Kluczowe wnioski
Złamana noga skłoniła maklera z Wall Street do poszukiwania ukrytej przewagi w baseballu
Wypadek, który odmienił życie. W styczniu 2011 roku karetka potrąciła Joe Petę, gdy przechodził przez ulicę na Manhattanie. Doznał poważnego złamania nogi, po operacji poruszał się na wózku, jego rodzina mieszkała po drugiej stronie kraju, a kilka tygodni po powrocie do pracy stracił posadę maklera. Podczas bezsennych nocy wciąż wracał myślami do drobnego zbiegu okoliczności, który sprawił, że kilka minut wcześniej znalazł się na tym przejściu.
Baseball stał się projektem. Nie mogąc podróżować ani skupić się na wielu innych rzeczach, Peta zajął się statystykami baseballowymi i zakładami, budując model do wyszukiwania błędnie wycenionych kursów. Codzienna praca dawała jego uwadze konkretny cel. Z czasem zrozumiał, że to sam sport — nie tylko arkusze kalkulacyjne czy zakłady — pomógł mu odzyskać energię i poczucie sensu.
Uderza to, że model od początku jest zarówno eksperymentem analitycznym, jak i strukturą wspierającą powrót do równowagi. Trudne wydarzenie może uwięzić człowieka w rozważaniach o tym, co mogłoby się stać, gdyby podjął inną decyzję. Wymagający, jasno ograniczony projekt może skierować uwagę ku decyzjom, które wciąż można podjąć. Nie dowodzi to, że przeciwności losu są korzystne ani że arkusz kalkulacyjny leczy traumę. To obraz tego, jak znajoma pasja może otworzyć drogę do celowej pracy, gdy zwykły porządek dnia się rozpada.
Oddziel powtarzalne umiejętności od szczęśliwego zgrania się uderzeń w czasie
Liczba zdobytych punktów zależy od zgrania w czasie. Peta nazywa szczęściem z klastrowania odbić (cluster luck) sytuację, w której odbicia drużyny przypadają akurat na moment, gdy na bazach są już biegacze, przynosząc więcej punktów, niż wynikałoby z ogólnych umiejętności ofensywnych zespołu. W 2010 roku Tampa Bay Rays zdobyli 802 punkty, mimo że w najważniejszych wskaźnikach ofensywnych plasowali się przeciętnie lub dobrze. Regresja uwzględniająca procent wejść na bazę, procent sluggingowy i izolowaną siłę uderzeń oszacowała, że ich skuteczność powinna była przynieść około 78 punktów mniej.
Sytuacje uwydatniają przypadkowość. Pałkarze Major League jako całość radzili sobie lepiej, gdy biegacze byli na bazach, ale poprawa w przypadku Tampa Bay była znacznie większa. Wyniki Carl Crawforda w takich sytuacjach również mocno wzrosły — daleko ponad jego wcześniejsze osiągnięcia — choć ogólny poziom jego gry w sezonie był zgodny z dotychczasową formą. Peta uznał ten skrajny skok w określonych sytuacjach za szczęśliwy, niepowtarzalny zbieg okoliczności, a nie dowód na nowo odkrytą umiejętność gry pod presją.
To przydatne rozróżnienie między ogólnymi możliwościami zawodnika a rozkładem momentów, w których dochodzi do udanych zagrań. W wielu dziedzinach dobry wynik zależy nie tylko od liczby udanych zdarzeń, lecz także od tego, czy następują po sobie w odpowiedniej kolejności. Dzięki temu drużyna może wyglądać na bardziej utalentowaną, niż jest w rzeczywistości. Trzeba jednak pamiętać, że uznanie wyniku za szczęśliwy zbieg okoliczności wymaga wiarygodnego punktu odniesienia i odpowiedniej liczby obserwacji. Nietypowa różnica może być szumem, ale taka etykieta powinna wynikać z analizy, a nie ją zastępować.
Oceniaj drużyny na podstawie różnicy punktów, a nie samych tabel
Punkty pozwalają przewidywać zwycięstwa. Baseballowy wzór Pythagorasa Billa Jamesa szacuje procent zwycięstw drużyny na podstawie zdobytych i straconych punktów: punkty zdobyte podnosi się do potęgi 1,83, a następnie dzieli przez tę wartość powiększoną o punkty stracone podniesione do tej samej potęgi. Wzór zamienia sumę punktów zdobytych w sezonie w przybliżoną miarę jakości zespołu, mniej zależną od tego, jak wyrównane były poszczególne mecze.
Tabele mogą wprowadzać w błąd. W 2010 roku Houston wygrało 76 meczów, czyli niemal o osiem więcej, niż sugerowałaby liczba zdobytych i straconych punktów. Po uwzględnieniu korzystnego zbiegu okoliczności w zdobywaniu punktów i grze miotaczy Peta oszacował, że te same wyniki odpowiadały drużynie bliższej poziomowi 66 zwycięstw. Nie chodziło mu o to, że wzór potrafi dokładnie przewidzieć przyszłość, lecz o to, że faktyczna liczba zwycięstw zawiera przypadkowe wahania, które różnica punktów może pomóc ujawnić.
