ขุดข้อมูลการเดิมพันโดยไม่หลอกตัวเอง: ทดสอบนอกตัวอย่าง
ข้อมูลมากขึ้นไม่ได้ทำให้กฎเป็นจริง ทดสอบกฎกับเดิมพันที่มันไม่เคยเห็น และนับว่าคุณลองกี่กฎ
การขุดข้อมูลสำหรับนักเดิมพันคือการร่อนราคาและผลในอดีตเพื่อหากฎที่คุ้มเดิมพัน แล้วตรวจกฎนั้นกับเดิมพันที่มันไม่เคยเห็น บทความของ Pinnacle อธิบายแบบจำลองการเดิมพันว่าเป็นระบบที่ระบุจุดอ้างอิงที่ไม่ลำเอียงเพื่อกำหนดความน่าจะเป็นของทุกผลลัพธ์ แล้วบอกว่าต้องทดสอบและดูแลรักษา กับดักอยู่ที่ปริมาณ: ทดสอบกฎมากพอ กฎที่ดีที่สุดจะดูเหมือนความได้เปรียบ สมมติกฎ 250 กฎที่ไม่มีความได้เปรียบ ทดสอบแต่ละกฎบน 200 เดิมพันอิสระของตัวเองที่อัตราต่อรอง 2.00 เงินเดิมพันคงที่ กฎที่ดีที่สุดได้เฉลี่ย +19.87% ต่อเดิมพัน (สมมติ) หน้านี้ครอบคลุมข้อมูล ตัวแปร กับดักนั้น และสิ่งที่บันทึกเดิมพันให้คุณทดสอบได้บนเอ็กซ์เชนจ์สำหรับการเดิมพันอย่าง Orbit Exchange
ข้อมูลมาจากไหน
บทความของ Pinnacle เรื่องการสร้างแบบจำลองการเดิมพันให้สองวิธีเก็บข้อมูล: “by yourself, or by using other published data online” ขอบเขตเป็นการตัดสินใจ บทความเดียวกันถามว่า “should you consider all matches or just their league games?” และตอบว่าการเลือก “determined by what your aim is” ดังนั้นเป้าหมายมาก่อน สเปรดชีตมาทีหลัง
หน้าจอของโบรกเกอร์เอง เช่น ใบแจ้งยอด การวิเคราะห์ และแผนภูมิประวัติราคา ต่างกันไปในแต่ละโบรกเกอร์ หน้าเครื่องมือของโบรกเกอร์ครอบคลุมสิ่งที่แต่ละแห่งวางบนหน้าจอ จึงไม่ซ้ำที่นี่ อินเทอร์เฟซของ Orbit มีหน้าจอ “Account Statement” และหน้าจอ “Betting Profit & Loss”
มีเงื่อนไขหนึ่งที่ควรอยู่ข้างทุกการพูดถึงข้อมูล ข้อกำหนดของ MadMarket และของ BetInAsia แต่ละฉบับห้ามผู้ใช้ใช้ “any robot, spider or other automated mechanism” เพื่อดึงหรือทำดัชนีข้อมูลจากบริการ
ตัวแปรไหน และทำไม
น้อยตัว อธิบายได้ และตรวจว่าข้อมูลเปลี่ยนไปตามเวลา
บทความของ Pinnacle วางวงจรไว้ อ่านเป็นวงจร ไม่ใช่สูตรตายตัว ขั้นตอน:
- ตั้งเป้าหมาย เพราะ “Without an aim you could be overwhelmed with numbers”
- เก็บข้อมูล ด้วยตัวเองหรือจากข้อมูลอื่นที่เผยแพร่ออนไลน์
- เลือกรูปแบบของแบบจำลอง คำแนะนำของบทความ: “Our recommendation is not to overcomplicate.”
