2015年9月19日 星期六

賭馬的最優化投注系統


MLR模型是目前為止計算賽馬機會率最強的工具,Kelly criterion則是可讓資金增長最快的公式。如何令最強勁的內功和最厲害的招式有效結合,是建立一個最優化投注系統需要走完的“最後一哩路”。而短短的路程並不容易走。

重溫Kelly criterion(凱利公式):f = (p*o-1)/(o-1),在公式裡,f是要下注的賭本比例,p是取勝的機會率,o是賠率。

如果玩簡單的擲硬幣游戲,或者賭大小,沒有懸念,把取勝機會率和賠率數據代入這條公式,即迎刃而解。但現實中,問題要複雜得多,我們更多碰到的是這兩種情況:第一種,一場賽馬有14匹馬上陣,其中有些需要下注有些不需要下注;第二種,同一時間有10場甚至20場球賽開賽,同樣其中有些需要下注有些不需下注。

對於這兩種情況,整體賭本的投入比例和各項注碼應該如何分配?有書籍教導,應該用Kelly criterion投注賠率最有利的單項;也有網上的“專家”文章強調,無論什麼情況只賭單場不買過關。這些說法全是謬誤。

實際上,上述提到的是兩種截然不同的情況,第一種是mutually exclusive outcomes of a single event,即單個事件中賽果相斥情況;第二種是simultaneous events,即多個獨立事件同時進行。想不到好的翻譯,搞得很囉唆,在這裡且稱為“單場情況”和“多場情況”吧。

從簡單的說起,考慮單場中只有3個投注選項的情況,就當作一場只有3匹馬參賽的賽馬或直接賭球賽的“主客和”吧。舉例,假如算出球賽“主”“和”“客”的機率為0.5920.2850.123,即expected odds分別為1.693.518.12倍,而真實賠率為1.873.43.4倍。如果只投注賠率最有利的單項,那麼只會投注“主”,投入本金比例為(0.592*1.87-1)/(1.87-1)=12.2%

再考慮同時投注“主”及“和”的情況,透過Dutching calculator的計算,同時投注“主”(1.87倍)及“和”(3.4倍),回報為1.2065倍,而“主”及“和”兩個選項覆蓋了0.592+0.285=0.877的機會率,故最佳投注比例為(0.877*1.2065-1)/(1.2065-1)=28%


所以這個賭局應該投入的賭本比例不是12.2%,而是28%,再按各選項的機會率和賠率差距比例配置注碼。這個結果也顛覆了之前的觀念,原來,部份機會率乘以賠率小於1(即expected odds > real odds)的情況也要下注。與只投單個選項相比,如果開出“主”,保證利潤不會減少,就算開出“和”,也不會全軍覆沒。把回報和風險作了最優化的平衡。

這僅僅是單場中只有3個投注選項的簡單情況,計算起來已經複雜得令沒有數學根底的人不容易明白。回到現實的情況,一場賽馬有多至14匹馬上陣,應該下注多少匹馬?押注每匹馬的比例怎樣算?太複雜了,要完全解釋清楚,非得把微積分搬出來不可,計算起來的複雜程度也已超出了人力範圍,只能編個程序讓CPU幫忙算了。



(此文從“舊居”搬來,原文發表於20141 11日。)

==============================================

補充於2015年9月19日:

Kelly criterion在投資或投注中的作用已無容置疑,玩轉拉斯維加斯的Edward Thorp,和把香港馬場當作提款機的William Benter,都不諱言是按Kelly criterion分配注碼的;巴菲特雖然沒有親口說自己使用Kelly criterion,但在年輕時已與其相交的Edward Thorp曾經透露,股神正是用這種思維方式來投資。

在香港,從公開的投資、賭馬和賭波討論中可見,Kelly criterion並不普及,也不流行,甚至持Kelly criterion無用論者亦不在少數。其中的原因並不難理解,對普羅大眾來說,要把Kelly criterion運用於常見的賭局中,實在太困難了。

如果每一個賭局都如賭波的“入球大細”一樣只有兩個選項,那當然好辦,直接代入公式就行了。問題是我們身邊常見的賭局大多數都要複雜得多,例如一場14隻馬,根本不可能靠撳計數機來解決問題。涉及到Simultaneous Kelly,撳爛部計數機都冇用,還是需要一定的數學和programming知識才應付得來。

這樣的差距,使得賭馬等賭局的參與者從一開始就處於不同的起跑線上,形成大鱷食細鱷,細鱷食水魚的追殺勢態,也就是贏者長贏,輸者長輸。

唔想做水魚,就一定要upgrade自己!

