283 ответов в эту тему

[Χ@ρΣ ΚρμωΗ@]

и где-то 350-400% если ставить прогрессивным флетом

[Χ@ρΣ ΚρμωΗ@]

Bambuk, on 05 December 2015 - 22:23, сказал:

Теоретически можно конечно попробовать разрулить неоднозначность для некоторых полос Кбук исходя из следующего--взять (при малом числе потоков) паровоз из этих игр, а ставку сделать меньше (допустим так можно--если ставка на средний кефф Ksr полосы S=А , то взять в пропорции Б=А*Ksr/(К1*К2*К3*К4) )..... или есть системы (которые к данной теме не относятся) которые допустим разные кефы бьют и там сумма автоматом считается...тогда для паровоза она будет меньше естественно автоматически... хотя в целом это особо наверно нам ни чё не даст. Я просто не вижу смысла пиханины в несколько потоков чисто из-за данной только ситуации---можно же взять по идее случайным образом альтернативу (а при необходимости учёта остальных для каких-то целей просто учесть да и всё.).

чтобы увидеть смысл - нужно же заняться этим ! поэкспериментиривать, потестить ! иначе о каком смысле речь ? или вы обладаете редким даром предвидеть что будет работать а что не будет ? вот не пойму я ...

[Bambuk]

Χ@ρΣ ΚρμωΗ@, on 06 December 2015 - 00:04, сказал:

чтобы увидеть смысл - нужно же заняться этим ! поэкспериментиривать, потестить ! иначе о каком смысле речь ? или вы обладаете редким даром предвидеть что будет работать а что не будет ? вот не пойму я ...

Конечно я имею...и умею....но не даром за амбаром а надо ж подходить с научной колокольни к делу а не так--перебираем до усёру...Я Вам битый день пытаюсь пояснить что в общем потоке может не стоит испытывать судьбу а вы намёков ни хрена не понимаете....
Давайте тогда конкретно на цифрах...

Целью автокорреляционного анализа является выяснение степени статистической зависимости между различными значениями (отсчетами) случайной последовательности, которую образует поле выборки данных. В процессе автокорреляционного анализа рассчитываются коэффициенты корреляции (мера взаимной зависимости) для двух значений выборки, находящихся друг от друга на определенном количестве отсчетов, называемые также лагом. Совокупность коэффициентов корреляции по всем лагам представляет собой автокорреляционную функцию ряда (АКФ):

R(t) = corr(X(t), X(t+k)), где k > 0 – целое число (лаг).

По поведению АКФ можно судить о характере анализируемой последовательности, т. е. степени ее гладкости, и о наличии периодичности (например, сезонной) или тренда.

Очевидно, что при k = 0 автокорреляционная функция будет максимальной и равной 1, т. е. значение последовательности полностью коррелировано само с собой – степень статистической взаимозависимости максимальна. Действительно, если факт появления данного значения имел место, то и соответствующая вероятность равна 1. По мере увеличения числа лагов, т. е. увеличения расстояния между двумя значениями, для которых вычисляется коэффициент корреляции, значение АКФ будут убывать из-за уменьшения статистической взаимозависимости между этими значениями (вероятность появления одного из них все меньше влияет на вероятность появления другого). При этом, чем быстрее убывает АКФ, тем более быстрой изменяющейся является анализируемая последовательность. И наоборот, если АКФ убывает медленно, то и соответствующий процесс является относительно гладким. Если в исходной выборке имеет место тренд (плавное увеличение или уменьшение значений ряда), то плавное изменение АКФ также будет иметь место. При наличии сезонных колебаний в исходном наборе данных, АКФ также будет иметь периодические всплески.
Лаг З1д П1д win1 X win2
0 1 1 0,999999999999999 0,999999999999999 1
1 0,119394038147472 0,0471775447440764 0,0136151228147556 0,0705275779376499 0,0576644640400532
2 -0,138780212897395 -0,173040178139323 -0,123142579556901 -0,0392012543811105 -0,0658622944904265
3 -0,128758788309353 0,0994173854012638 0,114374780208973 0,17183914406936 -0,0150943821745112
4 -0,0470329910502233 -0,0626843576507149 0,00640746723251057 0,0364692861095739 0,0701562887620938
5 0,133999986605449 0,100823962831002 -0,116265728096893 -0,0276185205681608 -0,184091472903183
6 0,111110958602324 -0,0108842464672355 -0,166652262282966 0,00521674967718129 -0,00260255745247062
7 -0,107789775432866 -0,060348450371585 -0,0871713565353185 -0,104512082641579 0,0390744457725356
8 -0,113266673735716 0,156043558957453 -0,00769045078767144 -0,000394761114185602 0,0371777812859431
9 0,0280101348384459 0,0433891890571572 0,0999594690444828 -0,0388415421508947 0,00988926726956994
10 0,224376478592846 0,0759049554341098 -0,00800784393197953 -0,102929348828629 0,0515662704945761
11 0,146604111608386 0,0931413449412346 0,0714730618156677 -0,0344530529422615 -0,0810513971268126


