最終更新: 2026年06月
FXトレーダーの多くが「1トレードにいくら張るべきか」を、感覚かルールで決めている。固定1%・固定2%リスク管理はその典型だ。だが、その1%や2%という数字に数学的な根拠はあるのか——正直なところ、ほとんどの場合ない。ケリー基準は、この問いに情報理論の側面から筋の通った回答を出してみせた手法だ。1956年にベル研究所のJ.L.ケリーが発表した論文を起源とし、勝率とリスクリワード比から「長期的な資産成長率を最大化する最適リスク比率」を一意に導出する。ただし、数理的な「最適」と実務的な「適切」は別物だ。この記事では、導出の数学から始めて、実務上の限界と対処法までを順に整理していく。
FXのケリー基準とは何か：資金管理計算の出発点
[直接回答] FXケリー基準とは FXのケリー基準とは、勝率(p)とRR比(b)から最適リスク比率
f* = p − (1−p)/bを求め、長期的な資産成長率を最大化する資金管理手法。ただし、フルケリーは過大リスクとなるケースが多く、実務では0.25〜0.5倍（クォーターケリー〜ハーフケリー）の適用が一般的。
ケリー基準の原典は、Kelly, J.L. Jr.（1956）"A New Interpretation of Information Rate"（Bell System Technical Journal）だ。本来は雑音のある通信チャネルでの情報伝達を論じた論文だが、ギャンブルや投資への適用可能性はすぐに認識された。
概念を端的に言えば、「1回のトレードに賭ける資金の比率を適切に選ぶことで、長期的な資産の対数成長率が最大化される」というものだ。過小投資は機会損失を生む。一方、過大投資はドローダウンによって長期成長率を削り取る。そのトレードオフを数理的に解いた——それがケリー基準の独自性だ。
一点だけ、絶対に忘れてはいけない前提がある。ケリー基準は「同一のエッジ（期待値）が将来も持続する」という仮定のもとでしか機能しない。FX市場ではレジームチェンジ・スリッページ・スプレッド変動がこの前提を継続的に崩す。数理的には美しい理論だが、使うたびにこの限界を頭に置いておく必要がある。
ケリー基準の数学的導出：なぜこの計算式になるのか
Photo by なぜ f* = p − (1−p)/b なのか。「勝つほど多く張れ、負ける確率が高ければ減らせ」というだけなら直感でも理解できる。だが数理的にはもう少し深い構造がある。
幾何成長モデル
n回のトレード後の資産 V_n は次の幾何級数で表せる。
V_n = V_0 × (1 + fb)^(np) × (1 − fa)^(nq)
f= 投入比率（0〜1）b= 勝利時の利益倍率（RR比）a= 敗北時の損失比率（多くのFX設定では a = 1 と標準化）p= 勝率、q = 1 − p
大数の法則により、n が十分大きければ勝ち回数は np 回、負け回数は nq 回に収束する。
対数効用関数の最大化
資産の幾何成長率を最大化するには、V_n^(1/n) を最大化すればよい。対数を取ると、最適化対象は次の期待対数成長率 G(f) になる。
G(f) = p·ln(1 + fb) + q·ln(1 − fa)
これをfで微分してゼロとおく。
dG/df = p·b/(1 + fb) − q·a/(1 − fa) = 0
a = 1（敗北時の損失比率を1に正規化）として整理すると、
p·b·(1 − f) = q·(1 + fb)
pb − pbf = q + qfb
pb − q = f·(pb + qb)
f* = (pb − q) / b = p − q/b = p − (1−p)/b
FX向けケリー式の導出だ。G(f) はfの凹関数であるため、この f* は大域的最大値となる。
二項賭けの一般形との対応
原典の表記では一般形として次の式が使われる。
f* = (bp − q) ÷ b
FX向け簡易形（a=1の場合）と数学的に同値だ。
【免責事項】 上記の計算式および数値例はあくまで数理モデルに基づく理論値です。実際の運用においては、市場環境の変化・スリッページ・スプレッド・流動性リスク等により、理論値通りの結果が得られる保証はありません。本記事の内容を特定の投資判断の根拠として使用することを推奨するものではありません。
FXケリー基準の実践的な適用計算：勝率とRR比から最適比率を求める
理論はわかった。では実際の数値に当てはめるとどうなるか。以下の3ケースは、FXにおける典型的なストラテジープロファイルを想定した計算例だ。
計算式の再確認
f* = p − (1 − p) ÷ RR
- p: 勝率（バックテスト上の実績値、小数表記）
- RR: リスクリワード比（平均利益 ÷ 平均損失）
数値例テーブル
