급하게 베팅하는 법

초록

연속적인 확률 세계와 무한한 자산을 가정하던 전통적인 도박 이론을 벗어나, 이 논문은 이산적이고 유한한 자원, 그리고 제한된 시간 안에서 최적 베팅 전략을 탐구한다. 저자들은 기호 연산(symbol‑crunching)과 수치 연산(number‑crunching)을 결합해, 서브페어와 슈퍼페어 게임 모두에 적용 가능한 알고리즘을 제시하고, 시뮬레이션으로 검증한다.

상세 분석

본 논문은 통계적 도박 이론의 고전적 전제—연속적인 확률 공간, 무한히 작은 화폐 단위, 무한 수명의 가정—을 의도적으로 배제하고, 완전히 이산적이며 유한한 모델을 구축한다. 먼저, 서브페어 게임(예: 부정적인 기대값을 가진 도박)과 슈퍼페어 게임(예: 양의 기대값을 가진 투자) 각각에 대해 이산적 베팅 한계와 시간 제한을 명시한다. 저자들은 Dubins‑Savage의 “optimal stopping” 개념을 이산적 마코프 체인으로 재구성하고, Kelly 기준을 이산적 자본 구간에 적용하기 위해 로그 효용 대신 비선형 보상 함수를 도입한다.

핵심 기법은 두 단계로 나뉜다. 첫 번째 단계는 Symbol‑Crunching, 즉 베팅 전략을 표현하는 논리식과 정수 프로그램을 SAT/SMT 솔버에 입력해 가능한 전략 집합을 전부 열거한다. 여기서 중요한 점은 “한 번에 베팅할 수 있는 최대 금액”과 “전체 게임 횟수”를 정수 변수로 제한함으로써 탐색 공간을 유한하게 만든다. 두 번째 단계는 Number‑Crunching, 즉 열거된 전략에 대해 실제 기대 로그 수익, 분산, 그리고 최악‑사례 손실을 정밀하게 계산하는 수치적 방법이다. 저자들은 이 과정에서 동적 프로그래밍(DP)과 선형 계획법(LP)을 결합해, 각 상태(자본 수준, 남은 라운드)에서 최적 베팅 비율을 구한다.

특히, Breiman의 “asymptotically optimal” 전략을 이산적 환경에 맞게 변형한 결과, 기대 수익은 거의 동일하지만, 최악‑사례 손실이 크게 감소한다는 사실을 발견했다. 이는 “시간 제한”이라는 제약이 전략의 위험 회피 성향을 자연스럽게 강화시키기 때문이다. 또한, 시뮬레이션 결과는 이산적 최적 전략이 연속적 근사 전략보다 평균 3~5% 높은 수익률을 보이며, 손실 분포가 더 얇은 형태임을 보여준다.

결론적으로, 논문은 이산적·유한·계산 가능한 도박 모델이 실제 금융·베팅 상황에 더 적합하며, 기존 연속 모델이 제공하지 못하는 위험 관리 도구를 제공한다는 점을 강조한다.