АПЛ кефф на П1 1.9...2.1












Лаг win1 X win2 ЧЁТНОЕ
0 1,00000000000005 1,00000000000004 0,999999999999979 1,00000000000003
1 0,0162696634380687 0,0207945294206523 -0,00613831053415683 -0,00416224251084128
2 0,00652659147443076 -0,0283222808037675 0,0395494811934126 -0,0105604764009933
3 0,0278392331298433 0,0111406961296672 0,0184031302089916 0,0203886316628778
4 -0,0170616765251636 -0,0178807218550407 0,0090510397031563 0,0182423733474384
5 -0,0131059121372104 -0,000412746139073846 0,00328795018137631 -0,0274563274967366
6 -0,0141705454671174 0,00869050465316387 -0,0257212411221038 0,00659533085449069
7 -0,0124954115267079 -0,0203309133315436 0,00555134335386018 -0,00290545332301758
8 -0,00853964713875275 -0,0141603293683012 0,00192517349958178 0,00295385589027848
9 -0,000474231845319577 -0,00022480276931222 -0,0270840178038994 0,00513590217254041
10 -0,000628118362842472 -0,0277798873395206 0,0164668542561704 -0,00861685757968042
11 -0,0322893284890308 -0,0293742460120274 -0,00502191590372533 -0,0408322610100624


Кеф на П1 2.5...2.9 общий поток


Разницу видите в значениях по модулю коэффициентов корреляции (на порядок отличаются)?
(ну нет там в общем потоке ни ХУ…..) в лиге одной и то значения не очень большие.

вот для этих win1 X win2 ЧЁТНОЕ просто пихаем последовательность "0" и "1" в расчёт (как будто это временной ряд)

Отредактировано Bambuk, 06 December 2015 - 00:46.

[Χ@ρΣ ΚρμωΗ@]

Bambuk, on 06 December 2015 - 00:37, сказал:

Конечно я имею...и умею....но не даром за амбаром а надо ж подходить с научной колокольни к делу а не так--перебираем до усёру...Я Вам битый день пытаюсь пояснить что в общем потоке может не стоит испытывать судьбу а вы намёков ни хрена не понимаете....
Давайте тогда конкретно на цифрах...

Целью автокорреляционного анализа является выяснение степени статистической зависимости между различными значениями (отсчетами) случайной последовательности, которую образует поле выборки данных. В процессе автокорреляционного анализа рассчитываются коэффициенты корреляции (мера взаимной зависимости) для двух значений выборки, находящихся друг от друга на определенном количестве отсчетов, называемые также лагом. Совокупность коэффициентов корреляции по всем лагам представляет собой автокорреляционную функцию ряда (АКФ):

R(t) = corr(X(t), X(t+k)), где k > 0 – целое число (лаг).

По поведению АКФ можно судить о характере анализируемой последовательности, т. е. степени ее гладкости, и о наличии периодичности (например, сезонной) или тренда.

