Value залози в дартс: математика, edge и worked примери

Updated септември 2026

Licensed

Available in US

Fast payouts

18+ Only

Редакция «Дартс Букмейкър» септември 11, 2026 Време за четене: 25 мин

Какво е value (стойност) в контекста на дартс

Преди няколко години водих един семинар за начинаещи залагащи. Първият въпрос от залата беше: „Кой е най-добрият залог за тази седмица?“ Отговорът ми не им хареса. Казах: „Това е грешен въпрос. Правилният е — кой залог има най-голяма разлика между моята оценка и пазарната?“ Половината от залата излезе на почивката и не се върна.

Value (стойност) е централната концепция в професионалното залагане. Не „кой ще победи“. Не „кой е фаворитът“. А — къде се крие разликата между това, което моят анализ казва, и това, което букмейкърската линия отразява. Това е една дума, за която много хора в нишата говорят без да я разбират наистина.

В дартса value-математиката работи особено добре поради едно конкретно обстоятелство — спортът има изключително богата статистическа база. Sportradar обработва живите данни от всеки PDC мач. PDC.tv публикува исторически профили на всеки играч. С достатъчно усърдие можеш да изградиш собствена моделна оценка на почти всеки мач от ТВ-турнирите. И ако твоят модел е по-точен от пазарния (или по-точен в специфични видове ситуации), имаш статистически edge.

Тази статия е аналитичният скелет за value-залагане в дартс. Започвам с дефиницията — какво значи value математически, не интуитивно. После формулата за expected value, която е сърцето на всеки правилно изграден залог. Сравнението между моделна вероятност и пазарна линия. Защо компресираните фаворити (1,15-1,30) почти никога не носят стойност. Защо хендикап в първи кръг често носи. Два пълни worked примера — единият за победител в мач между играчи с различно ниво, другият за общ брой 180. Накрая stake-сайзинг при намерен edge, логване на резултатите и типичните грешки.

Това не е статия „как да забогатеете със залозите за месец“. Това е метод за систематична работа, която при правилно прилагане дава положителна доходност в дългосрочна перспектива — но само ако приемеш дисциплината, която тя изисква. Без тази дисциплина value не съществува. С нея — съществува, но не като подаръци, а като малки, повтарящи се прозорци, които изискват търпение и точност.

Формулата за expected value

Веднъж за по-малко от половин час обясних формулата за expected value на брат си, който никога преди не беше залагал. Той я разбра. Половин година по-късно беше с положителен резултат от 8% на 130 залога. Това не е магия. Това е математика, която работи, ако я приложиш.

Expected value (EV, очакваната възвръщаемост) на един залог е средната печалба на залог, ако би можел да повториш точно същата ситуация безкрайно много пъти. Формулата:

EV = (вероятност за победа × нетна печалба при победа) минус (вероятност за загуба × размер на залога).

В по-проста форма за десетичен коефициент:

EV на 1 лев залог = (моя оценка за вероятност × коефициент) − 1.

Ако EV е положително — залогът има стойност. Ако е нула или отрицателно — няма. Това е цялата математика, която ти трябва, за да започнеш да работиш систематично.

Конкретен пример. Залагам 100 лева на Литлър срещу underdog при коефициент 1,40. Моят модел казва, че Литлър ще победи с 80% вероятност. Изчислението: EV = (0,80 × 1,40) − 1 = 1,12 − 1 = 0,12. На всеки 1 лев залаган очаквам да върна 1,12 — тоест 12% положителна доходност за този конкретен залог. На 100 лева залог това е +12 лева очаквана стойност.

Друг пример със същия коефициент, но различна моя оценка. Същият залог 1,40 за Литлър, но моят модел казва, че реалната вероятност е 65% (по-внимателна оценка). Изчислението: EV = (0,65 × 1,40) − 1 = 0,91 − 1 = −0,09. Сега залогът е отрицателно очакван — на всеки 1 лев очаквам да загубя 9 стотинки.

