添加 power no vig方法

common/bet_tools.py

@@ -1,22 +1,132 @@
+import math
+from scipy.optimize import fsolve  # 导入 fsolve 函数用于数值求解
 
 
+def moneyline_to_prob(moneyline_odds: int) -> float:
+    """将 Moneyline 赔率转换为隐含概率."""
+    if moneyline_odds == 0:
+        raise ValueError("Moneyline odds cannot be 0")
+    elif moneyline_odds > 0:
+        # 正赔率 +X -> 隐含概率 = 100 / (100 + X)
+        return 100 / (moneyline_odds + 100)
+    else:  # moneyline_odds <= 0
+        # 负赔率 -X -> 隐含概率 = X / (X + 100)
+        return abs(moneyline_odds) / (abs(moneyline_odds) + 100)
 
 
-def american_odds_to_probability(odds: int) -> float:
-    """
-    根据美式赔率计算概率（以小数形式返回）
-    :param odds: 美式赔率（正数或负数）
-    :return: 概率（0~1之间的小数）
-    """
-    if odds > 0:
-        probability = 100 / (odds + 100)
+def prob_to_moneyline(probability: float) -> int:
+    """将概率转换为 Moneyline 赔率 (四舍五入到最接近的整数)."""
+    if not 0 < probability < 1:
+        # 概率为 0 或 1 对应无限或 -100 的 Moneyline 赔率，这里简化处理，实际中极少遇到精确的 0 或 1
+        if math.isclose(probability, 0):
+            return float("inf")
+        if math.isclose(probability, 1):
+            return (
+                -100
+            )  # 或者 raise ValueError("Probability must be between 0 and 1 (exclusive)")
+        raise ValueError("Probability must be between 0 and 1 (exclusive)")
+
+    if probability <= 0.5:
+        # 概率 <= 0.5 对应正 Moneyline 赔率 (Decimal >= 2.0)
+        # Decimal Odds = 1 / probability
+        # Moneyline = (Decimal Odds - 1) * 100
+        return round((1 / probability - 1) * 100, 2)
     else:
-        probability = abs(odds) / (abs(odds) + 100)
-    return probability
+        # 概率 > 0.5 对应负 Moneyline 赔率 (Decimal < 2.0)
+        # Decimal Odds = 1 / probability
+        # Moneyline = -100 / (Decimal Odds - 1)
+        return round(-100 / (1 / probability - 1), 2)
+
+
+def calculate_no_vig_moneyline_power(moneyline_odds_list: list[int]) -> list[int]:
+    """
+    使用 Power Method (根据提供的文献描述) 计算无 vigorish 的 Moneyline 赔率。
+    该方法通过寻找 k 使得 sum(implied_prob^k) = 1 来调整概率。
+
+    参数:
+    moneyline_odds_list (list): 包含所有可能结果的 Moneyline 整数赔率列表 (例如, [+116, -156])。
+
+    返回:
+    list: 包含所有可能结果的无 vigorish Moneyline 整数赔率列表。
+    """
+    if not moneyline_odds_list:
+        return []
+
+    # 1. 将 Moneyline 赔率转换为隐含概率 (pi)
+    implied_probabilities = [moneyline_to_prob(odds) for odds in moneyline_odds_list]
+
+    # 确保所有隐含概率都大于 0，否则无法进行幂运算或取对数（数值求解时可能涉及）
+    if any(p <= 0 for p in implied_probabilities):
+        raise ValueError("All implied probabilities must be positive.")
+
+    total_implied_probability = sum(implied_probabilities)
+
+    # 如果总概率 <= 1，说明没有 vig 或 vig 极少，直接返回原始赔率
+    if total_implied_probability <= 1:
+        print(
+            "Warning: Input odds already have little or no vig. Returning original odds."
+        )
+        return moneyline_odds_list
+
+    # 2. 定义需要找到根的函数 f(k) = sum(pi^k) - 1
+    # 我们要找到 k 使得 sum(pi^k) = 1
+    # 由于 sum(pi) > 1 且 pi < 1, 我们需要 k > 1 才能让 pi^k < pi, 从而降低总和至 1。
+    def sum_pi_pow_k_minus_1(k):
+        # fsolve 传入的 k 是一个数组，我们需要取其第一个元素
+        k_val = k[0] if isinstance(k, (list, tuple)) else k
+        # 计算 sum(pi^k)
+        sum_val = sum(p**k_val for p in implied_probabilities)
+        return sum_val - 1  # 我们的目标是让这个函数等于 0
+
+    # 3. 寻找 k 使得 f(k) = 0
+    # 我们知道当 k=1 时，总和是 total_implied_probability (>1)。
+    # 当 k 增大时，sum(pi^k) 会减小。所以根 k 应该大于 1。
+    # 提供一个合理的初始猜测值给 fsolve，例如 1.1 或 1.5
+    initial_k_guess = [1.1]  # fsolve 期望一个数组作为初始猜测
+
+    # 使用 fsolve 寻找 k
+    # fsolve 返回一个数组，即使只有一个解
+    k_solution = fsolve(sum_pi_pow_k_minus_1, initial_k_guess)
+
+    # 提取求解到的 k 值
+    k = k_solution[0]
+
+    # 4. 计算无 Vig 概率 pi_novig = pi^k
+    no_vig_probabilities = [p**k for p in implied_probabilities]
+
+    # 由于浮点数精度和数值求解的限制，最终的概率之和可能不严格等于 1。
+    # 虽然理论上由 k 的定义保证总和为 1，但实践中检查一下是有益的。
+    final_sum_check = sum(no_vig_probabilities)
+    if not math.isclose(final_sum_check, 1.0, abs_tol=1e-9):
+        print(
+            f"Warning: Final no-vig probabilities sum to {final_sum_check:.6f}, expected 1.0. Sum may need slight re-normalization."
+        )
+        # 理论上 Power Method 的定义保证了总和为 1，但如果因为数值误差偏离较多，
+        # 可以选择在这里进行最后的比例调整，但严格遵循方法定义是不需要的。
+
+    # 5. 将无 Vig 概率转换回 Moneyline 赔率
+    no_vig_moneyline_odds = [
+        prob_to_moneyline(p_novig) for p_novig in no_vig_probabilities
+    ]
+
+    return no_vig_moneyline_odds
+
 
 # 示例
 if __name__ == "__main__":
     odds_list = [+150, -200, +300, -120]
     for odds in odds_list:
-        prob = american_odds_to_probability(odds)
-        print(f"赔率 {odds}: 概率 {prob:.4f}")
+        prob = moneyline_to_prob(odds)
+        print(f"赔率 {odds}: 概率 {prob:.4f}")
+
+    odds = [+116, -156]
+    # 计算无 Vig 赔率使用 Power Method
+    no_vig_odds_power = calculate_no_vig_moneyline_power(odds)
+
+    print(f"原始 Moneyline 赔率: {odds}")
+    print(f"无 Vig Moneyline 赔率 (Power Method): {no_vig_odds_power}")
+
+    # 可选: 验证无 vig 赔率对应的概率之和是否接近 1
+    if no_vig_odds_power:
+        novig_probs_power = [moneyline_to_prob(o) for o in no_vig_odds_power]
+        print(f"无 Vig 概率之和 (基于计算出的赔率): {sum(novig_probs_power):.6f}")