켈리 기준은 베팅할 금액을 결정하는 현명한 방법입니다. 모든 돈을 잃을 위험 없이 꾸준히 돈을 불릴 수 있는 적절한 금액만 베팅할 수 있도록 도와줍니다. 현명한 베팅을 위한 가이드라고 생각하시면 됩니다. 위험을 낮게 유지하기 위해 베터와 투자자들 사이에서 매우 인기가 있습니다.
기본적인 켈리 기준 공식은 다음과 같습니다:
𝑓*=(𝑏*𝑝−𝑞)/𝑏
어디:
𝑓*는 베팅할 자금의 일부입니다.
𝑏는 베팅에서 받은 순 배당률입니다.
𝑝은 당첨 확률입니다.
𝑞는 잃을 확률로 1−𝑝입니다.
해석:
𝑓*: 예상 성장을 극대화하기 위해 베팅해야 하는 최적의 자금 비율을 나타냅니다. 예를 들어 결과가 0.25라면 자금의 25%를 베팅해야 한다는 의미입니다.
𝑏: 베팅과 관련된 승수 - 1. 예를 들어 승리 시 돈을 두 배로 늘릴 수 있는 경우(원래 베팅을 포함하여 $1 베팅마다 $2를 돌려받음) 𝑏는 1이 됩니다.
𝑝: 귀하가 평가한 베팅에서 승리할 확률입니다. 이는 0에서 1 사이의 값이어야 하며, 여기서 0.5는 당첨 확률 50%를 나타냅니다.
𝑞: 내기를 잃을 확률로, 1−𝑝로 계산됩니다.
사용 방법:
최근 50~100개의 게임에 액세스하세요.: 최대 crash 게임에는 역사가 있습니다. 게다가, 확실히 공정하다 게임을 통해 게임 기록과 결과에 대한 전체 액세스 권한을 얻을 수 있습니다. 예를 들어, 타사 스크립트는 다음과 같은 용도로 사용됩니다. 게임 확인 BC.Game crash 게임 또는 NanoGames.
귀하의 우위를 계산하십시오: Your “edge” is 𝑏*𝑝−𝑞. If this value is positive, you have an advantage over the house or the market.
베팅 규모 결정: 공식은 성장을 극대화하고 위험을 최소화하기 위해 베팅할 자금의 최적 비율을 알려줍니다.
Applying this strategy manually requires diligence in tracking and calculating. But can offer insights into the game’s patterns and your betting strategy’s effectiveness.
예시:
동전 던지기에 베팅하여 정답을 맞히면 베팅금의 두 배를 받는데, 동전이 앞면이 나올 확률이 51%라는 것을 알고 있다고 가정합니다(베팅한 동전):
𝑏=1(이길 경우 두 배의 돈을 벌기 때문에)
𝑝=0.51
𝑞=0.49
이를 켈리 공식에 대입하면 다음과 같은 결과가 나옵니다:
𝑓*=(1)(0.51)−0.49=0.02
이 결과는 위험을 최소화하면서 시간이 지남에 따라 자금을 최대화하려면 각 토스에 자금의 2%를 베팅해야 한다는 것을 시사합니다.
중요한 고려 사항:
Kelly Criterion은 확률(𝑝 및 𝑞)을 정확하게 추정할 수 있다고 가정합니다. 과대평가는 큰 손실의 위험을 증가시킬 수 있습니다.
It’s a long-term strategy. Short-term volatility can still result in significant drawdowns.
Kelly Criterion이 제안하는 것보다 더 많이 베팅하면 자금의 상당 부분을 잃을 위험이 높아집니다. 베팅을 적게 하면 위험이 줄어들지만 자금 증가도 느려집니다.
스크립트 BC.Game’s Crash
50개의 게임에서 데이터를 수집하면 𝑝(승리 확률)와 𝑞(패배 확률, 1-𝑝)의 보다 정확한 추정치를 계산할 수 있습니다. 이 데이터를 통해 과거 결과를 바탕으로 베팅 전략을 개선하여 베팅의 정확성을 높이고 자금 관리를 최적화할 수 있습니다.
1단계: 게임 데이터 수집
먼저 지난 50개 게임의 결과를 수집하는 것으로 시작합니다(설정 가능한 매개변수). 이 데이터 수집 단계에서는 각 게임이 크래시되기 전에 목표 배수에 도달했는지 여부를 추적합니다.