Wartość tego modelu polega na zdyscyplinowanym upraszczaniu: sezon obejmuje tysiące akcji, a łączna liczba zdobytych i straconych punktów podsumowuje znaczną część informacji istotnych dla zwycięstw. Podobne miary oczekiwanych wyników w innych dyscyplinach próbują oddzielić przebieg gry od końcowego rezultatu. Ograniczenie polega na tym, że zwięzły wskaźnik może ukrywać ważne zależności. Suma punktów nie wyjaśnia kontuzji, zmian w składzie ani zmieniającego się poziomu drużyny, dlatego jest punktem wyjścia do szacunków, a nie pełną prognozą.
Prognozuj skład, który wyjdzie na boisko, a nie zeszłoroczne logo
Między sezonami drużyny się zmieniają. Prognoza oparta wyłącznie na zeszłorocznych zwycięstwach pomija starzenie się zawodników, ryzyko kontuzji oraz tych, którzy do zespołu dołączają lub z niego odchodzą. Peta korzystał z PECOTA, systemu prognostycznego porównującego zawodnika z graczami z przeszłości o podobnym wieku i osiągnięciach, oraz z WAR — miary zwycięstw ponad poziom zastępstwa (WAR), czyli wkładu zawodnika ponad to, co wniósłby łatwo dostępny gracz zastępczy.
Phillies pokazują, jak działa ta arytmetyka. W 2010 roku miotacze rozpoczynający mecze zespołu osiągnęli 18,6 WAR; prognozy dla rotacji w 2011 roku wynosiły 25,6, między innymi dzięki Cliffowi Lee i pełnemu sezonowi Roya Oswalta. Jednocześnie prognozowano, że pałkarze stracą 5,1 WAR, częściowo dlatego, że odszedł Jayson Werth, a pozostali kluczowi zawodnicy się starzeli. Duża poprawa w grze miotaczy nie oznaczała więc automatycznie równie dużej poprawy całego zespołu. Najpierw prognozuj rzeczywisty wkład poszczególnych elementów, a potem je sumuj.
To argument za jawnym prognozowaniem poszczególnych elementów, zamiast traktowania franczyzy jako niezmiennej całości. Ta sama logika ma zastosowanie przy ocenie firmy po zmianach na stanowiskach kierowniczych lub drużyny po odejściu kluczowych zawodników: nazwa pozostaje, ale zmienia się system, który wytwarza wyniki. Systemy prognostyczne ujawniają ukryte założenia, co jest cenne nawet wtedy, gdy ich szacunki okazują się błędne. Porównania historyczne mogą jednak wprowadzać w błąd, gdy zawodnik ma niewiele prawdziwych odpowiedników albo gdy nietypowa zmiana roli zmienia jego dalszy rozwój.
Wyc Python miotaczy na podstawie umiejętności, które kontrolują, a nie wczorajszego ERA
Nie każdy wynik wynika wyłącznie z umiejętności. Badania znane jako statystyki miotania niezależne od obrony (DIPS) wskazują, że miotacze mają znaczną kontrolę nad liczbą strikeoutów, baz oddanych za darmo i home runów, ale znacznie mniejszą nad tym, czy inne piłki w grze zmienią się w odbicia. Miotanie niezależne od obrony (FIP) szacuje wyniki na podstawie strikeoutów, baz oddanych za darmo i home runów; oczekiwane miotanie niezależne od obrony (xFIP) zastępuje wskaźnik home runów miotacza średnią ligową, by ograniczyć wpływ krótkotrwałych wahań.
SIERA udoskonala prognozę. Interaktywna umiejętnościowo średnia earned run (SIERA) wykorzystuje strikeouty, bazy oddane za darmo, home runy i skłonność do piłek odbijanych po ziemi, uwzględniając także zależności między tymi elementami, aby oszacować przyszłą liczbę earned runs. W dwóch sezonach przed 2011 rokiem ERA Bronsona Arroyo wynosiło 3,84 i 3,88, ale przedsezonowa prognoza SIERA przewidywała 4,56. Sezon zakończył się jego ERA na poziomie 5,07. Peta wykorzystywał rozbieżność między reputacją miotacza a jego podstawowymi umiejętnościami, by znaleźć wczesną wartość w zakładach przeciwko niemu.
Główna lekcja polega na przewidywaniu mechanizmów, które wytwarzają wynik, zamiast ekstrapolowania samego wyniku. Przypomina to pomiary medyczne, w których szum objawowy może być mniej informacyjny niż proces będący jego przyczyną. Są to jednak narzędzia opisujące całą populację, a nie dowód, że każdy miotacz jest wymienny z innym. Znaczenie mają obrona, stadion i indywidualny styl miotania, a wskaźnik statystyczny może pomijać istotny kontekst. Jego praktyczna wartość zależy od tego, czy przewiduje lepiej niż informacje już odzwierciedlone w kursach.