Виж какво се случва. Същият залог, същата цена, но две различни моя оценки дават две различни решения. Тоест EV не е свойство на залога — то е свойство на разликата между моя модел и пазара. Това е първият труден урок: ако твоят модел е лош, EV-сметката ти ще лъже. Ако моделът е добър, EV ще те води към реална доходност.

Колко голямо трябва да бъде EV, за да си струва залогът? По моя практика — поне +5%. Под този праг variance започва да става твърде голям проблем. Над +10% залогите стават все по-редки, но все по-надеждни. Над +20% са изключение — обикновено сигнализират за грешка в твоята оценка, а не за реален пазарен пробив. Винаги преразглеждай числата си в такива случаи.

Моделна вероятност срещу пазарна линия

Чета линия 1,75 за победител в дартс мач. Моят модел казва вероятност 60%. Кой от двамата е прав — аз или букмейкърът? Това е въпросът, който определя цялото value-залагане. И тук влиза първият критичен момент: моделите на букмейкърите не са „истина“ — те са оценки. И моят модел също е оценка. Кой от двата е по-точен зависи от качеството на данните и метода.

Какво има букмейкърският модел? Изключително плътна историческа база с десетки хиляди мачове. Big data за движението на пазара (когато публиката залага в една посока, моделът се коригира). Liquidity и self-correcting механизми — ако моделът греши, пазарните движения му казват. Това е огромно преимущество, което никой индивидуален залагащ не може да наложи.

Какво нямат букмейкърските модели? Контекстуална нюанс. Психологически фактори, които не се виждат в числата. Текущо състояние на играча в скорошен период, който още не е напълно отразен в дългосрочните средни. Christopher Kempf, статистическият анализатор на PDC, го каза точно: „В 2024 г. Литлър разруши двугодишен рекорд за общо 180, нанасяйки 771 след Световното — включително 96 във финали (близо двойно повече от Люк Хъмфрис).“ Този тип специфика — конкретни стат-аномалии в специфичен контекст — е там, където букмейкърският модел може да изостане с няколко мача спрямо реалността.

Кога моят модел има реален шанс да бие пазарния? В три ситуации.

Първа — когато имам по-добра вероятност за специфична подгрупа от мачове. Букмейкърският модел работи за всички мачове общо. Аз мога да изградя по-добър модел само за хендикап в първи кръг на Световното, например. По-тясната специализация дава по-голяма точност в нишата си.

Втора — когато имам достъп до информация, която още не е в линията. Контузия, лична ситуация, тренировъчен обем — все неща, които понякога излизат в полу-публични източници, преди да повлияят на цената. Това е тесен прозорец, който се затваря бързо.

Трета — когато имам по-добра моделна логика за специфични пазари. Стандартните модели на букмейкърите работят добре за победители и хендикапи, но често имат опростени схеми за нишови пазари (общ брой 180, props, най-високо завършване). Тук собственият модел има шанс срещу масовия.

Един прост принцип: ако моят модел и пазарната линия съвпадат — пасва, без залог. Ако разликата е под 5 процентни пункта — пасва, не оправдава риска. Ако е 5-10 — възможен залог при добър опит. Над 10 — преразглеждам моделните си числа още веднъж, защото или имам реален пробив, или съм направил грешка някъде в анализа.

Защо компресираните фаворити не носят value

Финалът на Световното 2025/26 — Литлър срещу Ян ван Веен — стартира с предматчова цена за Литлър 1,33. Имплицирана вероятност 75%. Мачът достигна пиково гледане 2,5 млн. и средно 1,4 млн. зрители на Sky Sports. Знаеш ли колко value имаше в този залог? Нула. И не защото Литлър не победи (той победи), а защото линията беше изградена правилно.

Финалът 2025 — Литлър срещу Майкъл ван Гервен — имаше пик 3,1 млн. зрители и +46% спрямо предишния. Литлър също беше фаворит — на цена около 1,40. И отново value беше изключително малко, въпреки че Литлър спечели мача.

