বিশ্বকাপ শুরু হতেই বাজার আমাদের একটু ছোটখাটো শিক্ষা দিল: শক্তিশালী দল যে উল্টে যেতে পারে না তা নয়, বরং উল্টে যাওয়ার ভঙ্গিটা প্রায়ই আমাদের কল্পনার চেয়ে বেশি সৃজনশীল হয়।

যেমন স্পেন ০-০ কেপ ভার্দে। ম্যাচের আগে যদি শুধু শক্তি, র‌্যাঙ্কিং এবং দলের গভীরতা দেখা যায়, তাহলে বেশিরভাগ মানুষের সহজাত ধারণা হবে: স্পেনের জেতা উচিত? কিন্তু ফুটবলের সবচেয়ে মজার, এবং একইসাথে ট্রেডারদের জন্য সবচেয়ে কষ্টকর জিনিসটা এখানেই। আপনি ভাবছেন আপনি "শক্তিশালী দলের জয়" কিনছেন, আসলে আপনি কিনছেন পুরো ৯০ মিনিটের একটি ভাগ্যের ধারাবাহিক নাটক। প্রথম ১৫ মিনিটে গোল না হলে, অডস নড়ে যায়; আধা ঘণ্টা ০-০ থাকলে, বাজার ভ্রু কুঁচকাতে শুরু করে; ৭০ মিনিটেও কিছু না হলে, প্রথমে যেটা নিশ্চিত মনে হচ্ছিল, শক্তিশালী দলের জয়, হঠাৎ করে আর ততটা নিশ্চিত থাকে না।

এখানে একটি ক্লাসিক দ্বন্দ্বের মুখোমুখি হতে হয়: আরবিট্রেজ ভালো, ভবিষ্যদ্বাণী করা কঠিন।

আসল আরবিট্রেজ, তাত্ত্বিকভাবে, ঝুঁকিমুক্ত হওয়া উচিত। যেমন, পারস্পরিকভাবে একচেটিয়া এবং পরিপূর্ণ কন্ট্র্যাক্টের একটি সেট খুঁজে বের করা, যাতে যাই ঘটুক না কেন, সমন্বয় পরিশোধযোগ্য হয় এবং ক্রয়মূল্য পরিশোধের পরিমাণের চেয়ে কম হয়। শুনতে খুব ভালো লাগে, ট্রেডারদের জন্য এক ধরনের দুপুরের ঘুমের মতো। কিন্তু সমস্যাটাও এখানেই: এধরনের সুযোগ খুব কম, যখন আসে তখন দ্রুত চলে যায় এবং এর ধারণক্ষমতাও পর্যাপ্ত নাও হতে পারে।

ভবিষ্যদ্বাণী আরেকটা ব্যাপার। আপনি বিচার করতে পারেন যে শক্তিশালী দল সম্ভবত জিতবে, দলের গঠন, ফর্ম, সূচি, ইনজুরি বিশ্লেষণ করতে পারেন, অডস থেকে সম্ভাব্যতা বের করতে পারেন, কিন্তু ম্যাচ আমাদের বিশ্লেষণ যতই মনোযোগ দিয়ে করি না কেন, সেই অনুযায়ী পারফর্ম করবে না। ফুটবলের ক্ষেত্রে এটি বিশেষভাবে সত্য, একটি দ্রুত লাল কার্ড, একটি পোস্টে লেগে যাওয়া শট, একটি অদ্ভুত VAR সিদ্ধান্ত, আপনার চমৎকার লজিককে ম্যাচ-পরবর্তী বিশ্লেষণে নীরবতার তিন সেকেন্ডে পরিণত করতে পারে।

