Jak analizować zwycięskie smugi

„Zwycięska smuga” to kolejne udane rezultaty (trafienia) pomiędzy dwiema porażkami. W fair play (niezależne spiny) serie są naturalne: losowość generuje klastry. Właściwa analiza partii pomaga zrozumieć profil ryzyka (jak często „idzie”) i dostosować limity. Nie przewiduje następnego spinu.

1) Model bazowy: Bernoulli i geometria partii

Niech każdy spin będzie niezależnym testem z prawdopodobieństwem sukcesu (p) (na przykład „każda wygrana” lub „znacząca wygrana ≥ × 10”).

Długość zwycięskiej smugi (K\ge1) przed pierwszą stratą jest geometrycznie rozłożona:

[
\ mathbb {P} (K = k) = (1-p), p ^ {k-1} ,\quad\mathbb {E} [K] =\frac {1} {1-p} ,\quad\mathrm {Med} (K )\ok\ok\left\lceil\frac {\ln 0. 5} {\ln p }\right\rceil.
]

Prawdopodobieństwo serii długości ≥ (k): (\mathbb {P} (K\ge k) = p ^ {, k-1}).

Oczekiwana liczba przebiegów (wszystkie długości) w przeliczeniu na (N) zakręcenia- (N (1-p)).

Spodziewana liczba ≥ (k) serii na (N) obroty - (N (1-p), p ^ {, k-1}).

💡 Jeśli „sukces” jest rzadkim zdarzeniem (na przykład, ≥ × 10 z prawdopodobieństwem (q)), po prostu substytut (p = q) - wszystko działa wyżej dla takich „znaczących” serii.

2) Co dokładnie mierzyć na dziennikach

Po pierwsze, określić, co stanowi sukces:

„każda wygrana” (HF), lub
„znaczący” (próg, np. ≥ × 5/× 10), lub
„plus spin” (wypłata ≥ stawka).

Następny, licz:

1. HF (wynik (p)): odsetek udanych spinów.

2. Lista wygranych: (K_1,K_2,\dots) (i oddzielnie - dla „znaczących”).

3. Długość partii kwantyle: mediana, 75, 90 percentyle.

4. Max W-streak na linii (N).

5. Liczba przebiegów ≥ (k) dla wielu progów (k) (np., ≥ 3, ≥ 5).

6. Utrata statystyk smugi (L-streak) - symetryczne, jest to ważne dla zatrzymania straty na plecach.

3) Szybka cyfrowa interpretacja

Jeśli obserwowane częstotliwości (# {K\ge k }/#\text {series}) są bliskie (p ^ {k-1}), zachowanie jest podobne do niezależnego.

Odchylenia na krótkich próbkach są normalne. Patrz przedziały niepewności (bootstrap według listy (K_i)) i/lub symulacji.

Max W-streak rośnie logarytmicznie w (N): długa „piękna” seria występuje nawet z małym (p).

Mini przykład. Niech HF (p = 0 {,} 30). Następnie:

(\mathbb {P} (K\ge3) = p ^ 2 = 0 {,} 09); na (N = 1000) spiny oczekujemy (\podejście N (1-p) p ^ {2 }\podejście 630\times0 {,} 09\podejście 57) ≥ 3 szeregi. Dla ≥ 6: (p ^ {5 }\ok. 0 {,} 00243) α (630\times0 {,} 00243\ok. 1 {,} 5) serie są rzadkie, ale nie cud.

4) Testy hipotezy: „Czy epizody są zbyt wysokie?”

Należy użyć jednego lub więcej z następujących narzędzi:

1. Porównanie z geometrią.

Wskaźnik (p =\widehat {HF}).

Skonstruować teoretyczne (\mathbb {P} (K\ge k) = p ^ {k-1}) i porównać z empiryką.

Dodać pasy ufności (bootstraps) dla obserwowanych frakcji.

2. Test Walda-Wolfowitza (próba jazdy).

Zaklasyfikowanie pleców jako sukcesu/porażki.

Porównaj liczbę „biegów” z liczbą oczekiwaną przy niezależności.

Znaczne odchylenia mogą wskazywać na zależność (lub tylko małą próbkę).

3. Monte Carlo pod zerem.

Z (p) stałą, symulować tysiące sekwencji długości (N).

Popatrz na rozkład Max W-streak i liczbę partii ≥ (k).

Porównaj swoje uwagi z tą dystrybucją (wartość p „zbyt nietypowa lub nie”).

💡 Jeśli „sukces” jest wybrany jako rzadkość (na przykład, ≥ × 10), użyj tylko spinów z binaryzacją przy tym progu: 1/0.