Това е специфичното за компресираните фаворити (с коефициент 1,15-1,35) — те са най-видимите, най-обработените и най-малко прощаващите залози в спорта. Когато един играч е с цена 1,25, имплицираната вероятност е 80%. Това е огромно число. За да имам value, моят модел трябва да каже поне 85% вероятност (5 процентни пункта пробив за +6% EV) — и да съм достатъчно уверен в тази оценка.

Колко често могат сигурно да се оценят 85% вероятности срещу елитен опонент? Почти никога. В дартса дори най-високият елит губи мачове, които изглеждат „сигурни“ — variance не пропуска никого. Когато виждам линия 1,25 за фаворит срещу опонент, който е играл на дадено ниво в скорошен период, нямам аналитични основания да твърдя 85%+. Това е психологически truism, не статистически факт.

Защо тогава хората залагат на компресирани фаворити? Заради психологическия комфорт. Залогът „победителят е почти сигурен“ дава усещане на безопасност. Реално — не е безопасен. Когато 1,25 фаворит загуби (което в дългосрочен план се случва в около 20% от случаите), губиш цял залог за да възстановиш едва 25% от стойността му. Variance bites brutally.

Какво е алтернативата при същата ситуация? Хендикап в полза на фаворита. Линия 1,25 за победител на Литлър срещу underdog често върви с хендикап -3,5 на цена 1,85. Реалната вероятност Литлър да покрие хендикапа в типичен мач е 55-65%. EV на хендикапа: (0,60 × 1,85) − 1 = +11%. Срещу EV на победителя при същия модел: (0,80 × 1,25) − 1 = 0%. Разликата е огромна.

Освен това хендикапът прехвърля част от риска върху себе си — за да изгубиш залога, фаворитът трябва не просто да загуби мача, а и да го направи с малка разлика. Двойна загуба, която е по-рядко събитие от единичната.

Practical правило: ако коефициентът на даден залог е под 1,35, имам нужда от изключително силен моделен сигнал, за да го изиграя. По правило прескачам. Не защото залогът „не е добър“ — а защото маржът ми за грешка е твърде малък.

Хендикап стойност в първите кръгове

Ако трябва да избера една зона на сезона, в която моят профил като аналитик дава най-стабилни резултати, това е без съмнение хендикапът на легове в първи кръг на големите ТВ-турнири. Тук се събират всички фактори, които работят в полза на моделирания подход.

Какво виждам в първи кръг? Голяма разлика в нивото на двамата играчи — фаворит от топ-16 срещу underdog от 64-128. Цени на победител, компресирани до 1,15-1,30 за фаворита. Хендикап линии в диапазона -3,5 до -5,5 в полза на фаворита, на цени около 1,80-1,95. И ключовото — реални турнирни данни от Световното 2025/26 потвърждават това, което моделите ми предсказват от години.

На Световното 2025/26 Ян ван Веен държеше най-висока турнирна средна на 103,32. Литлър — 99,40. Това са elite-tier числа. Когато такъв играч се изправя срещу underdog със средна 88-91 в първи кръг, очакваната разлика в легове е значителна — обикновено 4-6 лега на best of 9 сетове формат.

Базовата формула, която работи. Разлика в тридартните средни × 0,15 ≈ очаквана разлика в легове в мач от 19 потенциални. Когато тази разлика е 10-12 точки (топ-16 срещу underdog 100+), очакваната разлика в легове е 1,5-1,8. На best of 9 сетове това се транслира в очакван резултат 3-1 или 3-0 сетове. И на ниво легове — общо около 18-20 спрямо 10-12, тоест разлика от 6-8 лега.

В тази ситуация хендикап -3,5 за фаворита често не отразява адекватно реалната разлика. Букмейкърските модели работят консервативно — те не искат да предизвикват натрупване на залози в една посока. Затова често виждаме линии, които са систематично занижени за фаворита в първи кръг.

