Смещение фаворит-аутсайдер (Favourite-Longshot Bias): эмпирический анализ 2 490 матчей АПЛ

1. Введение: фундаментальная аномалия букмекерских рынков

В классической финансовой экономике гипотеза эффективного рынка (EMH) утверждает, что рыночные цены мгновенно отражают всю доступную информацию, а ожидаемая доходность различных инструментов должна быть одинаковой после поправки на системный риск. Если бы спортивный беттинг функционировал как абсолютно эффективный информационный рынок, математическое ожидание ставки было бы неизменным при любых коэффициентах. Игрок, ставящий на фаворита с коэффициентом 1.25, должен был бы нести точно такие же процентные издержки — определяемые исключительно букмекерской маржой (overround), — как и игрок, выбирающий аутсайдера с коэффициентом 15.00.

Однако эмпирическая реальность на всех мировых рынках ставок категорически опровергает эти теоретические выкладки. На протяжении почти целого века математики, эконометристы и профессиональные беттинг-синдикаты фиксируют устойчивое, воспроизводимое ценовое искажение: смещение «фаворит-аутсайдер» (Favourite-Longshot Bias, FLB).

Впервые описанный Гриффитом (Griffith, 1949) на данных американских скачек и подтвержденный в европейских исследованиях Али (Ali, 1977), Талером и Зимбой (Thaler & Ziemba, 1988), а также экономистом Хён Сон Шином (Shin, 1991, 1993), этот феномен не является статистической флуктуацией. Это базовая характеристика микроструктуры букмекерского бизнеса. В европейском футболе, теннисе, баскетболе НБА или скачках кривая доходности ставок обычно снижается: чем выше коэффициент, тем больше, как правило, процентные потери.

В данной статье представлен подробный эмпирический анализ смещения «фаворит-аутсайдер» на основе открытого датасета SportsBettingMath, включающего 2 490 матчей Английской Премьер-лиги (АПЛ) с августа 2019 по январь 2026 года (7 470 исходов рынка 1X2, источник: football-data.co.uk, датасет: public/papers/epl-closing-lines-2019-2026.csv). Мы исследуем поведенческие причины феномена, формализуем модель Шина и сравниваем, как мультипликативный метод и модель Шина оценивают андердогов.

2. Эмпирический анализ: 2 490 линий закрытия Английской Премьер-лиги

Для точной математической оценки масштаба смещения аналитический отдел SportsBettingMath обработал 2 490 последовательных матчей АПЛ (с 09.08.2019 по 08.01.2026, 7 сезонов), используя эталонные линии закрытия (closing lines) Pinnacle и средние коэффициенты закрытия рынка из нашего открытого репозитория (источник: football-data.co.uk, датасет: public/papers/epl-closing-lines-2019-2026.csv).

Выборка содержит ровно 7 470 исходов классического рынка 1X2. Все исходы были разбиты на шесть диапазонов десятичных котировок с последующей симуляцией слепых ставок фиксированным флэтом в 1.00 базовую единицу на каждый исход по линиям закрытия Pinnacle и средним котировкам рынка.

Эмпирические результаты по диапазонам котировок (2 490 матчей АПЛ, 7 470 исходов)

Тем не менее эмпирическая динамика демонстрирует тенденцию к ухудшению доходности по мере роста коэффициентов. По линиям Pinnacle умеренные фавориты (1.50–2.00) показали сдержанный результат -0.32% ROI, тогда как исходы с котировками выше 5.00 принесли убыток -5.44% и -5.51%. В средних котировках закрытия рынка, где средний оверраунд заметно выше (4.16% против 2.70% у Pinnacle), просадка на коэффициентах выше 5.00 достигает -9.70% и -6.62%.

3. Поведенческая экономика: почему любители переплачивают за андердогов

Почему эта рыночная неэффективность продолжает существовать на многомиллиардном рынке? На классической бирже акция, переоцененная на 20%, была бы немедленно подвергнута шортингу институциональными фондами до возврата к справедливой стоимости. В спортивном беттинге розничные букмекеры не дают возможности открывать короткие позиции, а непрерывный приток рекреационных игроков бесконечно подпитывает рыночный перекос.

В основе этого феномена лежат три фундаментальные поведенческие концепции когнитивной психологии.

1. Кумулятивная теория перспектив (Kahneman & Tversky, 1992)

В рамках классической теории ожидаемой полезности предполагается, что человек взвешивает выигрыш линейно в соответствии с вероятностью $p$. Даниэль Канеман и Амос Тверски доказали, что человеческий мозг искажает реальность через S-образную функцию когнитивного взвешивания вероятностей $w(p)$:

Где эмпирический коэффициент искажения обычно составляет $\gamma \approx 0.65$. Это математическое уравнение порождает два мощных эффекта:

• Переоценка малых вероятностей ($p<0.10$): Любитель воспринимает реальный 2%-й шанс как 6% или 7%. Победа андердога кажется психологически вполне вероятным событием.
• Недооценка высоких вероятностей ($p>0.40$): Фаворит с 75% шансов воспринимается мозгом так, будто у него лишь 68% вероятности, вызывая ощущение: «риск слишком велик ради копеечной прибыли».

