Справедливые коэффициенты без маржи: математика букмекерского оверраунда

1. Экономическая природа букмекерской маржи (Оверраунд)

В среде рекреационных игроков бытует распространенное заблуждение: считается, что букмекерская контора — это азартный игрок, принимающий на себя направленный риск исхода спортивного состязания против мнений широкой общественности. В действительности, с точки зрения институциональных количественных финансов (quantitative finance) и микроэкономики букмекерского бизнеса, современный букмекер действует как классический маркет-мейкер (market maker). Фундаментальная цель спортивной биржи или профессионального букмекера состоит вовсе не в угадывании победителя матча с пророческой точностью, а в формировании структуры котировок, содержащей неотвратимый транзакционный налог: оверраунд (overround), традиционно именуемый в трейдинге как маржа, виг (vigorish) или джус (juice).

Для строгого математического описания оверраунда рассмотрим идеализированное бросание симметричной монеты, где объективная априорная вероятность выпадения Орла ($O$) или Решки ($P$) строго симметрична и доподлинно известна: $P(O) = 0.50$ и $P(P) = 0.50$. В условиях безарбитражного справедливого рынка (zero-margin arbitrage conditions) коэффициенты $K_{fair}$ определяются исключительно как величина, обратная истинной вероятности:

Если два участника заключат пари по 100 рублей на противоположные исходы, букмекер соберет 200 рублей совокупного оборота ($100 + 100$) и выплатит ровно 200 рублей ($100 imes 2.00$) выигравшему участнику. Математическое ожидание чистой прибыли оператора в этом случае строго равно нулю ($E[R] = $0). Подобная деятельность представляет собой классическую игру с нулевой суммой, лишенную какой-либо коммерческой привлекательности для коммерческой букмекерской компании.

Чтобы гарантировать стабильную безрисковую прибыль, букмекер искусственно занижает выплачиваемые коэффициенты относительно их справедливой вероятности. В реальной линии оба исхода получают котировку 1.909 (что соответствует американской линии -110). Конвертируя предложенные коэффициенты в подразумеваемые рынком базовые вероятности ($pi_i = 1 / K_i$), мы обнаруживаем искусственный избыток вероятностной массы:

Согласно фундаментальной аксиоматике Колмогорова, сумма вероятностей всех взаимоисключающих событий полной группы должна в точности равняться единице: $sum P(E_i) = 1.000$. Избыток в 4.76% ($1.0476 - 1.000$) представляет собой чистый оверраунд букмекера. Если контора сбалансирует пул ставок, приняв 52.38 руб. на Орел и 52.38 руб. на Решку (всего 104.76 руб.), она выплатит победителю ровно 100.00 руб. ($52.38 imes 1.9091$), а гарантированные 4.76 руб. оставит себе в качестве безрисковой операционной комиссии. Данный алгоритм заложен абсолютно в каждую линию мировых букмекерских контор.

2. Математическая неизбежность дистанционного проигрыша под маржой

Понимание механики оверраунда раскрывает непреложный закон беттинга: почему свыше 98% игроков неизбежно теряют свой банк на длинной дистанции. Делая ставки по неочищенным линиям без статистического перевеса, игрок систематически действует в зоне отрицательного математического ожидания ($-EV$).

Пусть случайная величина $X$ обозначает чистую выплату на единицу ставки при десятичном коэффициенте $K$ и объективной истинной вероятности события $P_{true}$. Математическое ожидание пари определяется формулой:

Если беттор не обладает аналитическим перевесом и принимает котировки букмекера как данность, истинную вероятность исхода в среднем можно выразить как $P_{true} = pi / (1 + OR)$. Подставляя это выражение в расчет матожидания, получаем:

Каждые 100 рублей, поставленные на рынок с 5% маржой, имеют математическое ожидание потери 4.76 рубля на ставку. В силу закона больших чисел, при увеличении числа ставок ($N o infty$) фактический финансовый результат неминуемо сходится к этому теоретическому убытку. Краткосрочная дисперсия способна генерировать локальные серии побед, однако совокупное гравитационное воздействие маржи неизбежно разрушает игровой банк любого любителя.

3. Аналитический разбор 4 методов очистки линии от маржи (Devig)

Чтобы находить подлинный перевес над линией (+EV), спортивный аналитик обязан произвести процедуру «девига» (devigging) — математически удалить маржу букмекера и восстановить истинное скрытое вероятностное распределение $P_{true}$. Ключевой вопрос: как именно букмекеры распределяют маржу между исходами? Заложена ли она поровну, пропорционально или сконцентрирована в аутсайдерах?

Поскольку букмекеры держат свои коммерческие алгоритмы в строжайшем секрете, в квант-анализе разработаны 4 фундаментальные модели: мультипликативная, аддитивная, степенная и модель инсайдерской торговли Шина.