তাই প্রশ্ন আসে: যদি বিশুদ্ধ আরবিট্রেজ খুবই দুর্লভ হয়, আর বিশুদ্ধ ভবিষ্যদ্বাণী খুবই এলোমেলো হয়, তাহলে আমরা কি এই দুটোর মাঝামাঝি জায়গায় দাঁড়াতে পারি? বাজার নিজেই আমাদের কিছু পূর্ববর্তী সম্ভাবনা দেয়, যেমন শক্তিশালী দলের জয়ের দাম, ০-০-এর দাম, ০-১-এর দাম। এই দামগুলো শূন্য থেকে আসে না; এগুলো বাজারের বিভিন্ন পথের সম্মিলিত মূল্য নির্ধারণকে প্রতিফলিত করে। তাহলে আমরা কি এই পূর্ববর্তী সম্ভাবনাগুলো কাজে লাগিয়ে, নিজেদের কিছু গণিতের মডেল যোগ করে, একটি অসম্পূর্ণ কিন্তু আরও সুরক্ষিত সমন্বয় তৈরি করতে পারি? একটি "পথ একত্রীকরণের" জানালা খোলার জন্য?

এই ধারণার শুরু এখানেই।

এটি প্রচলিত ঝুঁকিমুক্ত আরবিট্রেজ নয়, আর এটি কেবলমাত্র ভবিষ্যদ্বাণীও নয়। এটি আরও বেশি একটি সমঝোতার মতো: প্রথমে স্বীকার করা যে বাজারের দেওয়া মূল সম্ভাবনাগুলোর একটা রেফারেন্স মান আছে, তারপর কম সম্ভাবনার পথগুলো ব্যবহার করে মূল বিচারের সবচেয়ে দুর্বল অংশটুকু সুরক্ষিত করা, এবং একইসাথে একটি সহজ মডেল দিয়ে চেক করা যে দাম এখনও গ্রহণযোগ্য কিনা।

ধরা যাক, একটি ম্যাচে ব্রাজিল স্পষ্টতই হাইতি থেকে শক্তিশালী। বাজার ব্রাজিলের জয়ের দাম দিচ্ছে ০.৮৯, যা ইঙ্গিত দেয় ব্রাজিলের জয় একটি শক্তিশালী মূল পথ। কিন্তু আমরা সরাসরি শুধু ব্রাজিলের জয় কিনব না, বরং একইসাথে দুটি সুরক্ষা পথ পর্যবেক্ষণ করব: ০-০ এবং ০-১। কারণ, একটি শক্তিশালী দলের জয়ের বিচারের জন্য সবচেয়ে অস্বস্তিকর প্রাথমিক দৃশ্যপট প্রায়ই হয় ম্যাচ গতিহীন থাকা, অথবা দুর্বল দল একটি গোল চুরি করে নেওয়া।

তাই প্রাথমিক সমন্বয়টি হবে:

            text
            
            
ব্রাজিল জিতবে Yes
০-০ Yes
০-১ Yes

ধরা যাক দামগুলো হলো:

            text
            
            
ব্রাজিল জিতবে = ০.৮৯
০-০ = ০.০১৬
০-১ = ০.০১১

তিনটি পায়ের মোট খরচ:

            text
            
            
C = ০.৮৯ + ০.০১৬ + ০.০১১ = ০.৯১৭

এই সেটটি সম্পূর্ণ ঘটনা নয়। এটি ১-১, ০-২, ২-২, কিংবা অন্য সব অদ্ভুত দৃশ্যপট কভার করে না। তাই যদি ম্যাচ শেষ পর্যন্ত ধরে রাখা হয়, তাহলে অবশ্যই ক্ষতি হতে পারে, এবং হতে পারে সরাসরি। কিন্তু এর একটি গুরুত্বপূর্ণ বৈশিষ্ট্য আছে: এটি বাজার থেকে পাওয়া তিনটি সম্ভাবনাকে একত্রিত করে, মূল জয়ের চারপাশে একটি পথের ঝুড়ি তৈরি করে।