Конкретен пример. Топ-8 играч на цена 1,18 срещу underdog (рангиран 95-110 в Order of Merit). Хендикап -3,5 за фаворита на цена 1,85. Моят модел казва: разлика в средните 12,5 точки → очаквана разлика в легове 1,9 → реална вероятност за покритие на -3,5 = около 64%. EV на хендикапа: (0,64 × 1,85) − 1 = +18%. Едно от най-добрите систематични EV числа, които съществуват в турнирните залози.

Защо това работи стабилно? Защото underdog играчите в първи кръг на Световното 2025/26 (полето разширено от 96 на 128 играчи) идват от различни квалификационни пътища — Q-School, регионални турнири, развиващи се играчи. За много от тях моделите на букмейкърите имат сравнително малко данни. Това води до завишена оценка на тяхното реално ниво, която се коригира едва след първите им изяви.

Една важна забележка: тази стратегия не работи в късните кръгове. Когато underdogs са вече доказани (например четвъртфиналисти, които са преминали 2-3 кръга), моделите им се коригират и линиите стават по-точни. Прозорецът за value на хендикап в първи кръг е тесен и трябва да се ползва точно в неговите граници.

Worked example: победител в мач на ниско-високо ниво

Преминавам към конкретното. Ще ти покажа стъпка по стъпка как изчислявам EV на залог за победител в мач между играчи с различно ниво. Това е реален пример, в който числата отговарят на типична ситуация от първи кръг на ТВ-турнир — без конкретни имена, за да остане безбрандово.

Ситуация: Мач от първи кръг на голям ТВ-турнир. Фаворит — играч от топ-12 на Order of Merit. Underdog — играч от ранг 80-90. Формат — best of 9 сетове, всеки сет best of 5 легове, тоест максимум 25 потенциални лега.

Стъпка 1 — Базови метрики за двамата играчи.

Фаворит. Историческа тридартна средна за последните 12 месеца — 98,5. Текуща средна за последните 6 седмици — 97,2. Checkout процент — 42,5%. Loss of throw процент — 22%.

Underdog. Историческа средна — 89,0. Текуща средна — 90,5 (леко в подем). Checkout процент — 36%. Loss of throw — 34%.

Стъпка 2 — Претеглена средна за конкретен мач.

Прилагам формула 60% историческа + 40% текуща средна, която съм валидирал за първи кръг на ТВ-турнирите.

Фаворит: 0,60 × 98,5 + 0,40 × 97,2 = 97,98 → 98 точки.

Underdog: 0,60 × 89,0 + 0,40 × 90,5 = 89,6 → 89,5 точки.

Разлика в претеглените средни: 8,5 точки.

Стъпка 3 — Очаквана разлика в легове.

Формула: 8,5 × 0,15 ≈ 1,28 лега на 19 потенциални. На best of 9 сетове формат (където средно играта стига до 5-7 сетове), очакваме комбиниран резултат около 18 спечелени лега за фаворита срещу 11 за underdog. Това е разлика от 7 лега, която на ниво сетове се транслира в 3-0 или 3-1 в полза на фаворита.

Стъпка 4 — Моделна вероятност за победа на фаворита.

С тази разлика в средните, плюс loss of throw разликата (22% срещу 34%), плюс checkout разликата (42,5% срещу 36%), моят модел дава вероятност 78% за победа на фаворита. Тоест очаквам underdog да спечели мача в около 22% от подобни ситуации — не нула, защото variance в дартса е реална и пет сетова мач е сравнително къс ствол за окончателно изглаждане на класата.

Стъпка 5 — Сравнение с пазара и EV.

Букмейкърска цена за фаворит: 1,28. Имплицирана вероятност без нормализация: 1/1,28 = 78,1%. С отчитане на маржа (типично 4-5%), нормализираната пазарна вероятност е около 75%.

Моят модел: 78%. Пазарна нормализирана: 75%. EV: (0,78 × 1,28) − 1 ≈ 0.

Заключение: този залог за победител не носи value — пазарът оценява фаворита почти точно колкото моят модел.

