EFFICIENCY OF THE MARKET FOR RACETRACK BETTING
Notice bibliographique
Résumé
AbstractMany racetrack bettors have systems. Since the track is a market similar in many ways to the stock market one would expect that the basic strategies would be either fundamental or technical in nature. Fundamental strategies utilize past data available from racing forms, special sources, etc. to “handicap” races. The investor then wagers on one or more horses whose probability of winning exceeds that determined by the odds by an amount sufficient to overcome the track take. Technical systems require less information and only utilize current betting data. They attempt to find inefficiencies in the “market” and bet on such “overlays” when they have positive expected value. Previous studies and our data confirm that for win bets these inefficiencies, which exist for underbet favorites and overbet longshots, are not sufficiently great to result in positive profits. This paper describes a technical system for place and show betting for which it appears to be possible to make substantial positive profits and thus to demonstrate market inefficiency in a weak form sense. Estimated theoretical probabilities of all possible finishes are compared with the actual amounts bet to determine profitable betting situations. Since the amount bet influences the odds and theory suggests that to maximize long run growth a logarithmic utility function is appropriate the resulting model is a nonlinear program. Side calculations generally reduce the number of possible bets in any one race to three or less hence the actual optimization is quite simple. The system was tested on data from Santa Anita and Exhibition Park using exact and approximate solutions (that make the system operational at the track given the limited time available for placing bets) and found to produce substantial positive profits. A model is developed to demonstrate that the profits are not due to chance but rather to proper identification of market inefficiencies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».