- ระบุสมมติฐานและข้อจำกัด ตัวอย่างเช่น “averages and standard deviations assume events are normally distributed” ซึ่งต้องทดสอบ
- ทดสอบว่าไวต่อผลลัพธ์เพียงใด และดูแลต่อเมื่อเวลาผ่านไป เพราะ “it needs to be maintained as time progresses”
ตัวแปรไหนเข้าไปเป็นการตัดสินใจของคุณ บทความของ AsianConnect เรื่องการวิเคราะห์ด้วย AI ระบุข้อมูลที่เครื่องมือแบบนั้นประมวลผลได้: ผลในอดีต สถิติผู้เล่น แนวโน้มของทีม สถิติเหย้าและเยือน อาการบาดเจ็บ การครองบอล การเปลี่ยนโอกาสเป็นประตู และการเคลื่อนไหวของตลาด อีกบทความของ AsianConnect บอกว่า “Possession measures only one thing” ตัวเลขในรายการจึงวัดได้น้อยกว่าที่ชื่อบอก
MadMarket เสนอเครื่องคำนวณ Poisson เป็นตัวอย่างของแบบจำลองที่ป้อนด้วยมือ คุณใส่ค่าคาดหวัง เช่น จำนวนประตูในฟุตบอล และมันคืนสกอร์ที่น่าจะเป็นที่สุดสิบสกอร์ เรียงจากความน่าจะเป็นสูงสุดไปต่ำสุด มันแสดงว่าแบบจำลองง่ายๆ ต้องการน้อยเพียงใด และมากเพียงใดที่ขึ้นกับตัวเลขที่คุณพิมพ์
ข้อมูลก็เก่าได้ AsianConnect เขียนถึงอีสปอร์ตว่าการอัปเดตเกมทำให้ผลก่อนหน้า “less predictive” และข้อมูลในอดีตควรรวมกับผลงานล่าสุดภายใต้เวอร์ชันปัจจุบัน อีกบทความของ AsianConnect บอกว่าไม่กี่แมตช์แรกของฤดูกาลเป็นตัวอย่างเล็ก สองตัวแปรที่อธิบายได้ดีกว่าสิบสองตัวแปรที่อธิบายไม่ได้ เพราะสิบสองตัวคือสิบสองที่ที่ประวัติจะเยินยอกฎได้ และแบบจำลองที่ย้อนจากผลลัพธ์ไปถึงข้อมูลนำเข้าไม่ได้ คือแบบจำลองที่ซ่อมไม่ได้เมื่อมันหยุดทำงาน
กับดักกฎที่ดีที่สุด
ทำไมผู้ชนะของการประกวดกฎมักเป็นโชค
ลองกฎมากพอ แล้วหนึ่งในนั้นจะดูยอดเยี่ยม อันไหนคือคำถามที่ประวัติตอบไม่ได้
นิยามง่ายๆ ในถ้อยคำของเว็บไซต์ การทดสอบ “บนประวัติ” คือการรันกฎกับเดิมพันที่เล่นไปแล้ว นอกตัวอย่างคือการรันกับเดิมพันที่กฎไม่เคยเห็น Overfitting คือการเลือกกฎเพราะมันทำได้ดีบนประวัติ ความเสี่ยงคือจำนวนกฎที่คุณลอง จึงต้องนับ และเก็บกฎที่แพ้ไว้ในบันทึก
สมมติ ทดสอบแต่ละกฎบน 200 เดิมพันอิสระของตัวเองที่อัตราต่อรอง 2.00 (โอกาสชนะ 50%) เงินเดิมพันคงที่ ไม่มีความได้เปรียบ แท่งคือมูลค่าคาดหวังที่แน่นอนของผลที่ดีที่สุดในบรรดา N กฎ
แสดงตารางข้อมูล
| กฎที่ทดสอบ | ผลตอบแทนเฉลี่ยต่อเดิมพันที่ดีที่สุด |
|---|---|
| 1 กฎ | 0.00% |
| 10 กฎ | +10.87% |
| 50 กฎ | +15.87% |
| 250 กฎ | +19.87% |
สิบกฎ ไม่มีกฎไหนมีความได้เปรียบ
สมมติคุณทดสอบสิบกฎ แต่ละกฎบน 200 เดิมพันอิสระของตัวเองที่อัตราต่อรอง 2.00 และไม่มีกฎไหนมีความได้เปรียบ กฎที่ดีที่สุดยังได้เฉลี่ย +10.87% ต่อเดิมพันในการคำนวณนี้ เลือกมันแล้วเดิมพันกับอีก 200 เดิมพันถัดไป มันไม่มีเหตุผลที่จะเกิดซ้ำ
แหล่งข้อมูลของ Pinnacle อธิบายโชคแบบเดียวกันจากมุมอื่น ผู้เขียนคนหนึ่งในแหล่งข้อมูลของ Pinnacle เขียนว่าประวัติการเดิมพันที่มีมูลค่าคาดหวังเป็นบวกยังจบด้วยการเสียในสัดส่วนหนึ่งของการจำลอง และช่วงของผลตอบแทนที่เป็นไปได้แคบลงเมื่อประวัติยาวขึ้น บทความหนึ่งบอกว่าแม้ตลอดฤดูกาล “randomness does still influence a side's final points total” และอีกบทความอธิบาย “periods of over and under performance lasting thousands of bets” แขกรับเชิญในพอดแคสต์ของ Pinnacle บอกว่า เมื่อตัดสินแบบจำลองด้วยเมตริกความคลาดเคลื่อน คุณต้องการ “a large number out of sample trials” เพื่อให้แน่ใจว่าสิ่งที่เห็น “statistically significant” ว่าต้องกี่เดิมพันสำหรับกฎของคุณเป็นอีกคำถามหนึ่ง และแผนปฏิบัติเรื่องจุดคุ้มทุนเริ่มต้นมันโดยไม่ให้เกณฑ์