| ケース | 勝率(p) | RR比(b) | フルケリー(f*) | ハーフケリー | クォーターケリー | |---|---|---|---|---|---| | 保守的戦略 | 45% | 2.0 | 17.5% | 8.75% | 4.4% | | 標準的戦略 | 55% | 1.5 | 25.0% | 12.5% | 6.3% | | 高勝率戦略 | 60% | 1.2 | 26.7% | 13.3% | 6.7% |
計算の確認（保守的戦略の場合）:
f* = (2.0 × 0.45 − 0.55) / 2.0
= (0.90 − 0.55) / 2.0
= 0.35 / 2.0
= 17.5%
見て気づくことがある。フルケリーの値は3ケースとも17〜27%の範囲に入っている。1トレードに資金の数分の一を投じるというのは、実際のポジションを想像すると想定外にアグレッシブだ。これが後述する「フルケリーの危険性」の直感的な説明になる。
エッジのない戦略への適用結果
ケリー基準は期待値がプラスの場合のみ正の f* を返す。勝率50%・RR比1.0（期待値ゼロ）の場合:
f* = 0.50 − 0.50 ÷ 1.0 = 0
きれいにゼロだ。ケリー基準は「賭けるな」という判断も出力する。さらに期待値がマイナスのケースでは f* が負になり、ショートポジション（空売り）の示唆として解釈できる場合もある。
Claudeと会話しながらインジケータが作れるHedgrow FXはこちら。バックテストで導出した勝率・RR比をそのまま入力してf*の計算と検証が行える。
フルケリーが危険な理由：期待最大ドローダウンとダブルケリーのリスク
数理的に最適なはずのフルケリーが、なぜ実務で危険なのか。答えは一つではない。
期待最大ドローダウン：フルケリーの本当のリスク
フルケリーを継続適用した場合、運用継続中のある時点で資産の大部分が失われるリスクが高いことは広く知られており、MacLean, Ziemba & Blazenko（1992）をはじめとする研究でも実務でのフルケリー直接適用の危険性が繰り返し指摘されている。「理論的に最適」という事実と「実務では使いにくい」という現実が、この一点でぶつかる。
ダブルケリーの破産リスク
フルケリーを超えた過剰投資がいかに壊滅的かを示す事例として、あるnote記事（著者: MutedGiant4126）では、ダブルケリー（最適値の2倍の比率）を適用した場合、250回のうちに資産が半分以下になる確率はほぼ100%に達するという報告がある（二次引用のため、原典での検証を推奨する）。
フルケリーの2倍が「確実に破産」に近づくということは、フルケリー自体がすでにその閾値に相当近い位置にある、ということだ。数理的に最適なf*の周辺は、わずかな過剰投資で成長率が急激に悪化する非対称なリスク構造を持っている——この非対称性こそが見落とされがちな落とし穴だと思う。
行動実験：理論値を実践できる人間は少ない
Haghani & Dewey（2016）による行動実験では、経済・金融系の大学生と若い金融専門家61名を対象にケリー基準に基づく最適ベットを実践させた。結果、最適行動を取れたのは全体の21%に過ぎなかった。
残りの79%は過大投資・過小投資・非合理的な行動パターンを示した。数式を理解していても、実際の資金を動かすプレッシャー下では最適行動からの逸脱が起きやすい——この実験はそれを端的に示している。フルケリーの数値（20〜27%程度）は、感情的なバイアスが加わると容易にオーバーシュートする。
パラメータ推定誤差の影響
実際のバックテストから算出した勝率やRR比は、将来の真の値ではなくサンプルから推定した値だ。過去の勝率 p_hat が真の勝率 p と異なれば、計算されるfも真のfからずれる。
fの推定誤差が上振れした状態でフルケリーを適用すると、真のfを超えた過剰投資になる。過剰投資領域では成長率が急速に悪化するため、推定誤差の影響は下方向に非対称となる。体感的にも、バックテストで出た数字を過信したときほど実運用で痛い目を見やすい。
ハーフケリー・フラクショナルケリーの実務的根拠
実務的な解決策として広く採用されているのが、フルケリーに一定の係数（フラクション）を掛けるフラクショナルケリーだ。
MacLean, Ziemba & Blazenko (1992)の知見
MacLean, Ziemba & Blazenko（1992）"Growth Versus Security in Dynamic Investment Analysis"（Management Science）は、フラクショナルケリーの学術的基礎となる研究だ。この研究によれば、ハーフケリー（f*/2）を適用することで、フルケリー比で約75%の成長率を維持しながらボラティリティを約50%削減できるという。
成長率を25%犠牲にすることでリスクを半減できる。このトレードオフを「許容範囲」と判断できるかどうかが、実務運用の分岐点になる。個人的には、多くのケースでこの選択は合理的だと思っている。
フラクション選択の考え方