Baseballowy kurs na zwycięstwo dopasowuje zakład do rzeczywistego celu drużyny
Stawiaj na prawdopodobieństwo, nie na różnicę punktów. W zakładach na futbol amerykański i koszykówkę często stosuje się handicap punktowy, który może sprawić, że optymalna strategia drużyny będzie sprzeczna z interesem gracza. W baseballu stosuje się kurs na zwycięstwo (money line): kurs odzwierciedlający prawdopodobieństwo wygranej każdej z drużyn. Menedżer i gracz nadal chcą tego samego — zwycięstwa.
Koszty mogą być niższe. Peta oblicza, że standardowy zakład z handicapem przy kursie -110 wiąże się z łączną marżą w kursach implikowanych wynoszącą około 4,76 procent, podczas gdy w 2011 roku przeciętny zakład baseballowy obciążony był marżą rzędu 1,78 procent. Baseball oferował też około 2430 meczów sezonu zasadniczego, wobec 256 meczów NFL, dając modelowi znacznie więcej okazji do zastosowania swoich szacunków. Niższa marża bukmachera nie gwarantuje zysku, ale oznacza mniejsze tarcie dla gracza, który potrafi lepiej niż rynek szacować prawdopodobieństwa.
Struktura ma znaczenie, ponieważ bodźce kształtują zachowanie. Gdy uczestników interesuje ten sam rezultat, zakład łatwiej analizować niż taki, który zależy od różnicy punktów, do której osiągnięcia drużyna może nie mieć powodu dążyć. Większa liczba meczów daje też więcej danych do testowania metody, choć sama liczba prób nie uratuje systematycznie źle skalibrowanego modelu. Niewielka przewaga oszacowana z fałszywą pewnością nadal oznacza zły zakład. Kurs rynkowy trzeba porównać z uzasadnionym prawdopodobieństwem, a nie z samym przekonaniem.
Każdy zakład utrzymuj na tyle mały, by przetrwać pomyłkę
Wielkość zakładu uzależniaj od przewagi. Peta stawiał większą część funduszu, gdy model wskazywał większą różnicę między oszacowanym prawdopodobieństwem a kursem na zwycięstwo. Skala zakładów obejmowała od 10 punktów bazowych kapitału przy przewadze poniżej 3 procent do 2 procent przy przewadze powyżej 15 procent. W przypadku faworytów stawka była wyliczana tak, by wygrać tę kwotę; w przypadku outsiderów chodziło o kwotę ryzyka.
Zachowaj możliwość dalszej gry. W czerwcu 2011 roku model stracił 4,16 procent, a w lipcu 7,99 procent, po czym w sierpniu zyskał 8,51 procent, a we wrześniu 11,63 procent. Sezon zasadniczy zakończył się zyskiem 30,18 procent z codziennych zakładów, a zakłady długoterminowe podniosły łączny wynik do 32,83 procent. Są to wyniki podane w książce, a nie dowód na trwałą przewagę. Zasadą działania jest unikanie pojedynczego zakładu, który mógłby zakończyć cały eksperyment.
Wielkość pozycji to punkt, w którym dobry pomysł zderza się z możliwością błędu. Finanse formalizują tę kwestię poprzez budżety ryzyka i ułamkowe wersje alokacji w stylu Kelly’ego, ale akcent książki jest bardziej podstawowy: przetrwanie pozwala korzystać z przyszłych okazji. Ma to szczególne znaczenie, gdy szacowana przewaga jest niepewna albo zakłady są ze sobą skorelowane. Długa passa strat może wynikać ze zmienności, wadliwego modelu albo z obu tych przyczyn. Małe stawki ograniczają ryzyko bankructwa, ale nie sprawiają, że szacunek prawdopodobieństwa staje się wiarygodny.
Wykorzystuj prawdopodobieństwo zwycięstwa, by kierować talent w decydujące momenty baseballu
Waga sytuacji zmienia decyzję. Menedżer może zachować closera na dziewiątą zmianę, bo konwencjonalnie właśnie wtedy zdobywa się save’y. Peta twierdzi, że najlepszy miotacz rezerwowy powinien stawić czoło najważniejszej sytuacji, nawet jeśli zdarzy się ona wcześniej. W jednym z meczów Yankees menedżer Joe Girardi wprowadził Davida Robertsona przy pełnych bazach zamiast Mariano Rivery; prowadzenie zniknęło, zanim Rivera wszedł do gry w dziewiątej zmianie.
Gra na małe punkty może ograniczyć potencjalną korzyść. W przykładzie Pety drużyna gości przegrywająca dwoma punktami w ósmej zmianie, z biegaczami na pierwszej i drugiej bazie oraz bez autów, ma 31-procentową szansę na zwycięstwo. Jeśli do końca zmiany wyrówna, szansa wzrasta do 39 procent. Jeśli jednak bunt i ofiarne odbicie w locie sprawią, że drużyna będzie przegrywać jednym punktem, jej szansa spadnie do 13 procent. Pozornie schludny rezultat może być strategicznie niekorzystny.
