jugadores caen eliminados con balance cero (pérdida íntegra de la inscripción).
- Entre el $10%$ y el $12%$ logran un cobro mínimo testimonial ($1.5 imes$ a $2.5 imes$ el buy-in), que apenas cubre los costes de entrada.
- Tan solo un escaso $0.3%$ de los inscritos alcanza las tres primeras posiciones, donde se concentra entre el $40%$ y el $60%$ de todo el fondo de premios.
Esto significa que el retorno de un competidor de torneos no sigue una campana simétrica. Representa una lotería binomial asimétrica donde el $85%$ de los intentos concluye en pérdida absoluta, compensada por premios masivos muy esporádicos. Los momentos superiores de la distribución ($S > 8.0$, $K > 50.0$) invalidan por completo la fórmula continua $f^* = mu / sigma^2$.
5. Formulación Discreta Multirresultado de Kelly para Torneos
Para evaluar la asignación de capital en torneos con rigor matemático, es indispensable abandonar la simplificación gaussiana y regresar al modelo discreto multirresultado propuesto por Kelly en 1956.
Supongamos que un torneo contempla $K$ niveles retributivos posibles. Denotemos por $p_k$ la probabilidad de alcanzar el nivel $k$, y por $r_k$ el multiplicador neto de beneficio en dicho escalón (siendo $r_0 = -1$ la eliminación fuera de cobros). Si el jugador destina una fracción $f$ de su banca a la entrada, la tasa de crecimiento compuesto por torneo es:
Donde:
- $p_0$ es la probabilidad de caer antes de premios ($p_0 approx 0.85 - 0.88$), con retorno neto $r_0 = -1$.
- $p_k$ es la probabilidad de cobrar en el peldaño $k$, con rendimiento neto $r_k = ( ext{Premio}_k - ext{Buy-In}) / ext{Buy-In}$.
Para dar con la fracción óptima de inscripción $f^*$, planteamos la derivada nula:
Desglosando el término de eliminación del resto de premios:
Esta expresión carece de solución algebraica directa y se resuelve mediante aproximaciones numéricas iterativas (como el método de Newton-Raphson). La resolución para estructuras habituales confirma una realidad matemática incontestable: la fracción óptima de Kelly para MTT es de 5 a 10 veces más reducida que en cash games con un ROI equivalente. En torneos, el Full Kelly exige de 100 a 250 cajas, mientras que la práctica fraccionada aconseja entre 250 y más de 500 cajas de cobertura.
6. Matriz Comparativa: Cash Games versus Torneos Multimesa (MTT)
Observe la contraposición detallada entre ambas modalidades:
| Propiedad Matemática | Cash Games (6-Max NLHE) | Torneos Multimesa (MTT) |
|---|---|---|
| Linealidad de Fichas | Lineal (1 Ficha = 1 Dólar) | No Lineal (Sujeto a ICM) |
| Distribución Estadística | Gaussiana Normal (por TLC) | Colas Muy Densas, Asimetría |
| Métrica de Rendimiento | bb/100 manos (rango 3 - 8) | Retorno de Inversión (15% - 35% ROI) |
| Frecuencia de Pérdida | ~45% - 48% de sesiones negativas | 85% - 88% de eliminaciones |
| Varianza por Buy-In | Baja o Moderada ($sigma^2 pprox 4 - 9$) | Extrema ($sigma^2 pprox 50 - 150$) |
| Full Kelly Teórico ($f^*$) | 10 - 25 Cajas | 100 - 200 Cajas |
| Kelly Fraccionario Sugerido | 40 - 75 Cajas (Quarter-Kelly) | 250 - 500 Cajas (Third-Kelly) |
| Duración de las Rachas | Semanas / 20k - 50k manos | Meses o Años / 1.000+ torneos |
En el cash, el capital del profesional se reconstituye mediante victorias frecuentes y moderadas que suavizan las pérdidas. Por el contrario, el competidor de torneos experimenta un goteo negativo constante a lo largo de cientos de entradas, dependiendo de victorias infrecuentes en el podio para revitalizar sus cuentas.
7. Escalabilidad según el Field: Cómo el Número de Rivales Eleva la Varianza
Un error frecuente entre jugadores de torneo es no ajustar sus exigencias de capital al volumen de participantes del evento ($N_{ ext{field}}$). En cash games, la varianza no varía en función del número de mesas abiertas en la sala. En torneos, el tamaño del field impacta directamente en la dispersión estadística.