176 則留言:

  1. 有幸發現好BLOG,BLOG主用的係MLR即係KNOWLEDGE BASED的投注方法

    唔知BLOG主點睇呢種執行上比較簡單的RULEBASED的投注方法
    http://www.discuss.com.hk/viewthread.php?tid=25239741&extra=page%3D2

    回覆刪除
    回覆
    1. 歡迎到訪。
      池某認為衡量零和博奕方法好不好的標準很簡單,只要能保持長線盈利的就是好方法。

      刪除
  2. BLOG主能指點一下改進的地方嗎?

    回覆刪除
    回覆
    1. 1.如果能保持長線盈利,何需改進?
      2.看得出設計這個方法的人花了很多心思,也做了大量的統計,對這個方法的優劣之處定然比任何人都了解。池某又豈敢對一個自己不熟悉的方法班門弄斧?
      3.兄台提到執行上的問題,池某認為好的執行系統應該是具有一致性的,不應長途短途草地泥地沙田快活谷各自定不一樣的執行條件,當以這些條件來作統計而頻頻出現在條件邊緣擦身而過的情況時,就會信心動搖而把條件改來改去,或去想一些新附加的條件,比如晴天雨天順風逆風重磅輕磅又不一樣等等,會變得沒完沒了。

      刪除
  3. 凱利公式怎樣下載

    回覆刪除
    回覆
    1. Kelly公式在不同的情況有不同的適用形態,所以不能期待找到一個無所不能的版本。如果只是賭大細,網上search一個kelly calculator就可以了;如果要賭一場馬的獨贏或同時賭十幾場波,就要search一個multi kelly calculator;如果要賭連贏位置Q,就要自己寫program解決了。

      刪除
    2. 求救...
      池兄我看你EXCEL上的注碼是主$210, 和$70, 即為75%/25%-盈虧$113/$42, 但我用Dutching cal 計出的是64.5%/35.5%..盈虧一樣是$57.9..是我計錯嗎?

      刪除
    3. Kelly和Dutching兩者概念不一樣啦,Kelly是擇優而賭,平衡了機會率和回報率;Dutching是以平均收益為前提,用Dutching計算的盈虧當然是一樣。
      在文中這種情況,用Dutching是不適合的,因為前兩個選項未能覆蓋100%的可能,而三個選項的總賠率又小於1。

      刪除
    4. 多謝咁快回覆我..
      咁計到28%注碼之後應該用什麼方法找到75%/25%的比例呢? 謝回覆..已糾結了一個禮拜/.\

      刪除
    5. 或者咁樣理解會簡單D
      先考慮兩個單獨的最優投注比例
      第一個:(1.87/1.6896-1)/(1.87-1)=0.1227
      第一個:(3.4/3.5085-1)/(3.4-1)=-0.0129
      與兩者合併後的差距是:0.28-0.1227+0.0129=0.1702
      將差距部份平均分配於兩者:
      第一個投注比例:0.1227+0.1702/2=0.2078
      第二個投注比例:-0.0129+0.1702/2=0.0722

      刪除
    6. 謝謝池兄詳細回覆及指點!
      我在KELLY 的計算已把原來負值的歸零, 所以忽略左! 一直以為用DUTCHING平均分配!

      刪除
    7. 不用客氣。
      Multi Kelly是頗為複雜的,去到一場馬14個選項就頭都暈,連贏91個組合就更加嘔血。

      刪除
    8. 因為池兄的計法與一般人不同, 一般人見到賠率比期望值低就已經不投注, 而池兄的做法是縱使某項的期望值回報是負數, 但數字上認為仍然值得投注的是會照投

      刪除
    9. 並非池某刻意要與別不同,而是用Kelly criterion只投注賠率最有利的單項這種做法並不符合optimization theory。

      刪除
  4. 池兄,
    點解要考慮同時投注[主]及[和]的情況呢?

    照相關計算只是將正回報的盡量空間減少, 達至可買更多的機會(因包含更大機率)?
    如果正回報, 又容許我買四或五匹或六匹馬, 甘我應買幾多匹呢?
    (當然, 條件係正回報!)

    回覆刪除
    回覆
    1. 這是平衡了機會率和回報率的最優投注比例分佈,並不保證某個注碼是正回報。但如果你算出來的expected odds是有優勢的話,即使是很微弱的優勢,用這種投注方法滾動下去可以讓你的本金增長得最快。
      如果一場馬中某匹馬的錯價非常嚴重,同時買另外13匹馬對賭這匹馬的情況也是可能出現的。

      刪除
    2. 謝謝池兄賜教! 針無兩頭利!

      池兄, 真知灼見! 睇通睇透!
      如果expected odd係1匹馬有50%以上會贏, 對賭也徒然?!

      刪除
    3. 還要睇埋賠率,如果50%機會贏而賠率只得1.01倍,一樣可以對賭之。

      刪除
    4. 明白!

      池兄, 依你既經驗之見,
      香港賭馬, 錯價既彩池是否以大彩池居多?
      獨贏及位置則相對最小(因為有綠格, 啡格)?

