[논문 리뷰] The relativistic velocity addition law optimizes a forecast gambler's profit

Edward W. Piotrowski, J. Łuczka|ArXiv.org|2007. 09. 26.

Sports Analytics and Performance참고 문헌 7인용 수 3

한 줄 요약

이 논문은 상대성 이론의 속도 덧셈 법칙과 최적의 도박 전략 사이에 새로운 연결을 제안하며, 예측 도박사의 수익이 스테이크 배분이 속도의 상대론적 덧셈 법칙을 따를 때 최대화됨을 보여준다. 핵심 결과는 도박사의 배당 정보가 없을 경우 최적의 스테이크가 예측 확률에 의해 단지 결정되며, 이는 상대론적 확률 변환을 사용하는 Menelaus-Kelly 기준으로 일반화된 Kelly 기준을 이룬다.

ABSTRACT

We extend the projective covariant bookmaker's bets model to the forecasting gamblers case. The probability of correctness of forecasts shifts probabilities of branching. The formula for the shift of probabilities leads to the velocity addition rule of the special theory of relativity. In the absence of information about bookmaker's wagers the stochastic logarithmic rates completely determines the optimal stakes of forecast gambler.

연구 동기 및 목표

• 예측 확률을 가진 도박사에 대해 프로젝션 공변 도박사 모델을 확장한다.
• 예측에서의 확률 이동이 상대론적 속도 덧셈 법칙과 유사한 수학적 구조로 이어지는 방식을 조사한다.
• 도박사의 배당 데이터가 알려지지 않았을 때 예측 도박사의 최적 스테이크 배분 전략을 규명한다.
• 불확실성 하에서의 의사결정에서 확률적 로그 수익률, 열역학적 엔트로피, 상대론적 불변성 간의 연결을 설정한다.

제안 방법

• 두 결과에 대한 도박에서 예측 도박사의 신념을 로그 오즈 차이 r-값으로 모델링하며, 이는 확률 이동을 나타낸다.
• 상대론적 속도 덧셈 법칙과 일치하는 $ r_{AC} = \frac{r_{AB} + r_{BC}}{1 + r_{AB}r_{BC}} $ 라는 r-덧셈 법칙을 유도한다. 여기서 $ c=1 $이다.
• 재매개변수화에 대해 불변인 프로젝션 불변 로그 수익률 $ z_{kj} = \ln(1 + \frac{IN_{3-k}}{IN_k} l_{kj} - l_{(3-k)j}) $ 로 도박사의 수익을 표현한다.
• 미분법을 사용하여 기대 수익 $ E_Z(L) = \sum p_{kj} z_{kj} $ 의 최대화를 통해 최적 스테이크 방정정식을 도출한다.
• 도박사 데이터가 없을 경우 Laplace의 동등 가능성 원칙 ($ IN_1 = IN_2 $) 을 적용하여 최적 전략을 빠르기 차이의 단계 함수로 단순화한다.
• Menelaus-Kelly 기준을 최적 전략으로 도출한다: $ \bar{L}^* = \begin{pmatrix} [r_{AC|1}]_+ & [-r_{AC|2}]_+ \\ [-r_{AC|1}]_+ & [r_{AC|2}]_+ \end{pmatrix} $.

실험 결과

연구 질문

• RQ1 예측 결과의 확률 변환에서 도박 체계 내에서 상대론적 속도 덧셈 법칙이 어떻게 유도되는가?
• RQ2 도박사의 배당 데이터가 없을 경우 예측 도박사의 최적 스테이크 배분 전략은 무엇인가?
• RQ3 수익의 확률적 로그 수익률은 열역학적 엔트로피와 열역학 제1법칙과 어떻게 관련이 있는가?
• RQ4 상대론적 불변 원칙을 사용해 예측 불확실성을 포함한 Kelly 기준을 일반화할 수 있는가?
• RQ5 Menelaus 정리는 최적 도박 전략에서 프로젝션 불변성을 보장하는 데 어떤 역할을 하는가?

주요 결과

• 상대론적 속도 덧셈 법칙은 예측 확률의 변환에서 자연스럽게 유도되며, $ r_{AC} = \frac{r_{AB} + r_{BC}}{1 + r_{AB}r_{BC}} $, 여기서 $ r_{XY} = p_{1XY} - p_{2XY} $이다.
• 도박사의 배당 정보가 없을 경우 최적 스테이크 배분은 예측자들의 확률 평가에 의해 완전히 결정되며, Menelaus-Kelly 기준에 의해 제공된다.
• 최대 기대 수익은 $ E_Z(\bar{L}) = D_Z - S_{AC} $ 로 표현되며, 여기서 $ D_Z $ 는 예언자의 수익이고 $ S_{AC} $ 는 예측의 Boltzmann-Shannon 엔트로피이다.
• 최적 전략은 빠르기 차이 $ r_{AC|j} $ 의 부호에 기반한 단계 함수를 형성하며, $ r_{AC|j} > 0 $ 일 경우 모든 자본을 유리한 결과에 배정한다.
• 최적 스테이크의 해집합은 두 선형 방정식 $ (\bar{l}_{jj} - p_{1AC|j}) IN_{3-j} = (\bar{l}_{(3-j)j} - p_{2AC|j}) IN_j $ 으로 기술되며, 이는 위험 분산을 보장한다.
• 이 모델은 상대론적 구조가 프로젝션 변환에 대해 불변성과 최적성을 보장하므로, Kelly 기준을 예측 기반 도박으로 일반화한다.