واریانس (Variance) پراکندگی آماری نتایج ممکن حول یک ارزش مورد انتظار (EV) است. دو شرط می‌توانند دقیقاً دارای EV یکسانی باشند — یعنی سود نظری یکسان به ازای هر دلار شرط‌بندی شده در بلندمدت — اما در عمل رفتاری کاملاً متفاوت داشته باشند، زیرا یکی از آن‌ها به شدت حول آن میانگین متمرکز است در حالی که دیگری بین بردهای بزرگ و باخت‌های مداوم در نوسان است. برتری (Edge) به شما می‌گوید که باید به کدام سمت حرکت کنید. واریانس به شما می‌گوید که مسیر رسیدن به آنجا چقدر ناهموار خواهد بود.
اندازه این نوسانات مستقیماً از شکل شرط ناشی می‌شود. شرطی با احتمال بالای برد و مبلغ کم (مثلاً یک گزینه بسیار محبوب با ضریب اعشاری 1.20) اغلب پرداخت دارد اما به ندرت مبلغ آن زیاد است، بنابراین نتایج به میانگین نزدیک هستند. شرطی با احتمال پایین برد و مبلغ زیاد (یک گزینه غیرمحتمل با ضریب 25.00، یک شرط ترکیبی روی یک بازی، یا یک شرط هر دو طرفه روی یک اسب در مسابقه 40 اسبی) به ندرت پرداخت دارد اما در صورت برد، مبلغ آن بسیار زیاد است، بنابراین نتایج حتی اگر EV بلندمدت یکسان باشد، بسیار پراکنده هستند. اگر چندین گزینه را با هم ترکیب کنید، همانند شرط‌های میکس (Accumulators)، واریانس به سرعت تشدید می‌شود — هر گزینه اضافی ضریب را ضرب کرده و احتمال برد را کاهش می‌دهد، که باعث می‌شود توزیع نتایج بدون لزوماً بهبود برتری، از میانگین فاصله بیشتری بگیرد.
این موضوع اهمیت دارد زیرا تجربه واقعی یک شرط‌بند هرگز برابر با EV نیست — بلکه یک برداشت از توزیع گسترده‌ای از نتایج ممکن است. یک مدل یا قیمتی که واقعاً 3%+ نسبت به بازار برتری دارد، همچنان می‌تواند به دلیل واریانس، یک ماه، یک فصل و گاهی یک سال زیان‌ده داشته باشد. اشتباه گرفتن یک دوره بد با یک مدل بد (یا یک دوره موفقیت‌آمیز با مهارت واقعی) یکی از پرهزینه‌ترین اشتباهات در شرط‌بندی است و معمولاً واریانس مقصر است، نه برتری.
مثال
یک شرط‌بند بازاری را پیدا می‌کند که معتقد است قیمت‌گذاری اشتباهی دارد: یک خط دو طرفه با ضریب اعشاری 1.91 (تقریباً -110)، که در آن مدل او احتمال برد واقعی را 54% پیش‌بینی می‌کند، در حالی که قیمت بازار 52.4% را نشان می‌دهد. او مبلغ $100 را به صورت ثابت روی 100 شرط از این نوع می‌بندد.
به ازای هر شرط: برد $91 سود (100 × 0.91) و باخت $100 هزینه دارد.
- EV به ازای هر شرط = (0.54 × $91) + (0.46 × −$100) = $49.14 − $46.00 = $3.14
- سود مورد انتظار از 100 شرط = 100 × $3.14 = $314
حالا واریانس. برای یک شرط واحد، E[X²] = (0.54 × 91²) + (0.46 × 100²) = 4,471.74 + 4,600 = 9,071.74. با کسر EV² (3.14² ≈ 9.86)، واریانس هر شرط حدود 9,062 به دست می‌آید، بنابراین انحراف معیار هر شرط برابر است با √9,062 ≈ $95.20 — یعنی بیش از سی برابر سود مورد انتظار در آن شرط واحد.