Очевидно, что при k = 0 автокорреляционная функция будет максимальной и равной 1, т. е. значение последовательности полностью коррелировано само с собой – степень статистической взаимозависимости максимальна. Действительно, если факт появления данного значения имел место, то и соответствующая вероятность равна 1. По мере увеличения числа лагов, т. е. увеличения расстояния между двумя значениями, для которых вычисляется коэффициент корреляции, значение АКФ будут убывать из-за уменьшения статистической взаимозависимости между этими значениями (вероятность появления одного из них все меньше влияет на вероятность появления другого). При этом, чем быстрее убывает АКФ, тем более быстрой изменяющейся является анализируемая последовательность. И наоборот, если АКФ убывает медленно, то и соответствующий процесс является относительно гладким. Если в исходной выборке имеет место тренд (плавное увеличение или уменьшение значений ряда), то плавное изменение АКФ также будет иметь место. При наличии сезонных колебаний в исходном наборе данных, АКФ также будет иметь периодические всплески.
Лаг З1д П1д win1 X win2
0 1 1 0,999999999999999 0,999999999999999 1
1 0,119394038147472 0,0471775447440764 0,0136151228147556 0,0705275779376499 0,0576644640400532
2 -0,138780212897395 -0,173040178139323 -0,123142579556901 -0,0392012543811105 -0,0658622944904265
3 -0,128758788309353 0,0994173854012638 0,114374780208973 0,17183914406936 -0,0150943821745112
4 -0,0470329910502233 -0,0626843576507149 0,00640746723251057 0,0364692861095739 0,0701562887620938
5 0,133999986605449 0,100823962831002 -0,116265728096893 -0,0276185205681608 -0,184091472903183
6 0,111110958602324 -0,0108842464672355 -0,166652262282966 0,00521674967718129 -0,00260255745247062
7 -0,107789775432866 -0,060348450371585 -0,0871713565353185 -0,104512082641579 0,0390744457725356
8 -0,113266673735716 0,156043558957453 -0,00769045078767144 -0,000394761114185602 0,0371777812859431
9 0,0280101348384459 0,0433891890571572 0,0999594690444828 -0,0388415421508947 0,00988926726956994
10 0,224376478592846 0,0759049554341098 -0,00800784393197953 -0,102929348828629 0,0515662704945761
11 0,146604111608386 0,0931413449412346 0,0714730618156677 -0,0344530529422615 -0,0810513971268126


АПЛ кефф на П1 1.9...2.1












Лаг win1 X win2 ЧЁТНОЕ
0 1,00000000000005 1,00000000000004 0,999999999999979 1,00000000000003
1 0,0162696634380687 0,0207945294206523 -0,00613831053415683 -0,00416224251084128
2 0,00652659147443076 -0,0283222808037675 0,0395494811934126 -0,0105604764009933
3 0,0278392331298433 0,0111406961296672 0,0184031302089916 0,0203886316628778
4 -0,0170616765251636 -0,0178807218550407 0,0090510397031563 0,0182423733474384
5 -0,0131059121372104 -0,000412746139073846 0,00328795018137631 -0,0274563274967366
6 -0,0141705454671174 0,00869050465316387 -0,0257212411221038 0,00659533085449069
7 -0,0124954115267079 -0,0203309133315436 0,00555134335386018 -0,00290545332301758
8 -0,00853964713875275 -0,0141603293683012 0,00192517349958178 0,00295385589027848
9 -0,000474231845319577 -0,00022480276931222 -0,0270840178038994 0,00513590217254041
10 -0,000628118362842472 -0,0277798873395206 0,0164668542561704 -0,00861685757968042
11 -0,0322893284890308 -0,0293742460120274 -0,00502191590372533 -0,0408322610100624


Кеф на П1 2.5...2.9 общий поток


Разницу видите в значениях по модулю коэффициентов корреляции (на порядок отличаются)?
(ну нет там в общем потоке ни ХУ…..) в лиге одной и то значения не очень большие.

вот для этих win1 X win2 ЧЁТНОЕ просто пихаем последовательность "0" и "1" в расчёт (как будто это временной ряд)

чё из википедии все определения ?

просто голые цифры и чё дальше ?

