📈 economics

To Gamble, Perchance to Grow

Diese Arbeit stellt fest, dass eine Renditetransformation genau dann ein konservativeres wachstumsoptimales Portfolio ergibt, wenn die Funktion konkav, streng monoton steigend ist und eine spezifische Konvexitätsbedingung erfüllt, wodurch die vergleichende Risikoaversion für rational inattentive Agenten charakterisiert wird.

Ursprüngliche Autoren: Mark Whitmeyer

Veröffentlicht 2026-06-18

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Mark Whitmeyer

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Ganze: Der „wachstumsoptimale“ Investor

Stellen Sie sich einen Investor vor, der das langfristige Spiel spielt. Sein einziges Ziel ist es nicht, schnell reich zu werden oder keinen einzigen Dollar zu verlieren; sein Ziel ist es, sein Vermögen über ein ganzes Leben hinweg so schnell wie möglich wachsen zu lassen. In der Welt der Wirtschaft nennt man dies einen Kelly-Investor.

Dieser Investor steht jeden Tag vor einer einfachen Wahl:

Die sichere Wette: Eine garantierte Rendite (wie ein Sparkonto).
Die riskante Wette: Ein Glücksspiel, das viel oder wenig auszahlen kann (wie eine Aktie).

Die Arbeit stellt eine spezifische Frage: Was passiert, wenn wir die Regeln des Spiels ändern, indem wir die Renditen „transformieren“?

Stellen Sie sich vor, die Renditen sind Zahlen auf einer Anzeigetafel. Der Autor fragt: Wenn wir auf jede Zahl auf dieser Anzeigetafel einen mathematischen Filter anwenden (große Zahlen kleiner machen oder kleine Zahlen größer machen), wird der Investor dann plötzlich vorsichtiger und setzt weniger Geld in das riskante Glücksspiel?

Die zentrale Entdeckung: Es geht nicht nur um „Glättung“

Die meisten Menschen denken, dass wenn wir eine riskante Auszahlungskurve „glatter“ oder „flacher“ machen (mathematisch gesehen konkav machen), der Investor von Natur aus risikoaverser wird. Denken Sie daran wie an ein Kissen unter einem Trapezkünstler; er fühlt sich sicherer, weshalb er vielleicht weniger Risiken eingeht.

Die Arbeit sagt: So schnell damit nicht.

Der Autor beweist, dass das bloße „Abfedern“ der Renditen (die Funktion konkav zu machen) nicht ausreicht, um den Kelly-Investor universell vorsichtiger zu machen. Man kann eine sehr glatte, sicher aussehende Kurve haben, und der Investor könnte sich dennoch entscheiden, mehr zu zocken.

Um zu garantieren, dass der Investor vorsichtiger wird, muss die Transformation zwei Bedingungen gleichzeitig erfüllen:

Sie muss „konkav“ sein: Sie drückt das Aufwärtspotenzial nach unten. (Das Kissen ist da).
Sie muss eine „Harmonische Krümmungsregel“ erfüllen: Dies ist der schwierige Teil. Der Autor führt eine zweite Bedingung ein, die das Verhältnis von der Rendite zur transformierten Rendite ( $r/f(r)$ ) betrifft.

Die Analogie des „Doppel-Checks“:
Stellen Sie sich vor, Sie sind ein Richter, der entscheidet, ob er einen Fahrer schneller fahren lässt.

Bedingung 1 (Konkavität): Sie prüfen, ob die Straße Schlaglöcher hat, die ihn verlangsamen könnten.
Bedingung 2 (Harmonische Krümmung): Sie prüfen, ob sich das Verhältnis zwischen dem Tempolimit und der tatsächlichen Geschwindigkeit auf eine bestimmte Weise verändert hat.

Die Arbeit argumenttiert, dass man beide Checks bestehen muss. Wenn man nur den ersten Check (Konkavität) erfüllt, könnte der Fahrer immer noch schneller fahren. Der zweite Check stellt sicher, dass der „Preis“ des Risikos in der transformierten Welt schwer genug wiegt, um den Fahrer dazu zu bringen, die Bremsen zu ziehen.

Der „Spiegeleffekt“

Die Arbeit betrachtet auch das umgekehrte Szenario: Was macht einen Investor mutiger beim Zocken?

