EXKLUZIVNĚ: Jak měříme výkon a skutečné dovednosti v kurzovém sázení?

18.09.2023 20:50

Přinášíme vám exkluzivní překlad odborného článku od sázkového analytika Bryana Nicholsona, který je mj. autorem několika knih o kurzovém sázení včetně jeho nejznámější publikace Hypnotised by Number. Bryanovou největší specializací je golf.

 

• Empirické důkazy a intuitivní údaje v sázení 
• Je „handicapování“ nejlepší dovedností v kurzovém sázení? 
• Hodnota závěrečného kurzu v kurzovém sázení  
• Řízení rizika v kurzovém sázení

 

Skutečné dovednosti v kurzovém sázení lze nejlépe měřit podle toho, jak přesně koreluje vaše teoretická očekávaná hodnota (EV) s návratností investice (ROI) na dostatečně velkém vzorku. Výsledky při menším objemu dat mohou být indikátorem výkonnosti v závislosti na tom, jak kvantifikovatelná byla nejistota sázek ve vašem portfoliu. Obecně ale platí, že čím větší vzorek, tím lépe.  

U většího objemu sázek bychom mohli chtít vypočítat pravděpodobnostní hodnotu (p-hodnota), která nám říká, jak pravděpodobné je, že série výsledků vznikla pouze na základě náhody. Pokud proženeme naše čísla kalkulačkou p-hodnoty tím způsobem, že vložíme hodnotu ROI, průměrný vsazený kurz a vzorek sázek (n), zjistíme, jaká je pravděpodobnost 1 ku x (toho, že jsme našich výsledků dosáhli pouhou náhodou).

Ve statistice je p-hodnota nižší než 0,05 obecně přijímána jako vyloučení nulové hypotézy, což v našem případě znamená, že je extrémně nepravděpodobné, že by naše výsledky byly dílem čisté náhody.  

 

Empirické důkazy a intuitivní údaje v sázení

P-hodnoty sice neměří skutečné dovednosti, ale co když někteří úspěšní sázkaři dokáží nejistotu přesně kvantifikovat? Ve své knize Hypnotised by Numbers píšu o tom, že mnoho zkušených sázkařů je obdařeno takzvanou rizikovou inteligencí a jejich mozky pracují specifickým způsobem. Tito sázkaři dokáží podvědomě provádět v hlavě iterace na základě nashromážděných empirických důkazů z minulosti, a přesně projektovat nebo měřit pravděpodobnosti budoucích událostí.  

Tímto způsobem mozky některých profesionálních sázkařů zkrátka fungují. Empirický důkaz je informace získaná zkoumáním a dokumentací určitého vzoru v chování a datech nebo prostřednictvím experimentu. Tito profíci si všechno ukládají v mozku, který zpracovává všechna data jako počítač. Mají za sebou nespočet hodin sledování sportů, na které sází, a obvykle se specializují jen na určité sporty a trhy.

Konec konců, nejsou snad získané zkušenosti určitou formou dat? Všichni zakládáme naše rozhodnutí na nasbíraných zkušenostech, a to převážně intuitivně.   

Riziková inteligence je schopnost přesně měřit pravděpodobnost skrze intuici získanou ze zkušeností.

V sázení existují známé známé, známé neznámé a neznámé neznámé, jak kdysi řekl Marco Blume z Pinnaclu. Pokud kůň vyběhne na kopec v Cheltenhamu a hned za ním výrazně zpomalí nebo pokud bojovník v UFC několikrát odpadne přesně ve čtvrtém kole, jak velký vzorek potřebujeme, abychom věděli, že se to bude opakovat? Měli bychom tuto proměnnou v našem odhadu zahrnout do skutečné (podmíněné) pravděpodobnosti? V případě koně v Cheltenhamu můžeme předpokládat, že to stačí vidět jednou.   