যদি শেষ পর্যন্ত ব্রাজিল জেতে, সমন্বয় ১ পরিশোধ করে। যদি শেষ পর্যন্ত ০-০ বা ০-১ হয়, তাও ১ পরিশোধ করে। অর্থাৎ, এটি আসলে কিনছে:

            text
            
            
ব্রাজিল জিতবে ∪ ০-০ ∪ ০-১

যদি এই পথগুলোর যেকোনো একটি ঘটে, তাহলে মেয়াদ শেষে পরিশোধ হবে ১। খরচ ০.৯১৭, আচ্ছাদিত পথের ভেতরে ০.০৮৩-এর জায়গা আছে। কিন্তু আসল চাবিকাঠি ম্যাচ শেষে নয়, বরং মাঝপথে।

যদি ব্রাজিল শুরুতেই গোল করে, স্কোর ১-০ হয়, তাহলে ০-০ এবং ০-১ এই দুটি সুরক্ষা পা মূলত শূন্যে চলে যায়, কিন্তু ব্রাজিলের জয়ের দাম বাড়বে। যতক্ষণ ব্রাজিলের জয়ের বর্তমান দাম (বিড) মোট প্রাথমিক খরচের চেয়ে বেশি হয়, এবং সাথে কিছু লক্ষ্য মুনাফা যোগ করা যায়, ততক্ষণ আমরা মূল জয় বন্ধ করে এই সমন্বয়টি আগেই বন্ধ করতে পারি।

সূত্রটি সহজ:

            text
            
            
মুনাফা বুক করার শর্ত = ব্রাজিল জিতবে বিড >= প্রাথমিক মোট খরচ C + লক্ষ্য মুনাফা

উদাহরণস্বরূপ, লক্ষ্য মুনাফা ০.০২ ধরা যাক:

            text
            
            
ট্রিগার মূল্য = ০.৯১৭ + ০.০২ = ০.৯৩৭

যদি ১-০-এর পর ব্রাজিল জিতবে-এর বিড চলে যায় ০.৯৫-এ, তাহলে:

            text
            
            
লক করা মুনাফা = ০.৯৫ - ০.৯১৭ = ০.০৩৩

এক্ষেত্রে আমরা ম্যাচের শেষ ফলাফলের উপর ভর করে টাকা উপার্জন করছি না, বরং ম্যাচের পথ একটি লাভজনক শাখায় প্রবেশ করার কারণে, সমন্বয়টি আগেই বিক্রি করে ফেলছি। প্রক্রিয়াটি কিছুটা এমন, যেন বাজার আপনার জন্য একটি ছোট জানালা খুলে দিয়েছে, আপনি সেই জানালার পাশে কবিতা লিখতে দাঁড়িয়ে থাকবেন না, বরং প্রথমে জানালা দিয়ে বেরিয়ে যাবেন।

তবে এখানে আরেকটি প্রশ্ন আছে: তিনটি পা সস্তা দেখাচ্ছে, তার মানে কি এগুলো কেনা উচিত? অগত্যা না। বাজারের দাম শুধুমাত্র প্রথম স্তরের তথ্য। আমাদের নিজস্ব একটি রেফারেন্স মাপকাঠি দরকার, যদিও সেটা খুব সাদামাটাই হোক না কেন।

এখানে আমি সবচেয়ে মৌলিক পয়সন গোল মডেল ব্যবহার করেছি।

ফুটবলের স্কোরকে মোটামুটিভাবে দুই দলের ৯০ মিনিটে নিজ নিজ গোল করার এলোমেলো প্রক্রিয়া হিসেবে দেখা যেতে পারে। ধরা যাক, স্বাগতিক দলের ৯০ মিনিটে প্রত্যাশিত গোল সংখ্যা λ_home এবং অতিথি দলের λ_away, তাহলে স্বাগতিক দলের i গোল এবং অতিথি দলের j গোল করার সম্ভাবনা লেখা যায়:

            text
            
            
P(i, j) = Pois(i; λ_home) × Pois(j; λ_away)

যেখানে:

            text
            
            
Pois(k; λ) = e^(-λ) × λ^k / k!

