market-mechanics-betting

市场机制与投注

目录

• 交互式菜单
• 快速参考
• 资源文件

---

交互式菜单

你想做什么？

核心工作流

1. 计算优势 - 判断你是否占优 2. 优化投注金额（凯利准则） - 决定投注金额 3. 极化聚合预测 - 调整群体智慧 4. 优化 Brier 分数 - 提高预测评分 5. 对冲与投资组合投注 - 管理多笔投注 6. 了解此框架 - 深入了解方法论 7. 退出 - 返回主预测工作流

---

1. 计算优势

判断你是否拥有投注优势。

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

步骤 1：确定市场概率

**来源：**预测市场（Polymarket、Kalshi）、投注赔率、共识预测、基准概率

将投注赔率转换为概率：

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%

步骤 2：给出你的概率

完成预测流程后，给出：你的概率： ___%

步骤 3：计算优势

Edge = Your Probability - Market Probability

解读：

• **正优势：**比市场更看涨 → 考虑投注“是”
• **负优势：**比市场更看跌 → 考虑投注“否”
• **零优势：**与市场看法一致 → 不下注

步骤 4：应用最低门槛

最低优势门槛：

情境	最低优势	原因
预测市场	5-10%	手续费约为 2-5%，需要留出缓冲
体育博彩	3-5%	市场效率高
私下投注	2-3%	仅用于覆盖模型不确定性
高确信度	8-15%	需要显著优势

步骤 5：决定下注或放弃

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

**下一步：**返回菜单，或继续计算凯利投注金额

---

2. 优化投注金额（凯利准则）

计算最优投注金额，以最大化长期增长。

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

步骤 1：理解凯利公式

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)

该公式可最大化财富的期望对数（长期增长率）。

步骤 2：计算完整凯利投注额

示例：

• 你的概率：胜率为 70%
• 市场赔率：1.67（十进制）→ 净赔率（b）：0.67
• p = 0.70，q = 0.30

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

完整凯利准则给出的建议是：投注本金的 25.2%

步骤 3：应用分数凯利

**完整凯利的问题：**方差高、对模型误差敏感、心理压力大

解决方案：分数凯利

Actual bet = f* × Fraction

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

**建议：**大多数投注使用 1/4 至 1/2 凯利。

**原因：**可将方差降低 50-75%，同时保留大部分增长潜力，并且对模型误差更稳健。

步骤 4：考虑本金限制

实际注意事项：

1. 设定专用投注本金（你能承受损失的金额）
2. 最低投注额（市场最低限额）
3. 最高投注额（市场／流动性限制）
4. 将金额取整至方便操作的数值

步骤 5：执行投注

最终检查：

• 已确认优势高于最低门槛
• 已计算凯利投注额
• 已应用分数凯利（1/4 至 1/2）
• 已检查本金限制
• 已确认赔率没有变化

下注。

**下一步：**返回菜单

---

3. 极化聚合预测

聚合多项预测时，调整群体智慧。

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

步骤 1：了解极化为何有效

**问题：**对预测取平均值时，结果会回归到 50%。

**研究发现：**Good Judgment Project 发现，聚合预测比个人预测更准确，但系统性地过于温和。极化（将概率推离 50%）可以提高准确性，因为多位预测者共享共同信息，而简单平均会“过度计算”共享信息。

步骤 2：收集个人预测

从多个来源收集预测。确保预测彼此独立、预测者采用了良好的流程，并且掌握的信息相近。

步骤 3：计算简单平均值

Average = Sum of forecasts / Number of forecasts

步骤 4：应用极端化公式

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

Where Factor typically ranges from 1.2 to 1.5

示例：

• 平均值：77.6%
• 系数：1.3

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

选择系数：

情况	系数	原因
预测者高度相关	1.1-1.2	弱极端化
中度独立	1.3-1.4	中度极端化
高度独立	1.5+	强极端化
专业水平高	1.4-1.6	相信信号

默认值：不确定时使用 1.3。

步骤 5：验证并定稿

合理性检查：

1. 限制在 [0%, 100%] 范围内： 必要时限制为 99%/1%
2. 合理性： 结果是否“感觉”合理？
3. 与最佳个人预测者比较： 极端化后的结果应接近最佳预测者