[Χ@ρΣ ΚρμωΗ@]

вы мне голые цифры - я вам голое заключение :

<<Заключение
Другой полезный метод исследования периодичности состоит в исследовании частной автокорреляционной функции (ЧАКФ), представляющей собой углубление понятия обычной автокорреляционной функции. В ЧАКФ устраняется зависимость между промежуточными наблюдениями (наблюдениями внутри лага). Другими словами, частная автокорреляция на данном лаге аналогична обычной автокорреляции, за исключением того, что при вычислении из нее удаляется влияние автокорреляций с меньшими лагами. На лаге 1 (когда нет промежуточных элементов внутри лага), частная автокорреляция равна, очевидно, обычной автокорреляции. На самом деле, частная автокорреляция дает более "чистую" картину периодических зависимостей.
Как отмечалось выше, периодическая составляющая для данного лага k может быть удалена взятием разности соответствующего порядка. Это означает, что из каждого i-го элемента ряда вычитается (i-k)-й элемент. Имеются два довода в пользу таких преобразований. Во-первых, таким образом можно определить скрытые периодические составляющие ряда. Напомним, что автокорреляции на последовательных лагах зависимы. Поэтому удаление некоторых автокорреляций изменит другие автокорреляции, которые, возможно, подавляли их, и сделает некоторые другие сезонные составляющие более заметными. Во-вторых, удаление периодических составляющих делает ряд стационарным, что необходимо для применения некоторых методов анализа.>>

[Bambuk]

Χ@ρΣ ΚρμωΗ@, on 06 December 2015 - 01:21, сказал:

чё из википедии все определения ?

просто голые цифры и чё дальше ?

Вам откуда надо определения (оттуда и дадим)? От мистера Абамы или от Абрамовича?

Что значит голые цифры? Цифры говорят что в общем потоке нет ни каких практически закономерностей и связей, а в лиге некоторые потуги на то имеются, но очень слабые.

Там может не совсем удобно и понятно где что по цифрам...но тут не вставляются таблицы..... вот рисунок тогда..там понятнее....

 АКФ.jpg   119.05K   0 Количество загрузок

Χ@ρΣ ΚρμωΗ@, on 06 December 2015 - 01:42, сказал:

вы мне голые цифры - я вам голое заключение :

<<Заключение
Другой полезный метод исследования периодичности состоит в исследовании частной автокорреляционной функции (ЧАКФ), представляющей собой углубление понятия обычной автокорреляционной функции. В ЧАКФ устраняется зависимость между промежуточными наблюдениями (наблюдениями внутри лага). Другими словами, частная автокорреляция на данном лаге аналогична обычной автокорреляции, за исключением того, что при вычислении из нее удаляется влияние автокорреляций с меньшими лагами. На лаге 1 (когда нет промежуточных элементов внутри лага), частная автокорреляция равна, очевидно, обычной автокорреляции. На самом деле, частная автокорреляция дает более "чистую" картину периодических зависимостей.
Как отмечалось выше, периодическая составляющая для данного лага k может быть удалена взятием разности соответствующего порядка. Это означает, что из каждого i-го элемента ряда вычитается (i-k)-й элемент. Имеются два довода в пользу таких преобразований. Во-первых, таким образом можно определить скрытые периодические составляющие ряда. Напомним, что автокорреляции на последовательных лагах зависимы. Поэтому удаление некоторых автокорреляций изменит другие автокорреляции, которые, возможно, подавляли их, и сделает некоторые другие сезонные составляющие более заметными. Во-вторых, удаление периодических составляющих делает ряд стационарным, что необходимо для применения некоторых методов анализа.>>

Ваш умняк он тут не совсем уместен я думаю.....(я сомневаюсь что Вы знаете как из матрицы АКФ найти ЧАКФ)....Вы должны понять что часть пользователей может попасть в блудняк с Вашими теориями не разобравшись в них до конца.

[Bambuk]

По поводу данных что привёл надо конечно оговорку сделать---дело в том что тут зависит всё сильно и от размера выборок. Так как для АПЛ там выборка маленькая то значения АКФ
они сомнительны конечно (но просто нет возможности сделать больше выборку...там или диапазон тогда надо шире брать по К_П1 или ХЗ что...)...но в любом случае мы можем лишь какие-то гипотезы выдвинуть относительно наличия--отсутствия связей в данных ряда....