অবশ্যই এটি খুবই মোটামুটি। ফুটবল দুটি স্বাধীন লটারি মেশিন নয়; গোলের পর কৌশল বদলে যায়, লাল কার্ড আসে, মানসিকতা বদলে যায়। তবে এর সুবিধা হলো এটি সহজ, স্বচ্ছ, এবং অন্তত আমাদের পুরোপুরি অনুভূতির ওপর নির্ভর না করে কাজ করতে সাহায্য করে।

ম্যাচের আগে, পয়সন মডেল আমাদের একটি প্রাথমিক রেফারেন্স দিতে পারে। আমরা ম্যানুয়ালি λ_home এবং λ_away দিতে পারি অথবা প্রোগ্রামকে বাজারের সঠিক স্কোর অডস থেকে উল্টোভাবে বের করতে দিতে পারি। যেমন ০-০, ০-১, ১-০, ১-১, ২-০, ২-১, ৩-০ এই স্কোরগুলোর অডস; প্রতিটি অডসই বাজার দেওয়া একটি সম্ভাবনা বিন্দুর সমান। প্রোগ্রামটিকে এমন একটি λ_home এবং λ_away সেট খুঁজে বের করতে হবে, যাতে পয়সন মডেল গণনা করা স্কোর সম্ভাবনাগুলো এই বাজার দামের যতটা সম্ভব কাছাকাছি হয়।

অন্য কথায়, বাজার বলছে: "আমার মনে হয় এই স্কোরগুলোর মূল্য প্রায় এই টাকা।" পয়সন মডেল পাশে ফিসফিস করে বলছে: "আমি তাহলে ফিট করার চেষ্টা করি, দেখি এই দামগুলোর পিছনে কী ধরনের গোল করার তীব্রতা লুকিয়ে আছে।"

স্ট্র্যাটেজিতে কনফিগার করা যেতে পারে:

            python
            
            
CALIBRATE_LAMBDA_FROM_MARKET = True
MODEL_SCORE_SAMPLES = "0-0,0-1,1-0,1-1,2-0,2-1,3-0"

এই স্কোরগুলো শুধুমাত্র মডেলিংয়ের জন্য ব্যবহৃত হয়, অর্ডার দেওয়ার জন্য নয়। সত্যিকারের ট্রেডিং পা এখনও একই:

            text
            
            
লক্ষ্য দলের জয়
০-০
০-১

কোডে গ্রিড সার্চ ব্যবহার করে λ ফিট করা হয়। এটি জটিল নয়, কিন্তু খুবই স্বজ্ঞাত।

            python
            
            
def fit_lambdas_from_score_markets(quotes, model_score_legs, event_state=None):
    samples = []
    live_score = event_state.get("score_tuple") if event_state else None
    minute = event_state.get("elapsed") if event_state else None
    is_live = bool(live_score and minute not in [None, ""])

    for leg in model_score_legs:
        q = quotes.get(leg["name"])
        p_market = quote_probability(q)
        if p_market is None:
            continue

        target_h, target_a = parse_score_text(leg["score"])

        if is_live:
            current_h, current_a = live_score
            if current_h > target_h or current_a > target_a:
                continue
            samples.append((target_h - current_h, target_a - current_a, p_market, leg["score"]))
        else:
            samples.append((target_h, target_a, p_market, leg["score"]))

    if len(samples) < 2:
        return None

    best = None
    for ih in range(5, 501, 5):
        lh = ih / 100.0
        for ia in range(5, 501, 5):
            la = ia / 100.0
            err = 0.0
            for add_h, add_a, p_market, _score in samples:
                p_model = poisson_pmf(add_h, lh) * poisson_pmf(add_a, la)
                err += (p_model - p_market) ** 2

            if best is None or err < best["err"]:
                best = {"lambda_home": lh, "lambda_away": la, "err": err, "samples": samples}

    if is_live:
        ratio = max(0.01, max(0.0, 90.0 - float(minute)) / 90.0)
        best["lambda_home"] = best["lambda_home"] / ratio
        best["lambda_away"] = best["lambda_away"] / ratio
        best["source"] = "live_score_markets"
    else:
        best["source"] = "pre_match_score_markets"

    return best

ম্যাচের আগে, এই λ শুধুমাত্র প্রাথমিক ক্যালিব্রেশন। কারণ খেলা শুরু হয়নি, রিয়েল-টাইম পাথ আপডেট করার কিছু নেই, ডিফল্ট স্কোর ০:০, বাকি সময় ৯০ মিনিট। এই পর্যায়ে আমরা এটি এন্ট্রি ফিল্টার হিসেবে ব্যবহার করি:

            text
            
            
মডেল কভারেজ প্রোবাবিলিটি = P(টার্গেট টিম জয়) + P(0:0) + P(0:1)