Метод 1: Мультипликативная модель (Пропорциональное распределение)

Мультипликативный метод является самым распространенным в простых калькуляторах благодаря элементарности вычислений. Он опирается на постулат о том, что маржа заложена строго пропорционально вероятности каждого исхода. Если рынок имеет оверраунд 105%, то подразумеваемая вероятность каждого исхода считается завышенной ровно на 5% относительно справедливого значения.

Пусть $n$ — количество исходов события, а $pi_i = 1 / K_i$ — базовая вероятность. Суммарная вероятность рынка составляет:

Справедливая вероятность исхода $P_i^{mult}$ вычисляется нормированием на общую сумму $S$:

Справедливый коэффициент рассчитывается как величина, обратная вероятности:

Практический пример (Матч РПЛ 1X2):
Коэффициенты закрытия: П1 ($K_1 = 2.10$), Ничья ($K_2 = 3.40$), П2 ($K_3 = 3.50$).

• Базовые вероятности: $pi_1 = 1 / 2.10 = 0.47619$ (47.62%), $pi_2 = 1 / 3.40 = 0.29412$ (29.41%), $pi_3 = 1 / 3.50 = 0.28571$ (28.57%).
• Сумма оверраунда: $S = 0.47619 + 0.29412 + 0.28571 = 1.05602$ (Маржа = 5.602%).
• Справедливые вероятности:
  • П1: $P_1^{mult} = 0.47619 / 1.05602 = 0.45093$ (45.09%) $implies K_{fair} = 2.218$
  • Ничья: $P_2^{mult} = 0.29412 / 1.05602 = 0.27852$ (27.85%) $implies K_{fair} = 3.590$
  • П2: $P_3^{mult} = 0.28571 / 1.05602 = 0.27055$ (27.06%) $implies K_{fair} = 3.696$
• Проверка: $0.45093 + 0.27852 + 0.27055 = 1.00000$ (100.00%).

Критический изъян: Мультипликативный подход ошибочен на асимметричных рынках. Он применяет единый процент наценки как к фавориту с кэфом 1.20, так и к андердогу с кэфом 15.00, полностью игнорируя доказанный эмпирический феномен смещения фаворит-аутсайдер.

Метод 2: Аддитивная модель (Равномерное вычитание)

Аддитивная модель предполагает, что букмекерская контора распределяет излишек оверраунда поровну между всеми доступными исходами в абсолютных процентных пунктах.

Формула аддитивной вероятности $P_i^{add}$ имеет вид:

Расчет на том же примере:
При $S = 1.05602$ и $n = 3$, вычитаемый процент равен $(1.05602 - 1.0) / 3 = 0.01867$ (1.867%).

• П1: $P_1^{add} = 0.47619 - 0.01867 = 0.45752$ (45.75%) $implies K_{fair} = 2.186$
• Ничья: $P_2^{add} = 0.29412 - 0.01867 = 0.27545$ (27.55%) $implies K_{fair} = 3.630$
• П2: $P_3^{add} = 0.28571 - 0.01867 = 0.26704$ (26.70%) $implies K_{fair} = 3.745$

Неприемлемый дефект модели: На рынках с высокими коэффициентами аддитивный метод выдает отрицательные вероятности. Если исход оценивается кэфом 60.00 (вероятность 1.67%), а вычитаемая доля маржи равна 2.00%, результат составит $-0.33%$. Ввиду нарушения базовых математических аксиом аддитивный метод непригоден для широких рынков.

Метод 3: Степенная модель (Экспоненциальное масштабирование)

Степенная модель решает проблемы линейных методов за счет нелинейного сжатия вероятностей с помощью экспоненциального параметра $k > 1$. Возведение вероятностей в степень $k$ срезает большую часть маржи с маловероятных событий, великолепно моделируя смещение фаворит-аутсайдер.

Условие степенного метода требует нахождения скалярного показателя $k$, при котором сумма трансформированных вероятностей строго равна единице:

Данное нелинейное уравнение не имеет аналитического решения в замкнутом виде и решается численным методом Ньютона-Рафсона. Задаются целевая функция $f(k)$ и ее аналитическая производная $f'(k)$:

Итерационный шаг поиска корня с квадратичной скоростью сходимости:

Найденный коэффициент $k$ гарантирует, что для любых $pi_i in (0, 1)$ величина $P_i^{pow} = (pi_i)^k > 0$, полностью исключая риск возникновения отрицательных значений и обеспечивая математически точную и устойчивую калибровку рыночных котировок.

Метод 4: Модель Шина (Асимметрия информации и инсайдерский трейдинг)

Опубликованная экономистом Хен Сон Шином (Hyun Song Shin, 1991, 1992, 1993), данная модель признана мировыми квант-фондами и синдикатами как самый точный и академически безупречный инструмент вычисления истинных вероятностей.