5) Praktyka: jak wykonać obliczenia (bez kodu)

1. Zbierz dziennik: numer pleców, wynik (mnożnik), flagi binarne „sukces”, „znaczący sukces”.

2. Biegnij przez kolumnę sukcesu i uformuj długość serii (licznik, zresetuj do 0, jeśli nie powiedzie się).

3. Oblicz:

(p =) średnia flaga sukcesu;
kwantyle (K);
Max W-streak;
częstotliwości (# {K\ge k}) dla (k = 2.. 7).
4. Skonstruować teorię: (p ^ {k-1}) oraz oczekiwaną liczbę szeregów ≥ (k): (N (1-p) p ^ {k-1}).
5. Wykonać symulację zero (co najmniej 10k biegów) - rozkład Max W-streak i liczba serii ≥ (k).
6. Porównaj i podsumuj: „W oczekiwaniach „/” powyżej oczekiwań, ale pasuje do pasma zaufania „/” podejrzane - za mało danych ”.

6) Typowe pułapki

Selektywny wybór okna. Wzięliśmy „udany” okres - seria wydaje się magiczna. Użyj stałej długości okna (na przykład 1000 partii spinów).

Zmiana kryteriów sukcesu w lotce. Po pierwsze, zdecyduj, jaki jest „sukces” i nie zmieniaj się zgodnie z wynikiem.

Zamieszanie "win series" i "plus spin series. "Są to różne binaryzacje (HF vs "payout ≥ rate").

Interpretacja jako przepowiednia. Seria opisuje miniony schemat bez zgłaszania niczego o następnym plecach (niezależność).

7) Jak stosować partie w zarządzaniu ryzykiem

Granice pleców. Znając kwantyle przegranej serii (L-streak), ustawić „czas-out po L ≥ k”.

Plan bankowy. Jeśli mediana zwycięskiej smugi jest krótka i „znacząca” rzadko, bank na „pustyniach”.

Długość sesji. Prawdopodobieństwo wystąpienia serii ≥ (k) wzrasta wraz z (N). Jeśli twoim celem jest „catch ≥ × 10”, ocenić (q =\mathbb {P} (\text {≥ × 10 na spin}) i użyć (\mathbb {P} (\text {nie łapać na} N) = (1-q) ^ N).

Wyłącz Dogona. Serie nie zapewniają przewagi dla zwiększenia szybkości - jest to tylko forma wariancji.

8) Mini-szablon artykułów/raportów

Kryterium sukcesu: (każda wygrana/≥ × 10/plus spin)

HF (wynik (p)): ...%

Kwantyle długości serii W: mediana...; 75....; 90....

Liczba partii ≥ 3/≥ 5/≥ 6: rzeczywista .../.../...; (N (1-p) p ^ {k-1}) .../.../...

Max W-streak: fakt...; zakres symulacji (Q5-Q95):... -...

Wyjście: model pasuje/potrzeba więcej danych; zalecenia dotyczące limitów.

9) Małe punkty orientacyjne (do kalibracji intuicji)

W HF (p = 0 {,} 25): mediana W-serii 1-2, (\mathbb {P} (K\ge5) = p ^ {4 }\ok 0 {,} 39%). Na (N = 2000) spiny, czekając na ≥ 5 serii: (\podejście 1500\times0 {,} 0039\podejście 6).

Przy rzadkim zdarzeniu (q = 1%) (na przykład ≥ × 10): mediana długości „serii znaczących” = 1 (rzadko 2 + z rzędu), a odległości między tymi spinami są duże; analiza partii jest bardziej przydatna pod względem „pauzy między zdarzeniami” niż „kolejno”.

10) Krótka lista kontrolna analityka

Czy jasno ustaliłem kryterium sukcesu?

Czy długość okna i objętość danych są wystarczające (partie, więcej niż jeden uruchom)?

W porównaniu z geometrią i Monte Carlo pod tym samym (p)?

Pokazał kwantyle i Max W-streak z zespołami zaufania?

Wnioski dotyczą zarządzania ryzykiem, a nie „terminów”?

Najważniejsze: zwycięskie smugi są normalną formą szansy. Ich analiza polega raczej na geometrycznym rozkładzie i porównywaniu obserwacji z modelem jądra (lub symulacji), a nie na poszukiwaniu "gorącego zegara. "W szarych liczbach - HF, kwantylach długości, oczekiwanej liczbie serii i rozkładzie maksymalnej serii - uzbroisz się w planowanie banków, czas trwania sesji i limity, pozostające w ramach uczciwej matematyki, a nie przesądów.