তারপর শর্ত:

            text
            
            
মডেল কভারেজ প্রোবাবিলিটি - মার্কেট কস্ট >= সেফটি মার্জিন

শুধুমাত্র যখন মার্কেট প্রাইস যথেষ্ট সস্তা এবং মডেলও মনে করে এই বাস্কেটে কিছুটা সুবিধা আছে, তখনই পজিশন খোলার অনুমতি দেওয়া হয়।

আসল মজা শুরু হয় খেলা শুরু হওয়ার পর।

ম্যাচ শুরু হতেই পয়সন মডেল আর স্ট্যাটিক থাকে না। ধরা যাক, ম্যাচের ৩০তম মিনিটে বর্তমান স্কোর ০:০, তাহলে বাকি সময় মাত্র ৬০ মিনিট, ভবিষ্যতের গোলের ইনটেনসিটি বাকি সময় অনুযায়ী কমবে:

            text
            
            
λ_home_remaining = λ_home × (90 - t) / 90
λ_away_remaining = λ_away × (90 - t) / 90

যদি বর্তমান স্কোর ইতিমধ্যে ১:০ হয়, তাহলে ০:০ এবং ০:১ আর ঘটতে পারে না। তখন মডেল বর্তমান স্কোর থেকে শুরু করে, বাকি সময়ে আর কত গোল হবে তা-ই গণনা করে। ২:০, ২:১, ৩:০, ১:১ – এই ধরনের স্কোরগুলো যেগুলো এখনও ঘটতে পারে, তারাই নতুন এস্টিমেশনে অংশ নেয়।

এটাই রিয়েল-টাইম পয়সন আপডেটের মূল কথা: প্রতি মিনিটে যান্ত্রিকভাবে প্রি-ম্যাচ λ কমানো নয়, বরং বর্তমান স্কোর, বাকি সময় এবং এখনও সম্ভাব্য সঠিক স্কোর মার্কেটগুলোকে একত্রিত করে পুনরায় অনুমান করা যে ম্যাচটি আর কীভাবে এগোতে পারে।

শেষ পর্যন্ত স্ট্র্যাটেজি তিন স্তরে রূপ নেয়।

প্রথম স্তর হল মার্কেট কস্ট:

            text
            
            
win_ask + 0:0_ask + 0:1_ask <= সর্বোচ্চ অনুমোদিত খরচ

দ্বিতীয় স্তর হল পয়সন ফিল্টার:

            text
            
            
মডেল কভারেজ প্রোবাবিলিটি - মার্কেট কস্ট >= সেফটি মার্জিন

তৃতীয় স্তর হল পাথ কনভারজেন্স:

            text
            
            
বর্তমান কম্বিনেশন বিড মান >= প্রাথমিক খরচ + টার্গেট লাভ

শুধুমাত্র প্রথম ও দ্বিতীয় স্তর একসঙ্গে পূর্ণ হলে, এন্ট্রি বিবেচনা করা হয়। এন্ট্রির পর, মডেলের কল্পনায় ফাইনাল ফলাফলের ওপর ভরসা না করে, আসল মার্কেট বিড দিয়ে পজিশন ক্লোজ করা সম্ভব কিনা তা বিচার করা হয়। মডেল এন্ট্রির গুণমান বাড়ায়, আর মার্কেট বিড ঠিক করে কখন ক্যাশ আউট করা যায়।