[Χ@ρΣ ΚρμωΗ@]

П1 = 1.60-1.69 (368 соб) => https://docs.google....dit?usp=sharing
профит с гор пресса :
- фикс => +564%
- прог => +1835%
профит с чёт/нечёт :
- фикс => +154%
- прог => +242%

Bambuk, on 06 December 2015 - 03:49, сказал:

По поводу данных что привёл надо конечно оговорку сделать---дело в том что тут зависит всё сильно и от размера выборок. Так как для АПЛ там выборка маленькая то значения АКФ
они сомнительны конечно (но просто нет возможности сделать больше выборку...там или диапазон тогда надо шире брать по К_П1 или ХЗ что...)...но в любом случае мы можем лишь какие-то гипотезы выдвинуть относительно наличия--отсутствия связей в данных ряда....

что мешает взять выборку побольше ?

[Bambuk]

Χ@ρΣ ΚρμωΗ@, on 06 December 2015 - 23:08, сказал:

что мешает взять выборку побольше ?

Так в одной лиге как там побольше-то сделать? Скока есть столько и смотрим..... Да я вчера попробовал просто несколько лиг английского футбола поставить друг за другом и там по смыслу---если тенденции одинаковые то это вот как колода за колодой поставить а не всовывать одна в другую....Там тоже по идее практически ни чего не наблюдается по автокорреляции (цифры очень маленькие). Попробовал разные критерии понауладывать--они немного влияют на характер связей в последовательности...но это опять всё на уровне гипотез конечно.....

Мне кажется есть смысл если уж последовательностями заниматься исследовать распределения серий или вот типа такого. Нечто похожее мы в теме про мазаньеллу делали---смотрели какие максимальные лузы получаются на разных длинах "колбас" (но число их правда не считали)...а можно я думаю попробовать распределения даже взять по числу
винов и лузов в отрезках определённой длины...а сам отрезок двигать просто по последовательности (типа плавающего окна) и вот для разных окон можно свои распределения составить...может это что-то дать сможет?.....

Если например исходить из того что данные по лагам не коррелируют то длинную последовательность можно попытаться обыграть только за щёт каких-то свойств иного характера обратив их в свою пользу. Например может отличаться сильно распределение винов в окне размерности m от теоретического ...а теоретическое там по идее при узкой полосе по кефам должно быть очень близко к биномиальному распределению (где размерность плавающего окна =одному из параметров биномрасп. а вероятность можно около 1/Ксредн взять с учётом возможной маржи или (что лучше) непосредственно определённую экспериментально для этой узкой полосы К по всей последовательности N)
Для окна длины 10 предположим вот так может быть (это просто пример)

 несоответствие распределения в окне.jpg   28.72K   1 Количество загрузок


красное--это биномиальное (теоретическое)

Отредактировано Bambuk, 07 December 2015 - 07:02.

[Χ@ρΣ ΚρμωΗ@]

1.10 => https://drive.google...9E3HwLbM9-90jqE
профит гор пресс :
- фикс => +159%
- прог => +266%
профит чёт/нечёт:
- фикс => +82%
- прог => +105%

1.01 => https://drive.google...Hj6aIb47iye6Es8
профит гор пресс :
- фикс => +22%
- прог => -2%
профит чёт/нечёт:
- фикс => +90%
- прог => +96%
вынужден оставить этот диапазон , слишком мало потенциала ...

Отредактировано Χ@ρΣ ΚρμωΗ@, 07 December 2015 - 18:46.

[stranniks]

Разницу видите в значениях по модулю коэффициентов корреляции (на порядок отличаются)?
(ну нет там в общем потоке ни ХУ…..) в лиге одной и то значения не очень большие.
А что если Ваши знания применить на баскетболе в частности на счёт четверти? На данный момент сам разрабатываю в этом направлении. Есть много наработок. Могу поделиться.