      刪除
    5. 大彩池睇唔到賠率,好難判斷。理論上,選項越多的彩池應該越容易出現錯價,但顧鳴高的例子也說明了位置彩池錯價比獨贏彩池多,所以也不能一概而論,可以確定的是越多高手搵食的彩池,錯價越少。

      刪除
    6. 池兄,

      請問下圖中690與上圖280既注碼, 計算方式一樣嗎?

      我可否理解為將賭14隻變為賭7隻(經運算後)?

      刪除
    7. 一樣的,用kelly calculator計,這裡有現成的:
      http://www.sportsbookreview.com/betting-tools/kelly-calculator/
      如果本金好大,可能還有第八隻第九隻要下注。

      刪除
  5. 作者已經移除這則留言。

    回覆刪除
    回覆
    1. 如果78%的命中率是長期穩定的話,並不需要用到太複雜的model,只要六隻馬的賠率dutching之後在1.3倍以上,就有利可圖了。

      刪除
    2. 我就是對dutching 不是太明白

      刪除
    3. search一個dutching calculator就可以直接使用:
      http://www.oddschecker.com/betting-tools/dutching-calculator

      刪除
  6. 我太著重低賭馬匹下注,忽略唔低賭的去下注(我只參考外地莊家的fixed odds 去定低賭/不低賭)

    回覆刪除
    回覆
    1. 賭的大原則就是應該選擇抵賭的,這並沒有錯。

      刪除
  7. 剛看完池兄文章有些領憘,大細注=Dutching 方法去場埸中,是否好過只賭低賭馬

    回覆刪除
    回覆
    1. 這篇文章介紹的不是Dutching,是Kelly criterion for multiple mutually exclusive outcomes。

      刪除
  8. 池兄那個excel 是否計得精彩提供那個?

    回覆刪除
    回覆
    1. 類似。應該比計得精彩那個好一些。

      刪除
    2. 下次賽事我電郵我的馬匹評分比你參考一下

      刪除
    3. R2-5 7X 11 6X 8 12 9X
      R3-4 9 2 1 3 5 13X
      R4-3 6 1 5 8 10 2
      R5-4 1 3 2 4 5 10
      R6-4 11 10 7 8 12 4
      R7-G1 7 12 3 11 13 2
      R8-G1 1 7X 12X 2 11 5
      R9-2 7 6 2X 9 4 5
      R10-3 1 7X 13 8 9 3
      R11-3 9 3 8 4 2 13


      X not bet

      刪除
    4. can u send you e-mail to me

      刪除
    5. 如果對每場每一只馬都有準確的數值評估,可以用Monte Carlo Simulation或normal distribution把expected odds模擬出來。
      如果很肯定能保持很高的命中率,用dutching會方便些。

      刪除
    6. 個人簡介裡有池某的e-mail

      刪除
  9. 池兄,

    請問下圖中690與上圖中280既注碼, 計算方式是否一樣?

    假設是一樣,
    我可否理解為將賭14隻變為賭7隻(經運算後), 藉此提高命中機會率?
    如果設定KELLY值為0.5, 又變相將7隻既注碼及收益率減半?
    (文中計算的數值, 都不經DUTCHING!)

    回覆刪除
    回覆
    1. 用kelly calculator計,dutching在機會率總和小1的情況不適用。
      不是以提高命中機會率為目標,還要視乎賠率,計算出最優的平衡點。
      0.5個Kelly即注碼減半。

      刪除
    2. 當機會率係1, 即已包括了所有必贏既可能性?


      此外, 期望值之計算?

      池兄,
      我有一個疑問, 即係PASSION計算的取值方式?

      如果計一匹馬WIN既機率,
      情況1: 計第1/W值,
      情況2: 計1減去, 第2及其他名次的值
      情況3: 計第1/W值, 再減去, 第2及其他名次的值

      刪除
    3. 只有買晒一場14隻馬機會率才會是1,所以dutching不適用於賭馬。
      文中例子期望值是用MLR模型計出。
      兄台所說的PASSION計算池某不明白,是否指Harville Formula?

      刪除
    4. poisson:

      1: p (x=1)

      2: 1 - p (x>1)

      3: p (x=1) - p (x>1)

      刪除
    5. 用poisson賭馬不太合適吧,啱賭波多啲。

      刪除
    6. 如果3選1, 池兄認為那一個選項, 更貼實際情況?

      刪除
    7. 第一種會較容易理解些。但poisson這種方法本身就一點都不貼近賽馬的實際情況。

      刪除
    8. 池兄既期望值是以MRL計算?
      除POISSON外, 請問有那些統計方法可參考?

      刪除
    9. 池某認為目前來說MLR仍是相對較可靠的工具。

      刪除
    10. 明白了, 池兄, 唔該你! 多謝耐心回覆!