To teoria decyzji w praktyce: najlepszy wybór zależy od tego, jak każde możliwe działanie zmienia prawdopodobieństwo osiągnięcia właściwego celu. Konwencjonalne statystyki często nagradzają łatwe do policzenia zdarzenie, takie jak save, zamiast wartości leżącej u podstaw decyzji. Ta sama zasada pojawia się w reagowaniu kryzysowym, gdzie ograniczone zasoby należy kierować tam, gdzie można oczekiwać największego wpływu. Szacunki prawdopodobieństwa zwycięstwa nadal zależą od modelu, a menedżerowie muszą uwzględniać zmęczenie i kolejne zmiany; sama tradycja nie jest jednak strategią.
Oceniaj pracowników na podstawie powtarzalnych umiejętności, a nie surowego P&L czy liczby zwycięstw w sezonie
Wyniki wymagają kontekstu. Liczba zwycięstw miotacza zależy częściowo od tego, ile punktów zdobywają jego koledzy z drużyny. Zwrot z portfela zarządzającego zależy zarówno od doboru akcji, jak i od ogólnej ekspozycji na rynek. Peta opisuje zarządzającego, którego wybór akcji przynosił wartość, podczas gdy częste zmiany ekspozycji rynkowej ją zmniejszały. Nagłówek z wynikiem funduszu ukrywał różnicę między tymi umiejętnościami.
Twórz lepsze karty wyników. Peta zaproponował ALARM, czyli dodatkową stratę ponad poziom zastępstwa (ALARM), by porównywać decyzje tradera o zamykaniu pozycji z prostym tempem osiąganym przez zastępcę o przeciętnych umiejętnościach. TUPAC, czyli nadwyżka wartości tradera ponad koszty (TUPAC), miał służyć porównywaniu wkładu traderów po uwzględnieniu odpowiednich kosztów. Ogólna lekcja brzmi: zanim nagrodzimy lub odrzucimy daną osobę, ustalmy, które powtarzalne umiejętności przyczyniły się do wyniku.
To podejście łączy ocenę zawodników baseballowych z psychologią organizacji i przypisywaniem przyczyn. Ludzie często dostają uznanie za wyniki częściowo wytworzone przez zasoby, moment lub kolegów z zespołu, podczas gdy ich niewidoczny wkład pozostaje niezauważony. Oddzielenie poszczególnych umiejętności może poprawić rekrutację, szkolenie i wynagradzanie. Wskaźnik może jednak stać się nowym celem i zachęcać do manipulowania wynikami — problem dobrze znany w zarządzaniu efektywnością. Dobre karty wyników wymagają przejrzystych definicji, odpowiedniej liczby obserwacji i okresowego sprawdzania, czy miara nadal odzwierciedla wartość, której organizacja rzeczywiście poszukuje.
Aktualizuj prognozy na podstawie nowych danych, ale nie ufaj seriom zwycięstw
Przedsezonowe poglądy powinny ewoluować. Rany Jazayerli, współzałożyciel Baseball Prospectus, ustalił, że po mniej więcej 35–40 meczach bilans drużyny w bieżącym sezonie pozwala przewidzieć ponad połowę jej końcowego bilansu. Dlatego Peta coraz większą wagę przywiązywał do wyników w trakcie sezonu, ale korzystał z szacunku Pythagorasa opartego na zdobytych i straconych punktach, skorygowanego o szczęście z klastrowania odbić (cluster luck), zamiast przyjmować surowy bilans bez zastrzeżeń.
Twins wystawili ten osąd na próbę. W czerwcu i lipcu Minnesota osiągnęła bilans 33–22, mimo że w tym okresie zdobyła i straciła po 239 punktów. Model wskazywał na drużynę mniej więcej na poziomie 0,500, a jednak wielokrotnie obstawiał przeciwko Twins i stracił na tych zakładach 14,56 procent, zanim drużyna załamała się we wrześniu. To doświadczenie pokazuje zarówno, dlaczego prognoza musi reagować na nowe informacje, jak i to, że nieustępliwa wiara w model może sprawić, iż błędną prognozę uzna się za przejściowy szum.
To praktyczny problem bayesowski: prognoza powinna łączyć wcześniejsze oczekiwania z nowymi danymi, nadając większą wagę informacjom wiarygodnym i istotnym. Zdobyte i stracone punkty mogą być bardziej miarodajne niż krótka seria zwycięstw, ale kontuzje i zmiany w składzie to rzeczywiste sygnały, a nie statystyczny szum. Przykład Minnesoty jest szczególnie pouczający, bo późniejsze potwierdzenie prognozy modelu nie wymazuje kosztów wielomiesięcznego błędu. Zasady aktualizacji należy określać, zanim pojawią się wyniki, aby ograniczyć wyjątki uzasadniane z perspektywy czasu.