Um einen Investor konservativer zu machen, muss die Transformation konkav sein UND das Verhältnis $r/f(r)$ muss konvex sein.
Um einen Investor aggressiver zu machen, muss die Transformation konvex sein UND das Verhältnis $r/f(r)$ muss konkav sein.

Es ist wie ein Spiegelbild. Die Mathematik erfordert ein spezifisches Gleichgewicht zwischen der Art und Weise, wie die Zahlen gestaucht werden, und wie sie sich im Verhältnis zueinander dehnen.

Praxisbeispiele aus der Arbeit

Der Autor gibt konkrete Beispiele, um zu beweisen, dass „nur konkav zu sein“ nicht ausreicht:

Die „sichere“ Transformation: Wenn Sie die Renditen mit der Funktion $f(r) = r / (1+r)$ transformieren, wird der Investor konservativer. Diese Funktion ist konkav und besteht den zweiten „harmonischen“ Test.
Die „Fallen“-Transformation: Wenn Sie $f(r) = \sqrt{r}$ (die Quadratwurzel) verwenden, ist diese zwar konkav (sie flacht die Kurve ab), aber sie fällt durch den zweiten Test. In diesem speziellen Fall wird der Investor tatsächlich weniger konservativ und setzt mehr Geld in den risikoreichen Vermögenswert, obwohl die Kurve „sicherer“ aussieht.

Die Verbindung zur „Rationalen Unaufmerksamkeit“

Die Arbeit verbindet dies auch mit einem Konzept der „Rationalen Unaufmerksamkeit“ (Rational Inattention). Stellen Sie sich vor, ein Akteur ist intelligent, hat aber eine begrenzte Aufmerksamkeitsspanne (wie ein Mensch mit einem beschäftigten Gehirn). Er muss zwischen einer sicheren Handlung und einer riskanten Handlung entscheiden, aber das Verarbeiten der Informationen über die riskante Handlung kostet „mentale Energie“.

Der Autor zeigt, dass die Mathematik für dieses „müde Gehirn“ dieselbe ist wie die für den „Wachstums-Investor“.

Wenn man die Utility (den Nutzen/das Glücksempfinden) des Akteurs transformiert, wird dieser nur dann risikoaverser, wenn die Transformation „ausreichend konkav“ ist.
Es reicht nicht aus, die Nutzenkurve nur nach unten zu biegen; sie muss stark genug nach unten gebogen werden, um die Kosten für die Aufmerksamkeit zu überwinden.

Die Überraschung der „Außenoption“

Schließlich betrachtet die Arbeit ein Szenario, in dem der Investor nach dem Glücksspiel ein „Sicherheitsnetz“ oder eine Außenoption erhält.

Das Setup: Sie investieren in einen risikoreichen Vermögenswert. Wenn dieser eine Auszahlung von 10 bringt, großartig. Wenn er 0 bringt, erhalten Sie garantiert 5 von einer externen Quelle.
Das Ergebnis: Überraschenderweise macht dieses Sicherheitsnetz den Investor bereiter, das Risiko einzugehen.
Die Analogie: Denken Sie an einen Seiltänzer. Wenn Sie ihm sagen: „Wenn du fällst, triffst du nicht den Boden, sondern landest auf einem Trampolin“, dann wird er vielleicht tatsächlich schneller auf dem Seil laufen oder gefährlichere Kunststücke machen, weil das Risiko des schlimmsten Ausgangs begrenzt ist. Die Arbeit beweist, dass das Hinzufügen einer „Außenoption“ (eines Bodens unter den schlechtesten Ergebnissen) das Glücksspiel universell fördert.

Zusammenfassung

Ziel: Herauszufinden, welche mathematischen Änderungen an den Investment-Renditen einen wachstumsorientierten Investor dazu bringen, immer vorsichtiger zu spielen.
Ergebnis: Einfach nur die Renditen „sicherer“ zu machen (konkav), reicht nicht aus. Man benötigt eine spezifische zweite Bedingung (harmonische Krümmung), um sicherzustellen, dass der Investor tatsächlich sein Risiko reduziert.
Erkenntnis: Ein „Sicherheitsnetz“ (Außenoption) macht Menschen paradoxerweise bereiter, zu zocken, nicht weniger.
Fazit: In der Welt des optimalen Wachstums kann die Intuition über „Sicherheit“ irreführend sein. Man benötigt ein präzises mathematisches Gleichgewicht, um eine Verhaltensänderung zu garantieren.

