Pour tenter de comprendre comment obtenir un graphique OCRYCOP qui refléterait la performance des cotes finales, j'ai construit un modèle simple qui simule la fluctuation des cotes de l'ouverture à la fermeture de la ligne. De bonnes offres de bonus sur le lien de téléchargement de l'application Inter Bet app download. Ce modèle consistait en 10 000 paris, chacun utilisant les cotes initiales et finales.
Pour essayer de reproduire l'incertitude
des "vraies" valeurs de probabilité des résultats sur lesquels les
paris ont été placés, j'ai décidé de répartir aléatoirement les cotes initiales
autour d'une moyenne de 2,00 avec un écart type (σ) de 0,15 (donc environ les
deux tiers des cotes ont pris des valeurs de 1,85 à 2,15 et 95 % des
coefficients ont pris des valeurs de 1,70 à 2,30).
Ainsi, alors que la "vraie" cote
de chaque pari, connue seulement du démon de Laplace (et de moi), était de
2,00, les cotes de départ publiées par l'hypothétique bookmaker dans mon modèle
étaient quelque peu différentes de cette moyenne. J'ai choisi un écart type de
0,15 car il se rapproche des fluctuations de prix d'ouverture à clôture
observées sur les marchés de paris réels où les prix sont proches de 2,00.
Par exemple, en utilisant un écart type de
0,05, 95 % des coefficients initiaux publiés proches de 2,00 auraient une
erreur pouvant atteindre ±5 %. Apparemment, cette fourchette est trop étroite :
la fourchette des fluctuations observées des coefficients doit être prise en
compte. De même, l'utilisation d'un écart-type de 0,3 ou plus nous amènerait à
supposer que le bookmaker n'est pas doué pour fixer les cotes, ce qui, nous le
savons, n'est généralement pas "vrai".
L'efficacité du marché est un concept
intéressant qui s'applique à de grands échantillons. Si nous ne pouvons pas
connaître la "vraie" valeur de la probabilité du résultat d'un
événement particulier, comment pouvons-nous connaître l'efficacité des cotes de
pari sur ce résultat ?
Il est hautement improbable qu'un bookmaker
fixe une cote de 3,00 si la "vraie" cote est de 2,00. Oui, c'est
possible, mais cela se produit généralement à la suite d'une erreur évidente ou
d'un événement important imprévu qui n'était pas connu au moment où le
coefficient a été déterminé. Bien sûr, dans de telles circonstances, il est
raisonnable de parler d'un changement du "vrai" coefficient. Revenons
à notre modèle. J'ai déterminé quelques coefficients initiaux ents ; quid
des totaux ?
En théorie, les cotes finales reflètent les
opinions exprimées par les joueurs avec de l'argent. Supposons que dans le cas
extrême, l'incertitude aléatoire initialement intégrée reste au même niveau,
malgré le fait que les opinions des joueurs sont basées sur la totalité des
informations sur la "vraie" probabilité d'un résultat particulier. Il
est clair que le maintien de l'incertitude au même niveau n'est pas plausible,
car les marchés des paris sont assez efficaces dans le traitement bayésien de
l'information : ils affinent, mettent à jour et améliorent constamment les
opinions sur la probabilité d'un événement et réduisent ainsi le niveau
d'incertitude.
Dans notre modèle, le coefficient moyen et
l'écart type sont respectivement de 2,00 et 0,15. Nous pouvons maintenant
calculer le rapport des coefficients initiaux et finaux en relation avec chaque
paire de ces coefficients. Connaissant la "vraie" valeur de la
probabilité de l'un ou l'autre résultat (50%), nous pouvons calculer le
rendement attendu des paris avec les cotes d'ouverture et de clôture pour les
10 000 matchs. Enfin, nous pouvons tracer les fluctuations des rendements
attendus sur les taux avec les cours d'ouverture et de clôture en fonction du
rapport des cours d'ouverture et de clôture. J'ai tracé le graphique ci-dessus
en utilisant les cotes de match Pinnacle.