| フラクション | 名称 | 成長率保持 | ボラティリティ | |---|---|---|---| | 1.0 × f* | フルケリー | 100% | 最大 | | 0.5 × f* | ハーフケリー | 約75% | 約50%減 | | 0.25 × f* | クォーターケリー | 約50% | 約75%減 |
フラクションの選択は、許容ドローダウンと成長目標のバランスで決まる。パラメータ推定の不確実性を考慮すると、特に運用初期はクォーターケリー（0.25倍）から始めて、推定精度が上がるにつれてハーフケリーに近づける段階的アプローチが筋が通っていると思う。
固定比率リスク管理との比較
「固定2%リスク」ルールとケリー基準の関係を整理しておく。固定2%は戦略のエッジを無視して一律に設定する方法だ。エッジの高い戦略では過小投資になり、エッジの低い（または存在しない）戦略では過大投資になる。
ケリー基準は戦略のエッジに応じてリスク量を動的に決定する点で、概念的には優れている。ただし、バックテスト上のエッジが将来持続するという保証はなく、フラクショナルケリーによるバッファ確保が事実上「固定比率への回帰」として機能することも多い——これはある意味で皮肉な話だ。
【免責事項】 フラクショナルケリーの適用は特定の投資結果を保証するものではありません。上記の成長率・ボラティリティ削減値はMacLean et al.（1992）に基づく理論値であり、実際の市場環境下での結果は異なります。
EAへの応用：オプティマルfとケリー基準の違い
MetaTrader等のEA開発でよく参照されるのが、Ralph Vinceが提案した「オプティマルf」だ。ケリー基準との混同が多いので、両者の関係をここで整理しておく。
オプティマルfの定義
オプティマルfは、過去のトレード結果から幾何平均収益（TWR: Terminal Wealth Relative）を最大化するfを数値探索で求める手法だ。
TWR = ∏[(1 + f × HPR_i)]
- HPR_i = i番目のトレードのHolding Period Return
この最大化問題は解析的に解けないため、fを0.01刻みで変化させながらTWRを計算する総当たり的なアプローチが一般的だ。
ケリー基準との本質的な差異
ケリー基準は確率分布（勝率・RR比）という統計的なパラメータを入力とする。対してオプティマルfは、個々の具体的なトレード結果の系列を入力とする。
入力の違いだけではない。オプティマルfは最悪損失トレードへの依存度が高く、外れ値1件で推奨fが大きく変動する不安定さがある。ケリー基準はパラメータの安定性という点では優れているが、二項分布を仮定しているためFXの実際の損益分布（テールが重い）との乖離が生じる。どちらも一長一短だ。
EA実装上の実践的な比較
| 項目 | ケリー基準 | オプティマルf | |---|---|---| | 入力データ | 勝率・RR比 | 個別トレードのHPR系列 | | 安定性 | 中程度 | 最悪損失に敏感 | | 計算コスト | 低（解析解） | 中（数値探索） | | 外れ値への耐性 | 高い | 低い | | フラクション適用 | 容易 | 容易 |
EA開発において筆者が合理的と考えるアプローチは、ケリー基準で初期のf*推定を行い、オプティマルfで過去トレードへの適合性を検証するという二段構えだ。両者の推定値が大きく乖離するなら、その戦略の損益分布が二項分布仮定から大きく外れているシグナルとして読み取れる。
ウォークフォワードへの組み込み
EAのウォークフォワード最適化においてケリーfを使う場合、インサンプル期間のfをアウトオブサンプル期間に適用する流れになる。このとき、インサンプルのfをそのまま使うのはやめた方がいい。0.25〜0.5倍にスケールダウンすることを強く推奨する。理由は単純だ。インサンプル最適化されたパラメータはアウトオブサンプルで過適合するのが常であり、f*の推定も例外ではないからだ。
FAQ：FXケリー基準の資金管理計算に関するよくある質問
Q: ケリー基準はどのような市場条件で機能しなくなりますか？ A: 勝率・RR比が時系列的に変動するレジームチェンジ時、スプレッドやスリッページが大きい環境、相関する連続損失が発生しやすい強トレンド転換時などで、前提となる期待値の安定性が崩れるため精度が低下する。
Q: f*が負になった場合はどう解釈すればよいですか？ A: そのストラテジーの期待値がマイナスであることを示しており、「トレードしない」または「ポジションを逆方向に取る」という数理的シグナルになる。実務的には、期待値がマイナスの戦略は改善か廃棄を検討するべき状態と判断する。
Q: 複数の戦略を同時運用する場合、ケリー基準はどう適用しますか？ A: 複数戦略の同時運用では、各戦略の相関行列を考慮した多変量ケリー基準（マルチアセット拡張）が理論的には正確だ。実務的な簡略化として、各戦略のf*を独立に計算し、合計リスク比率が許容上限を超えないよう各fをスケールダウンする方法が広く使われる。
