market-mechanics-betting

市場メカニズムとベッティング

目次

• インタラクティブメニュー
• クイックリファレンス
• リソースファイル

---

インタラクティブメニュー

何をしますか？

主なワークフロー

1. エッジを計算する - 優位性があるかどうかを判断します 2. ベット額を最適化する（ケリー基準） - ベットする金額を決めます 3. 集約予測を極端化する - 集団の知恵を調整します 4. ブライアスコアを最適化する - 予測の採点を改善します 5. ヘッジとポートフォリオベッティング - 複数のベットを管理します 6. フレームワークを学ぶ - 方法論を詳しく学びます 7. 終了 - メインの予測ワークフローに戻ります

---

1. エッジを計算する

ベッティングで優位性があるかどうかを判断します。

Edge Calculation Progress:
- [ ] Step 1: Identify market probability
- [ ] Step 2: State your probability
- [ ] Step 3: Calculate edge
- [ ] Step 4: Apply minimum threshold
- [ ] Step 5: Make bet/pass decision

ステップ 1：市場確率を特定する

情報源： 予測市場（Polymarket、Kalshi）、ベッティングオッズ、コンセンサス予測、ベースレート

ベッティングオッズを確率に変換する：

Decimal odds: Probability = 1 / Odds
American (+150): Probability = 100 / (150 + 100) = 40%
American (-150): Probability = 150 / (150 + 100) = 60%
Fractional (3/1): Probability = 1 / (3 + 1) = 25%

ステップ 2：自分の確率を示す

予測プロセスを実施した後、次のように示します：自分の確率： ___%

ステップ 3：エッジを計算する

Edge = Your Probability - Market Probability

解釈：

• 正のエッジ： 市場より強気 → YES へのベットを検討します
• 負のエッジ： 市場より弱気 → NO へのベットを検討します
• エッジなし： 市場と同意見 → 見送ります

ステップ 4：最低基準を適用する

エッジの最低基準：

状況	最低エッジ	理由
予測市場	5-10%	手数料は約2-5%のため、余裕が必要です
スポーツベッティング	3-5%	効率的な市場です
個人的なベット	2-3%	モデルの不確実性のみです
強い確信がある場合	8-15%	相当なエッジが必要です

ステップ 5：ベットするか見送るかを決める

If Edge > Minimum Threshold → Calculate bet size (Kelly)
If 0 < Edge < Minimum → Pass (edge too small)
If Edge < 0 → Consider opposite bet or pass

次へ： メニューに戻るか、ケリー基準によるベット額の算出に進みます

---

2. ベット額を最適化する（ケリー基準）

長期的な成長を最大化する最適なベット額を計算します。

Kelly Criterion Progress:
- [ ] Step 1: Understand Kelly formula
- [ ] Step 2: Calculate full Kelly
- [ ] Step 3: Apply fractional Kelly
- [ ] Step 4: Consider bankroll constraints
- [ ] Step 5: Execute bet

ステップ 1：ケリーの公式を理解する

f* = (bp - q) / b

Where:
f* = Fraction of bankroll to bet
b  = Net odds received (decimal odds - 1)
p  = Your probability of winning
q  = Your probability of losing (1 - p)

富の対数の期待値（長期的な成長率）を最大化します。

ステップ 2：フルケリーを計算する

例：

• 自分の確率：勝率70%
• 市場オッズ：1.67（十進法）→ 純オッズ（b）：0.67
• p = 0.70、q = 0.30

f* = (0.67 × 0.70 - 0.30) / 0.67 = 0.252 = 25.2%

フルケリーによると、資金の25.2%をベットします

ステップ 3：分数ケリーを適用する

フルケリーの問題点： 分散が大きく、モデルの誤差に敏感で、心理的な負担も大きくなります

解決策：分数ケリー

Actual bet = f* × Fraction

Common fractions:
- 1/2 Kelly: f* / 2
- 1/3 Kelly: f* / 3
- 1/4 Kelly: f* / 4

推奨： ほとんどのベットでは、ケリーの1/4から1/2を使用します。

理由： 分散を50-75%抑えながら、成長の大部分を維持でき、モデルの誤差にもより強くなります。

ステップ 4：資金の制約を考慮する

実務上の考慮事項：

1. 専用のベッティング資金を決めます（失っても困らないお金）
2. 最低ベット額（市場の最低額）
3. 最高ベット額（市場や流動性の上限）
4. 実用的な金額に丸めます

