比较预测市场价格与博彩公司赔率

你需要准备

代码测试状态: 本教学的 Python 代码是以 Odds-API.io 文档中公布的范例回应运行测试（2026 年 11 月 3 日查核），并未使用真实 API 密钥。实际回应可能有更多字段；程序只读取文档中列出的字段。

1. 价格如何对应

在预测市场上，合约价格为 0–100 美分、胜出时支付 1 美元，所以价格即隐含概率；小数赔率 = 1 / (价格 / 100) ^{[1] [2]}。Odds-API.io 回传的是最佳报价（订单簿顶层）与以美元计的深度字段，而非完整订单簿 ^[1]。

2. 一次取得三者

向 /odds 查找 Polymarket、Kalshi 与一家博彩公司。程序会印出各来源的隐含概率与总和，以及最佳价格的深度。

# reuses get() and ml_prices() from the Python tutorial
ev = get("/odds", eventId=EVENT_ID, bookmakers="Polymarket,Kalshi,Bet365", markets="ML")

prices = ml_prices(ev)            # back prices, decimal
for book, p in prices.items():
    implied = {side: 1 / o for side, o in p.items()}
    total = sum(implied.values())
    print(f"{book:11} sum {total:.1%} ", {s: f"{q:.1%}" for s, q in implied.items()})

for book in ("Polymarket", "Kalshi"):          # depth: USD at the best back price
    for m in ev["bookmakers"].get(book, []):
        if m["name"] == "ML":
            row = m["odds"][0]
            print(book, {k: row[k] for k in row if k.startswith("depth")})

以文档中的里兹联对阿森纳范例，Kalshi 的买入价总和为 103.1%，Polymarket 为 102.1%：超出 100% 的部分是价差，不是博彩公司的利润。

3. 与去抽水的博彩线比较

先去除博彩公司的利润（同隐含概率与去抽水计算机），再相减。小差距很正常；深度很薄的大差距，实际交易时常常就消失了。

def no_vig(p):
    s = sum(1 / o for o in p.values())
    return {side: (1 / o) / s for side, o in p.items()}

book_fair = no_vig(prices["Bet365"])
for pm in ("Polymarket", "Kalshi"):
    if pm in prices:
        gap = {side: (1 / prices[pm][side]) - book_fair[side] for side in book_fair if side in prices[pm]}
        print(pm, "minus Bet365 no-vig (percentage points):",
              {s: f"{g * 100:+.1f}" for s, g in gap.items()})

4. 谨慎解读结果

预测市场的手续费、价差、结算规则与判定都和博彩公司不同 ^[3]。这里只涵盖运动赛事 ^[1]。若做研究，可以长期用布莱尔分数与校准度评估两种来源。

相关名词与工具

• 预测市场
• 隐含概率
• 超额概率
• 流动性
• 买卖价差
• 校准度
• 赔率转换器
• 隐含概率与去抽水计算机
• 用 Python 取得实时赔率
• 用 n8n 或 Make 免写程序自动化赔率
• 通过 MCP 在 Claude 与 ChatGPT 使用赔率数据
• 用 Odds-API.io 找套利与 +EV
• Odds-API 与 SportsGameOdds 比较

常见问题