顶一个！

知识贴 顶一顶

（二）赔率的概率特征。
让我们从一个简单的游戏说起——抛硬币。
硬币有两面，抛起后正面朝上的概率P1和反面朝上的概率P2，经验告诉我们是五十五十，如果庄家为这个游戏设置赔率，理想情况下应该是正面赔率L1=2，反面赔率L2=2，概率与赔率的乘积：
P1 * L1 = P2 * L2 = 50% * 2 = 100%
这样如果有人投注的话，赢和输的机会和庄家是相等的，这个赔率在博彩理论上称为“公平赔率”（Fair Odds），它并不保证庄家的赢利，其中不包含必然的庄家利润。然而这只是理想情况。实际情况是，庄家会开出正面L1'=1.9，反面L2'=1.9的赔率，概率与赔率的乘积：
P1 * L1' = P2 * L2' = 50% * 1.9 = 95% < 100%
在这个情况下，投注者和庄家已经不处于平等的位置，这时的赔率可以保证庄家的赢利，其中包含了庄家的必然利润，也就是俗称的“佣金”或“水钱”。这种情况实际上是任何博彩游戏庄家赢利的基本模式，即对于一个投注事件，开出的受注赔率L必须满足：
P * L < 100% （P是该事件出现的概率）
这个公式，理论上使庄家立于不败之地。
其实，庄家在此存在着极大的风险。赔率L是庄家定的，但公式中另一个重要元素P，即事件发生的概率，是不能主观臆定的，对于抛硬币游戏来说，这个P是很容易从经验确定，但扩展到其他更复杂的事件，如果对于P的计算出现偏差，庄家就要冒 P*L>100% 赔本的风险！
博彩公司的赔率制定类似保险公司的保费和赔付方案一样，需要依赖严谨的概率计算，他们在这方面做的很专业。具体到足球比赛，对于赛果，他们有一套成熟的数学模型，可以在综合了各种主客观因素的情况下精确地计算出交手两队的临场实力差，并进而演算出比赛各个结果的发生概率，这个概率是前文所提的公平概率，令人叹服的是，通常情况下，这个概率相当接近投注者对赛果的投注比例！
也就是说：在这个时候，博彩公司将我们前文所述的“一是博彩公司自身对比赛判断的概率，二是大众心理投注的概率”，二者有效的融合在了一起。
当然，一个随即引伸出来的问题是，足球比赛具有相当的不确定性，另一方面投注者对于某个赛果的期望可能超出正常的理论计算值，这两个因素的存在，使博彩公司面临另一种潜在风险，而且远甚于前述的概率评估错误的风险。因此博彩公司通常会在公平赔率的基础上，为每个可能结果预留足够多的利润，以平衡这种风险。
事物总有它的两面性。庄家在承担着上述种种风险的同时，也存在着利用这几个风险点攫取暴利的可能。拿抛硬币的例子来说，如果假设由于某种影响因素，使正反面出现的概率不再相等，比如说正面60%，反面40%，而这一概率变化投注者并不知道，最后的投注比例通常还会维持五十五十。而此时站在暗处的庄家在设置接受投注的赔率时可以有两种选择，一是客观地按照游戏结果的概率变化，调整赔率，将正面赔率调低，反面赔率调高，这样仍然可以维持正常佣金收入；另一个冒险的选择是，庄家并不改变原来的赔率，以反面开出时赔本的风险来换取正面开出时的远远超出佣金的暴利。
后一种情况并非天方夜谭，正相反，它出现的频率使人对庄家之于比赛的把握不得不由衷赞叹！
要运用这种冒险求暴利的方式，取决于两个先决条件，一是庄家对于预定赛果的高度把握，二是该赛果的概率高于投注者普遍公认的概率。
因此，我们常说——博彩公司的赔率很精确，研究赔率能够很有效的解读比赛——就是这个原因。

