比較預測市場價格與博彩公司賠率

你需要準備

程式碼測試狀態: 本教學的 Python 程式碼是以 Odds-API.io 文件中公布的範例回應執行測試（2026 年 11 月 3 日查核），並未使用真實 API 金鑰。實際回應可能有更多欄位；程式只讀取文件中列出的欄位。

1. 價格如何對應

在預測市場上，合約價格為 0–100 美分、勝出時支付 1 美元，所以價格即隱含機率；小數賠率 = 1 / (價格 / 100) ^{[1] [2]}。Odds-API.io 回傳的是最佳報價（訂單簿頂層）與以美元計的深度欄位，而非完整訂單簿 ^[1]。

2. 一次取得三者

向 /odds 查詢 Polymarket、Kalshi 與一家博彩公司。程式會印出各來源的隱含機率與總和，以及最佳價格的深度。

# 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")})

以文件中的里茲聯對阿森納範例，Kalshi 的買入價總和為 103.1%，Polymarket 為 102.1%：超出 100% 的部分是價差，不是博彩公司的利潤。

3. 與去抽水的博彩線比較

先去除博彩公司的利潤（同隱含機率與去抽水計算機），再相減。小差距很正常；深度很薄的大差距，實際交易時常常就消失了。

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. 謹慎解讀結果

預測市場的手續費、價差、結算規則與判定都和博彩公司不同 ^[3]。這裡只涵蓋運動賽事 ^[1]。若做研究，可以長期用布萊爾分數與校準度評估兩種來源。

相關名詞與工具

• 預測市場
• 隱含機率
• 超額機率
• 流動性
• 買賣價差
• 校準度
• 賠率轉換器
• 隱含機率與去抽水計算機
• 用 Python 取得即時賠率
• 用 n8n 或 Make 免寫程式自動化賠率
• 透過 MCP 在 Claude 與 ChatGPT 使用賠率數據
• 用 Odds-API.io 找套利與 +EV
• Odds-API 與 SportsGameOdds 比較

常見問題