Q: バックテストのサンプル数はどの程度あればf*の推定が信頼できますか？ A: 一般的な統計的議論では、勝率の95%信頼区間を±2〜3%程度に収めるにはトレード数200〜500件程度が必要とされる。サンプル数が少ない場合は推定誤差が大きく、クォーターケリー以下のフラクションを採用して保守的に運用することが合理的だ。
Q: ハーフケリーとクォーターケリーのどちらを選ぶべきですか？ A: 運用開始後の実績がなければクォーターケリー（0.25倍）から始めることを推奨する。許容最大ドローダウン・運用資金の規模・戦略のサンプル数・市場レジームの安定性を総合的に評価し、実績が積み上がった段階でハーフケリーへの移行を検討するのが合理的な段階的アプローチだ。
Q: 固定2%リスクとケリー基準では、どちらが優れていますか？ A: 一概に優劣はつけにくい。ケリー基準は理論的に優れているが、パラメータ推定精度・計算コスト・運用者の心理的安定という実務的要件を総合すると、固定比率ルールの単純さは合理的な代替手段となりうる。ケリー基準は「自分の戦略のf*が固定2%と大きく乖離していないか」を確認する診断ツールとして使うだけでも十分な価値がある。
Q: ケリー基準の計算をツールで自動化できますか？ A: 計算式自体はシンプルだが、戦略ごとのパラメータ管理・フラクション切り替え・ウォークフォワード期間ごとの再計算を自動化すると実務効率が上がる。Claudeと会話しながらインジケータが作れるHedgrow FXはこちら。ケリー基準の計算ロジックをEAに組み込む際の相談にも対応している。
Q: ケリー基準はFX以外の金融商品にも適用できますか？ A: 二項分布の仮定（勝ち/負けの二値）が成立する商品であれば適用可能だ。株式・先物・オプションでも実績がある。ただし、オプションのように損益が非線形になる場合は拡張版の計算が必要になり、基本式の直接適用は精度が落ちる点に注意が必要だ。
まとめ
ケリー基準は1956年の原典論文（Kelly, J.L. Jr.）以来、資金管理の数理的基礎として機能し続けている。FX向けの簡易形 f* = p − (1−p)/RR は対数効用関数の最大化から導かれ、期待値のある戦略に対して一意の最適リスク比率を与える。
結局のところ、筆者が落ち着いたのは二段階の使い方だ。まず、自分の戦略の現在のf*を把握し、実際に適用しているリスク比率との乖離を定量化する診断ツールとして使う。次に、十分なサンプル数（200件以上）が蓄積された後に、クォーターケリーからハーフケリーの範囲でポジションサイジングに反映する。
数理的な「最適」はフルケリー適用時の過大ドローダウン・パラメータ推定誤差・行動バイアスによって、実務的な「最適」から大きく乖離する。MacLean, Ziemba & Blazenko（1992, Management Science）の研究はハーフケリーが成長率の75%を保持しながらボラティリティを50%削減できることを示しており、フラクショナルケリーの合理的根拠を提供している。
一点だけ強調しておく。ケリー基準は「勝てる戦略を前提とした最適化ツール」だ。期待値のない戦略に適用しても、意味を持たない。
Claudeと会話しながらインジケータが作れるHedgrow FXはこちら。ケリー基準に基づくポジションサイジングの実装からEAへの組み込みまで、会話ベースで設計できる。
【免責事項】 本記事に記載された計算式・数値・手法はすべて教育・情報提供目的のものです。実際のFX取引において損失が生じた場合でも、筆者および本サイトは一切の責任を負いません。FX取引には元本割れのリスクがあります。投資判断は自己責任のもと、必要に応じて専門家の助言を得たうえで行ってください。
参考文献
- Kelly, J.L. Jr. (1956). "A New Interpretation of Information Rate." Bell System Technical Journal, 35(4), 917–926.
- MacLean, L.C., Ziemba, W.T., & Blazenko, G. (1992). "Growth Versus Security in Dynamic Investment Analysis." Management Science, 38(11), 1562–1585.
- Haghani, V. & Dewey, R. (2016). "Rational Decision-Making Under Uncertainty: Observed Betting Patterns on a Biased Coin."
- MutedGiant4126 (note). ダブルケリーの破産リスクに関する記事（二次引用）。