Из-за переоценки малых вероятностей рекреационные игроки готовы переплачивать за билеты с коэффициентами 10.00–20.00. Букмекеры реагируют на этот неэластичный спрос, занижая выплаты (то есть накручивая маржу) именно на аутсайдерах.

2. Предпочтение положительной асимметрии (эффект лотерейного билета)

Если финансовые риск-менеджеры оценивают риск через дисперсию (${\sigma }^2$), то розничные игроки охотятся за положительной асимметрией (positive skewness, ${\mu }_3$).

Ставка на фаворита (кэф 1.20) обладает отрицательной асимметрией: игрок часто получает крошечный доход, но рискует потерять 100% ставки в случае редкой сенсации. Ставка на аутсайдера (кэф 12.00) обладает положительной асимметрией: игрок часто теряет мелкую сумму, но имеет шанс сорвать колоссальный куш. Человеческий мозг получает психологический дофаминовый стимул от положительной асимметрии и охотно соглашается на заведомо отрицательное матожидание (-20% EV) ради призрачного шанса разбогатеть.

3. Когнитивный якорь на абсолютных суммах выигрыша

Рекреационный игрок не мыслит испытаниями Бернулли и геометрическим ростом банкролла. Он смотрит на абсолютные цифры в купоне ставок. Сравнивая:

• Ставку А: Риск $100 ради выигрыша $20 на фаворите 1.20 (82% вероятность победы).
• Ставку Б: Риск $10 ради выигрыша $110 на аутсайдере 12.00 (7% вероятность победы).

Мозг любителя отвергает Ставку А («Зачем рисковать сотней ради двадцатки?») и выбирает Ставку Б («Всего десять долларов, а поднять можно сто десять!»). Из-за этого спрос на высокие коэффициенты абсолютно нечувствителен к росту маржи. Если букмекер снизит коэффициент с 12.00 до 10.50, поток ставок от толпы не уменьшится. Контора зарабатывает максимум прибыли там, где клиент не замечает комиссию.

4. Микроструктура рынка: риск-менеджмент букмекера и модель Шина

Психология объясняет желание толпы ставить на аутсайдеров, но риск-менеджмент объясняет, почему букмекеры сознательно закладывают в андердогов максимальный оверраунд. В 1991 и 1993 годах эконометрист Хён Сон Шин (Hyun Song Shin) создал фундаментальную модель, объясняющую ценообразование контор.

Шин доказал, что присутствие на рынке информированных игроков (инсайдеров) — лиц, знающих о договорных матчах, критических травмах лидеров или обладающих превосходящими моделями, — вынуждает букмекера занижать высокие коэффициенты для сохранения платежеспособности.

Математическая структура модели Шина

Шин разделил участников рынка на две категории: 1. Шумовые игроки (доля $1-z$): Рекреационные любители, ставящие наугад или под влиянием эмоций. 2. Инсайдеры (доля $z$): Профессионалы, точно знающие исход события до матча.

Если инсайдер ставит $1 000 на фаворита с коэффициентом 1.25, букмекер выплачивает ему $250 чистой прибыли. Но если инсайдер ставит те же $1 000 на андердога с коэффициентом 12.00, контора получает сокрушительный финансовый убыток в $11 000. Чтобы защититься от разорения со стороны инсайдеров, букмекер обязан искусственно занижать котировки на маловероятные исходы.

Связь между объявленной вероятностью ${\pi }_i=1/O_i$, истинной вероятностью $p_i$ и параметром инсайда $z$ выражается уравнением:

Решая это квадратное уравнение относительно $p_i$, Шин получил знаменитую формулу инверсии Шина:

Параметр $z$ находится численными методами (итерациями Ньютона-Рафсона) при обязательном условии нормировки: ${\sum }_{i=1}^n{p}_i=1.000$.

Распределение маржи по модели Шина: иллюстрация

Модель Шина математически обосновывает, что рациональные букмекеры, максимизирующие прибыль, обязаны закладывать повышенную маржу в длинные позиции.

Иллюстративный пример (модель Шина), а не наблюдение из датасета:

Отношение $(q-p)/p$ в условном примере является относительной ценовой нагрузкой, а не ожидаемой потерей на единицу ставки или фактическим hold. Потеря равна $1-pO=1-p/q$ при $q=1/O$. Отношения 10.40% и2.45% сравнивают нагрузку относительно заданных p, а не долю потерянного оборота.