ステップ 5：ベットを実行する

最終確認：

• エッジが最低基準を上回ることを確認した
• ケリー基準によるベット額を計算した
• 分数ケリー（1/4から1/2）を適用した
• 資金の制約を確認した
• オッズが変わっていないことを確認した

ベットします。

次へ： メニューに戻ります

---

3. 集約予測を極端化する

複数の予測を集約するときに、集団の知恵を調整します。

Extremizing Progress:
- [ ] Step 1: Understand why extremizing works
- [ ] Step 2: Collect individual forecasts
- [ ] Step 3: Calculate simple average
- [ ] Step 4: Apply extremizing formula
- [ ] Step 5: Validate and finalize

ステップ 1：極端化が効果を発揮する理由を理解する

問題： 予測を平均すると、50%に近づく傾向が生まれます。

研究結果： Good Judgment Project の調査では、集約予測は個人の予測よりも正確である一方、体系的に中庸すぎることが分かりました。極端化（50%から遠ざけること）によって精度が向上するのは、複数の予測者が共通の情報を持っており、単純平均では共有情報が「過剰に数えられる」ためです。

ステップ 2：個々の予測を集める

複数の情報源から予測を集めます。予測が互いに独立していること、予測者が適切なプロセスを用いていること、同程度の情報を利用できることを確認します。

ステップ 3：単純平均を計算する

Average = Sum of forecasts / Number of forecasts

ステップ 4：極端化の式を適用する

Extremized = 50% + (Average - 50%) × Factor

Where Factor typically ranges from 1.2 to 1.5

例：

• 平均：77.6%
• 係数：1.3

Extremized = 50% + (77.6% - 50%) × 1.3 = 85.88% ≈ 86%

係数の選び方：

状況	係数	理由
予測者間の相関が非常に高い	1.1-1.2	弱い極端化
中程度に独立している	1.3-1.4	中程度の極端化
非常に独立している	1.5+	強い極端化
高い専門性がある	1.4-1.6	シグナルを信頼する

迷った場合は、1.3 を使用してください。

ステップ 5：検証して仕上げる

妥当性チェック：

1. 範囲内［0%～100%］： 必要に応じて 99%／1% を上限・下限とする
2. 妥当性： 結果は「しっくり」きますか？
3. 最良の個人予測との比較： 極端化した値は、最良の予測者の値に近いはずです

次へ： メニューに戻る

---

4. ブライアスコアを最適化する

予測精度のスコアを向上させます。

Brier Score Optimization Progress:
- [ ] Step 1: Understand Brier score formula
- [ ] Step 2: Calculate your Brier score
- [ ] Step 3: Decompose into calibration and resolution
- [ ] Step 4: Identify improvement strategies
- [ ] Step 5: Avoid gaming the metric

ステップ 1：ブライアスコアの計算式を理解する

Brier Score = (1/N) × Σ(Probability - Outcome)²

Where:
- Probability = Your forecast (0 to 1)
- Outcome = Actual result (0 or 1)
- N = Number of forecasts

範囲： 0（完璧）から 1（最悪）です。低いほど優れています。

ステップ 2：ブライアスコアを計算する

解釈：

ブライアスコア	品質
< 0.10	非常に優れている
0.10 - 0.15	良好
0.15 - 0.20	平均
0.20 - 0.25	平均以下
> 0.25	不良

基準値： 常に 50% と予測するランダムな推測では、ブライアスコアは 0.25 になります。

ステップ 3：較正と分解能に分解する

ブライアスコア = 較正誤差 + 分解能 + 不確実性

較正誤差： 70% の予測は 70% の頻度で発生していますか？（バイアスを測定します） 分解能： 異なる結果に対して、異なる確率をどれほど頻繁に割り当てていますか？（識別能力を測定します）

ステップ 4：改善策を見極める

戦略 1：較正を改善する

• 過信している場合：信頼区間を広げ、極端な予測を控えます
• 自信が足りない場合：強い根拠があるときは、より極端な予測をします
• ツール：較正プロット（X：予測確率、Y：実際の頻度）

戦略 2：分解能を向上させる

• 50% に固定されるのを避けます
• 予測しやすい事象と難しい事象を区別します
• 根拠が強いときは大胆に予測します

戦略 3：より良い情報を集める

• 調査を増やし、参照クラスを使い、フェルミ推定で分解し、ベイズ則で更新します

ステップ 5：指標の攻略を避ける

誤った方法： 「10% 未満や 90% 超の予測は決してしない」（指標の攻略）

正しい方法： 自分が本当に信じていることを予測します。それが 5% なら、5% と予測してください。ときにはブライアスコアに大きなペナルティを受けることも受け入れます。多くの予測を重ねれば、正直であることが最終的に有利になります。