第一部分 赔率篇
五、赔率衍生的几种数理模型。
上文说到了赔率的基本运算，以及对博彩公司的概率模型进行了探究。本部分则主要提供赔率所衍生的几种数理模型，供大家参考。 （一）比赛数据模型的构成。 由于赔率的产生，以及与博彩公司营业性质、赢利性质的挂钩，因此更多的专业人士期望通过客观、理性的方法去分析比赛的进程和结果，抛开主观的思维影响，以数理模型的方式得到答案，以期达到通过赔率最终盈利的目的。经过专业分析人士的不懈努力，各类比赛逐渐形成多种数据模型，在此我们主要介绍三种最主流的数据分析模型。 在西方，成规模的博彩业已经有了200多年的历史，涌现出了许多建立在严格的数学统计基础上竞技比赛结果的预测方法，根据我们掌握的资料，有三种权威的预测方法目前被广泛地应用于预测足球比赛的胜负平结果，有一些专家甚至声称，欧洲几乎所有的博彩公司都在这三种预测方法的基础上建立起数学模型，从而决定本公司在一场足球比赛以前开出怎样的初始赔率。 这三种被广泛应用的权威预测方法是：一、埃罗（ELO）预测法；二、进球率比较预测法；三、最近六场战绩比较预测法。 A、埃罗预测法： 埃罗预测法是美国物理学家Aroad Elo博士创立的，Elo博士最早将这套方法用于预测国际象棋的比赛结果。他在自己的《棋分高下：过去和现在》一书中对该方法作了详细说明，通过对1500场英超比赛的研究，杰奎斯·布莱克对Elo预测法进行了不懈地改进，现已经被广泛应用足球赛事中。Elo预测法的改进模型是通过研究主客场球队在比赛前的积分情况来预测胜负的，Elo预测法的预测回归方程式为：
主场球队取胜的可能性 =44．8％+（0．53％乘以两队积分差）
客场球队的获胜可能性=24．5％+（两队积分差乘以0．39％） 这两个回归方式的得出过程如下：
首先，根据数学专家的研究表明，足球比赛中主客场双方实力的发挥似乎有一个“限度”，如果用埃罗预测法中的双方的分之来表示其实力的话，那么当将主场球队的优势设定为其实力的7％，而将客场球队的优势设定为其实力的5％时，应用埃罗预测法所预测的结果与实际比赛结果最为接近；而“限度”即为7％+5％=12％。 1、比赛限度。
根据德拉普金和弗西斯的研究结果，如果比赛双方的赛前得分均为100分的话，主场球队的优势为7分，而客场球队的优势为5分，而“限度”为7+5=12分；该12分谁赢“赢家通吃”；而如果两队的比赛出现平局，则两队就各得6分。
该方法的具体应用如下（假定两队赛前分值均为100分）：
如果主场球队胜，则主场球队在赛后分值调整为105（+100-7+2），而客场球队分值调整为95（=100-5）；
如果客场球队获胜，则客场球队的赛后分值调整为107（=100-5+12），而主场球队分值调整为93（=100-7）；
如果比赛以平局告终，则主场球队的赛后分之调整为99（=100-7+6），而客场球队赛后分之调整为101（=100-5+6），而客场球队赛后分值调整为101（=100-5+6）。
也就是说，主场球队在赛前的积分超出客场球队越多，主场球队在比赛中取胜的可能性就越大。 2、积分差与主队获胜的关系。
我们根据线型回归的方式，可得知相关系数（R）显示“积分差”与“主队获胜”二者之间的相关性非常显著，相关系数经运算得出为0．42。也就是说，主场球队取胜的原因，有42％可以用主场球队和客场球队在赛前的积分差来解释。当然，主场球队取胜的原因仍然有58％需要用积分差之外的其他因素来解释。尽管如此，对1，500多场比赛（用统计学的术语来说，就是1500多个样本）进行分析，得出的0．42相关系数无论如何都表明相关性是极其显著的。
通过回归方程，还可以找出二者之间具体的数量关系，即y=0．0053x+0．448，其中，x为主客场队之间的积分差，y主场球队取胜的可能性。 3、积分差与客队获胜的关系。
和上面所说相同，赛前的积分差与客场球队获胜的可能性之间的相关系数（R）为0．45，表明两者之间显著相关。也就是说，客场球队取胜的原因有45％可以用比赛双方的赛前积分差来解释，其回归方程为（y=-0．0039x+0．2452） 上述分析表明，如果参赛双方的积分相同，客场球队取胜的可能性为24．5％；如果参赛双方积分不同，那么客场球队的积分比主场球队的积分每高一分，客场球队获胜的可能性就增加0．39％；而主场球队的赛前积分比客场球队的积分每高一分，客场球队获胜的可能性即下降0．39％，由此，我们得出了开篇时的两个预测回归方程式。 4、积分差与平局之间的关系。 埃罗积分能够得出主客胜的关系，那是否能得出平局的关系呢？经过研究，引人注目的是参赛双方的积分差与出现平局的可能性之间没有显著的相关关系。不论采用线性回归的方式，还是采用非线性回归的方式，都无法得出二者的显著相关的结论。线性回归的相关系数（R）为0．048，而采用非线性回归方式相关系数（R）也仅为0．079，从统计学上来说，这样的相关系数是没有意义的。因此，无法判断出积分差与平局出现的可能性之间的关系。虽然这里无法找出出现平局的可能性与参赛球队赛前积分差之间的关系，但这至少告诉我们，平局是随机分布并且和很难预测的。 那么博彩公司是怎么控制平局赔率所产生的赔付的呢？这个问题我们将在后文“盈亏指数”部分做专题研究。 5、埃罗概率与赔率模型概率的区别。
看了上文后，可能有朋友会说，埃罗数据得出的百分比概率是否就等同于赔率模型概率呢？这里我们要澄清一点：埃罗概率是一种静态的概率，与赔率模型概率是有显著的不同的。正如前文所说，“主场球队取胜的原因，有42％可以用主场球队和客场球队在赛前的积分差来解释。当然，主场球队取胜的原因仍然有58％需要用积分差之外的其他因素来解释。”埃罗概率显然不包含这58%的因素，而博彩公司的赔率模型概率则完全包含了这58%的因素，两者有着本质的区别。 但是，我们可以通过将埃罗概率与赔率模型概率相互对比引证，来发现博彩公司对某场比赛的看法。这种对比方法，笔者（秦俑）曾专门著有相关文章，有兴趣的朋友可以学习阅读，来提升自己对足球比赛的判断能力。

好帖呀 ！已收藏！

已收藏！

强势插入

楼主辛苦，这密密麻麻一片 眼都花了

涨姿势咯

收藏了

好长啊

涨姿势

复制粘贴的也是叼