一句話：把博彩賠率去除抽水後與 Polymarket 比對是個老想法，但去抽水的方法選擇本身會製造假 edge；正確的做法是把去抽水當成一個要用實現結果擬合的模型，而 Shin 法估出的內幕資金比例 z，本身就是一個被浪費掉的訊號。
分級：去抽水方法的混淆問題是機制必然；「z 可以預測 Polymarket 的滯後方向」是原創假說。
先講一個必須誠實面對的反證
天真版本的這個策略是：「博彩公司的賠率更聰明，去抽水後拿來當公平價，跟 Polymarket 的差價就是 edge。」
這個前提被證據直接挑戰。 Reichenbach & Walther 在 1.24 億筆 Polymarket 交易上發現，市場價格緊貼實現機率，並且「略優於博彩公司的賠率」（見 錯價從哪來）。
如果 Polymarket 平均而言比賠率準，那麼「賠率對、Polymarket 錯」的方向性假設是錯的。
所以這個策略必須重新設計。正確的形式是：
兩者的分歧是有資訊的，但分歧的方向必須被估計，不能被假設。
而「用什麼變數決定方向」就是這篇的原創內容。
問題一：去抽水方法會製造假 edge
博彩賠率的隱含機率 πᵢ = 1/oddsᵢ 加總大於 1，多出來的部分是抽水（vig）。把它移除有幾種標準方法：
等比法（proportional）
pᵢ = πᵢ / Σπⱼ
冪次法（power）
pᵢ ∝ πᵢ^k， k 解使 Σpᵢ = 1
Shin 法
pᵢ = [ √(z² + 4(1−z)·πᵢ²/Π) − z ] / (2(1−z))， Π = Σπⱼ
z 解使 Σpᵢ = 1。z 的意義是博彩公司認為的內幕資金比例。
三種方法的差異在哪裡最大
在極端賠率處。 等比法把抽水按比例分攤，因此對熱門（低賠率）分攤較多絕對量；Shin 法與冪次法則假設抽水集中在長尾側，因此給熱門更高的公平機率。
這造成一個嚴重的混淆：
「用等比法去抽水後，發現長尾被市場高估」
↕ 無法區分 ↕
「等比法本身在長尾處系統性高估了公平機率」
兩者的觀測結果完全相同。
這是我認為 長尾偏誤實證矛盾 的一個候選解釋，而它似乎沒有被明確提出過：不同研究用不同的去抽水方法（或用不同的基準），而方法的偏誤方向恰好與所研究的偏誤方向重合。
正確做法：擬合，不要假設
去抽水方法不是資料處理步驟，是一個有參數的模型，而參數應該用實現結果估計。
具體地，用冪次法的 k 作為自由參數，在歷史已結算的賽事上做最大概似估計：
最大化 Σ_events Σ_i [ oᵢ · ln pᵢ(k) ] （對數概似）
若擬合出的 k̂ 顯著不等於 1（等比法對應 k = 1），那就代表等比法是錯的，而任何用等比法算出來的「長尾偏誤」有一部分是方法造成的。
這一步應該在任何交易之前完成，而且它只需要公開的歷史賠率與比賽結果，不需要任何 Polymarket 資料。
分聯盟、分市場類型各自擬合。 NBA 的 k̂ 與 MLB 的沒有理由相同。
問題二：z 是一個被浪費掉的訊號
Shin 法的副產品是 z——博彩公司隱含地認為有多少比例的資金來自知情者。
這是一個直接可觀測的、關於資訊不對稱程度的估計量，而幾乎所有使用 Shin 法的人都把它當成中間變數丟掉。
原創假說
z高的賽事，是 Polymarket 落後博彩市場最多的賽事。
機制論證：知情資金會優先流向深度大、限額高、匿名性好的場所。傳統博彩市場在這三項上通常優於預測市場（尤其在冷門聯盟與非主流賽事上）。所以：
- 知情者先在博彩市場下注 → 賠率移動 → 博彩公司的 Shin
z上升。 - Polymarket 上的知情流較少 → 價格反應較慢。
z因此同時是「這裡有知情流」與「那裡還沒反應」的指標。
這個假說的漂亮之處在於它不需要假設誰更準。 它說的是：分歧在 z 高時更可能是 Polymarket 落後，在 z 低時分歧只是噪音。方向由 z 決定，不由先驗決定——這正好回應了開頭那個反證。
可檢驗的形式
在已結算的賽事上跑：
outcome ~ a·logit(p_polymarket) + b·logit(p_devig) + c·[z · (logit p_devig − logit p_polymarket)] + const
c 顯著為正，就支持這個假說：z 越高，賠率相對 Polymarket 的增量資訊越大。
注意 b 也要看：Reichenbach & Walther 的結果暗示 b 可能不顯著（賠率沒有超越 Polymarket 的增量）。但即使 b = 0，c > 0 仍然可能成立——也就是說「平均而言賠率沒有增量，但在高 z 的子集裡有」。這才是這個策略真正的主張。
問題三：收斂需要時間，而時間有成本
即使分歧的方向對，你也需要它在你的持有期內收斂。
收斂半衰期模型：從歷史資料估計「給定初始分歧 Δ₀，t 時間後剩餘分歧」的衰減曲線：