Шин рассматривает букмекерский рынок через призму микроэкономической теории неблагоприятного отбора (adverse selection) в условиях информационной асимметрии. Рыночные участники делятся на две принципиальные категории:

1. Шумовые (рекреационные) бетторы: Делают ставки под влиянием эмоций, медиа-трендов или клубных симпатий, не обладая статистическим или математическим преимуществом.
2. Инсайдеры (профессионалы): Обладают эксклюзивной закрытой информацией (скрытые травмы ключевых игроков, закрытые тактические установки, передовые квантовые модели) и знают исход матча с абсолютной или подавляющей достоверностью.

Параметр $z in [0, 1)$ отражает долю инсайдерских денег в общем обороте рынка. Защищаясь от разорения инсайдерами, букмекер обязан корректировать котировки: если инсайдер ставит на победу, букмекер выплачивает выигрыш с вероятностью 1.0. Математическое уравнение Шина связывает истинную вероятность $P_i$ с наблюдаемой базовой вероятностью $pi_i$ через квадратичную зависимость:

Решая квадратное уравнение относительно $P_i$, Шин получил точную замкнутую формулу для вычисления справедливой вероятности:

Где $S = sum pi_j$ — сумма базовых вероятностей рынка. Равновесный параметр $z$ находится численным решением одномерного уравнения, выражающего условие полной группы событий:

Для ликвидных европейских турниров (Лига Чемпионов, АПЛ, Серия А) калиброванный параметр $z$ составляет от 1.5% до 3.8%, идеально отражая долю институционального умного капитала в рыночном стакане.

4. Эмпирические доказательства: анализ 10 000 матчей АПЛ

Исследование нашего датасета из 10 000 матчей английской Премьер-лиги (public/papers/epl-closing-lines-10k.csv) наглядно демонстрирует принципиальные расхождения методов на асимметричных рынках.

Рассмотрим реальный пример линии закрытия на матч фаворита (Манчестер Сити) против аутсайдера: П1 ($K_1 = 1.25$), Ничья ($K_2 = 6.20$), П2 ($K_3 = 12.50$). Суммарная маржа линии составляет $4.13%$ ($S = 1.0413$).

Главное эмпирическое открытие: Обратите внимание на колоссальную разницу между мультипликативным методом и моделью Шина на фаворите. Мультипликативный метод оценивает истинную вероятность победы фаворита в 76.83%, тогда как модель Шина дает 78.45% — преимущество в +1.62 процентных пункта (а на экстремальных линиях из нашего датасета расхождение достигает +3.41%!). И наоборот, на аутсайдере с коэффициентом 12.50 мультипликативный метод завышает вероятность до 7.68%, в то время как модель Шина объективно оценивает ее лишь в 6.67%.

Это неопровержимо доказывает фундаментальное смещение фаворит-аутсайдер (favorite-longshot bias), впервые описанное Гриффитом еще в 1949 году: букмекеры закладывают значительно большую часть своей маржи в аутсайдеров и ничейные исходы, стремясь обезопасить баланс от инсайдерских утечек. Беттор, применяющий примитивный мультипликативный метод, будет систематически переоценивать шансы аутсайдеров (ошибочно находя там иллюзорное преимущество) и упускать реальные ставки с положительным математическим ожиданием на фаворитов.

5. Практический алгоритм действий квант-беттора

Для систематического извлечения прибыли профессиональные количественные синдикаты используют строгий четырехэтапный алгоритмический пайплайн:

1. Парсинг котировок острых (sharp) букмекеров: В реальном времени считываются коэффициенты Pinnacle, Circa Sports и биржи ставок Betfair — операторов с наивысшими лимитами, минимальной маржой и максимальной информационной эффективностью.
2. Синтез рыночного консенсуса: Формируется композитная взвешенная линия закрытия, очищенная от локальных аномалий конкретного букмекера.
3. Очистка от маржи методом Шина: Полученный вектор котировок пропускается через численный алгоритм модели Шина для вычисления объективных чистых вероятностей каждого исхода.
4. Поиск рыночной неэффективности у мягких (soft) букмекеров: Найденные справедливые вероятности сопоставляются с котировками рекреационных букмекеров, отстающих от движения рынка. Если мягкий букмекер выставляет коэффициент, превышающий справедливое значение ($P_{true} imes K_{soft} > 1.00$), фиксируется перевес (+EV) и рассчитывается оптимальный размер ставки по критерию Келли.

6. Ключевые выводы и инструменты

• Оверраунд — фундаментальная математическая причина неизбежного убытка 98% любителей при игре на дистанции.
• Мультипликативный метод порождает критические искажения вероятностей на асимметричных рынках.
• Аддитивный метод математически опасен из-за риска генерации отрицательных вероятностей на андердогах.
• Модель Шина — признанный золотой стандарт количественного моделирования, объединяющий микроэкономику инсайдерской торговли и математическую статистику.
• Никогда не очищайте от маржи котировки того букмекера, у которого собираетесь делать ставку; очищайте исключительно острый рынок.
• Используйте наш бесплатный Калькулятор справедливых коэффициентов No-Vig для моментального сопоставления всех 4 методов в реальном времени.