กฎที่เข้ากับอดีตไม่ใช่แผน
กฎที่เข้ากับอดีตไม่ใช่แผนสำหรับเดิมพันถัดไป และนักเดิมพันส่วนใหญ่จบด้วยการเสีย หน้านี้อธิบายวิธีทดสอบกฎ ไม่ได้บอกว่าควรเดิมพันตามกฎไหน
สิ่งที่บันทึกเดิมพันของคุณให้คุณทดสอบได้
บันทึกของคุณเองคือชุดทดสอบ และคุณสร้างมันได้โดยไม่แตะข้อมูลของโบรกเกอร์ บทความหนึ่งของ Pinnacle แนะนำให้ “Document our bets and look for any strange patterns on the spreadsheet” Orbit Exchange มีหน้าจอ “Account Statement” บันทึกของสิ่งที่คุณตั้งใจเป็นบันทึกอีกชุด และเป็นของคุณที่ต้องเก็บ การเทียบราคาที่คุณรับกับราคาปิดเป็นงานของหน้าราคาปิด ซึ่งหน้านี้ปล่อยไว้ ช่องที่บันทึกต้องมี และความถี่ที่ควรอ่านมัน อยู่ที่หน้ากิจวัตรการทำงาน และหน้าว่าด้วยการประมาณราคายุติธรรมครอบคลุมว่าความน่าจะเป็นเบื้องหลังกฎมาจากไหน
บทความของ Pinnacle วัดนักเดิมพันจากว่ามูลค่าคาดหวังที่ทำนายตามผลตอบแทนจริงใกล้เพียงใด “over a sufficient sample size” บันทึกคือที่ที่ทั้งสองอยู่เคียงกัน ดังนั้นเขียนกฎลงก่อนเดิมพันที่กฎนั้นครอบคลุม และเมื่อเปลี่ยนกฎ ให้เริ่มนับใหม่ ไม่ใช่นับต่อจากกฎเก่า
คำตอบสั้น
Backtesting ในการเดิมพันกีฬาคืออะไร
Backtesting คือการนำกฎที่คุณเขียนไว้ล่วงหน้ามาเล่นซ้ำบนราคาและผลในอดีต เพื่อดูว่ากฎนั้นจะทำอะไร จุดอ่อนอยู่ที่ราคา การทดสอบต้องใช้อัตราต่อรองที่มีให้ในตอนที่คุณจะเดิมพัน ไม่ใช่อัตราต่อรองตอนปิด บทความของ Pinnacle พูดถึงปัญหาของราคาปิดไว้ว่า “it's a retrospective exercise; we can't know the closing odds for a match until it kicks off” เขียนกฎก่อน ทดสอบหนึ่งครั้งบนเดิมพันที่กฎไม่ได้สร้างมาจาก และเก็บบันทึกของทุกกฎที่เคยลอง
Overfitting ในแบบจำลองการเดิมพันคืออะไร
Overfitting คือการเลือกกฎเพราะมันทำได้ดีบนประวัติที่คุณมีอยู่ตรงหน้า กฎนั้นจึงแบกโชคของประวัตินั้นไว้ด้วย นอกเหนือจากสิ่งที่เป็นจริงในนั้น แผนภูมิในหัวข้อเรื่องกับดักแสดงกรณีที่ชัดที่สุด: กฎที่ไม่มีความได้เปรียบเลย และกฎที่ดีที่สุดจากหลายกฎก็ยังได้ผลตอบแทนเฉลี่ยเป็นบวกบนประวัติที่ใช้เลือกมัน นอกตัวอย่าง มันไม่มีเหตุผลที่จะเกิดซ้ำ
ต้องใช้กี่เดิมพันเพื่อทดสอบกลยุทธ์
บทความของ Pinnacle ถามว่าหนึ่งฤดูกาลเป็นตัวอย่างที่ใหญ่พอหรือไม่ และอีกบทความหนึ่งอธิบายช่วงที่ทำได้เหนือและต่ำกว่าคาดซึ่งยาวนานนับพันเดิมพัน แขกรับเชิญในพอดแคสต์ของ Pinnacle พูดถึงแบบจำลองที่ตัดสินด้วยเมตริกความคลาดเคลื่อน บอกว่าคุณต้องการ “a large number out of sample trials” หน้าราคาปิดมีจำนวนขั้นต่ำที่ AsianConnect แนะนำสำหรับการติดตามมูลค่าเส้นปิด และแผนปฏิบัติแสดงว่าแม้ความได้เปรียบจริงก็ใช้เวลานานเพียงใดกว่าจะปรากฏ หน้านี้ไม่กำหนดเกณฑ์
ไปต่อที่ไหน
สำหรับคณิตศาสตร์ที่อยู่ใต้ทั้งหมดนี้ คือตัวอย่างและความแปรปรวน กลับไปที่แผนปฏิบัติ หน้าเครื่องคำนวณรวบรวมสิ่งที่เว็บไซต์และโบรกเกอร์เสนอ และเครื่องแปลงอัตราต่อรองเปลี่ยนราคาใดๆ เป็นความน่าจะเป็น กฎต้องมีที่ให้เดิมพัน และความลึกของตลาดบอกว่าราคามีค่าเท่าไรเมื่อวางเงินก้อนใหญ่ หากต้องการเปิดประตูเอง ทางเข้า Orbit Exchangeอธิบายว่าโบรกเกอร์ไหนทำได้ และการเปรียบเทียบโบรกเกอร์วางพวกมันเคียงกัน