      以POISSON賭波, 依然會選擇, 選項1嗎? 除容易理解, 是否比2,3項更貼近實際情況?

      刪除
    11. 以POISSON賭波,這裡有比較詳細的介紹:
      http://poolshunter.blogspot.hk/2015/09/blog-post_13.html

      刪除
    12. 池兄,

      再睇睇下, 我又亂左思維

      [再考慮同時投注“主”及“和”的情況,透過Dutching calculator的計算,同時投注“主”(1.87倍)及“和”(3.4倍),回報為1.2065倍,而“主”及“和”兩個選項覆蓋了0.592+0.285=0.877的機會率,故最佳投注比例為(0.877*1.2065-1)/(1.2065-1)=28%。]

      上圖注碼是280 (28%)係經過DUTCHING?

      下圖注碼是690 (69%)是否經過DUTCHING?

      刪除
    13. Sorry,這篇文章表達得不夠好,引起混淆。
      這裡想表達的是綜合“主”(1.87倍)及“和”(3.4倍)的總回報為1.2065倍,當然計算工具是多樣的,只係因為Dutching calculator也是一個很方便的工具,才用了Dutching calculator。
      但注碼分佈不是Dutching的結果,如果用Dutching應該每一項盈虧都是一致的。

      刪除
    14. 感謝池兄,

      因為我比較愚昧, 所以先要問得清清楚楚.


      用上圖做個案, 假設只有三隻馬跑,
      主=1
      客=2
      和=3

      如果只投注賠率最有利的單項,那麼只會投注“1”,
      投入本金比例為(0.592*1.87-1)/(1.87-1)=12.2%。

      請問12.2% = Kelly criterion ,
      還是Simultaneous Kelly計算後的數值?


      理論上,
      我應用28%注碼, 買1+2,
      還是12.2%注碼, 只買1呢?

      刪除
    15. 12.2%是單個Kelly criterion的結果。
      28%注碼買1+2是Simultaneous Kelly的結果。
      28%的買法較優。

      刪除
    16. 明白晒! 唔該池兄!

      因我一直以為28%, 係經DUTCHING計算後而取.
      (因為必定係正數, 機會率又過1)

      刪除
    17. 不用客氣。這是一個頗為複雜的問題,很容易混淆。

      刪除
    18. 池兄,

      我計唔到280?

      如果1000, KELLY=1, 我計到~875
      主:~591
      和:~285

      刪除
    19. 可以試下用呢個
      http://www.oddschecker.com/betting-tools/dutching-calculator

      刪除
  10. 請問如何計出expected odds? 用文中機率的數值轉換? 如何自動round up/down投注銀碼呢?

    回覆刪除
    回覆
    1. expected odds部份靠各師各法了,有人有自己的計分系統,有人直接用外圍賠率,有人用MLR。
      round up部份,round到十位數就行了,即ROUND(x,-1)

      刪除
    2. expected odds 在文中的意義何在? 對計算或注碼分配有作用嗎?

      刪除
    3. expected odds是預期各選項發生的機會率,是計算一個賭局能否佔有優勢的關鍵。

      刪除
  11. 因為唔明白相關數值(期望值),在文中有甚麼計算作用? Kelly程式中無用該數值?

    回覆刪除
    回覆
    1. Kelly公式
      f=(odd*probability of winning-1)/(odd-1)
      亦即
      f=(real odd/expected odd-1)/(real odd-1)

      刪除
  12. 文中上圖, 用機率0.592, 0.285及0.123計算Muti-Kelly? 唔係用expected odd的數值計算?

    回覆刪除
  13. 您好,无意中发现这么好的BLOG,受益!本人初涉马仔,请教池兄一下,位置赔率如何估计与计算?是否用独赢机会率推算?具体于EXCEL中如何建立公式?THANKS

    回覆刪除
    回覆
    1. 歡迎到訪。
      從獨贏機會率推算位置機會率的公式是有的,如早期人們使用的Harville formula,但實際上這條公式是錯的。
      位置機會率的計算應是賽馬遊戲中最難的難題。池某嘗試過兩天發文討論一下。

      刪除
  14. 感谢您的FREEBACK!THANKS,另外在论马中发现一文,用泊松计算。我认为有些道理,版主如何看?如泊松可计算的话,位置EXPECT ODD就简单了

    回覆刪除
    回覆
    1. Possion主要用來計算足球入球機會, 用來計馬的話就輸死了

      刪除
    2. 池某認為衡量一個方法好不好的標準很簡單,就是看這個方法能否長線保持盈利。
      在競爭激烈的遊戲裡,過於粗糙的方法很難打勝仗。

      刪除
  15. 另外:Harville formula 在EXCEL中应该如何设定?我认同用独赢判断位置是有问题的,关键没更好的方程式。

    回覆刪除
    回覆
    1. Harville formula不難理解,就是運用conditional probability推算一匹馬跑第二、第三的機會率。例如,若A馬跑第一的機會率為a,B馬跑第一的機會率為b,A馬跑第一時B馬跑第二的機會率就是b/(1-a)。因為每次計算都要看先決「條件」,同一匹馬可以有13個不同的跑第二機會率,跑第三的組合就更多了,很不合理。

      刪除
  16. 用multi Kelly calculator 是否不能計place ...因為勝出率不能超100%

    回覆刪除
    回覆
    1. 將column sum改作3就計到,但池某沒有深入探討過這種做法是否有問題。

      刪除
  17. 點解 Wiki 話 Kelly = (pb-q)/b ?