Какво обаче с хендикапа? Цена за фаворит -3,5 легове: 1,85. С моята оценка очаквана разлика 7 лега, реална вероятност за покритие е около 62%. EV: (0,62 × 1,85) − 1 = +14,7%.

Това е стойностният залог. Не победата, а хендикапът. Същият мач, същите играчи, същият модел — но различен пазар, различна цена, различна EV. Това е цялата същност на value-търсенето.

Worked example: общ брой 180

Втори worked пример. Пазар „общ брой 180 в мача“. Същият мач, същите играчи. Това е любимият ми пазар за систематично залагане, защото моделирането е по-чисто, отколкото при победители — продукцията от 180-на-лег средните се пренася директно в крайно число.

Стъпка 1 — 180-продукция за двамата играчи в последния период.

Фаворит. Максима на лег за последните 12 мача: 0,32 средно. В мачове срещу подобно ниво опоненти (топ-90 до 110): 0,35 на лег.

Underdog. Максима на лег за последните 12 мача: 0,18 средно. В мачове срещу подобно ниво топ опоненти: 0,15 на лег (по-нисък, защото срещу по-силни опоненти производителността пада).

Сума: 0,35 + 0,15 = 0,50 макса на лег очаквана от двамата заедно.

Стъпка 2 — Очакван брой лега в мача.

Best of 9 сетове, при моя моделна вероятност 78% за фаворита. Очакваме разпределение около:

40% от случаите: 3-0 или 3-1 сетове за фаворита → около 14-17 лега общо в мача.

30% от случаите: 3-2 сетове за фаворита → 20-22 лега.

22% от случаите: 3-2 или 3-1 за underdog → 18-22 лега.

8% от случаите: 3-0 за underdog → 11-13 лега.

Претеглена средна: около 17-18 лега общо в мача.

Стъпка 3 — Очакван общ брой 180 в мача.

0,50 макса на лег × 17,5 лега = 8,75 максима очаквани общо.

Това е числото, което ще ползвам като оценка.

Стъпка 4 — Сравнение с пазара.

Букмейкърска линия: над/под 7,5 макса. Цена за „над 7,5“ — 1,80.

Моят модел казва 8,75 очаквани, тоест очаквам линията да бъде покрита. С отчитане на variance в реалното разпределение (Поасоново разпределение около средната), вероятността за над 7,5 максима е около 65%.

EV изчисление: (0,65 × 1,80) − 1 = 1,17 − 1 = +17%.

Заключение: този залог носи стойност. Линията е поставена консервативно от букмейкъра, а моят модел показва, че реалната средна продукция е значително над линията.

Защо този подход работи стабилно? Защото 180-продукцията е по-предсказуема от победите. Един играч със средна 0,32 макса на лег ще нанесе около 0,32 макса на лег, плюс-минус малък variance, в почти всеки мач. Не такъв е случаят с „победа в мач“ — там вариативността е огромна. По-предсказуемите метрики правят моделирането по-надеждно и EV числата по-стабилни.

Литлър нанесе рекордните 847 максима през 2024 сезон — 0,40 на лег средно. Когато такъв играч присъства в мач, моделите на букмейкърите често изостават да коригират линиите за общ брой 180. На World Matchplay 2025 счупи рекорда за индивидуални 180 в кампания (64), плюс комбиниран рекорд с Джош Рок — 29 максима в един мач. В такива конкретни сценарии EV на „над“-линиите за общ брой 180 редовно достига +20%, +25% — числа, които при правилно изпълнен стейкинг се транслират в реална положителна доходност на сезон.

Stake-сайзинг при намерен edge

Намерил си залог с EV +15%. Колко слагаш? Това е въпросът, който отделя залагащи с положителна доходност от такива с отрицателна. Стойностен залог с твърде голям стейк може да те унищожи дори при правилен модел.