[Χ@ρΣ ΚρμωΗ@]

stranniks, on 07 December 2015 - 20:14, сказал:

Разницу видите в значениях по модулю коэффициентов корреляции (на порядок отличаются)?
(ну нет там в общем потоке ни ХУ…..) в лиге одной и то значения не очень большие.
А что если Ваши знания применить на баскетболе в частности на счёт четверти? На данный момент сам разрабатываю в этом направлении. Есть много наработок. Могу поделиться.

к кому вопрос ?

если кэфы в баскетболе дают идентичные , то будет работать по идее, баскетболом не интересовался , там рынок слишком слабый по сравнению с футболом.

Сейчас посмотрел сколько там предлагают событий в день в среднем (в баскетболе) 5-10 матчей , это же смешно !

[Bobr]

Bambuk, on 06 December 2015 - 01:54, сказал:

Вам откуда надо определения (оттуда и дадим)? От мистера Абамы или от Абрамовича?

Что значит голые цифры? Цифры говорят что в общем потоке нет ни каких практически закономерностей и связей, а в лиге некоторые потуги на то имеются, но очень слабые.

В точку. Матчи каждой отдельной лиги находятся в разных временных моментах и формируют разные стат.показатели этой лиги, достигнутые к этому моменту. Соответственно, к условным (и весьма условным) итоговым статистическим константам лиги (по окончании сезона) будет приводить и разное течение этих отдельных матчей (и соответствующие им стат.показатели).

[Χ@ρΣ ΚρμωΗ@]

1.20 => https://drive.google...DV00-aSms3exwoQ
профит ГП :
- фикс => +203%
- прог => +238%
профит Ч/Н :
- фикс => +8%
- прог => -23%

[stranniks]

Χ@ρΣ ΚρμωΗ@

На 1xбите на баскетбол до 100 игр в день. А если к корреляции добавить и % вероятность отклонения от случайного распределения. То анализ игры и прогнозирование тотала с точностью до 100%.

[Χ@ρΣ ΚρμωΗ@]

stranniks, on 08 December 2015 - 19:14, сказал:

Χ@ρΣ ΚρμωΗ@

На 1xбите на баскетбол до 100 игр в день. А если к корреляции добавить и % вероятность отклонения от случайного распределения. То анализ игры и прогнозирование тотала с точностью до 100%.

ну нарисуйте нам график распределения тоталов тогда , посмотрим что за точняк ...

1.30 => https://drive.google...Yh30Vvbe2eUpKNI
профит гор пресс :
- фикс => +248%
- прог => +172%
профит чёт/нечёт :
- фикс => +76%
- прог => +79%

[Leks648]

Еще раз для тупых... Каким образом идет отборка событий кроме кэфов и временных отрезков? Какие виды спорта? В выходные много событий - какая выборка идет если много событий в один временной промежуток?

Отредактировано Leks648, 09 December 2015 - 08:18.

[angryem]

П1 = 1.60-1.69 (140 соб май 2015) = https://cloud.mail.r.../E46y/h2LT9iaQ8
профит с гор пресса :
- фикс => -132%
- прог => +2,35%
профит с чёт/нечёт :
- фикс => -130%

[angryem]

П1 = 1.60-1.69 (115 соб январь 2015) = https://cloud.mail.r.../8PRZ/EDjPKZmiV

профит с гор пресса :
- фикс => +120.86%
профит с чёт/нечёт :
- фикс => -68%

Продолжение следует...

[Χ@ρΣ ΚρμωΗ@]

Leks648, on 09 December 2015 - 08:17, сказал:

Еще раз для тупых... Каким образом идет отборка событий кроме кэфов и временных отрезков? Какие виды спорта? В выходные много событий - какая выборка идет если много событий в один временной промежуток?

копируешь букмекерскую линию в эксель на сутки вперёд, разбиваешь на диапазоны , раскидываешь по времени , следуешь сигналам по алгоритму

когда несколько событий на одно время , берёшь первый в списке после сортировки по диапазонам , в экселе значения по умолчанию настраиваются по возрастанию после сортировки (либо непосредственно по столбцу П1 , либо по сумме двух или трех столбцов П1+Х+П2) то есть три столбца нужно держать вместе в строгом порядке, чтобы прога делала свою работу корректно