ルール： ブライアスコアは、安全策を取るのではなく、正確に予測することで最小化します。

次へ： メニューに戻る

---

5. ヘッジとポートフォリオベッティング

複数の賭けと相関を管理します。

Portfolio Betting Progress:
- [ ] Step 1: Identify correlations between bets
- [ ] Step 2: Calculate portfolio Kelly
- [ ] Step 3: Assess hedging opportunities
- [ ] Step 4: Optimize across all positions
- [ ] Step 5: Monitor and rebalance

ステップ 1：賭け同士の相関を特定する

問題点： 賭けに相関がある場合、実際のエクスポージャーは個々の賭けの合計を上回ります。

相関の例：

• 正の相関： 「民主党が下院選で勝つ」＋「民主党が上院選で勝つ」
• 負の相関： 「チーム A が勝つ」＋「チーム B が勝つ」（両チームが対戦する場合）
• 無相関： 「明日は雨」＋「ビットコインの価格が 2 倍になる」

ステップ 2：ポートフォリオのケリー値を計算する

簡易的な経験則：

• 相関 > 0.5 の場合：各賭けの金額を 30～50% 減らします
• 相関 < -0.5 の場合：エクスポージャー全体を少し増やせます（部分的なヘッジ）

ステップ 3：ヘッジの機会を評価する

ヘッジするタイミング：

1. 確率が変化した： 見方が変わったときに利益を確定します
2. 利益を確定する： 事象が有利に動き、オッズが改善しました
3. エクスポージャーを減らす： 1 つの結果に資金をかけすぎています

ヘッジの例：

• 60%（オッズ 1.67）で A に 100 ドル賭ける → 払戻額：167 ドル
• オッズが変化：A は 70%、B は 30%（オッズ 3.33）
• ヘッジ：オッズ 3.33 で B に 50 ドル賭ける → B が勝った場合の払戻額：167 ドル
• 結果： どちらの結果でも 17 ドルの利益が保証されます

ステップ 4：すべてのポジションを最適化する

ポートフォリオ全体を俯瞰します。相関のある賭けを減らし、可能な限り独立性を保ちます。

ステップ 5：監視とリバランス

週次レビュー： 確率が変化したかを確認し、ヘッジの機会を評価して、必要に応じてリバランスします 大きなニュースの後： 確率を更新し、ヘッジを検討して、ケリーサイズを再計算します 月次監査： ポートフォリオの相関を確認し、資金を調整して、パフォーマンスをレビューします

次へ： メニューに戻ります

---

6. フレームワークを学ぶ

手法を詳しく学びます。

リソースファイル

📄 賭け理論の基礎

• 期待値のフレームワーク、分散とリスク、資金管理、市場の効率性

📄 ケリー基準を詳しく学ぶ

• 数学的な導出、最適性の証明、拡張とバリエーション、よくある間違い

📄 スコアリングルールとキャリブレーション

• ブライアスコアの詳細、対数スコア、キャリブレーション曲線、解像度分析、適正なスコアリングルール

次へ： メニューに戻ります

---

クイックリファレンス

市場メカニズムの7箇条

1. エッジ > しきい値 - エッジの小さい賭けは避けます（最低 5%）
2. フラクショナル・ケリーを使う - フル・ケリーは避けます（1/4～1/2を使用）
3. 集計値を極端化する - 予測を組み合わせる際は、50%から遠ざけます
4. ブライアスコアを正直に最小化する - 安全策ではなく、正確さを重視します
5. 相関に注意する - ポートフォリオのリスクは、個々のリスクの合計を上回ります
6. 戦略的にヘッジする - 確率が変化したとき、または利益を確定するときにヘッジします
7. キャリブレーションを追跡する - 70%の予測が、実際に70%の確率で起こるようにします

一文でまとめると

エッジの計算、ケリーサイズ、極端化、適正なスコアリングを使って、信念を最適な判断に変換します。

他のスキルとの連携

• 前提： 予測を完了した後に使います（確率がわかっていて、次の行動が必要なとき）
• 併用： 確率を更新する際にbayesian-reasoning-calibrationと連携します
• 活用先： ポートフォリオ管理と適応型の賭け戦略

---

リソースファイル

📁 resources/

• betting-theory.md - 基礎とフレームワーク
• kelly-criterion.md - 最適な賭けサイズ
• scoring-rules.md - キャリブレーションと正確さの測定

---

始める準備はできましたか？上のメニューから番号を選んでください。