13、不要玩自己无法承受损失的游戏13 在运气 ...
-
在运气面前保持清醒不要玩自己无法承受损失的游戏13
“——不过操纵规模巨大，非常容易被市场察觉，而在被察觉之后，场外庄家会立刻调整赔率。”
“最后，我们谈到Psychological Betting Systems，有鉴于同注分彩法模式固有的主观性，或许可以设计出一种基于投注者心理行为的选马方法——这也是我明天现场判断想尝试使用的下注方法。”
“其一策略是押注当天赛事最后一场比赛中的热门马，也就是赔率最低的马。虽然热门马在最后一赛中的胜率并不比其他马更高，但其赔付金额往往高于前几场比赛，因为显然存在’投注额中更大比例的资金，会投向赔率较高的马匹’——这种源于输家试图挽回损失，赢家偏好在最后一赛前离场的倾向。”
“另一合理的策略方法是根据每匹马获胜机会的主观概率分布，对赛事进行统计分类，并将数学期望值与历史数据进行比较。嗯嗯，我选择熵作为度量来计算好了。”
“我相信很多人都很好奇熵是什么，但我只会给出在此应用的解释。”
斯坦利：“很多人。”
“抱歉，只有你，让我们重来一遍。”
“我相信斯坦你很好奇熵是什么，简单来说，熵可以用作’单一数字概括整个赛事结构’。意思是一场有8匹马的赛事，彩池会产生8个概率，要逐一分析每个概率很繁琐，主要是我懒，但如果用熵就可以把这8个数字压缩成一个数字H，让它直接告诉我整场赛事的不确定性程度。”
“公式是H等于负的所有马匹概率乘以其对数的总和……H等于负的，从j等于1到m的加总(Σ Sigma)，每一项是π下标j乘以logπ下标j——这在算的是所有赛马被赋予相同互惠赔率，即每匹赛马获得的投注总额相等的赛事，并且当πj在0到1的区间内呈均匀分布时，即构成最小熵赛事。”
“一句话概括就是，所有马赔率相近等于H值高的高熵赛事；一匹马独大等于H值低的低熵赛事。”
“让我先抓一些历史数据下来。”赛诺说，“公式就是基本的期望值框架，用概率加权计算回报，再加上频率学派的历史胜率g(πj)替代理论真实概率pj——FofE等于π下标j乘以左方括号，gofπ下标j除以π下标j减去 1右方括号。”
“我直接心算，比值大于1，这匹马被彩池低估，正期望值。比值小于1，这匹马被彩池高估，负期望值。比值等于1，零期望值。”
“我心算的这个结果就是在特定熵值下，各彩池概率πj对应的期望值分布，公式里的g(πj)是从历史数据得出的实际获胜频率分布。对比剖面图就可以判断若某匹马的πj落在剖面中的正期望值区域，便可下注；若所有马匹的πj都落在零期望值以下，就不要下注。”
“那到底要下注在哪匹马上？我们直接应用一次吧！”
“反正在现场的步骤大致上就是这样——计算现场的熵值，判断是否是高熵赛事，不是就不要下注，是的话就对比历史剖面图，判断是否是正期望值，不是就不下注，是就下注对应马匹。”
“而正期望值我这边看是通常会出现在高熵赛事赔率6比1、7比1、8比1的马匹中。因此，下注对应马匹时，要优先选择在上述赔率之间的马匹。”
“斯坦，你看得出来吧？赛马是收益最差的□□之一，毕竟除了庄家抽成15%的手续费外，还要克服数学期望......嗯嗯，赛马的部分差不多就这样了，明天有遇到什么难题，我会现场一并解决的。”
? ? ?
翌日，在电脑和计算纸之间，赛诺选择带计算纸出门。
因为电脑算到一半突然当机或没电，都挺让人没安全感的。
“妳等一会儿就下注这几匹马。”赛诺撕下计算纸递给女士，转头对身边的斯坦利说：“耳机给我，我帮你戴上。”
之前斯坦利就说过，他不可能带赛诺；而赛诺表示自己不会扯后腿，他会坐在观众席，用耳机和对方保持通讯。
军警用的有线入耳式耳机部分是手提箱装的。
赛诺蹲在地上，打开手提箱取出通讯控制盒，放进斯坦的长裤口袋里后，认真思考了一下，开口：“不行，这个耳机线非常容易被发现。”
“你把耳机线塞进我衣服里试试？”斯坦说，“耳机线经过后脑勺，沿着后颈向下。”
赛诺应了一声，把线插上控制盒、讲话时按的ptt按键别上西装外套领口内侧，按照斯坦说的走线方法，很快把耳机塞进对方的耳朵里——
这样从正面看确实看不见线材。
然后——
“你的手很冰。”斯坦利道。
作者有话说
第13章 不要玩自己无法承受损失的游戏13
，还差 