Strategy graveyard #3 — しかも今回は大量の墓だ。1か月にわたり、自社の確定済み予想を使って17種類のデイリーチケット構成をシミュレーションした。1チケットあたり1〜6レッグ、3つの選択方法(市場の人気馬、オッズ帯フィルター、独自の value signals)を用い、すべて実際のBetfair交換オッズに2%の手数料を乗せ、デイリーチケット1枚10 leiで評価した。さらに、どの予想屋もやらないことをやった。全結果について luck を監査した。
| Legs | Selection | Result | Expected (EV) | P(luck) |
|---|---|---|---|---|
| 5 | favourites | +116% | −27% | 0.8% |
| 5 | odds 1.70–2.00 | +205% | −23% | 3.6% |
| 3 | favourites | +28% | −17% | 4.7% |
| 2 | value signals | +46% | −1.3% | 12.1% |
| 4 | value signals | −59% | −6% | 51% |
| 6 | favourites | −8% | −33% | 28% |
| 5 | "top skill leagues" | −100% | −42% | — |
17通りの構成のうち14通りは月次で利益を出した。だが、そのすべてが期待値はマイナスだった。この矛盾こそが、アキュムレーター業界そのものだ。

賭け金に対するチケット1枚あたりの期待損失を、レッグ数ごとに測定した結果は次の通り。
| Legs | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|
| EV | −6.5% | −12.7% | −17.2% | −22.0% | −27.4% | −33.1% |
レッグを1つ増やすたびに、賭け金の約5〜6ポイント分を失う。 これは前回のアキュムレーター記事で示した複利マージンの計算を、実際の交換市場価格で1,500 lei超のシミュレーション賭け金により確認したものだ。
なぜ、期待値がマイナスなのに17通り中14通りが利益になったのか。理由は、すべてが同じ月の同じ期間に同じ母集団から引かれていたからだ。そしてその月が異常なほど有利だった。最も重い日次人気馬は、公平な期待値73.2%に対して**89.5%**を記録した。これは333回に1回の事象(p=0.3%)だ。各チケット形式はその異常を増幅しただけで、チケットが長いほど増幅はより派手になった。1レッグで+18%だったものが、5レッグでは+116%になった。

5レッグの旗艦チケットは+324 leiを出し、そのうち71%は1枚の24.4×チケットが生んだものだった。モンテカルロ監査(公平確率で20,000回再実行)では、期待結果は−78 lei、純粋な偶然でここまでうまくいく確率は0.8%。もし予想屋がこの月を証拠として見せてきたら、当社の監査ツールはF評価を付ける。私たち自身にも同じ評価を付けた。
愛されている1.70–2.00帯は、5レッグチケットで+205%を生んだ。そこでフィルターを1.50–2.00に変え、2レッグにすると、−29%。同じ選択対象のシングルでは、どちらも±0%。フィルターを0.20動かしただけで符号が反転する「システム」は、システムではない。月額課金付きの乱数発生器だ。
value signals は、実測で本当にエッジのある唯一の選択方法だ(10リーグ中10で正のCLV)。Betfair価格でのシングルでは、テストした全構成で**+11%〜+18%**を記録した。ところが5レッグチケットにまとめると、同じシグナルは+24%から−59%まで振れた。これは純粋なノイズだ。チケットあたりの平均勝率2%では、どんなエッジも宝くじ化するからだ。アキュムレーターはエッジを掛け算しない。エッジが見えなくなるまで分散を掛け算する。
最後に、勝ち月の後に誰もがやることをした。最も成績の良かった5リーグだけを選び、そのリーグだけに賭けた。結果は16チケットで0勝、−100%、1 leiも残らず消失。しかもシングルの比較群も、その切り出しではマイナスになった。小さなサンプルの部分集合で測ったスキルは、他へは移らない。それはスキルではない。残渣だ。
この研究全体を通して一貫して利益を出した構成は1つだけだった。value signals をシングルで、フラットベット、全リーグで回すこと。これは文字通り、このサイトが毎日公開している手法そのものだ。それ以外は、税金(favourites の acca)、コイントス(value acca)、あるいは蜃気楼(フィルターとリーグ選別)だった。
上の数値はすべて公開データから再現できる。では、その1つの有効な対象にどれだけ賭けるべきかという本題は、別の研究に分けた:152件の実ベットで検証したKelly。