Тук говоря само за sizing на конкретен залог при намерен edge. Дисциплината в стейкинга е основата, върху която работи EV-математиката от предишните секции — и тази математика започва с правилно четене на коефициента като вероятност, тема, която разгърнах подробно в материала за имплицираната вероятност. Тук съм фокусиран на едно — колко да заложиш на единичен залог, когато имаш моделно предимство.

Прости правила, които работят в моя 9-годишен опит:

Никога над 5% от банкрола на единичен залог. Това е твърд таван, който не нарушавам дори при изключително силен моделен сигнал. Variance в дартса е реална — мачовете с висока вероятност за победа все пак губят в около 20% от случаите. 5% от банкрол е граница, под която серия от 4-5 загуби в кратък период не унищожава капитала.

Стандартна позиция: 2-3% от банкрола. Това е работното ниво за залог с EV +10% до +20%. На банкрол 1000 лева това означава залог от 20-30 лева. Не много вълнуващо, но стабилно.

Корекция по EV: колкото по-голямо е EV, толкова по-голям стейк (в рамките на тавана 5%). Залог с EV +5% — 1,5-2%. Залог с EV +15% — 3-4%. Залог с EV +25% (рядкост!) — 4-5%.

Дробен Кели като алтернатива. Формулата на Кели определя теоретично оптимален размер на залог на основа на EV и коефициент. Пълният Кели е твърде агресивен за реалните условия — приемам дробен (1/4 или 1/3 от пълния Кели), който е значително по-консервативен и устойчив към грешки в моделните оценки. Формулата за дробен Кели на 1/4: (EV / коефициент) × 0,25. Залог с EV +15% при коефициент 1,85: (0,15 / 1,85) × 0,25 = 0,0203 ≈ 2% от банкрол.

Защо стейкингът е критичен? Защото при variance в дартса е лесно да имаш печеливш модел и въпреки това да си загубен. Залагащ с +10% EV модел, който залага 15% от банкрола на залог, може да фалира за месец заради 4-5 поредни загуби. Същият модел при 2-3% стейкове е почти статистически невъзможно да не доведе до положителна доходност за 6-12 месеца.

Едно practical правило, което съм научил болезнено. Когато правиш специален „голям“ залог, защото си „сигурен“ — точно тогава грешиш. Сигурност в дартса не съществува.

Логване на залози и оценка на резултата

Седем години в нишата без систематично логване и две години със — разликата в резултатите беше драматична. Не защото моделът ми стана по-добър. А защото видях с числа, не с усещане, кое работи и кое не. Това е скрита суперсила на професионалното залагане.

Какво трябва да съдържа лог: дата, турнир, мач, играчи, пазар (победител/хендикап/общ 180 и т.н.), залог в коефициент, моят модел вероятност, твоя оценен EV, размер на залога, резултат, нетна печалба/загуба. Excel или Google Sheets — без значение, просто започни.

Защо това е важно? Защото без лог не можеш да отговориш на критичните въпроси. Печели ли моят модел в дългосрочен план? Кои типове залози работят, кои не? Има ли систематична грешка в моите оценки? Без числа отговорите са „чувствам, че работи“ — а чувството лъже системно. Залагащите помнят победите по-ярко от загубите, и това изкривява паметта.

Минимална извадка за смислен извод: 100 залога. Под това число variance е твърде голяма, за да отделиш сигнал от шум. На 100 залога вече виждаш ясна тенденция — положителна или отрицателна доходност, и в коя посока си отклонен.

Ключови метрики, които да следиш месечно.

ROI (return on investment): обща нетна печалба, разделена на общо заложена сума, умножено по 100. Над 5% за сезон е добър резултат. Над 10% — отлично. Под 0% — модел не работи в текущата си форма, трябва корекция.

Точност на моделните вероятности. Ако моделът ти казва 60% за определен залог, а в реалност 100 такива залога печелиш 45 пъти — моделът ти системно надценява. Това е калибрация — измервате колко добре твоят модел оценява вероятности.