Korzystaj z baseballowych statystyk, nie myląc gry z jej liczbami
Boisko wciąż może zaskakiwać. Podczas rekonwalescencji Peta zabrał swoją małą córkę Calistę na mecz San Francisco Giants. Gdy wspinali się w stronę swoich miejsc, dziewczynka dostrzegła trawę i wykrzyknęła na widok boiska. Dla niego ta chwila przywołała własne dziecięce wspomnienie pierwszego wejścia na stadion oraz mecze baseballowe oglądane z ojcem.
Analiza pogłębiła przywiązanie. Model zamieniał każdy dzień meczowy w łamigłówkę probabilistyczną, ale baseball nie był ważny z powodu jego arkuszy kalkulacyjnych. Dawne transmisje, rodzinne opowieści, dźwięk znakomitego podkręconego rzutu miotacza i emocje towarzyszące obserwowaniu, jak dziecko poznaje tę grę — wszystko to należało do innego rodzaju wartości. Książka kończy się uznaniem obu prawd naraz: baseball można analizować rzetelnie, a jednocześnie pozostaje czymś większym niż jakakolwiek prognoza.
Najmocniejszym przeciwwagą dla technicznego wywodu książki jest nieustające przywiązanie autora do tego, czego nie da się wycenić. Kwantyfikacja nie musi spłaszczać doświadczenia; może kierować uwagę na szczegóły, które umykają przypadkowemu obserwatorowi, nie odbierając przy tym niczego pięknu ani wspomnieniom. Przypomina to różnicę między wartością instrumentalną — tym, co dana aktywność przynosi — a wartością samą w sobie, czyli tym, co sprawia, że warto ją podejmować. Zastrzeżenie jest istotne: zyskowny zakład może pogłębiać uwagę, ale może też zamienić wspólną rozrywkę w księgę rachunkową. Tych dwóch sposobów uczestnictwa nie należy mylić.
Analiza
„Trading Bases” działa, bo nadaje technicznemu twierdzeniu osobisty wymiar. Peta nie zaczyna jako zdystansowany specjalista od metod ilościowych, który objaśnia model. Zaczyna jako człowiek ranny, osamotniony i zaprzątnięty drobnymi decyzjami, które mogły odmienić jego los. Analiza baseballu daje temu niespokojnemu skupieniu pożyteczny cel. Dzięki temu czytelnik widzi, jak rozumowanie statystyczne może służyć zarówno ocenie zakładów, jak i odzyskiwaniu poczucia sprawczości.
Przewodnią ideą jest przypisywanie przyczyn. Bilans drużyny nie jest tym samym co jej talent; ERA miotacza nie jest tym samym co jego umiejętności; zysk tradera nie jest tym samym co jego wkład. Książka wciąż pyta, jaka część wyniku jest powtarzalna, jaka wynika z kontekstu, a jaka ze szczęścia. Jej najważniejszym praktycznym wkładem nie jest żaden pojedynczy wzór, lecz nawyk rozkładania wyników na czynniki, zanim sformułuje się prognozę lub nagrodzi wykonawcę.
Ta sama dyscyplina ujawnia również ograniczenie. Przewaga modelu to różnica między oszacowanym prawdopodobieństwem a ceną rynkową, więc błąd w którymkolwiek z tych szacunków może zniwelować pozorną korzyść. Opisane przez Petę zyski z 2011 roku i dobry wynik z 2012 roku są przekonującymi przykładami, ale same w sobie nie tworzą wystarczająco długiej historii, by dowieść trwałości tej przewagi. Rzetelny inwestor chciałby zobaczyć testy poza próbą, kalibrację prawdopodobieństw, analizę wrażliwości oraz uwzględnienie zmian na rynku zakładów. Opisane w książce miesiące strat konkretnie unaoczniają tę ostrożność.
Szerszy wywód sięga poza sport. Długie sezony baseballowe i względnie łatwe do wyodrębnienia zdarzenia sprawiają, że dyscyplina ta wyjątkowo dobrze nadaje się do analizy statystycznej, ale podstawowe pytania dotyczą także finansów i zarządzania: Czy bodźce są odpowiednio dopasowane? Czy ludzi ocenia się na podstawie umiejętności, które kontrolują? Czy organizacja potrafi znieść zmienność, nie narażając się na upadek? Odpowiedzią nie jest kult wskaźników. Chodzi o to, by korygować nimi intuicję, a potem pamiętać o tym, czego nie potrafią zmierzyć.
Podsumowanie recenzji
Recenzje Trading Bases są na ogół pozytywne; czytelnicy chwalą połączenie analityki baseballowej, spojrzenia na Wall Street i osobistych anegdot Pety. Wielu docenia jego objaśnienia sabermetrii i strategii zakładów sportowych, uznając książkę zarówno za pouczającą, jak i wciągającą. Niektórzy szczególnie lubią poczucie humoru Pety i jego umiejętność opowiadania historii. Choć kilku czytelnikom niektóre fragmenty wydały się zbyt techniczne lub niespójne, większość poleca książkę osobom zainteresowanym baseballem, finansami lub zakładami sportowymi. Ogólnie czytelnicy cenią wyjątkową perspektywę Pety i jego angażujący styl pisania.