Comparemos dos citas con idéntico buy-in de $$100$ y un ROI estimado idéntico del $25%$:
Torneo A (Field Pequeño): 100 participantes. Cobran 15. El ganador se embolsa $30 imes$ el buy-in ($$3.000$). La probabilidad de pisar la mesa final es del $9%$, y la victoria se produce una de cada 80 a 100 veces.
Torneo B (Field Masivo): 5.000 inscritos (grandes torneos dominicales). 750 cobros. El triunfador recibe $1.200 imes$ el buy-in ($$120.000$). La opción de alcanzar los tres primeros puestos desciende al $0.06%$.
En el Torneo B, la varianza por buy-in se multiplica por más de veinte respecto al Torneo A. Un profesional brillante puede disputar perfectamente 2.000 citas multitudinarias sin pisar el podio por puro azar binomial. Por ello, el dimensionamiento de Kelly debe escalar logarítmicamente con el tamaño del field:
Si 100 o 150 cajas son suficientes para eventos de 100 personas, los torneos multitudinarios de 5.000 rivales exigen de 400 a 600 cajas para operar con seguridad matemática bajo Kelly fraccionario.
8. El Coste de la Volatilidad: Full Kelly frente a Kelly Fraccionario
La pulcritud analítica de Full Kelly esconde un riesgo psicológico inmenso: oscilaciones de capital demoledoras. Aunque Full Kelly maximiza el ritmo esperado de crecimiento compuesto $mathbb{E}[ln(W)]$, trabaja en el límite mismo del sobreapalancamiento.
El análisis estadístico de apostar mediante Full Kelly demuestra tres hechos incontestables:
1. Probabilidad de Sufrir una Caída del 50%: Apostando con Full Kelly, la probabilidad exacta de que un jugador sufra una caída del $50%$ de sus fondos desde máximos antes de duplicar su banca es exactamente del $50.0%$ ($1/2$). ¡Uno de cada dos usuarios verá evaporarse la mitad de su capital!
2. Probabilidad de Sufrir una Caída del 80%: La probabilidad de atravesar un colapso del $80%$ del dinero acumulado alcanza el $20.0%$ ($1/5$).
3. Asimetría del Exceso de Apuesta: Apostar al doble del tamaño óptimo ($2.0 imes f^*$) reduce la tasa de crecimiento compuesto a cero ($g(2f^*) = 0$), garantizando la quiebra. Apostar por encima de $2f^*$ provoca un declive geométrico. En contraste, apostar por debajo es extraordinariamente seguro: jugar con $0.5 imes f^*$ garantiza el $75%$ del crecimiento máximo con tan solo un $25%$ de la varianza original.
Esta relación asimétrica ha generalizado el uso de Kelly Fraccionario:
| Estrategia de Kelly | Multiplicador | Crecimiento Logrado | Varianza Relativa | Riesgo de Caída del 50% |
|---|---|---|---|---|
| Full Kelly (Agresividad Máxima) | 1.00 x f* | 100.0% | 100.0% | 50.0% |
| Half-Kelly (Agresivo Profesional) | 0.50 x f* | 75.0% | 25.0% | 11.1% |
| Third-Kelly (Estándar Torneos MTT) | 0.33 x f* | 55.6% | 11.1% | 3.7% |
| Quarter-Kelly (Conservador Cash) | 0.25 x f* | 43.8% | 6.3% | 0.8% |
Pasar de Full Kelly a Half-Kelly conserva tres cuartas partes del crecimiento óptimo y recorta el riesgo de perder la mitad de la banca del $50%$ a un llevadero $11.1%$. En torneos, el criterio de Third-Kelly (exigiendo unas 300 cajas) disminuye la posibilidad de sufrir un recorte del $50%$ al $3.7%$.
9. Caso Práctico: Especialista de NL500 frente a Especialista de MTT $100
Para entender las diferencias en la práctica, observemos a dos jugadores con una banca inicial idéntica de $$50.000$.
Jugador A (Especialista en Cash): Juega NL500 ($$2/$5$, caja de $$500$). Win rate probado de $ ext{WR} = +4.0 ext{ bb/100}$ con $ ext{SD} = 90 ext{ bb/100}$. Dispone de 100 cajas exactas.
Según la fórmula continua, el Full Kelly requeriría $ rac{90^2}{200 imes 4.0} = 10.1 ext{ cajas}$. Jugar con 100 cajas implica que el Jugador A opera a Tenth-Kelly (0.10x). La probabilidad de que sufra un retroceso del $50%$ de sus fondos es menor al $0.01%$, disfrutando de estabilidad financiera y regularidad.
