方差 (Variance)

方差（Variance）是指投注的平均预期回报与结算后实际存入账户金额之间的差距。每一笔定价后的投注都有一个预期值（EV）——即如果你重复投注数千次后的长期平均结果——但没有任何单次投注，甚至几十次投注的连贯表现，会完全符合该平均值。方差是描述这种离散程度的统计学术语：在样本量大到足以让平均值显现之前，结果围绕预期值波动的剧烈程度。

这一点之所以重要，是因为投注虽然是以结果来评判的，但结果往往是衡量质量的“嘈杂”信号。一个拥有真实 5% 优势的投注者，在一个月内仍可能亏损。而一个完全没有优势——甚至处于劣势——的投注者，完全可能仅凭方差在某一周内连战连捷。这种波动的规模取决于所涉及的赔率：投注 1.20 的低赔热门通常会产生频繁且微小的波动，而投注 6.00 的冷门则会产生罕见但剧烈的波动。在优势相同的情况下，更高的赔率总是意味着更高的方差，因为盈亏结果更加极端。

实际后果是，通常导致资金不足的投注者破产的往往是方差，而不是缺乏技巧。一个策略可能定价正确，但仍可能产生足够长的连败序列，从而击穿并未为此做好准备的资金池。这就是为什么专业的投注者会从标准差和样本量的角度思考，而不仅仅是关注“我这周是赢了还是输了”。

示例

假设一位投注者为 ATP 网球比赛建立了一个模型，发现市场定价为 2.50 的选手，其获胜概率被模型预测为 45%。市场在 2.50 赔率下的隐含概率为 40%，因此多出的 5 个百分点就是优势。每笔投注固定投入 €20：

• 获胜的利润为 €20 × (2.50 − 1) = €30
• 失败则损失全部 €20 本金
• 单笔投注的预期值 = (0.45 × €30) − (0.55 × €20) = €13.50 − €11.00 = €2.50

在 20 笔投注中，预期利润为 20 × €2.50 = €50，这是基于 20 次投注中预期获胜 9 次（20 × 0.45）得出的。

现在看看在同样的 45% 真实胜率下，两次完全合理的 20 笔投注表现：

表现 A — 9 胜 11 负（几乎完全符合预期）：利润 = (9 × €30) − (11 × €20) = €270 − €220 = €50。投注者表现出色，数据与模型吻合。

表现 B — 5 胜 15 负：利润 = (5 × €30) − (15 × €20) = €150 − €300 = −€150。同样的 45% 优势，同样的每笔 €2.50 预期值，但投注者亏损了 €150，并开始质疑整个模型。

表现 B 是否异常到足以说明模型错误？其实不然。当 p = 0.45 且 n = 20 时，胜场数的标准差为 √(20 × 0.45 × 0.55) ≈ 2.2 场。5 胜比预期的 9 胜低了不到两个标准差——这是一个令人不快但在统计学上很普通的结果，并不能证明优势不存在。这正是那种让优秀的投注者放弃良好策略，而让糟糕的投注者继续为错误策略注资的典型阶段。

关键点

• 方差是获得优势的代价：你不可能在不接受任何一连串投注可能远低于（或高于）预期值的情况下获得正向预期值。在这个游戏中，想要利润却不想要波动是不可能的。
• 小样本几乎没有意义：20 次、50 次甚至 100 次投注往往不足以将真实的优势与噪声区分开来，尤其是在赔率高于 2.50 的情况下。请根据数百次结算后的投注来评判一个策略，而不是根据一两周的顺风或逆风。
• 更高的赔率意味着在相同优势下更高的方差：赔率为 5.00 的价值投注所产生的资金波动，远比赔率为 1.80 且优势相同的投注要大得多。在决定单笔投注应投入多少资金时，请将此因素考虑在内。
• 投注额度控制你感受到的方差大小：固定投注额、凯利公式（Fractional Kelly）或固定比例投注，都会改变你资金波动的幅度，而不会改变你的潜在优势。资金池规模过小会将普通的方差变成毁灭性的打击。
• 连败并不自动意味着模型失效：在废弃一个策略之前，请检查回撤是否在正常方差产生的范围内（例如使用预期胜场的标准差），而不是仅仅根据记分牌做出反应。
• 博彩公司也在管理方差：这就是为什么他们要平衡账目、限制职业账户并计入利润率——他们试图减少自己面临的风险，这与投注者所经历的波动本质上是同一回事，只是站在了账目的另一端。