Inni czytali również
Słowniczek
szczęście z klastrowania odbić (cluster luck)
Runs wynikające ze skupisk odbićOkreślenie używane przez Petę na niezwykle korzystne lub niekorzystne zgrupowanie odbić drużyny w czasie. Drużyna może zdobywać więcej runs, niż wynikałoby z ogólnej jakości jej odbijania, ponieważ odbicia częściej przypadają na sytuacje, gdy biegacze są już na bazach. Koncepcja ta zakłada, że takie sytuacyjne skoki wyników prawdopodobnie z czasem zanikną, zamiast świadczyć o nowo nabytej umiejętności gry pod presją.
wzór Pythagorasa
Zwycięstwa szacowane na podstawie zdobytych runsWzór Billa Jamesa służący do szacowania odsetka zwycięstw drużyny baseballowej na podstawie zdobytych i oddanych runs. W wersji używanej przez Petę sumę zdobytych runs podnosi się do potęgi 1,83, a następnie dzieli przez sumę obu podniesionych do tej potęgi wartości. To wzór prognostyczny stosowany w baseballu, a nie twierdzenie geometryczne.
PECOTA
System prognozowania osiągnięć graczy na podstawie danych historycznychSystem prognozowania osiągnięć graczy opracowany przez Nate’a Silvera z Baseball Prospectus. PECOTA porównuje obecnego gracza z zawodnikami z przeszłości o podobnych istotnych cechach, w tym pozycji, wieku i wcześniejszych wynikach, a następnie wykorzystuje te analogie do szacowania przyszłych osiągnięć. Peta korzysta z prognoz tego systemu, by uwzględniać starzenie się graczy i szacować wpływ zmian w składzie na siłę drużyny.
zwycięstwa ponad poziom zastępstwa (WAR)
Zwycięstwa ponad poziom zastępstwaWAR szacuje, ile zwycięstw wnosi gracz ponad to, co drużyna mogłaby uzyskać od łatwo dostępnego zastępcy, takiego jak rezerwowy, zawodnik z niższej ligi czy gracz pozyskany z listy transferowej. Różni analitycy baseballowi obliczają WAR w nieco odmienny sposób. Peta używa tej miary do porównywania wkładu graczy i przekładania zmian w składzie na przewidywany wpływ na liczbę zwycięstw.
statystyki miotania niezależne od obrony (DIPS)
Miotanie niezależne od obronyStatystyki miotania niezależne od obrony (Defense Independent Pitching Statistics) to nurt badań związany z Vorosem McCrackenem. Zakłada on, że miotacze w dużej mierze kontrolują strikeouty, walki i home runy, natomiast mają mniejszy wpływ na wyniki wielu innych odbić w grze. Odkrycie to doprowadziło do opracowania nowych sposobów oddzielania powtarzalnych umiejętności miotacza od wsparcia obrony i losowych wahań.
miotanie niezależne od obrony (FIP)
Szacunek miotania niezależny od obronyFIP (Fielding-Independent Pitching) szacuje osiągnięcia miotacza głównie na podstawie strikeoutów, walków i home runów, czyli zdarzeń uznawanych za zależne w większym stopniu bezpośrednio od miotacza. Pomaga porównywać rzeczywistą jakość miotania ze średnią earned run. Gdy te wartości się różnią, rozbieżność może wskazywać na wpływ obrony lub losowych wahań w przypadku piłek w grze.
oczekiwane miotanie niezależne od obrony (xFIP)
FIP ze znormalizowaną liczbą home runówxFIP (Expected Fielding-Independent Pitching) modyfikuje FIP, zastępując rzeczywisty wskaźnik home runów miotacza średnią ligową. Ponieważ wskaźniki home runów wahają się z roku na rok bardziej niż wskaźniki strikeoutów i walków, ta korekta może sprawić, że xFIP będzie lepiej przewidywać przyszłe osiągnięcia w zakresie earned runs niż bieżące ERA lub FIP.
interaktywna umiejętnościowo średnia earned run (SIERA)
Prognoza ERA uwzględniająca interakcje umiejętnościSIERA (Skill-Interactive Earned Run Average) szacuje przyszłe osiągnięcia miotacza w zakresie earned runs na podstawie czynników, na które ma on wpływ, takich jak strikeouty, walki, home runy i odsetek piłek odbitych po ziemi. Wzór uwzględnia również wzajemne oddziaływanie tych czynników. Peta stosuje tę miarę do oceny miotaczy, ponieważ lepiej przewiduje przyszłe ERA niż poleganie wyłącznie na niedawnych wynikach ERA.
kurs na zwycięstwo (money line)
Kurs na zwycięstwo drużynyKurs stosowany w zakładach baseballowych, który określa koszt zakładu lub potencjalny zwrot za postawienie na zwycięstwo drużyny, bez spreadu punktowego. Faworyt ma kurs ujemny, a drużyna uznawana za słabszą — dodatni. Każdy kurs odpowiada określonemu prawdopodobieństwu, a suma prawdopodobieństw wynikających z kursów przekracza 100 procent o marżę bukmachera.