 

Logika proměnných

U opravdu náhodných událostí, jako je hod mincí, existuje vysoká variance, kterou je třeba srovnat velkými vzorky, ale sázení opravdu není náhodné a existuje mnoho případů, kdy lze nejistotu velmi dobře kvantifikovat i při menších vzorcích. Tomu často říkám logika proměnných. 

Klíčem k odhalení hodnoty je sledování sportu unikátním pohledem, který na trzích není zohledněn. Díky sledování zápasů bychom měli vykazovat méně volatilní graf zisků a ztrát, který zůstává blízko naší teoretické linii EV (očekávané hodnoty).  

 

„Handicapování “ je nejlepší dovedností v kurzovém sázení.

Někteří z nejnadanějších sázkařů specializujících se na sázení handicapů zůstávají v anonymitě. Velikost vašich vkladů nemusí nutně odrážet vaše sázkařské dovednosti.  I v pokeru hraje mnoho z nejlepších hráčů na nízkých až středních limitech. Skutečné dovednosti v kurzovém sázení se neměří podle výše sázek nebo profitu – jde totiž o to, o kolik dokážete překonat kurzovou nabídku včetně marže.   

Teď nemluvím o závěrečné hodnotě kurzů, ale o skutečných pravděpodobnostech všech sázek, které uzavřete v rámci velkého vzorku. Toto lze změřit pouze pomocí vaší dlouhodobé ROI. Čím více v dlouhodobém měřítku koreluje vaše předpokládaná očekávaná hodnota (EV) s vaší skutečnou návratností investic a čím vyšší návratnost investic je, tím větší výhodu nad bookmakery a celým trhem máte.

Mnozí z nejlepších sázkařů sází handicapy a ti nejlepší z nich si sestavují či odhadují vlastní spravedlivé kurzy. Tyto kurzy dají dohromady skutečnou 100% pravděpodobnost, nikoli falešný procentuální podíl sázkové kanceláře s přidanou marží.

Ti nejlepší z nejlepších studují sportovní a sázkové trhy zevnitř a jsou poté schopni vyčíslit svou výhodu a odhalit případný přešlap na trhu. Výše uvedený přístup k sázení je známý jako bottom-up (zdola nahoru).

 

Co je to hodnota závěrečného kurzu?

Hodnota závěrečného kurzu (angl. zkratka CLV) představuje další způsob měření výkonnosti a dovedností ve sportovním sázení, ale je efektivní? Odpověď zní, že záleží na sportu a trhu. Raději bychom měli mít návratnost investice, která koreluje s naší předpokládanou hodnotou na velkém vzorku sázek. Raději bychom dosáhli 10% návratnosti, která odpovídá naší teoretické EV, než 5% návratnosti s 15 % CLV.   

Je hodnota závěrečného kurzu efektivní? Odpověď zní, že záleží na sportu a trhu.  

Pro vypočítání hodnoty závěrečného kurzu můžeme využít tento vzorec z knihy Hypnotised By Numbers: 

((Vsazený kurz – závěrečný kurz) / závěrečný kurz) x 100

Hodnota závěrečného kurzu je alternativním způsobem pro výpočet a zaznamenání vnímané dlouhodobé výhody a je využívaná především takzvanými „Steam Chasers“ (doslova „lovci páry“) – je také známá jako top-down (seshora dolů) přístup. Software, který porovnává vypsané lajny z různých sázkových kanceláří, umožňuje sázkařům zaměřeným na data vyhrávat, aniž by museli nutně znát nuance daného sportu. 

Nejedná se o žádný nový koncept – na evropských sázkařských trzích je znám již mnoho let od vzestupu srovnávacích stránek s kurzy. Hodnota závěrečného kurzu má své uplatnění zvláště na populárnějších a likvidnějších trzích.  

Z dlouhodobého hlediska chcete být na většině trhů na správné straně CLV, ale CLV ne vždy koreluje s EV. Nejlepším měřítkem skutečné dovednosti je situace, kdy se po vytvoření velkého vzorku sázek vaše skutečná návratnost investice (ROI) rovná vaší předpokládané EV.