2단계: 확률 계산
게임 데이터가 확보되면 목표 배수에 도달하거나 초과한 게임 수를 관찰된 총 게임 수(이 경우 50개)로 나누어 승리 확률(𝑝)을 계산합니다.
3단계: 켈리 기준 적용
데이터에서 𝑝를 계산하고 𝑞=1-𝑝를 알았으면 켈리 기준 공식을 적용하여 베팅할 최적의 뱅크롤 비율을 결정합니다.
BC.Game 스크립트 구현
We collect game data during the game session. This approach takes some time but is more suitable if you’re confident in the game’s stability and wish to maximize the data available for analysis.
𝑝의 정확도: 승리 확률(𝑝)의 정확성은 베팅 규모를 최적화하는 데 있어서 Kelly Criterion의 효율성에 직접적인 영향을 미칩니다. 데이터 수집 및 분석이 최대한 정확한지 확인하십시오.
변화하는 역동성: crash game’s dynamics might change over time. Regularly update your data and recalibrate your strategy accordingly.
리스크 관리: The Kelly Criterion helps manage risk, but it’s based on the accuracy of your inputs (𝑝 and 𝑞). Always be cautious and consider setting aside a portion of your bankroll that is not at risk.
요약
Kelly Criterion을 사용하고 베팅을 위한 게임 기록을 분석하는 방법에 대한 논의를 요약합니다. crash game, the strategy indeed focuses on identifying situations where the probability of winning is deemed favorable based on historical data. By calculating the win probability (𝑝) from recent game outcomes and applying the Kelly Criterion, the strategy aims to optimize bet sizes in scenarios where there’s a perceived edge—that is, where the chances of winning are higher relative to losses. Here’s how it works:
전략 이해
과거 데이터 수집: You accumulate outcomes from a certain number of recent games to analyze the game’s behavior. This dataset helps you understand the frequency of winning versus losing at your target multiplier.
승리 확률 계산(𝑝): 수집된 데이터를 분석하여 게임이 목표 승수에 도달하거나 초과할 확률을 추정합니다. 이 승리 확률은 베팅 우위가 있는지 여부를 결정하는 데 중요합니다.
켈리 기준 적용: 승리 확률(𝑝)이 있는 상태에서 Kelly Criterion을 사용하여 베팅할 자금의 최적 비율을 계산합니다. 이 계산은 베팅이 귀하의 우위에 비례해야 한다는 논리에 기초합니다. 승리 확률이 높을수록 베팅 규모도 커지지만 성장과 위험 사이의 균형을 이루는 지점까지만 가능합니다.
긍정적인 베팅 기회를 기다리세요: 계산된 승리 확률이 양의 기대값을 나타낼 때까지 기다립니다. 즉, 데이터세트 내의 승리한 게임 수가 선택한 목표 승수에서 패배할 확률보다 승리할 확률이 더 높다는 것을 나타낼 때까지 기다립니다. 그런 다음에만 베팅을 하고 위험을 최소화하면서 자금의 장기적인 성장을 극대화하기 위해 Kelly 기준에 따라 해당 베팅의 크기가 최적화됩니다.
주요 이점
이 전략의 가장 큰 장점은 데이터 기반이며 동적이라는 점입니다. 이 전략은 가장 최근의 결과에 반영된 현재 게임 상황에 맞게 조정됩니다. 과거 데이터에서 승리 확률이 높은 상황에 집중함으로써 통계적으로 유리한 기회에 맞춰 베팅 전략을 조정할 수 있습니다.
중요 고려 사항
데이터 관련성: 이 전략은 과거 게임 결과가 미래 결과에 대한 관련 예측 변수라고 가정하며, 이는 일관된 메커니즘과 확률을 갖춘 게임에서도 적용됩니다.
표본 크기 및 가변성: 승리 확률 추정의 정확성은 데이터 세트 내의 크기와 변동성에 따라 달라집니다. 데이터 세트가 클수록 더 신뢰할 수 있는 추정치를 제공할 수 있지만 게임 데이터를 수집하는 데 시간이 걸리고 관련성을 보장하기 위한 세심한 관리가 필요합니다.
요약하자면, 이 전략은 켈리 기준을 과거 게임 데이터 분석과 함께 활용하여 긍정적인 베팅 기회를 식별하고 활용하며, 정보에 입각해 계산된 베팅을 함으로써 승리 확률을 높이는 것을 목표로 합니다.
View Comments
신의 축복이 모두에게 있기를