কন্ট্রাক্ট খুঁজে বের করাও যতোটা সম্ভব সহজ রাখা হয়েছে। Polymarket-এর বিশ্বকাপ মার্কেট স্লাগ খুব নিয়মতান্ত্রিক। যেমন একটি ম্যাচের event slug:

            python
            
            
EVENT_SLUG = "fifwc-aut-jor-2026-06-17"

যদি আমরা Jordan-এর জয় প্রটেক্ট করি, তাহলে সংশ্লিষ্ট জয় কন্ট্রাক্টের সাফিক্স:

            python
            
            
WIN_SUFFIX = "jor"

তাহলে ট্রেডের জন্য প্রয়োজনীয় তিনটি কন্ট্রাক্ট সরাসরি তৈরি করা যায়:

            python
            
            
def yes_symbol(slug):
    return slug + "_USDC.Yes"


def build_legs():
    legs = [
        {
            "name": "win",
            "slug": EVENT_SLUG + "-" + WIN_SUFFIX,
            "symbol": yes_symbol(EVENT_SLUG + "-" + WIN_SUFFIX),
            "kind": "win",
        }
    ]

    for score in parse_scores(PROTECT_SCORES):
        legs.append(
            {
                "name": "score_" + score.replace("-", "_"),
                "slug": EVENT_SLUG + "-exact-score-" + score,
                "symbol": yes_symbol(EVENT_SLUG + "-exact-score-" + score),
                "kind": "score",
                "score": score,
            }
        )

    return legs

এখানে টিমের নাম ব্যবহার করে অস্পষ্ট সার্চ না করাই ভালো। যেমন Jordan সার্চ করলে সহজেই Michael B. Jordan, Jordan Pickford, Jordan Spieth বেরিয়ে আসে – শেষ পর্যন্ত ফুটবল স্ট্র্যাটেজি শুরু হওয়ার আগেই হলিউড, ইংলিশ গোলকিপার আর গলফ এক টেবিলে বসে যায়। event slug ব্যবহার করে কন্ট্রাক্ট তৈরি করলে অনেক পরিষ্কার হয়।

ম্যাচের সময় রিয়েল-টাইম স্কোরও প্রয়োজন। প্রথম ভার্সনে সরাসরি Polymarket Gamma event থেকে নেওয়া যায়:

            python
            
            
def get_event_state():
    data = get_json(GAMMA_BASE + "/events", slug=EVENT_SLUG)
    e = data[0]

    return {
        "title": e.get("title"),
        "score": e.get("score"),
        "score_tuple": parse_score(e.get("score")),
        "elapsed": e.get("elapsed"),
        "period": e.get("period"),
        "live": bool(e.get("live")),
        "ended": bool(e.get("ended")),
        "start_time": e.get("startTime"),
    }

বর্তমানে বিক্রিযোগ্য মূল্য গণনার জন্য প্রকৃত মার্কেট বিড ব্যবহার:

            python
            
            
def basket_bid_value(legs, quotes):
    total = 0.0
    for leg in legs:
        pos = positions.get(leg["name"], {})
        amount = float(pos.get("amount", 0))
        if amount <= 0:
            continue

        q = quotes.get(leg["name"])
        if not q or q["bid"] is None:
            continue

        total += amount * q["bid"]

    return total

লাভ নেওয়ার সিদ্ধান্ত:

            python
            
            
cost = current_position_cost()
value = basket_bid_value(legs, quotes)
target = cost + TARGET_PROFIT * SHARES

if value >= target:
    close_all()

এটাই ন্যূনতম সংস্করণ। এটি দাবি করে না যে ফুটবল পূর্বাভাস সমাধান করেছে, কিংবা স্থিতিশীল আর্বিট্রেজ সম্ভব বলে ঘোষণা করে। এটি কেবল "আর্বিট্রেজ" এবং "পূর্বাভাস"-এর মধ্যে থাকা সেই ধূসর এলাকাটি নিয়ে গবেষণা করার চেষ্টা করে।