    回覆刪除
    回覆
    1. 一樣啫,有幾種唔同形態,但要注意用賠率同用回報率的分別。

      刪除
    2. 期望值同機會率係點計出黎?

      刪除
    3. 期望值剛剛答過了:
      http://poolshunter.blogspot.hk/2015/09/blog-post_17.html
      機會率是期望值的倒數。

      刪除
  18. 想請教在你計算的模型裏面,如果有一些數據是空白(譬如話新騎師-他的勝出率就會是0) 請問在你的模型裏面會放什麼數字??

    回覆刪除
    回覆
    1. 將sample size太細的,例如新騎師和上陣次數少的騎師group埋一齊。

      刪除
  19. 池兄~我用左f = (p*o-1)/(o-1)公式係EXCEL..但點去控制佢的銀碼..我有時計到投資5元...7元...1元都有..我應該點去整~謝~~

    回覆刪除
    回覆
    1. 用ROUND
      不過要提醒一句,無論賭波定賭馬都唔可以直接用呢條式,要用multi kelly或者simultaneous kelly先得。

      刪除
    2. 池兄~有無網址係有關建立MLR模型的?

      刪除
    3. 哪方面的MLR?
      如果要統計知識方面,google一下有很多;如果是賭馬相關的,前文介紹那篇論文是最早期的理論基礎:
      http://www.ruthnbolton.com/Publications/Track.pdf
      如果要具體到某些factor的處理,這個blog應算是談及較多的,blog友們在留言中提了很多見解和反饋,池某亦感獲益良多。

      刪除
    4. 池兄,小弟比較愚笨,連最基本點建立mlr模型(賽馬)都未識,即使我上網搵過好多資料睇,都係一知半解,所以睇下池兄或其他師兄有無最基礎既資料比我去學習下,感謝~

      刪除
    5. 「計得精彩」介紹那個簡單易明,適合入門。

      刪除
    6. 我有尼本書既pdf,無excel,但我參考過入面的公式,但邊一個先係mlr模型呢?

      刪除
    7. multinomial logistic regression
      這部份並不需要excel

      刪除
    8. 池兄~我用以下數據..成日都係全部都係0%....可唔可以幫我睇下我錯係邊....
      值博率% 編號
      3.8639 1
      6.7618 2
      1.3990 3
      11.9325 4
      33.8088 5
      1.4235 6
      6.7618 7
      5.0713 8
      5.0713 9
      13.0873 10
      5.4094 11
      5.4094 12


      賠率 編號
      21 1
      12 2
      58 3
      6.8 4
      2.4 5
      57 6
      12 7
      16 8
      16 9
      6.2 10
      15 11
      15 12

      刪除
    9. 依家計到好多都係咁……都唔識下注 😭😭
      定係我計錯左……

      刪除
    10. 正常啦。特別係快活谷,比較多呢種情況。

      刪除
    11. 咁都好d~池兄,咁下注要點揀?

      刪除
    12. 即係搵唔到著數,呢場做觀眾囉。

      刪除
    13. 明白!等我今晚返去用kelly計埋另外幾場先……我驚場場都係0%( ̄∇ ̄)

      刪除
    14. 要以開跑時的賠率作準,啡綠格一出就唔同晒。

      刪除
    15. 池兄~我用開跑前2個鐘前的~定係要開跑前幾分鐘先最好?

      刪除
    16. 梗係全部馬匹入晒閘果下最好啦。

      刪除
    17. 我都想入閘果刻……但我係要人手打……所以都未必可以快到好似池兄咁半自動…… ( ̄∇ ̄)

      刪除
    18. 馬會XML條link可以直接匯入excel。

      刪除
    19. 馬會XML link係咩來的..唔好意思...小弟不太懂...要點先可以搵到~

      刪除
    20. http://bet.hkjc.com/racing/getXML.aspx?type=win&date=27-12-2016&venue=ST&raceno=1

      刪除
    21. 池兄,我model計算後出現的結果比較兩極...例如RO是20倍 EO是幾千倍... 但熱門馬就沒有此情況發生... 這是正常現象嗎???

