绿茵数据笔记

这篇笔记整理我学习"隐含概率"（implied probability）时的理解和演算过程。它回答的问题是：一堆市场报价数字里，怎么还原出市场对三个赛果各自的看法。

第一步：报价取倒数

欧式报价（小数位）的倒数，就是"该结果发生的隐含概率"的雏形。比如某结果报价 4.00，则 1 ÷ 4.00 = 0.25，隐含概率约 25%。

第二步：为什么要归一化？

把一场比赛三个结果的倒数全部加起来，你会发现总和大于 100%。超出来的部分，是市场报价中包含的利润空间（俗称"水位"或 margin）。

第三步：归一化，得到干净的隐含概率

用每个结果的倒数除以总和，就得到归一化后的隐含概率：

• 主胜：0.400 ÷ 1.0573 ≈ 37.8%
• 平局：0.3125 ÷ 1.0573 ≈ 29.6%
• 客胜：0.3448 ÷ 1.0573 ≈ 32.6%

三者相加恰好 100%。这就是"市场认为"的主胜概率——注意，它是价格的投影，不是对真实概率的测量。

我记下的两个要点

1. 去掉水分前后差别很大。不归一化，三个概率加起来 105%+，直接比较会系统性偏乐观。这是初学时最容易踩的坑。
2. 多家机构取平均更接近"共识"。单一机构的报价带有自己的定价偏好，把多家报价都做归一化再平均，得到的共识概率更稳定——这也是很多数据平台展示"平均概率"的原因。

一句话总结：隐含概率 = 把市场报价翻译成概率语言。它告诉你"价格认为谁更有可能"，而不是"谁一定会赢"。

以上为个人学习整理，示例均为教学演算，不指向任何真实赛事。