분산(Variance)은 기대 가치(EV)를 중심으로 가능한 결과들이 통계적으로 퍼져 있는 정도를 의미합니다. 두 베팅이 동일한 EV(장기적으로 베팅 금액 1달러당 기대되는 이론적 수익)를 가지더라도, 실제 결과는 완전히 다르게 나타날 수 있습니다. 하나는 평균값 주변에 결과가 밀집되는 반면, 다른 하나는 큰 승리와 꾸준한 손실 사이를 크게 오갈 수 있기 때문입니다. 엣지(Edge)는 당신이 나아가야 할 방향을 알려주며, 분산은 그 과정이 얼마나 험난할지를 알려줍니다.
결과가 흔들리는 폭은 베팅의 형태에서 직접적으로 기인합니다. 승리 확률이 높고 적은 금액을 따는 베팅(예: 1.20의 배당률을 가진 강력한 우승 후보)은 자주 적중하지만 큰 수익은 드물기 때문에 결과가 평균값 근처에 모입니다. 반면 승리 확률이 낮고 큰 금액을 따는 베팅(25.00의 배당률을 가진 언더독, 동일 경기 다폴더 베팅, 40마리 말이 출전하는 경마의 각웨이 베팅 등)은 적중은 드물지만 적중 시 큰 수익을 가져오므로, 장기적인 EV가 동일하더라도 결과값은 넓게 퍼지게 됩니다. 누적 베팅(Accumulators)처럼 여러 항목을 묶으면 분산은 빠르게 커집니다. 항목이 추가될 때마다 배당률은 곱해지고 승리 확률은 낮아지며, 엣지가 반드시 개선되지 않더라도 분포는 평균에서 더욱 멀어지게 됩니다.
이것이 중요한 이유는 베팅하는 사람의 실제 경험은 결코 EV 그 자체가 아니며, 가능한 결과들의 넓은 분포에서 추출된 하나의 표본에 불과하기 때문입니다. 시장 대비 3%의 엣지를 가진 모델이나 가격이라도 분산 때문에 손실을 보는 달, 분기, 심지어는 손실을 보는 해가 발생할 수 있습니다. 나쁜 흐름을 잘못된 모델로 오해하거나(또는 운이 좋은 기간을 실력으로 착각하는 것) 베팅에서 가장 비용이 많이 드는 실수 중 하나이며, 보통 그 원인은 엣지가 아니라 분산에 있습니다.
예시
한 베터가 시장 가격이 잘못 책정되었다고 판단되는 시장을 발견했습니다. 1.91(약 -110)의 배당률이 책정된 양방향 라인에서, 베터의 모델은 시장이 암시하는 52.4%가 아닌 54%의 실제 승리 확률을 제시합니다. 베터는 이 베팅을 100번 동안 매번 $100씩 동일하게 베팅합니다.
베팅당 결과: 승리 시 $91 수익(100 × 0.91), 패배 시 $100 손실.
- 베팅당 EV = (0.54 × $91) + (0.46 × −$100) = $49.14 − $46.00 = $3.14
- 100번 베팅 시 기대 수익 = 100 × $3.14 = $314
이제 분산을 계산해 봅니다. 단일 베팅의 경우, E[X²] = (0.54 × 91²) + (0.46 × 100²) = 4,471.74 + 4,600 = 9,071.74입니다. 여기서 EV²(3.14² ≈ 9.86)를 빼면 베팅당 분산은 약 9,062가 되며, 베팅당 표준 편차는 √9,062 ≈ $95.20입니다. 이는 단일 베팅 기대 수익의 30배가 넘는 수치입니다.
베팅은 독립적이므로 분산은 합산됩니다. 총 분산 = 100 × 9,062 = 906,200이며, 100번 베팅 후 총 결과의 표준 편차는 √906,200 ≈ $952입니다.
즉, 3% 이상의 확실한 엣지를 가진 베터라도 100번의 베팅 후에는 평균을 중심으로 표준 편차만큼 위아래로 흔들려 대략 −$638에서 +$1,266 사이의 결과를 얻을 수 있습니다. 즉, 모든 것을 올바르게 수행했음에도 불구하고 손실을 볼 가능성이 충분히 존재합니다. 수백 번에서 수천 번의 베팅을 거쳐야만 총 표준 편차(√n에 비례하여 증가)가 누적 EV(n에 비례하여 선형적으로 증가)에 비해 작아지며, 비로소 노이즈 속에서 엣지가 드러나기 시작합니다.
핵심 포인트
- 엣지와 분산은 별개의 축입니다: 엣지는 베팅할 가치가 있는지 알려주며, 분산은 그 과정이 얼마나 예측 불가능할지를 알려줍니다. +EV 베팅도 높은 분산을 가질 수 있고, 본전치기 베팅도 낮은 분산을 가질 수 있습니다. 결과가 얼마나 매끄러운지만 보고 전략을 판단하지 마십시오.
- 배당률이 높을수록 변동폭이 큽니다: 장기적인 배당, 각웨이 베팅, 특히 다폴더 베팅은 승리 확률이 낮고 수익이 드문 사건에 집중되어 있기 때문에 낮은 배당의 우승 후보보다 EV 대비 훨씬 큰 분산을 가집니다.
- 작은 표본은 아무것도 증명하지 못합니다: 예시에서 보듯, 3%의 실제 엣지도 100번의 베팅 후에는 손실로 나타날 수 있습니다. 잘 검증된 모델을 나쁜 달이 있었다고 폐기하지 마십시오. 또한 분산이 안정될 만큼 충분한 표본이 쌓이기 전까지는 운이 좋은 기간을 실력의 증거로 신뢰하지 마십시오.
- 감당할 수 있는 분산에 맞춰 베팅 규모를 정하십시오: 동일 금액 베팅(Flat staking)이나 켈리 공식(Fractional Kelly)은 전략의 엣지가 무너진 것이 아니라 정상적인 하락장에서 자산이 파산하는 것을 방지하기 위해 존재합니다.
- 결과뿐만 아니라 과정을 추적하십시오: 단기적인 결과는 분산에 의해 크게 좌우되므로, 진지한 베터들은 지난주 베팅이 적중했는지 여부보다 자신의 가격이 마감 배당률을 이겼는지(마감 배당률 가치, CLV)를 기준으로 자신을 평가합니다. CLV는 실제 수익/손실보다 훨씬 빠르게 진실에 수렴하기 때문입니다.
- 상관관계가 있는 베팅은 독립적인 베팅처럼 분산을 줄여주지 않습니다: 동일한 경기나 이벤트에 여러 베팅을 겹치는 것(예: 팀 승리와 해당 팀의 득점왕에게 동시에 베팅)은 분산 투자처럼 보일 수 있지만, 실제로는 결과가 서로 묶여 있기 때문에 독립적인 베팅처럼 변동폭이 줄어들지 않습니다.