Lidé, kteří sází převážně na obskurnější trhy, nemusí získat příliš velkou hodnotu závěrečného kurzu, a pokud ano, může jít o lajny, které byly snadno ovlivnitelné, někdy i díky jejich vlastním sázkám.  

 

Jak se můžeme naučit sázet chytřeji? 

Zpravidla platí, že čím přesnější jste v odhadování skutečných kurzů, tím menší vzorek budete potřebovat na odhalení svých skutečných dovedností. To platí do doby, dokud jsou vámi zvažované proměnné a používané parametry konzistentní. „Nejistotu“ lze často do určité míry kvantifikovat.  

Pokud sázíte trhy s vyššími kurzy, bude trvat déle, než se všechny proměnné vyrovnají, ale existuje několik věcí, které můžeme coby sázkaři udělat, abychom si vytvořili určitou výhodu:   

1. Zefektivnit řízení rizika a strategii sázení
2. Pracovat na své disciplíně
3. Zaměřit se na nižší kurzy pro snížení variance
4. Nákup bodů (sázka na handicap nebo totals odlišné od spreadu)
5. Networkovat a spojovat se s jinými úspěšnými sázkaři
6. Vybrat správný zápas, což je v kurzovém sázení klíčové
7. Zaznamenávat si sázky a vyhledávat jakékoliv abnormality v našem vzorku či samotné proměnné v zápasech
   
8. Podávat vysoký objem hodnotných sázek pro snížení volatility a odchylek v grafu

 

Řízení rizika v kurzovém sázení

Získat konzistentní výhodu v samotných kurzech je pouze polovina úspěchu. Druhým důležitým faktorem je řízení rizika, a v tomto ohledu jsou klíčové sázky podle Kellyho kritéria. Kellyho vzorec slouží ke zmírnění rizika a poskytuje nám navrhovanou velikost vkladu sázky v poměru k našemu bankrollu, která je optimální pro využití předpokládané hodnoty sázky.  

Kellyho vzorec: F* = (bp-q /b), kde:

•        F = podíl aktuálního bankrollu, který chceme vsadit 
•        b = čistý kurz sázky („b“ ku 1 – při použití decimálních kurzů by kurz 2.50 byl 1,5 ku 1)
•        p je pravděpodobnost výhry
•        q je pravděpodobnost prohry, která se rovná „1–p“

 

Závěrečné zamyšlení o výkonnosti a skutečných dovednostech v kurzovém sázení

Návratnost investice je nejpravdivější formou měření dovedností v kurzovém sázení. Jestliže naše ROI odpovídá naší očekávané hodnotě v rámci slušného vzorku sázek a existuje pádný důvod domnívat se, že kurzy byly vypsány špatně, můžeme si být jistí, že je náš výkon založený na dovednostech.  

To, o kolik dokážeme porazit kurzy, je nejlepším indikátorem našich dovedností coby kurzového sázkaře. Nejistotu lze v kurzovém sázení, na rozdíl od her v casinu nebo jiných hazardních her, do jisté míry kvantifikovat.

Pokud budete při podávání sázek s kladnou očekávanou hodnotou důslední, a budete pracovat s efektivním plánem a strategií pro řízení bankrollu, budete dlouhodobě vyhrávat. Ponechejte si ve svém modelu prostor pro chybu tím, že si stanovíte práh pro teoretickou očekávanou hodnotu.   

Například: pokud coby férový kurz stanovíte 2.00, neměli byste se dívat po kurzech nižších než 2.20, což odpovídá 10% prahu očekávané hodnoty a ponechává vám zmíněný prostor na chybu. 

 

Zdroj: Obrázek použit z původního článku dostupného na webu pinnacle.com.

 

Další zajímavé články od stejného autora