      刪除
    22. 應是有些factors不太穩定,不能說是正常。

      刪除
    23. 會唔會係經two step model之後強更強弱更弱導致

      刪除
    24. two step model應有助改善這種現象,而不是加劇。

      刪除
    25. 我也不知model是否成功...有時一個賽馬日可以連中7埸...有時可能全日只中一埸. 池兄是否做到每個賽馬都正數???

      刪除
    26. 做不到每個賽日都贏,9月下旬至10月下旬輸多過贏,11月中到現在則保持每個賽日都是正數。

      刪除
  20. 池兄覺得machine learning 在赛馬預測上可取嗎?

    回覆刪除
    回覆
    1. 池某是個IT白痴,不清楚現在machine learning已發展到什麼程度,實在無法回答這條問題。
      理論上,只要方向正確,任何有助達致目標的技術都是可取的。

      刪除
    2. 請問如何處理班次問題, 是直接用馬會的評分當是分班嗎?

      刪除
    3. 兩者都可以。若想反映升降班的影響,用班次較好。

      刪除
    4. 現在升降班我夾埋獨立出一個factor代表, 班次就用評分, 跑哪一個班次才抽果個班次來做factor, 這樣正確嗎?

      刪除
    5. 不太明白條問題。班次本身應不能作為一個factor,否則同一場每隻馬這項參數會一樣。反而評分可以。

      刪除
    6. 原來不能這樣用

      意思是不是不論什麼班次, 把所有馬都用評分代表做一個factor, 馬各自的評分高低等於分了班?

      另外升降班有點不明白, "若想反映升降班的影響,用班次較好" 請問這句具體可以怎樣做?


      刪除
    7. 評分可作factor,因為評分大致代表了負磅,59分多數是重磅,41分多數是輕磅。
      要反映升降班,需要同上一仗的班次比較。

      刪除
    8. 難怪我的負磅跟評分撞了! 然則2者只能活其一, 或者要合成一下?
      升降班我是跟上一仗比, 用1或0代表, 不知正確嗎?

      刪除
    9. 是的。評分與負磅會互撞。最終都係揀負磅居多,因為40分、60分等等可以唔同班,處理起來很尷尬。
      還是那句,要識別某種特徵用什麼來表示是沒所謂的,最重要的是要一直保持一致。

      刪除
    10. 了解, 總算解開困惑, 謝謝

      另外還想問配備有成十幾樣, 但來來去去大都是用b v tt這幾個, 如果樣樣分開, 恐怕又會撞, 而且有一些配備又非常少用, generate出來會被統計軟件omit, 不知池兄如何處理配備?

      刪除
    11. 呢樣真係搞唔掂,池某冇set呢個factor。

      刪除
    12. 是阿, 我也是試來試去都還是撞到七彩.
      找一個都這麼難, 真的搲爆頭也想不明白Benter為什麼可以想到一百多個有效參數出來而又不會撞.

      刪除
    13. 哈哈。人地有成team人幫手入data,連隻馬在陣上碰撞左幾多下都有記錄。

      刪除
    14. 說的也是 哈哈
      冇計, 無奈我地普通大眾不是馬圈中人又沒有團隊, 根本很多參數連聽都未聽過, 單是逐筆資料打都打到發癲 ><

      刪除
  21. 在 http://poolshunter.blogspot.hk/2015/09/blog-post_19.html

    主客和例子中..不太明白注碼怎樣計算得出 210, 70, 0

    在 http://www.oddschecker.com/betting-tools/dutching-calculator

    selection (1) 入 1.87, (2) 3.4, (3) 3.4, total staked 280

    得出 133.33, 73.33, 73.33, 請指教!

    回覆刪除
    回覆
    1. 這個圖是multi kelly calculator,跟Dutching calculator是兩回事。
      此賭局的總賠率小於1,不能用Dutching,用Dutching只會是負回報。

      刪除
    2. 那如何計?

      不知我沒有沒理解錯, 總注碼可以用

      http://www.sportsbookreview.com/picks/tools/kelly-calculator/

      Total stake for all single bets: 28.1219%, 即是 1000 的 28%

      但每注注碼點分配? 可否指點一下? Thanks!

      刪除
    3. 分配方法已在上面留言中詳列。
      sportsbookreview這個calculator也有list各注分配。

      刪除
  22. 賭馬配合kelly criterion 的確係個optimal方法, 但對於本金小的人好似小弟就意義不大,所以小弟索性唔用

    回覆刪除
    回覆
    1. Kelly criterion只係一個輔助工具,不是必需的。用有用的好處,不用也有不用的好處。如果本身的概率估算方法已極有把握,不用Kelly也照樣能贏錢,只是用了增長速度會快一些;如果本身的概率計算沒有優勢,Kelly反而會變成一個靠害工具。

      刪除
  23. 池兄,

    小弟唔明白如何透過MRL, 利用近績轉化為機率(EO)?
    例如: 賽事馬匹未段時間很重要.