Technische Zusammenfassung: To Gamble, Perchance to Grow

Problemstellung
Diese Arbeit untersucht die Bedingungen, unter denen eine deterministische oder stochastische Transformation von Asset-Renditen ein konservativeres Anlageverhalten im Rahmen des wachstumsoptimalen (Kelly-)Portfolioproblems induziert. Konkret betrachtet der Autor einen Investor, der das erwartete Log-Wachstum maximiert und Zugang zu einem sicheren Asset (Bruttorendite $s$ ) und einem risikoreichen Asset (Bruttorendite $R$ ) hat. Die zentrale Frage lautet: Welche Transformationen $f$ des Renditeraums $(0, \infty) \to (0, \infty)$ erhöhen universell die Nachfrage nach dem sicheren Asset (und verringern im Umkehrschluss die Nachfrage nach dem risikoreichen Asset) für jede risikofreie Rendite $s$ und jede Verteilung mit endlichem Träger der risikoreichen Rendite?

Die Arbeit rahmt diese Untersuchung durch die Linse der vergleichenden Risikoaversität. Während die klassische Literatur (Pratt, 1964; Ross, 1981; Kimball, 1990) Risikoaversität über Transformationen von Nutzenfunktionen definiert, fragt diese Studie, welche Transformationen der Renditen einen Kelly-Investoren risikoaverser erscheinen lassen. Der Autor interpretiert „risikoaverser“ im Sinne der Verhaltensweise von Yaari (1969): Ein Akteur ist risikoaverser, wenn er einen geringeren Anteil am risikoreichen Asset wählt.

Methodik
Die Analyse erfolgt durch Normalisierung des Problems. Sei $Y = R/s$ die risikoreiche Rendite relativ zur risikofreien Rendite. Der Investor löst:
$\max_{\alpha \in [0,1]} E_p \log(1 + \alpha(Y - 1))$
wobei $\alpha$ der Anteil des Vermögens am risikoreichen Asset ist. Eine Transformation $f$ induziert eine neue relative Renditetransformation $T_s^f(y) = f(sy)/f(s)$ . Das transformierte Problem besteht darin, das erwartete Log-Wachstum unter $T_s^f(Y)$ zu maximieren.

Das zentrale analytische Werkzeug ist das Score-Amplifikationsverhältnis (score amplification ratio), definiert für einen Portfolianteil $\alpha$ und eine relative Rendite $y$ als:
$k_{\alpha,s}^f(y) = \frac{\gamma_\alpha(T_s^f(y))}{\gamma_\alpha(y)}$
wobei $\gamma_\alpha(y) = \frac{y-1}{1+\alpha(y-1)}$ der marginale Log-Wachstumszuwachs ist.

Der Autor stellt fest, dass universelle Monotonie der Nachfrage nach dem sicheren Asset äquivalent zu einer Single-Crossing-Eigenschaft dieses Score-Verhältnisses ist: Die Transformation muss die negativen marginalen Anreize „schlechter“ Realisierungen ( $y < 1$ ) mindestens so stark verstärken wie die positiven marginalen Anreize „guter“ Realisierungen ( $y > 1$ ). Durch die Analyse der Randpunkte des Portfolianteils ( $\alpha=0$ und $\alpha=1$ ) reduziert der Autor diese dynamische Bedingung auf statische Krümmungseigenschaften der Transformationsfunktion.

Die Methodik erweitert sich auf:

Rationale Unaufmerksamkeit (Rational Inattention): Nutzung der Äquivalenz zwischen dem Kelly-Problem und dem Problem der rationalen Unaufmerksamkeit (Robson et al., 2023), um die vergleichende Risikoaversität für Akteure mit Shannon-Informationskosten zu charakterisieren.
Stochastische Transformationen: Analyse von Familien von Transformationen, bei denen der Investor mit einer ex-post Outsider-Option konfrontiert ist (z. B. $r \vee B$ ), wobei die Transformation als eine von den Renditen unabhängige Zufallsvariable behandelt wird.

Zentrale Beiträge und Ergebnisse

1. Deterministische Charakterisierung (Theorem 3.3)
Die Arbeit liefert eine notwendige und hinreichende Bedingung für eine Transformation $f$ , die universell die Nachfrage nach dem sicheren Asset erhöht. Eine Transformation $f$ erhöht die Nachfrage nach dem sicheren Asset universell, wenn:

$f$ streng monoton steigend ist.
$f$ konkav ist.
Die Funktion $r \mapsto r/f(r)$ konvex ist.