dziesięciocentowa różnica kursów (dime line)
Dziesięciocentowa różnica kursówTypowa różnica dziesięciu centów między kursem oferowanym na faworyta w baseballu a odpowiadającym mu kursem na drużynę uznawaną za słabszą. Peta twierdzi, że taki sposób ustalania kursów sprawia, iż marża bukmachera przy wielu zakładach baseballowych jest mniejsza niż standardowa marża przy zakładach ze spreadem punktowym w futbolu i koszykówce.
dodatkowa strata ponad poziom zastępstwa (ALARM)
Strata tradera w porównaniu z poziomem zastępstwaRozwinięcie skrótu ALARM wymyślone przez Petę: additional loss above replacement monkey (dodatkowa strata ponad poziom zastępstwa małpy). Porównuje decyzje tradera podejmowane podczas likwidowania pozycji z prostym tempem działania na poziomie zastępstwa, żartobliwie przedstawionym jako małpa postępująca według podstawowego harmonogramu. Miara miała wskazywać, kiedy decyzje tradera przynosiły dodatkowe straty zamiast wartości.
nadwyżka wartości tradera ponad koszty (TUPAC)
Wartość wniesiona przez tradera po odliczeniu kosztówRozwinięcie skrótu TUPAC wymyślone przez Petę: trader upside above cost (nadwyżka wartości tradera ponad koszty). To proponowany sposób porównywania traderów z uwzględnieniem istotnych kosztów oraz różnic w zasobach, sektorze i warunkach rynkowych wspierających ich działalność. Celem jest sprawiedliwsza ocena tworzonej przez nich wartości niż na podstawie samych surowych wyników zysków i strat.
FAQ
O czym jest Trading Bases?
- Łączy Wall Street z baseballem: Trading Bases Joe Pety bada punkt styku strategii handlu na Wall Street i analityki baseballowej, opisując, jak Peta zastosował zasady sabermetrii do zakładów sportowych.
- Osobista droga: Narracja opowiada o osobistych doświadczeniach Pety, w tym o powrocie do zdrowia po poważnym urazie nogi i przejściu od Wall Street do obstawiania meczów baseballowych.
- Analiza statystyczna: Książka podkreśla znaczenie analizy danych przy podejmowaniu świadomych decyzji — zarówno w handlu, jak i w zakładach — oraz wykorzystuje różne wskaźniki i modele do przewidywania wyników.
Dlaczego warto przeczytać Trading Bases?
- Wyjątkowa perspektywa: Książka przedstawia świeże spojrzenie na zakłady sportowe, łącząc zasady finansów z analizą statystyczną, i może zainteresować zarówno kibiców, jak i pasjonatów finansów.
- Wartość edukacyjna: Czytelnicy poznają praktyczne wskazówki dotyczące tworzenia modelu zakładów opartego na sabermetrii, rozwijając myślenie analityczne i rozumienie zastosowań w praktyce.
- Wciągająca narracja: Osobiste anegdoty i humor sprawiają, że pasja Pety do baseballu i handlu jest wyraźnie odczuwalna, a złożone zagadnienia stają się przystępne i interesujące.
Jakie są najważniejsze wnioski z Trading Bases?
- Znaczenie danych: Skuteczne obstawianie w dużej mierze opiera się na analizie danych i rozumieniu wskaźników osiągnięć graczy, takich jak WAR i SIERA.
- Zarządzanie ryzykiem: Peta podkreśla potrzebę systematycznego podejścia do alokacji kapitału oraz tego, by nie pozwalać emocjom kierować decyzjami.
- Nieefektywność rynku: Książka pokazuje, jak identyfikować i wykorzystywać nieefektywności na rynkach zakładów, podobnie jak przy wyszukiwaniu nieprawidłowo wycenionych akcji w handlu.
Jak Joe Peta tworzy swój model zakładów w Trading Bases?
- Podejście oparte na danych: Peta buduje model w oparciu o zasady sabermetrii, analizując dane o osiągnięciach graczy i statystyki drużyn, by przewidywać wyniki meczów.
- Zastosowanie wzoru Pythagorasa: Stosuje wzór Pythagorasa do szacowania odsetka zwycięstw drużyny, korygując wynik o szczęście z klastrowania odbić, by udoskonalić prognozy.
- Ciągłe udoskonalanie: W trakcie sezonu Peta dostosowuje model na podstawie rzeczywistych wyników meczów, korygując prognozy i strategie zakładów.
Czym jest „szczęście z klastrowania odbić” w Trading Bases?
- Definicja szczęścia z klastrowania odbić: Chodzi o sytuację, w której drużyna zdobywa więcej runs, niż można się spodziewać, wskutek losowych zdarzeń, a nie umiejętności.