5. Ловушка удаления маржи: мультипликативный метод против модели Шина

Ограничение мультипликативного метода состоит в допущении, что букмекер распределяет маржу строго пропорционально вероятностям. На выборке из 2 490 матчей Премьер-лиги (football-data.co.uk) все четыре метода дали одинаковую точность на линиях закрытия Pinnacle (Brier 0,5676). Модель Шина сдвигает вероятность в сторону фаворитов: +0,79 п.п. для коэффициентов ниже 1,70 и −0,28 п.п. для коэффициентов выше 3,50. Выбор метода наиболее критичен для аутсайдеров и рынков с высокой маржой или множеством исходов; на ликвидных линиях 1X2 АПЛ точность от этого не изменилась.

Кейс: +EV только при одном методе

Рассмотрим гипотетический матч, в котором букмекер дает линию с общим оверраундом 5.63% (S≈1.0563):

• Манчестер Сити (Фаворит): $O_1=1.30$
• Ничья: $O_2=5.50$
• Лутон Таун (Аутсайдер): $O_3=9.50$

Сравним расчет истинных вероятностей по мультипликативному методу и по модели Шина ($z=0.029$):

Теперь представьте, что другой букмекер предлагает поставить на аутсайдера за 10.50:

1. Мультипликативный расчет: Сравнивает 10.50 с мультипликативной вероятностью $9.97\%$ (справедливый кэф 10.035).
   $${\text{EV}}_{\text{mult}}=(0.0997\times 10.50)-1=+4.69\%\text{(Кажется валуем)}$$
   Беттор уверен, что нашел перевес над линией.
2. Та же ставка по модели Шина: По модели Шина ($z=0.029$) справедливая вероятность победы андердога составляет $9.01\%$ (справедливый кэф 11.104).
   $${\text{EV}}_{\text{Shin}}=(0.0901\times 10.50)-1=-5.40\%\text{(-EV)}$$
   По модели Шина матожидание ставки −5.40%. Перевес есть только при одном методе, поэтому он не подтвержден.

6. Количественные стратегии: как зарабатывать на смещении

Понимание Favourite-Longshot Bias открывает возможности для построения прибыльных системных стратегий.

1. Торговля против андердогов (Lay) на биржах ставок

Биржевой lay имеет обязательства, комиссию и сведение заявок, отличающиеся от букмекерского back. Используйте текущую комиссию счёта и принятые цены. Расхождение с моделью может давать оценочное преимущество, но не устанавливает истинную вероятность или типичную комиссию.

2. Переход на азиатские форы

Рынок азиатской форы может иметь два исхода и допускать возврат либо разделение ставки. Это не означает симметричных истинных вероятностей или отсутствия смещения фаворит-аутсайдер. Рассчитывайте вероятности победы, возврата и проигрыша при выбранной модели и сравнивайте текущие полные цены; универсальный диапазон маржи из названия рынка не следует.

3. Отказ от экспрессов из андердогов

Доля выручки рынка здесь не установлена. При независимых событиях и выбранной ожидаемой потере 15% каждое следующая формула даёт потерю билета. Это математический сценарий; зависимость требует совместной вероятности.

4. Дробный критерий Келли для контроля просадки

Формула Келли определяет размер оптимальной ставки как:

Quarter Kelly и Eighth Kelly являются вариантами доли оценки, а не обязательными правилами для андердогов. Выбирайте экспозицию с учётом неопределённости и заданного события потери; уменьшение суммы не подтверждает вероятность или рост.

7. Заключение и выводы

Смещение «фаворит-аутсайдер» — устойчивая эмпирическая тенденция букмекерского рынка. Оно стимулируется когнитивными искажениями человеческой психики (теорией перспектив) и закрепляется механизмами управления рисками букмекеров (моделью Шина).

Ключевые выводы: 1. Доходность ставок на высокие коэффициенты испытывает наибольшее давление (-5.44% и -5.51% ROI на кэфах > 5.00 по линии Pinnacle и до -9.70% по средней линии рынка в исследовании 2 490 матчей АПЛ, источник: football-data.co.uk). 2. Умеренные фавориты показывают минимальные просадки (-0.32% ROI на кэфах 1.50–2.00 по линии Pinnacle, 95%-й доверительный интервал пересекает ноль). 3. Относительно модели Шина мультипликативный метод удаления маржи дает аутсайдерам немного больше вероятности (в среднем на 0,28 п.п. при коэффициенте выше 3,50), и аутсайдер может выглядеть +EV, не будучи им; проверяйте обоими методами. 4. На 2 490 матчах АПЛ все четыре метода удаления маржи показали одинаковую точность (Brier 0,5676); выбор метода важен для отдельных ставок на аутсайдеров, а не для общей калибровки ликвидных линий 1X2.