Le premier des six graphiques ci-dessous montre
les résultats de la construction du modèle. Les lignes bleues et rouges
montrent le retour sur chiffre d'affaires moyen attendu pour des paris de même
taille (axe des y) avec des prix d'ouverture et de clôture respectivement pour
50 matchs sous un ordre de pari de 10 000 avec des cotes d'ouverture et de
clôture de −1 (axe des x) . Les valeurs résultantes ne sont pas trop similaires
aux données Pinnacle ci-dessus.
Alors que mes prix d'ouverture et de
clôture combinés sont théoriquement efficaces car ils sont en moyenne les mêmes
que les «vrais» prix, en réalité, le rapport des prix d'ouverture et de clôture
ne prédit que la moitié du rendement attendu (OCRYCOP = 0,5). Par exemple, un
ratio de 110 % donne un rendement de 105 % (ou un rendement de
5 % sur le chiffre d'affaires) lorsque vous placez un pari au prix
d'ouverture, et un rendement de 95 % (ou une perte de 5 % sur le
chiffre d'affaires) lorsque vous placez un pari. misez au cours de clôture.
Évidemment, dans ce cas, notre ratio de
cotes d'ouverture et de clôture n'est pas un bon indicateur de rentabilité. Par
conséquent, nos ratios finaux individuels ne fonctionnent pas bien. Bien sûr,
il y a une raison simple à cela. Premièrement, nous savons déjà que nos cotes
finales individuelles sont inefficaces : elles ne correspondent pas à la
"vraie" cote de 2,00, car je les ai délibérément réparties au hasard
autour de cette valeur.
Deuxièmement, les plus grands ratios de
cotes initiales et finales se produisent lorsque mon générateur de cotes
aléatoires produit une cote initiale élevée et une cote finale faible. Le ratio
le plus élevé généré par ce générateur était de 1,55 (le ratio initial était de
2,27 et le ratio final était de 1,46). En fait, en utilisant un prix de départ
de 2,27, lorsque le "vrai" prix est de 2,00, le profit espéré serait
de 2,27 / 2,00 - 1 = 0,135 soit 13,5%, et non 55% (selon mon hypothèse de
départ).
Dans les cinq graphiques supplémentaires
ci-dessus, le modèle construit est répété avec une diminution progressive de la
variabilité aléatoire (écart type) des coefficients finaux utilisés par moi
avec un pas de 0,03. Dans le même temps, la variabilité des coefficients
initiaux reste la même. Vous remarquerez qu'à mesure que la volatilité des
cotes finales diminue autour de la "vraie" cote de 2,00, la valeur
OCRYCOP se rapproche de 1. Dans le cas extrême où toutes les cotes finales sont
de 2,00, ce qui rend chacune absolument efficace, il existe une corrélation
parfaite. .1:1.
Examinons à nouveau le tableau en utilisant
les cotes de pari réelles de Pinnacle. Les lignes de tendance (et leurs
équations) sont assez cohérentes avec l'exemple de notre modèle de corrélation
parfaite. Pourtant, nous voyons clairement une certaine variabilité
sous-jacente dans les valeurs : tous les points ne sont pas exactement sur les
lignes de tendance. Bien sûr, les positions de certains de ces points sont dues
à la chance ou à la malchance lors du placement de paris dans le monde réel
(car mon modèle utilise le profit espéré, la chance et la malchance ne sont pas
prises en compte).
Malgré cela, la croyance que chaque prix
final correspond parfaitement au "vrai" prix est totalement
injustifiée. Cependant, le problème est qu'en l'absence de coefficients finaux
absolument efficaces, on est obligé d'utiliser une corrélation moins qu'idéale
entre le rapport des coefficients initial et final et le revenu espéré (OCRYCOP
< 1). Existe-t-il un moyen de résoudre ce problème? J'aborderai cette
question dans la deuxième partie de cet article.
The Wall