از آنجا که شرط‌ها مستقل هستند، واریانس با هم جمع می‌شود: واریانس کل = 100 × 9,062 = 906,200، بنابراین انحراف معیار نتیجه کل پس از 100 شرط برابر است با √906,200 ≈ $952.
این بدان معناست که یک شرط‌بند با برتری واقعی و قابل اثبات 3%+، باید انتظار داشته باشد که پس از 100 شرط، با یک انحراف معیار در هر دو طرف میانگین، جایی بین تقریباً −$638 و +$1,266 قرار بگیرد — یعنی احتمال واقعی برای در ضرر بودن وجود دارد، حتی با وجود انجام همه کارها به درستی. تنها پس از چند صد یا چند هزار شرط است که انحراف معیار کل (که با √n رشد می‌کند) نسبت به EV انباشته (که به صورت خطی با n رشد می‌کند) کوچک می‌شود و برتری شروع به نمایان شدن از میان نویزها می‌کند.
نکات کلیدی
- برتری و واریانس محورهای جداگانه‌ای هستند: برتری به شما می‌گوید که آیا شرط ارزش بستن دارد یا خیر؛ واریانس به شما می‌گوید که این مسیر چقدر غیرقابل پیش‌بینی خواهد بود. یک شرط با EV مثبت همچنان می‌تواند واریانس بالایی داشته باشد و یک شرط سر‌به‌سر می‌تواند واریانس پایینی داشته باشد — استراتژی خود را بر اساس اینکه نتایج چقدر هموار به نظر می‌رسند، قضاوت نکنید.
- ضرایب بالاتر به معنای نوسانات شدیدتر است: شرط‌های روی گزینه‌های غیرمحتمل، شرط‌های هر دو طرفه و به ویژه شرط‌های میکس چندگزینه‌ای، به ازای هر دلار EV، واریانس بسیار بیشتری نسبت به گزینه‌های محبوب با ضریب پایین دارند، زیرا احتمال برد کم است و پرداخت‌ها در رویدادهای نادر متمرکز شده‌اند.
- نمونه‌های کوچک چیزی را ثابت نمی‌کنند: همانطور که در مثال نشان داده شد، یک برتری واقعی 3% همچنان می‌تواند پس از 100 شرط زیان‌ده باشد. یک مدل تست‌شده را پس از یک ماه بد کنار نگذارید و تا زمانی که نمونه به اندازه کافی بزرگ نشده تا واریانس تثبیت شود، به یک دوره موفقیت‌آمیز به عنوان مدرکی برای مهارت اعتماد نکنید.
- مبلغ شرط‌بندی خود را متناسب با واریانسی که می‌پذیرید تعیین کنید: استراتژی‌های مبلغ ثابت یا روش کلی (Kelly) کسری دقیقاً برای این وجود دارند که از نابودی سرمایه توسط یک استراتژی با واریانس بالا در طول یک افت طبیعی و مورد انتظار جلوگیری کنند، نه به دلیل خرابی واقعی در برتری.
- فرآیند را دنبال کنید، نه فقط نتایج را: از آنجا که نتایج کوتاه‌مدت به شدت تحت سلطه واریانس هستند، شرط‌بندان حرفه‌ای خود را بر اساس اینکه آیا قیمت‌هایشان از خط نهایی بازار بهتر بوده (ارزش خط نهایی یا CLV) قضاوت می‌کنند، نه بر اساس اینکه آیا شرط‌های هفته گذشته برنده شده‌اند یا خیر، زیرا CLV بسیار سریع‌تر از سود و زیان خالص به حقیقت همگرا می‌شود.
- شرط‌های همبسته واریانس را مانند شرط‌های مستقل کاهش نمی‌دهند: ترکیب چندین شرط روی یک مسابقه یا رویداد (مثلاً شرط‌بندی روی یک تیم و بهترین گلزن آن تیم) ممکن است شبیه تنوع‌بخشی به نظر برسد، اما در واقع نتایج را به هم گره می‌زند، بنابراین نوسانات به شکلی که در شرط‌های واقعاً مستقل کاهش می‌یابند، کم نمی‌شوند.