Der Autor betont, dass gewöhnliche Konkavität nicht ausreicht. Die dritte Bedingung, bezeichnet als „zweite harmonische Krümmungsbeschränkung“, erfordert, dass die Transformation die Aufwärtsrenditen im Vergleich zu den Abwärtsrenditen ausreichend komprimiert.

Beispiel: $f(r) = r/(1+r)$ erfüllt diese Bedingungen (Nachfrage nach dem sicheren Asset steigt).
Gegenbeispiel: $f(r) = \sqrt{r}$ ist konkav, verletzt aber die Konvexität von $r/f(r)$ ; folglich erhöht es die Nachfrage nach dem risikoreichen Asset nicht universell (in einigen Fällen erhöht es sie sogar).

2. Korollar zur Rationalen Unaufmerksamkeit (Korollar 4.3)
Durch Anwendung des Haupttheorems auf den Rahmen der rationalen Unaufmerksamkeit charakterisiert die Arbeit Transformationen $\phi$ des Nutzens (Wachstumsraten), die einen Akteur risikoaverser machen. Für eine glatte Transformation $\phi$ ist der Akteur risikoaverser (wählt häufiger die sichere Option), wenn:
$\phi''(u) \leq -|\phi'(u)(1 - \phi'(u))|$
Dieses Ergebnis impliziert, dass die gewöhnliche Konkavität von $\phi$ nicht ausreicht; der neue Nutzen muss „wesentlich stärker konkav“ sein, um die Skalierungseffekte der Informationskostenstruktur zu überwinden.

3. Stochastische Transformationen und Outsider-Optionen (Theorem 5.3 & Korollare 5.4, 5.5)
Die Arbeit erweitert die Analyse auf stochastische Transformationen $F_z$ . Eine zentrale Erkenntnis ist, dass ex-post Outsider-Optionen (bei denen der Investor $\max\{r, B\}$ statt $r$ wählen kann) die Nachfrage nach dem risikoreichen Asset universell erhöhen.

Die Transformation $r \mapsto r \vee B$ erfüllt die Single-Crossing-Bedingung für die Nachfrage nach dem risikoreichen Asset.
Dies gilt sowohl für den Standard-Kelly-Investor als auch für den rational unaufmerksamen Akteur, was bedeutet, dass die Verfügbarkeit einer Outsider-Option den Akteur weniger risikoavers macht (er ist eher bereit, das risikoreiche Asset zu halten).

Bedeutung und Behauptungen
Die Arbeit beansprucht, zwischen Renditetransformationen und Nutzen-Transformationen zu unterscheiden. Während die klassische vergleichende Risikoaversität auf konkaven Transformationen des Nutzens beruht, zeigt diese Studie, dass im Kontext des wachstumsoptimalen Portfolios die Transformationen der Renditen eine spezifische duale Krümmungsbedingung (Konkavität von $f$ und Konvexität von $r/f(r)$ ) erfordern, um ein konservatives Verhalten zu induzieren.

Der Autor positioniert die Arbeit als abgrenzend zur Literatur zur Portfolio-Dominanz (die Payoff-Verteilungen verändert) und zur Standard-Portfolio-Wachstumsfragen (die nach optimalen Strategien suchen). Stattdessen isoliert die Arbeit den Effekt kardinaler Renditeskalen auf die Portfolianteile. Die Ergebnisse legen nahe, dass „risikoaverseres“ Verhalten in einem Kelly-Rahmen nicht nur eine Frage der Nutzenkrümmung ist, sondern davon abhängt, wie die Skala der Renditen selbst verzerrt wird – insbesondere ist eine Transformation erforderlich, die die ursprünglichen Renditen in den transformierten Einheiten ausreichend konvex macht.

Die Arbeit schließt mit der bescheidenen Feststellung, dass diese Ergebnisse eine präzise Charakterisierung dafür liefern, wann ein Kelly-Investor konservativer agiert, und eine neue Perspektive auf die vergleichende Risikoaversität bieten, die gegenüber allen Verteilungen mit endlichem Träger der risikoreichen Renditen robust ist.