Система Д'Аламбера: арифметическая прогрессия риска

Система Д'Аламбера основана на принципе арифметической прогрессии размера позиции, где каждый последующий шаг изменяется на фиксированную величину Δ в зависимости от результата предыдущей итерации. Формально, S(t+1) = S(t) + Δ при X(t) ≤ 0 и S(t+1) = max(S₀, S(t) - Δ) при X(t) > 0, где S₀ — базовый размер позиции, а Δ — шаг прогрессии. Математическая модель данной системы описывается случайным блужданием (Random Walk) на полуограниченной решётке с отражающим барьером в точке S₀. Стационарное распределение размера позиции S(t) зависит от вероятности успеха p и определяется через балансное уравнение π(s) · p = π(s + Δ) · (1 - p) для s > S₀. Решение этого уравнения показывает, что при p < 0.5 размер позиции имеет тенденцию к неограниченному росту, что создаёт системный риск.

Сравнение линейной (арифметической) и геометрической прогрессий выявляет принципиальные различия в динамике капитала. При арифметической прогрессии (Д'Аламбер) рост размера позиции составляет S(k) = S₀ + k·Δ после k последовательных неудач, тогда как при геометрической прогрессии (Мартингейл) — S(k) = S₀ · 2ᵏ. Отношение геометрической к арифметической прогрессии R(k) = S₀ · 2ᵏ / (S₀ + k·Δ) растёт экспоненциально при k → ∞, что демонстрирует существенно меньшую агрессивность системы Д'Аламбера. Максимальный размер позиции после серии из 10 неудач при S₀ = 1 и Δ = 1 составляет 11 для Д'Аламбера против 1024 для Мартингейла — разница в 93 раза. Данное свойство делает арифметическую прогрессию значительно более устойчивой к серийным убыткам, хотя и за счёт более медленной компенсации потерь.

Дисперсионный профиль системы Д'Аламбера характеризуется нелинейной зависимостью от длины серии и параметров модели. Полная дисперсия результата за N итераций выражается как Var(Σᵢ S(i)·X(i)), где S(i) — стохастический процесс размера позиции, коррелированный с историей исходов. В отличие от Flat Model, где Var = N·S₀²·σ², здесь возникает дополнительный член, обусловленный ковариацией между S(i) и X(i). Численное моделирование показывает, что при p = 0.48 и Δ/S₀ = 0.1 дисперсия системы Д'Аламбера превышает дисперсию Flat Model на 35-40% при N = 1000, но остаётся на порядок ниже дисперсии геометрических прогрессий. Аналитическое вычисление точного значения дисперсии требует решения системы рекуррентных уравнений, что наиболее эффективно реализуется методом производящих функций (Generating Functions).

Анализ сходимости системы Д'Аламбера к стационарному режиму проводится с использованием теории эргодических цепей Маркова. Размер позиции S(t) формирует цепь Маркова на пространстве состояний {S₀, S₀ + Δ, S₀ + 2Δ, ...}, которая является неприводимой и апериодической при 0 < p < 1. Условие эргодичности (существования стационарного распределения) выполняется тогда и только тогда, когда p > 0.5, то есть когда вероятность уменьшения позиции превышает вероятность увеличения. При p ≤ 0.5 цепь является транзиентной, и математическое ожидание размера позиции E[S(t)] → ∞ при t → ∞ со скоростью O(t·(1-2p)·Δ). Практическая значимость данного результата состоит в том, что система Д'Аламбера требует обязательного введения верхнего ограничения S_max для обеспечения стабильности в условиях неблагоприятного распределения исходов.

Сравнение системы Д'Аламбера с критерием Келли (Kelly Criterion) позволяет оценить эффективность арифметической прогрессии относительно теоретически оптимальной стратегии. Критерий Келли определяет оптимальную долю капитала f* = (p·b - q) / b, где b — коэффициент выплаты, p — вероятность успеха, q = 1 - p. Ключевое отличие заключается в том, что Келли использует пропорциональное управление (S(t) = f* · C(t), где C(t) — текущий капитал), тогда как Д'Аламбер — аддитивное. Коэффициент роста по Келли составляет G = p·ln(1 + f*·b) + q·ln(1 - f*), что является максимальным среди всех стратегий пропорционального управления. Система Д'Аламбера не максимизирует логарифмический рост, однако обеспечивает меньшую чувствительность к ошибкам в оценке параметра p, что делает её более робастной в условиях параметрической неопределённости (parameter uncertainty).