betting

博彩分析

编写查询前，请查阅 references/api-reference.md，了解赔率格式、命令参数和关键概念。

快速入门

sports-skills betting convert_odds --odds=-150 --from_format=american
sports-skills betting devig --odds=-150,+130 --format=american
sports-skills betting find_edge --fair_prob=0.58 --market_prob=0.52
sports-skills betting evaluate_bet --book_odds=-150,+130 --market_prob=0.52
sports-skills betting find_arbitrage --market_probs=0.48,0.49
sports-skills betting parlay_analysis --legs=0.58,0.62,0.55 --parlay_odds=600
sports-skills betting line_movement --open_odds=-140 --close_odds=-160

Python SDK：

from sports_skills import betting

betting.convert_odds(odds=-150, from_format="american")
betting.devig(odds="-150,+130", format="american")
betting.find_edge(fair_prob=0.58, market_prob=0.52)
betting.find_arbitrage(market_probs="0.48,0.49")
betting.parlay_analysis(legs="0.58,0.62,0.55", parlay_odds=600)
betting.line_movement(open_odds=-140, close_odds=-160)

重要：任何分析前

重要：调用任何分析命令前，请确认：

• 已正确识别赔率格式（american、decimal 或 probability）。
• 在计算相对于预测市场价格的优势时，已先对 ESPN 赔率进行去水处理（devig）。
• 此模块负责计算，不负责获取数据。请先通过特定体育项目的技能或 polymarket/kalshi 获取赔率。

工作流

比较 ESPN 与 Polymarket/Kalshi

1. 获取 ESPN 的独赢赔率（例如，来自 nba get_scoreboard）：主队：-150，客队：+130
2. 获取同一结果在 Polymarket/Kalshi 上的价格（例如，主队为 0.52）
3. 去水：devig --odds=-150,+130 --format=american → 公平概率：主队 57.9%，客队 42.1%
4. 比较：find_edge --fair_prob=0.579 --market_prob=0.52 → 优势：5.9%，EV：11.3%
5. 或一步完成：evaluate_bet --book_odds=-150,+130 --market_prob=0.52

套利检测

1. 从不同来源获取每种结果的最佳价格（Polymarket 上主队为 0.48，Kalshi 上客队为 0.49）
2. find_arbitrage --market_probs=0.48,0.49 --labels=home,away
3. 总隐含概率为 0.97（< 1.0）→ 找到套利机会，保证 ROI：3.09%

串关评估

1. 对每一腿去水：第 1 腿 → 0.58，第 2 腿 → 0.55，第 3 腿 → 0.50
2. parlay_analysis --legs=0.58,0.55,0.50 --parlay_odds=600
3. 返回综合公平概率、优势和凯利比例

盘口变动分析

1. 获取 ESPN 的开盘和收盘盘口：开盘 -140，收盘 -160
2. line_movement --open_odds=-140 --close_odds=-160
3. 返回概率变化、方向和分类（sharp_action、steam_move 等）

示例

示例 1：使用 ESPN 和 Polymarket 价格检查优势 用户说：“湖人队这场比赛有优势吗？ESPN 给出的赔率是 -150，Polymarket 上是 52 美分” 操作：

1. 调用 devig(odds="-150,+130", format="american") → 主队公平概率约为 58%
2. 调用 find_edge(fair_prob=0.58, market_prob=0.52) → 优势约为 6%，预期收益为正
3. 调用 kelly_criterion(fair_prob=0.58, market_prob=0.52) → 最优投注比例 结果：给出优势百分比、每美元的 EV，以及建议投注额占资金池的百分比

示例 2：检测套利机会 用户说：“可以套利吗？Polymarket 上主队是 48 美分，Kalshi 上客队是 49 美分” 操作：

1. 调用 find_arbitrage(market_probs="0.48,0.49", labels="home,away")
2. 检查结果中的 arbitrage_found 结果：若存在套利，给出资金分配比例和保证 ROI。若不存在，则给出超额概率并说明无法保证盈利

示例 3：串关评估 用户说：“这个 +600 的三腿串关值得买吗？” 操作：

1. 对每一腿去水以获得公平概率（例如，0.58、0.62、0.55）
2. 调用 parlay_analysis(legs="0.58,0.62,0.55", parlay_odds=600) 结果：给出综合公平概率、优势、EV、+EV 或 -EV 的判断，以及凯利比例

示例 4：解读盘口变动 用户说：“盘口从 -140 变到 -160，这意味着什么？” 操作：

1. 调用 line_movement(open_odds=-140, close_odds=-160) 结果：给出概率变化、方向、幅度和分类（sharp action、steam move 等）

示例 5：对标准让分盘口去水 用户说：“这个让分盘口的真实赔率是多少？两边都是 -110” 操作：

1. 调用 devig(odds="-110,-110", format="american") 结果：给出双方各 50% 的公平概率，水位约为 4.5%

示例 6：转换赔率格式 用户说：“将 -200 转换为隐含概率” 操作：

1. 调用 convert_odds(odds=-200, from_format="american") 结果：给出 66.7% 的隐含概率和 1.50 的十进制赔率

不存在的命令 — 切勿调用

• get_odds — 不存在。此模块用于分析赔率，不会获取赔率。对于 ESPN 赔率，请使用 nba-data/nfl-data 等；对于预测市场价格，请使用 polymarket/kalshi。
• calculate_ev — 不存在。请改用 find_edge 或 evaluate_bet。
• compare_markets — 不存在。跨平台比较请使用 markets 技能。

如果某个命令未列在 references/api-reference.md 中，则该命令不存在。

故障排除

错误：调用 convert_odds 时出现 ValueError: unknown format 原因：from_format 参数不是 american、decimal 或 probability 之一 解决方案：格式字符串请使用 american、decimal 或 probability

错误：预期边际为正时，find_edge 返回负 EV 原因：公平概率和市场概率可能颠倒了，或者跳过了去水处理 解决方案：先对体育博彩赔率运行 devig，然后将去水后的 fair_prob 传给 find_edge

错误：即使价格看似较低，find_arbitrage 仍未发现套利机会 原因：正确纳入所有结果后，价格之和可能大于 1.0 解决方案：确认所有结果都使用了正确的概率；检查结果中的 total_implied

错误：Kelly 比例很高（大于 0.5） 原因：边际估算值很大，通常是因为公平概率计算有误 解决方案：使用半 Kelly 或四分之一 Kelly 进行保守仓位配置。通过 devig 重新核实公平概率