- Analiza statystyczna: Peta szacuje szczęście z klastrowania odbić, porównując liczbę rzeczywiście zdobytych runs z oczekiwaną liczbą wynikającą ze wskaźników takich jak odsetek wejść na bazę.
- Znaczenie dla zakładów: Zrozumienie tego zjawiska pomaga obstawiającym podejmować świadome decyzje i zwraca uwagę na drużyny, których wyniki mogą wrócić do rzeczywistego poziomu ich możliwości.
Jak Peta zarządza ryzykiem w swojej strategii zakładów w Trading Bases?
- Ustrukturyzowane podejście do zakładów: Peta stosuje systematyczną metodę ustalania wielkości zakładów na podstawie przewagi, jaką dostrzega w każdym meczu.
- Ustalanie wysokości zakładów: Opisuje konkretny harmonogram, w którym stawiana kwota zależy od pewności modelu co do wyniku danego meczu.
- Ochrona kapitału: Peta podkreśla, jak ważne jest zachowanie kapitału, aby przetrwać serie porażek i móc wykorzystać przyszłe okazje.
Jaką rolę odgrywa sabermetria w Trading Bases?
- Podstawa modelu: Sabermetria dostarcza analitycznych ram dla modelu zakładów Pety i zwiększa trafność jego prognoz.
- Identyfikowanie wartości: Stosując zasady sabermetrii, Peta może wskazywać niedoszacowane drużyny i graczy, uzyskując przewagę nad bukmacherami.
- Rozwój analizy baseballowej: Książka pokazuje, jak sabermetria zmieniła analizę baseballu i wpłynęła na zarządzanie drużynami oraz strategie zakładów.
Jakie znaczenie ma wzór Pythagorasa w Trading Bases?
- Prognozowanie bilansu zwycięstw i porażek: Peta używa wzoru Pythagorasa do szacowania oczekiwanego bilansu drużyny na podstawie zdobytych i oddanych runs.
- Identyfikowanie wartości: Porównanie rzeczywistych wyników drużyny z oczekiwanymi pomaga dostrzec wartość w kursach zakładów.
- Analiza szczęścia z klastrowania odbić: Wzór pomaga analizować „szczęście z klastrowania odbić”, umożliwiając obstawiającym podejmowanie bardziej świadomych decyzji dotyczących przyszłych wyników.
Jak osobista historia Pety splata się z opowieścią o zakładach w Trading Bases?
- Pokonywanie przeciwności: Powrót Pety do zdrowia po poważnym urazie nogi przebiega równolegle z jego poznawaniem baseballu i zakładów, nadając narracji głębię.
- Pasja do baseballu: Miłość do baseballu motywuje go do stworzenia modelu zakładów i głębszego zaangażowania w ten sport.
- Więzi rodzinne: Doświadczenia z córkami i wspólna miłość do baseballu podkreślają międzypokoleniowe więzi, które buduje sport.
Z jakimi wyzwaniami mierzy się Peta, obstawiając mecze baseballowe w Trading Bases?
- Zmiany na rynku: Korekty kursów przez bukmacherów w reakcji na wyniki drużyn utrudniają znalezienie zakładów o korzystnej wartości i wymagają ciągłego dostosowywania modelu.
- Wpływ kontuzji: Kontuzje kluczowych graczy mogą radykalnie wpłynąć na wyniki drużyny, komplikować prognozy i wymuszać zmiany strategii.
- Obciążenie emocjonalne: Presja związana z zakładami może rodzić trudności emocjonalne, co podkreśla wagę zachowania zdyscyplinowanego podejścia.
Jakie są najlepsze cytaty z Trading Bases i co oznaczają?
- „Widzisz, przez sporą część życia ściskasz w dłoni piłkę baseballową, a na koniec okazuje się, że przez cały czas było na odwrót”.: Wyraża głęboką więź Pety z baseballem i pokazuje, jak sport ukształtował jego życie.
- „Liczy się każdy dolar”.: Podkreśla znaczenie zarządzania ryzykiem i ostrożnego podejmowania decyzji zarówno w inwestowaniu, jak i obstawianiu.
- „Rynki mogą dłużej pozostawać irracjonalne, niż ty jesteś w stanie zachować wypłacalność”.: Zwraca uwagę na nieprzewidywalność rynków i konieczność posiadania solidnej strategii.
Czym jest SIERA i dlaczego ma znaczenie w Trading Bases?
- Definicja SIERA: SIERA to skrót od Skill-Interactive Earned Run Average — miary oceniającej osiągnięcia miotacza na podstawie strikeoutów, walków i odsetka piłek odbitych po ziemi.
- Wartość prognostyczna: Peta używa SIERA do przewidywania przyszłych osiągnięć, co pomaga podejmować świadome decyzje dotyczące zakładów.
- Element modelu: SIERA wchodzi w skład modelu zakładów Pety, zwiększając jego trafność i rentowność.
Pobierz PDF
Pobierz EPUB
.epub idealnie nadaje się do czytania e-booków na telefonach, tabletach i czytnikach.