Jugador B (Especialista en Torneos): Juega torneos de buy-in medio de $$100$, acreditando un excelente ROI del $30%$ en fields de 1.500 participantes. Sus $$50.000$ representan 500 cajas.
En este entorno de colas pesadas, la varianza media por evento ronda $sigma^2 approx 110 ext{ cajas}^2$. La optimización discreta señala un Full Kelly de $f^* approx 0.006$ (unas 166 cajas). Con 500 cajas, el Jugador B opera en Third-Kelly (0.33x). A pesar de contar con cinco veces más cajas que el Jugador A (500 frente a 100), el Jugador B afronta una probabilidad del $8.5%$ de encajar una caída de 100 cajas completas en un año. Queda demostrado por qué la modalidad de torneos exige una solvencia de capital incomparablemente más profunda.
10. Reajuste Dinámico: Crecimiento Compuesto y Umbrales Escalonados
La teoría original de Kelly asume que el tamaño de las apuestas se reajusta continuamente tras cada mano: si el capital asciende a $$15.000$, la apuesta en dinero sube al instante; si desciende a $$8.000$, la apuesta se reduce.
En el poker real, las partidas se estructuran en niveles fijos (NL50, NL100, NL200, NL500, NL1000). Para aprovechar el crecimiento compuesto sin cambiar de nivel constantemente, se recomienda aplicar rangos escalonados de Ascenso y Descenso:
1. Umbral de Ascenso de Nivel: Suba al siguiente nivel cuando su saldo alcance el requerimiento de Quarter-Kelly del nivel superior (por ejemplo, 60 cajas de NL1000 = $$60.000$).
2. Umbral de Descenso Obligatorio: Baje de nivel de inmediato si sus fondos caen al umbral de seguridad de su nivel habitual (por ejemplo, 40 cajas de NL1000 = $$40.000$).
Esta metodología permite capturar los beneficios exponenciales de Kelly durante las buenas rachas y blinda la banca contra la bancarrota durante las correcciones inevitables.
11. Staking, Venta de Acción y Dilución del Riesgo
El Criterio de Kelly proporciona la base matemática para evaluar la venta de participaciones y el patrocinio en torneos. Cuando un jugador vende el $50%$ de su acción a precio de coste (sin recargo), altera notablemente su binomio de rentabilidad y riesgo.
Sea $s$ la fracción de acción conservada por el jugador ($0 < s le 1$). La varianza de los retornos propios se reduce cuadráticamente con la participación retenida: $ ext{Var}(s cdot X) = s^2 cdot sigma^2$. Al vender la mitad de la acción ($s = 0.5$), el beneficio monetario esperado se reduce al $50%$, ¡pero la varianza monetaria disminuye un espectacular $75%$ ($s^2 = 0.25$)!
Conforme a la ecuación $f^* = mu / sigma^2$, reducir la varianza a una cuarta parte permite disputar torneos con una entrada el doble de cara sin comprometer la seguridad de la banca. Vender acción actúa como una expansión sintética del capital, convirtiendo un disparo arriesgado en una asignación óptima bajo el criterio fraccionario de Kelly.
12. Hoja de Ruta Práctica: Implementación de Kelly en su Carrera
Para trasladar los principios cuantitativos de Kelly a su práctica profesional cotidiana, aplique estos cuatro puntos clave:
1. Calcule su Win Rate y Varianza Empíricos: Revise al menos 100.000 manos (cash) o 1.500 torneos (MTT) en su software de análisis para obtener sus valores precisos de $ ext{WR}$ y $ ext{SD}$.
2. Seleccione su Nivel Operativo de Kelly Fraccionario: Los jugadores de cash deben situarse entre Quarter-Kelly (0.25x) y Half-Kelly (0.50x). Los jugadores de torneos deben ceñirse a Third-Kelly (0.33x) o Quarter-Kelly (0.25x).
3. Ajuste la Banca según el Tamaño de los Fields: Si su calendario habitual incluye eventos masivos con más de 2.500 rivales, añada un $50%$ extra a sus requisitos de cajas.
4. Programe Descensos Automáticos: Defina por escrito las cifras numéricas exactas que imponen una bajada de nivel. Nunca deje que el ego interfiera con el rigor matemático del Criterio de Kelly.