আর্বিট্রেজের সৌন্দর্য নির্দিষ্টতায়, কিন্তু নির্দিষ্টতা খুবই দুর্লভ। পূর্বাভাসের আকর্ষণ বড় জায়গায়, কিন্তু এলোমেলোতাও বেশি। এই কৌশলটি যা করে তা হলো, বাজার থেকে প্রদত্ত পূর্বাভাস মূল্যকে উপাদান হিসেবে নেওয়া, একটি উচ্চ-সম্ভাব্য মূল পথ, দুটি নিম্ন-সম্ভাব্য সুরক্ষা পথ, এবং পইসন মডেলের একটি মোটা ফিল্টার ব্যবহার করে, ম্যাচের সময় আগেই কনভার্জ হওয়ার মতো একটি উইন্ডো তৈরি করার চেষ্টা করা।

ঝুঁকি পরিষ্কার করে বলা প্রয়োজন। এই কম্বিনেশনটি একটি সম্পূর্ণ ইভেন্ট নয়, ঝুঁকিমুক্ত আর্বিট্রেজও নয়। এটি উপযুক্ত যখন শক্তি-দুর্বলতার ব্যবধান বড়, মূল পথ যথেষ্ট পরিষ্কার, এবং সুরক্ষা পথের মূল্য যথেষ্ট কম। যদি ম্যাচটি ৫০-৫০ হয়, অথবা সুরক্ষা পথের দাম বেশি হয়, তাহলে জোর করে করা অর্থহীন। আরও জটিল বিষয় হলো, এটি সব প্রতিকূল পথ কভার করে না, যেমন ১:১, ০:২, ২:২ – এগুলোতে কম্বিনেশনটির স্পষ্ট ক্ষতি হতে পারে। তাই পজিশন সীমা, সর্বোচ্চ ক্ষতি, স্টপ-লস নিয়ম নির্ধারণ করতে হবে, এবং "আর্বিট্রেজের মতো দেখতে" বলেই এটিকে আর্বিট্রেজ ভাবা যাবে না।

পইসন মডেলও কোনো জাদু নয়। এটি কেবল একটি খুব সরল গাণিতিক ভিত্তি, যা আমাদের "আমার মনে হয় এই মূল্য ভালো" থেকে এক ধাপ এগিয়ে "অন্তত একটি স্বচ্ছ মডেল দিয়ে এই মূল্য যাচাই করেছি"-তে নিয়ে যায়। এটি ভুল করতে পারে, বাজারও ভুল করতে পারে, আর আমরাও ভুল করি। ট্রেডিং-এর সবচেয়ে সৎ অংশটি সম্ভবত হলো, এগুলো সবই ভুল হতে পারে তা স্বীকার করা, এবং চেষ্টা করা যাতে ভুল একবারে পুরো টেবিল উল্টে না দেয়।

এই প্রচেষ্টা খুবই অগভীর। এটি বরং একটি প্রশ্ন জিজ্ঞাসা করার মতো: যখন বিশুদ্ধ আর্টবিট্রেজ সুযোগ越来越少, আর বিশুদ্ধ পূর্বাভাস খুব কঠিন, তখন আমরা কি বাজার ইতিমধ্যে দেওয়া সম্ভাবনাগুলো ব্যবহার করে আরও গঠনমূলক ট্রেড তৈরি করতে পারি? কল্পনা নয় ঝুঁকি দূর করা, বরং ঝুঁকি ভেঙে দেখা, এটি কোন পথ থেকে আসছে তা চিহ্নিত করা।

হয়তো এটি উত্তর নয়, তবে এটি একটি ছোট গর্ত যা খনন করে যাওয়ার মতো। পূর্বাভাস আমাদের বলে দেয় কোন মূল পথটি সম্ভবত প্রশস্ত, আর আর্টবিট্রেজ ধারণা আমাদের মনে করিয়ে দেয় শুধু দিক নয়, কম্বিনেশন গঠনও দেখতে। উভয়ের মধ্যে হয়তো আরও অনেক অন্বেষণের জায়গা আছে।

কৌশল সোর্স কোড: Polymarket ফুটবল পথ কনভার্জেন্স কৌশল