Δ(t) ≈ Δ₀ · exp(−t / τ)
交易條件不是「有分歧」，而是：
Δ₀ · (1 − exp(−T_hold/τ)) > φ·p(1−p) + 持有期的資金成本
其中 T_hold 是你打算持有的時間（通常到賽事開始或結束）。
這一步會刷掉大量看起來有 edge 的機會：如果 τ 是三天而賽事在兩小時後開始，那麼分歧不會收斂，你實際上是在賭賽事結果而不是賭收斂。這兩者的風險完全不同，混為一談是這類策略最常見的錯誤。
費用的殘酷檢查
體育類 φ = 0.05（2026 年 7 月從 0.03 調升）。門檻表（見 費用那篇）：
| p | 吃單門檻（機率百分點） |
|---|---|
| 0.50 | 1.25 |
| 0.35 / 0.65 | 1.14 |
| 0.20 / 0.80 | 0.80 |
| 0.10 / 0.90 | 0.45 |
而去抽水後的跨場館分歧，在流動的主流賽事上通常小於 1 個百分點。
結論：這個策略在中價區必須用 maker 執行，否則不成立。 掛單零費率，門檻直接降到零（見 掛單決策式）。
這帶出一個重要的實務轉向：這不是一個「發現分歧就掃單」的策略，是一個「用賠率決定報價中心的做市策略」。 你不是去吃掉分歧，你是在分歧指示的方向上偏斜你的兩側報價。
這也自然與 下一篇的做市策略 融合成同一個系統——同一套報價引擎，賠率提供中心，扭曲模型提供偏斜。
自動化架構
離線層
① 收集多家博彩公司的歷史賠率 + 賽事結果
② 擬合冪次法的 k̂（分聯盟、分市場類型）
③ 擬合 Shin 的 z（每場賽事、每家）
④ 估計收斂半衰期 τ（依聯盟、依距開賽時間分層）
⑤ 跑上面的回歸，估 c 係數 → go/no-go
即時層
⑥ 多家賠率 API 輪詢／串流
⑦ 用 k̂ 去抽水 → p_devig；用 Shin 解 z
⑧ 跨家合併：以流動性與歷史準確率加權
⑨ 計算 Δ = p_devig − p_polymarket，用 z 加權
⑩ 收斂檢查：Δ·(1−e^{−T/τ}) 是否超過費用門檻
⑪ 輸出報價偏斜量給做市引擎（而非直接掃單）
⑧的細節：不要簡單平均。同一家的多個市場（獨贏、讓分、大小分）之間有內在一致性約束，可以互相驗證——如果一家的讓分與獨贏隱含的機率不一致，那家的報價可能是陳舊的。這是一個免費的資料品質檢查。
怎麼驗證
驗證一（最優先）：擬合 k̂。 只需要歷史賠率與結果。若 k̂ ≈ 1，等比法沒問題，混淆問題不存在，這一半的主張就撤回。
驗證二：c 係數的回歸。 這是核心假說的直接檢定。c 不顯著就不做這個策略。
驗證三：收斂半衰期 τ。 純觀測。若 τ 遠大於典型持有期，策略退化成方向性賭注。
驗證四：分層檢驗。 c 在主流聯盟與冷門聯盟上應該不同（假說預測冷門聯盟的 c 更大，因為那裡 Polymarket 的參與者更少）。這個分層預測比主效應更能區分「機制成立」與「資料探勘」——因為它是機制的一個非平凡推論。
風險與失效邊界
| 風險 | 描述 | 緩解 |
|---|---|---|
| 方向假設錯誤 | 證據顯示 Polymarket 平均不輸賠率 | 不假設方向，用 z 決定；c 不顯著就不做 |
| 去抽水方法偏誤 | 製造與長尾偏誤同向的假 edge | 擬合 k̂ 而非假設 |
| 收斂 vs 方向賭注 | 分歧不收斂就變成賭比賽結果 | 收斂半衰期檢查 |
| 費用門檻 | 體育 φ=0.05，門檻高於典型分歧 | 必須 maker 執行 |
| 賠率陳舊 | API 給的是舊報價 | 跨市場一致性檢查 |
| 監管 | CFTC 擬議規則可能禁止部分體育合約類型 | 見 法遵；避免依賴場中／球員層級合約 |
| 知情流也來 Polymarket | 假說的機制前提失效 | 定期重估 c；它應該隨平台成熟而衰減 |
最後一項是這個策略最可能的死法。 隨著 Polymarket 深度增加、限額提高，知情者沒有理由避開它。c 係數的時間序列本身就是這個策略的健康指標——應該定期監控，而不是估一次就用一年。
分級
| 主張 | 等級 |
|---|---|
| 賠率含抽水，需要去除 | 機制必然 |
| 不同去抽水方法在極端處差異最大 | 機制必然（代數） |
| 去抽水偏誤與長尾偏誤混淆 | 機制必然，但**「這是實證矛盾的解釋」是原創假說** |
| Polymarket 平均不輸賠率 | 有證據（1.24 億筆交易研究） |
Shin z 預測 Polymarket 的滯後 | 原創假說，驗證二可證偽 |
| 效果在冷門聯盟更強 | 原創假說（機制的非平凡推論），驗證四可證偽 |
| 中價區必須 maker 執行 | 機制必然（費用門檻 vs 典型分歧幅度） |
下一個策略：到期扭曲做市與冷啟動獎勵套利。