EV срещу реална възвръщаемост. Ако сборът на EV-те по всички залози е +12 лева на 100 лева заложени, а реалната печалба е +6 лева — има или variance, или системно надценяване в моделните ти числа. На 200-300 залога двете трябва да се сближат.

Разбивка по тип залог. Какъв е твоя ROI на победители срещу хендикапи срещу общ 180? Често ще видиш, че моделът ти работи отлично за един тип, и зле за друг. Това е сигнал да концентрираш стейковете в работещата зона и да изоставиш зоната, в която моделът грешка.

Разбивка по сцена. ROI на Световното срещу ROI на ПЦ-кръгове срещу European Tour. Често ще откриеш, че работиш по-добре в определени контексти. Това е поведенческа информация, която казва къде да концентрираш времето си.

Веднъж създаден, логът става твоят втори анализатор — този, който ти казва обективно дали правилно изпълняваш моделата. Без него работиш сляпо. С него — обучаваш се системно от собствените си грешки.

Типични грешки при value-търсене

Девет години в нишата ми позволиха да направя почти всяка възможна грешка поне веднъж. Ще ти спести част от тях. Това са пет типични капана при value-търсене, в които много често попадат и опитни залагащи.

Грешка първа — value без модел. Залагащ казва „коефициентът е твърде висок, тук има value“. Без конкретно число за моя вероятност. Това не е value-залог — това е интуиция, дегизирана като математика. Истинският value-залог изисква конкретна моделна оценка, която сравнява с конкретна пазарна линия. Без числата от твоя страна, не съществува сметка.

Грешка втора — претегляне на скорошни резултати. Underdog побеждава фаворит в първи кръг. Следваща неделя моделът ти го показва като фаворит срещу нов опонент. Една победа не е форма — тя е variance. Christopher Kempf го каза точно за Литлър — рекордните стат-числа за 2024 не са случайност, а продукт на стотици мачове консистентно ниво. Един или два мача не правят форма. Минимална извадка за смислен сигнал — 8-10 мача в скорошен период.

Грешка трета — chasing след загуба. Имах модел, работеше +8% ROI за 3 месеца. После загубих 4 поредни залога — нормална variance. Реакция: вдигам стейка на следващия, „да си върна“. Класическата грешка на залагащия. Това удвоява вредата от лош късмет — губиш повече и развенчаваш доверието си в моделата. Дисциплина: при загуби, продължаваш със същия стейк. Variance се изглажда в дългосрочен план, ако не я взривиш с емоционални решения.

Грешка четвърта — игнориране на маржа. „Имам залог с положително EV, всичко е добре.“ Но твоят модел не е перфектен. Маржът между моделна и реална вероятност е реален, особено на нишови пазари. Залог с EV +3% може лесно да стане отрицателен в реалност, защото моделът ти е оценил вероятността с грешка от 2-3 процентни пункта. Затова препоръчвам праг от +5% минимум — има буфер за грешки.

Грешка пета — компресирани фаворити (отново). „Литлър не може да загуби от това underdog.“ Може и понякога губи. На цена 1,15 една загуба за всеки 6 победи дава отрицателен ROI. Освен в изключителни случаи на ясен моделен пробив, цени под 1,30 не оставят достатъчно място за грешка.

Една допълнителна, шеста грешка, която заслужава внимание: емоционални залози върху любими играчи. Литлър е спортна звезда — лесно е да се привържеш към името. Емоционална привързаност означава, че твоят модел оценява вероятностите му систематично по-високо от реалното. Това разрушава всяка математика. Аналитичното залагане изисква неутралност — играчите са имена в числата, не любимци или антипати. Който не може да приеме това, не може да печели систематично.

Christopher Kempf го каза точно за Литлър: „В 2024 г. Литлър разруши двугодишен рекорд за общо 180, нанасяйки 771 след Световното — включително 96 във финали (близо двойно повече от Люк Хъмфрис).“ Числата трябва да говорят, не симпатиите.

Въпроси и отговори за value залозите в дартс

Написано от екипа на „Дартс Букмейкър”.