下一步： 返回菜单

---

4. 优化 Brier 分数

提高预测准确性评分。

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

步骤 1：了解 Brier 分数公式

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

范围： 0（完美）到 1（最差）。越低越好。

步骤 2：计算你的 Brier 分数

解读：

Brier 分数	质量
< 0.10	优秀
0.10 - 0.15	良好
0.15 - 0.20	平均
0.20 - 0.25	低于平均
> 0.25	较差

基准： 随机猜测（始终预测 50%）的 Brier 分数为 0.25

步骤 3：分解为校准度和分辨率

Brier 分数 = 校准误差 + 分辨率 + 不确定性

校准误差： 你预测为 70% 的事件，是否有 70% 的概率发生？（衡量偏差） 分辨率： 你对不同结果赋予不同概率的情况有多常见？（衡量区分能力）

步骤 4：确定改进策略

策略 1：修正校准度

• 如果过度自信：扩大置信区间，减少极端预测
• 如果信心不足：有强有力证据时，做出更极端的预测
• 工具：校准图（X：预测概率，Y：实际频率）

策略 2：提高分辨率

• 避免总是停留在 50%
• 区分简单预测和困难预测
• 证据充分时大胆预测

策略 3：收集更好的信息

• 做更多研究，使用参考类别，用 Fermi 方法分解问题，并用 Bayes 方法更新

步骤 5：避免操纵指标

错误做法：“绝不预测低于 10% 或高于 90%”（操纵指标）

**正确做法：**预测你真正的信念。如果你的判断是 5%，就说 5%。接受偶尔会受到较大的 Brier 分数惩罚。预测次数多了，诚实就会带来优势。

原则：通过提高准确性而非追求稳妥来降低 Brier 分数。

下一步： 返回菜单

---

5. 对冲与投资组合投注

管理多笔投注及其相关性。

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

步骤 1：识别投注之间的相关性

问题： 如果投注之间存在相关性，实际风险敞口会高于各笔投注之和。

相关性示例：

• 正相关：“民主党赢得众议院” + “民主党赢得参议院”
• 负相关：“A 队获胜” + “B 队获胜”（双方互相比赛）
• 不相关：“明天下雨” + “比特币价格翻倍”

步骤 2：计算投资组合 Kelly 值

简化启发式规则：

• 如果相关性 > 0.5：将每笔投注金额减少 30-50%
• 如果相关性 < -0.5：可以略微增加总风险敞口（部分对冲）

步骤 3：评估对冲机会

适合对冲的情况：

1. 概率发生变化： 判断发生变化时锁定利润
2. 锁定利润： 事件发展对你有利，赔率有所改善
3. 降低风险敞口： 过多资金押注在同一结果上

对冲示例：

• 以 60% 的概率（赔率 1.67）投注 100 美元押 A 获胜 → 派彩：167 美元
• 赔率变化：A 的概率现在为 70%，B 的概率现在为 30%（赔率 3.33）
• 对冲：以 3.33 的赔率投注 50 美元押 B 获胜 → 如果 B 获胜，派彩：167 美元
• 结果： 无论结果如何，都能保证获利 17 美元

步骤 4：优化所有持仓

从整体上审视投资组合。减少相关投注，并尽可能保持独立性。

第 5 步：监控并重新平衡

每周回顾： 检查概率是否发生变化，评估对冲机会，并在必要时重新平衡 重大新闻后： 更新概率，考虑对冲，重新计算 Kelly 仓位大小 每月审计： 检查投资组合相关性，调整资金规模，回顾表现

下一步： 返回菜单

---

6. 学习框架

深入了解方法论。

资源文件

📄 博彩理论基础

• 期望值框架、方差与风险、资金管理、市场效率

📄 Kelly 准则深入解析

• 数学推导、最优性证明、扩展与变体、常见错误

📄 评分规则与校准

• 深入了解 Brier 分数、对数评分、校准曲线、分辨率分析、适当评分规则

下一步： 返回菜单

---

快速参考

市场机制准则

1. 优势 > 阈值 - 不要下注于优势过小的机会（至少 5%）
2. 使用分数 Kelly - 绝不使用完整 Kelly（使用 1/4 到 1/2）
3. 极化汇总预测 - 合并预测时，让概率远离 50%
4. 如实地将 Brier 分数降至最低 - 追求准确，而非稳妥
5. 关注相关性 - 投资组合风险 > 个体风险之和
6. 有策略地对冲 - 在概率变化或锁定利润时进行对冲
7. 跟踪校准情况 - 你的 70% 概率预测应有 70% 的时间实现

一句话总结

通过计算优势、按 Kelly 确定仓位、极化预测并使用适当评分，将信念转化为最优决策。

与其他技能的集成

• 之前： 在完成预测后使用（已有概率，需要采取行动）
• 配套： 与 bayesian-reasoning-calibration 配合进行概率更新
• 后续： 投资组合管理和自适应投注策略

---

资源文件

📁 resources/

• betting-theory.md - 基础知识与框架
• kelly-criterion.md - 最优下注规模
• scoring-rules.md - 校准与准确度测量

---

准备好开始了吗？从上方菜单中选择一个数字。