[論文レビュー] Emergence of scale invariance and efficiency in a racetrack betting market

Shintaro Mori, Masato Hisakado|ArXiv.org|Nov 17, 2009

Sports Analytics and Performance参考文献 3被引用数 3

ひとこと要約

本稿は、2008年の全3,250レースにわたる日本中央競馬会（JRA）の馬券市場における勝ち馬のベット比率の時系列解析を通じて、スケール不変性および市場効率性の出現を調査する。二重スケーリング極限におけるポリア型投票モデルを用い、全範囲 $ 0 \leq x_0, x_1 \leq 1 $ において $ x_1 = x_0^{1.81} $ のスケーリングが成立することを示し、集団的ベッティング行動における自己組織的ダイナミクスによって駆動される正確なスケール不変性を明らかにする。

ABSTRACT

We study the time change of the relation between the rank of a racehorse in the Japan Racing Association and the result of victory or defeat. Horses are ranked according to the win bet fractions. As the vote progresses, the racehorses are mixed on the win bet fraction axis. We see the emergence of a scale invariant relation between the cumulative distribution function of the winning horse $x_{1}$ and that of the losing horse $x_{0}$. $x_{1}\propto x_{0}^α$ holds in the small win bet fraction region. We also see the efficiency of the market as the vote proceeds. However, the convergence to the efficient state is not monotonic. The time change of the distribution of a vote is complicated. Votes resume concentration on popular horses, after the distribution spreads to a certain extent. In order to explain scale invariance, we introduce a simple voting model. In a `double' scaling limit, we show that the exact scale invariance relation $x_{1}=x_{0}^α$ holds over the entire range $0\le x_{0},x_{1}\le 1$.

研究の動機と目的

• JRAレースにおける勝ち馬ベット比率の時間的変化を分析し、馬の順位付けに現れる自己組織的パターンを同定する。
• 勝ち馬と負け馬の累積分布の間におけるスケール不変性の出現を調査する。
• 勝ち馬と負け馬の投票行動を模倣するシンプルな確率的投票モデルを用いて、観察されたスケール不変性を説明する。
• 正確なスケール不変性 $ x_1 = x_0^\alpha $ が成立する条件、特に二重スケーリング極限においての成立条件を探索する。
• 市場効率性への収束の様子と、ベッティングプロセス中の票分布の非単調的ダイナミクスを評価する。

提案手法

• 2008年のJRAレース3,250レースの時系列データを分析し、公開オッズを用いた変換 $ x^{r}_{i,k} = \frac{0.788}{O^{r}_{i,k}-0.1} $ により得られる勝ち馬ベット比率に注目。合計が1になるように正規化した。
• 平均公開勝ち馬プール $ V_r $ を時間変数 $ t $ として用い、全レースにわたる時間的整合性を確保した。
• ベッターが現在の票数に比例して投票する確率的投票モデルを導入。勝ち馬（$ \mu=1 $）と負け馬（$ \mu=0 $）の2種類のカテゴリを想定し、ポリア・アーリングに類似したプロセスを模倣した。
• 相対的票数確率がパラメータ $ s_1 $ と $ s_0 $ に比例するように設定し、熱力学的極限において票数がガンマ分布に従うことを示した。
• 二重スケーリング極限 $ Z_0 \to \infty $、$ s_1, s_0 \to 0 $ において、正確なスケール不変性 $ x_1 = x_0^\alpha $ が導出され、$ \alpha = s_1/s_0 $ を固定した。
• このモデルが重み $ s_1 $ と $ s_0 $ を持つ確率的ボール除去プロセスと同等であり、$ \alpha $ の値に応じた正確な段階的パターンを生成することを示した。

実験結果

リサーチクエスチョン

• RQ1 JRAレースのベッティングプロセスの進行に伴い、勝ち馬の累積分布は、負け馬の累積分布とどのように関係しているか？
• RQ2 小さな勝ち馬ベット比率領域における観察されたべき乗則的スケーリング $ x_1 \propto x_0^{1.81} $ を支えるメカニズムは何か？
• RQ3 正確なスケール不変性 $ x_1 = x_0^\alpha $ が全区間 $ [0,1] $ で成立する条件は何か？
• RQ4 なぜ市場効率性への収束が非単調的であり、初期には票が分散した後に再び人気馬に集中するのか？
• RQ5 なぜ二重スケーリング極限 $ Z_0 \to \infty $、$ s_1, s_0 \to 0 $ かつ $ \alpha = s_1/s_0 $ を固定したとき、正確なスケール不変性が成立するのか？

主な発見

• 小さな勝ち馬ベット比率領域において、勝ち馬の累積分布 $ x_1 $ は $ x_1 \propto x_0^{1.81} $ とスケーリングされ、強いスケール不変性を示す。
• 時間経過とともに市場効率性が出現するが、収束は非単調的であり、初期には多くの馬に票が分散した後、再び人気馬に集中する。
• 二重スケーリング極限 $ Z_0 \to \infty $、$ s_1, s_0 \to 0 $ かつ $ \alpha = s_1/s_0 $ を固定したとき、全範囲 $ 0 \leq x_0, x_1 \leq 1 $ において正確な関係 $ x_1 = x_0^\alpha $ が成立する。
• スケール不変性は、2カテゴリのポリア型投票モデルにおける混合プロセスに起因し、票数の割合が形状母数 $ s_1 $ と $ s_0 $ のガンマ分布に従う。
• このモデルは重み $ s_1 $ と $ s_0 $ を持つ確率的ボール除去プロセスと同等であり、$ \alpha $ の値に応じた正確な段階的パターンを生成する。
• 二重スケーリング極限は不可欠である：$ Z_0 \to \infty $ でなければシステムは1匹の優勢な馬に収束する。$ s_1, s_0 \to 0 $ でなければスケール不変性は崩れる。