    問題: 如何分別用最近1次, 3次, 5次或8次的未段時間代入MLR模型呢?
    是否平均咗最近3次或5次後的值, 再代入MRL計算?

    回覆刪除
    回覆
    1. Model中的factors是會互為影響的,特別是相類似的factors,效果會互相抵消。同類的factors,未必可以同時放太多入model。
      至於用單次往績好還是用平均好,很視乎與model中其他factors的互動結果,需要不斷嘗試,可能每個人做出來的結果都不一樣。

      刪除
    2. 池兄,

      如根據你的經驗,

      假如: y = b1 + b2 x2 + b3 x3 = 0.88966 + 0.3365×{4} + 0.0021×{64} = 2.37006

      { }內的數值是平均, 還是單次, 相對比較準確呢?

      刪除
    3. 我們使用統計模型,就是因為經驗和主觀猜度都不可靠。
      判斷一個model是否有效要靠chi square和p-value等指標,不能靠經驗。

      刪除
    4. 池兄,

      相知Chi-square的判斷值是多少?
      0.3或以上是否足夠?

      單一factor佔0.2或以上, 是否可接受?

      刪除
    5. 如果想以單一指標判別,p-value是更好的選擇,一般來說,p-value小於0.05會被視為是顯著的標準。
      不過池某最近睇到一本書特別提醒,即使是p-value小於0.05亦有可能是「假有效」,最好是先確定了data的分佈具趨向性。

      刪除
    6. 如用ANOVA去比較FACTORS之間的顯著性, 有無實際的用途及意義?

      刪除
    7. 據池某的理解,Analysis of variance通常用於test幾組data的mean是否相同,池某未能想像到如何用於確定factors之間的顯著性。

      刪除
    8. 謝池兄幫手釋疑!

      刪除
    9. 太客氣。池某一家之言,未必是對的。

      刪除
  24. 池兄你好
    想問問 R n B 講基本MLR果篇文章, 佢條式最後仲要加個殘差值, 請問那是什麼?
    實際應用中要如何代入該數抑或不用理?

    回覆刪除
    回覆
    1. 理論上條式係有個constant,選擇不同的model就是以不同的分佈去逼近呢個constant,因為係設計好model之後以統計軟件處理,實際計算中這部份不用費神。

      刪除
    2. 原來是咁的 謝池兄
      那真的感謝軟件幫助

      刪除
  25. '同時投注“主”(1.87倍)及“和”(3.4倍),回報為1.2065倍', 請問這是如何計算出來的? 有公式嗎? 謝謝!

    回覆刪除
  26. 謝謝!
    但是我都係計唔到你上文中14匹馬個 excel 的結果
    我的計算如下:
    根據你個EXCEL,共投注7匹馬
    單獨的最優投注比例分別是:

    0.3512
    -0.0146
    -0.0222
    0.0126
    -0.0631
    0.0286
    0.0233

    合併後的回報為 1.5531
    合併後最佳投注比例為 0.6747
    合併後差距是:0.3590
    將差距部份平均分配於7匹馬:0.3590 / 7 = 0.0513
    最後比例:

    0.3512 + 0.0513 = 0.4025
    -0.0146 + 0.0513 = 0.0367
    -0.0222 + 0.0513 = 0.0291
    0.0126 + 0.0513 = 0.0639
    -0.0631 + 0.0513 = -0.0118
    0.0286 + 0.0513 = 0.0799
    0.0233 + 0.0513 = 0.0746

    回覆刪除
    回覆
    1. 寫個multi-kelly calculator吧,馬多的場合不可能這樣逐隻計。
      Blog友macaupro兄曾在後面文章的留言post過multi-kelly calculator的寫法,兄台可以找找看。

      刪除
    2. 作者已經移除這則留言。

      刪除
    3. 其實呢個係我寫O既multi-kelly calculator計出來的結果,我想問我個步驟有冇錯﹐謝謝!

      刪除
    4. 唔係咁似樣,multi-kelly calculator應能自動識別出任意一場馬需要下注馬匹的數量。
      Macaupro兄post那個是正解。

      刪除
  27. 我找不到Macaupro的POST,可以指點嗎?謝謝!

    回覆刪除
    回覆
    1. 建議揾返Macaupro兄的post,正確的方法勝過千言萬語的解釋。

      刪除
    2. 請問Macaupro兄的post在哪里可以找到,謝謝

      刪除
    3. 應該在去年底或今年初的文章,具體哪篇文章池某都唔記得了。

      刪除
    4. 應該在池兄一篇名為[和]的文章中,真的要感謝池兄及Macaupro 師兄的提供才能節省了不少編寫時間。

      刪除
    5. 原來在這裡,有勞老賭徙兄了。

      刪除
  28. 想請教我的入位率是70%,平均賠率2.11,每星期大約投注六匹,有沒有算式可計投注比例?是否3倍馬和18倍馬也用同一個投注額呢?

    回覆刪除
    回覆
    1. 這個問題答過很多次了。由「平均」推算個別馬匹的注碼比例是無法確定的,除非3倍的馬和18倍的馬機率完全一樣。這種情況一般的做法是固定某個投注比例或某個比例區間,例如5%~15%,具體比例根據信心度和賠率決定但不超出區間的上下限。注意這裡說的是投注比例,不是投注額,投注額的多少還取決於本金的增減。投注比例的計算只影響資金的增長速度,不會由輸變贏,也不會由贏變輸,如果本身是一個可長線盈利的系統,實在不必太計較投注比例的計算是否完全精確無誤,模糊正確即可,除非馬會明天就執笠則另計。

      刪除
  29. 發現高人好BLOG, 路過請教池兄, 最近自己在做一個EXCEL去計每場要投注甚麼馬?
    說實在我唔識KELLY或者DUTCHING, 都係按自己方法搞
    請教幾個疑點
    1. 是否只投注獨贏較好?
    2. 我而家係每場揀3隻馬然後投注三角位置Q, 沒有過關, 正要考慮應否過關, 但成本大幅提升. 見到池兄話投注單項, 糾結中
    3. 另池兄提及應該個MODEL適合所有賽事, 包括田谷草泥等, 我冇分得太細, 但感覺田谷係兩回事, 谷草好多時都唔適合... 係咪即係個MODEL有問題?
    感謝
    B字

    回覆刪除
    回覆
    1. 1.未必只投獨贏較好,只是池某個model專注用來計獨贏。
      2.理論上買過關並無不可,實際上很少會這樣做,因為最後賠率變化太大,不應提早買。
      3.只要sample size足夠大,應該所有賽事都會趨於穩定。

      刪除
    2. 多謝池兄回覆, 睇完池兄的文章, 我發現有一個問題, 就係冇考慮投注金額, 我全部每場都係買相同注碼, 可能要加一個值搏率去判斷投注金額, 但我未諗到點整.

      就第2點可唔可以再問, 我都發現臨開跑時經常有D馬著燈令到我投注與結果唔同, 換句話說基本上要等到開跑前1分鐘UPDATE到然後投注係最理想, 但就太過DEMANDING. 請教一下池兄高見, 如果唔考慮賠率的系統, 係咪冇乜意思...

      SAMPLE SIZE 足夠大令到結果偏差較細, 呢點我理解, 我啱啱開始, 所以慢慢儲DATA. 譬如好似今日咁, 有D冷馬跑入去, 我的計算冇計到佢地入去, 請教一下池兄, 係咪都要靠LAW OF LARGE NUMBER去淡化呢D冷門馬? 還是都有可能加入某D元素而計到佢地的出現呢?

      感謝
      B字

      刪除
    3. 1. 開跑前1分鐘落注仍不夠理想,應以最後一秒鐘為目標。如果很確定自己所揀的馬一定會贏,就唔需要考慮賠率。

      2. LAW OF LARGE NUMBER不會增加或減少馬匹的機會率,只是數量足夠大會令實際數值接近理論值的意思。統計模型一般計算不出哪一匹會是頭馬,只能計到大致的機率分佈,建立模型不必考慮冷熱問題,反而思考什麼因素會影響勝負更為重要。

      刪除
  30. 多謝池兄賜教,今晚快活谷又再試下。
    但未有能力與機會好似池兄做到手機app update加自動投注,暫以開跑前1分鐘為目標. 如果要找到30多個元素,包括考慮最後200米加速同時間等,暫時亦未有咁強勁的能力去搜集和整理龐大的數據,在各方面還要多加進步。感謝

    B字

    回覆刪除
  31. 網誌管理員已經移除這則留言。

    回覆刪除
  32. 池生,介意分享email吗?我们交流下。skyemdiavpn@gmail.com
    我是软件开发者,需要你的理念。谢谢。

    回覆刪除
  33. 池兄,有個問題真心請教,三個統計,A一年操作104場回報11.15%,B一年操作406場回報6.81%,C一年操作323場回報3.33%,請問是否應該只做A和B不做C,還是分開三個excel獨立去做?

    回覆刪除
    回覆
    1. 做excel的目的是什麼?如果是為了作記錄,點做都冇所謂啦;如果是要砌model,唔建議只盯著好的結果來做,否則會出現overfitting。

      刪除
  34. 馬會好似更新左, IMARCOS 好似用唔到,大家有冇呢個問題?

    回覆刪除
    回覆
    1. 應該係改咗投注區,唔再支援IE

      刪除
    2. 池兄,有冇計仔?因為就算有好的數學模型,但用唔到IMARCOS, 都買唔到的

      刪除
    3. 用python應該得,搵埋chatgpt幫手寫code

      刪除