ورلڈ کپ شروع ہوتے ہی مارکیٹ نے ہمیں ایک چھوٹا سا جھٹکا دے دیا: مضبوط ٹیمیں نہیں ہارتیں، لیکن ان کے ہارنے کے انداز ہماری توقع سے کہیں زیادہ تخلیقی ہوتے ہیں۔

مثال کے طور پر اسپین 0:0 کیپ وردے۔ میچ سے پہلے اگر صرف طاقت، درجہ بندی اور اسکواڈ کی گہرائی کو دیکھا جائے تو زیادہ تر لوگوں کی جبلت یہی کہے گی: اسپین کو جیتنا چاہیے، ٹھیک ہے؟ لیکن فٹ بال کا سب سے دلچسپ اور تاجروں کے لیے سب سے پریشان کن پہلو یہی ہے۔ آپ سوچتے ہیں کہ آپ "مضبوط ٹیم کی جیت" خرید رہے ہیں، لیکن حقیقت میں آپ 90 منٹ کی تقدیر کا ایک پورا ڈرامہ خرید رہے ہیں۔ پہلے 15 منٹ میں کوئی گول نہیں ہوا، مشکلات بدل گئیں۔ آدھے گھنٹے تک 0:0، مارکیٹ نے پیشانی سکیڑ لی۔ 70 منٹ تک کوئی پیش رفت نہیں ہوئی، اور مضبوط ٹیم کی جیت جو پہلے مستحکم لگ رہی تھی، اچانک کمزور پڑ گئی۔

یہاں ایک کلاسک تضاد پیدا ہوتا ہے: ثالثی (آربیٹریج) بہت اچھی ہے، لیکن پیش گوئی بہت مشکل۔

اصولی طور پر حقیقی ثالثی بغیر کسی خطرے کے ہونی چاہیے۔ مثال کے طور پر، باہمی طور پر نفی کرنے والے اور مکمل معاہدوں کا ایک مجموعہ تلاش کرنا، تاکہ چاہے آخر میں کچھ بھی ہو، یہ مجموعہ ادائیگی کرے، اور خریداری کی لاگت ادائیگی کی رقم سے کم ہو۔ یہ سننے میں بہت اچھا لگتا ہے، جیسے تاجر کا دوپہر کا جھپکا۔ لیکن مسئلہ یہ ہے: ایسے مواقع بہت کم ہوتے ہیں، جب ظاہر ہوتے ہیں تو بہت جلد غائب ہو جاتے ہیں، اور ان کی گنجائش بھی کافی نہیں ہوتی۔

پیش گوئی ایک اور معاملہ ہے۔ آپ اندازہ لگا سکتے ہیں کہ مضبوط ٹیم جیتنے کا زیادہ امکان ہے، آپ اسکواڈ، فارم، شیڈول، انجریز کا تجزیہ کر سکتے ہیں، اور مشکلات میں مضمر احتمالات بھی دیکھ سکتے ہیں، لیکن میچ صرف اس لیے نہیں چلے گا کہ ہم نے بہت توجہ سے تجزیہ کیا۔ فٹ بال میں خاص طور پر، ایک ابتدائی ریڈ کارڈ، ایک پوسٹ، ایک عجیب VAR فیصلہ، ایک خوبصورت منطق کو میچ کے بعد کے تجزیے میں تین سیکنڈ کی خاموشی میں بدل سکتا ہے۔

تو سوال یہ ہے: اگر خالص ثالثی بہت نایاب ہے، اور خالص پیش گوئی بہت بے ترتیب ہے، تو کیا ہم دونوں کے درمیان کھڑے ہو سکتے ہیں؟ مارکیٹ نے خود ہمیں کچھ پیشگی امکانات دیے ہیں، جیسے مضبوط ٹیم کی جیت کی قیمت، 0:0 کی قیمت، 0:1 کی قیمت۔ یہ قیمتیں خلا سے نہیں آئیں، یہ مارکیٹ کی مختلف راستوں کی اجتماعی قیمت بندی کو ظاہر کرتی ہیں۔ تو کیا ہم ان پیشگی امکانات کو استعمال کر سکتے ہیں، اور اپنا کچھ ریاضیاتی ماڈل بھی شامل کر سکتے ہیں، تاکہ ایک نامکمل لیکن زیادہ محفوظ مجموعہ تیار کیا جا سکے، اور "راستوں کے ہم آہنگ ہونے" کی ایک کھڑکی کھولی جا سکے؟

یہ اس خیال کا نقطہ آغاز ہے۔

یہ روایتی بے خطر ثالثی نہیں ہے، اور نہ ہی صرف ذہنی طور پر پیش گوئی کرنا ہے۔ یہ ایک سمجھوتہ ہے: پہلے مارکیٹ کی دی گئی اہم احتمالات کو تسلیم کریں، پھر کم امکانی راستوں سے اہم فیصلے کے سب سے کمزور حصے کو محفوظ کریں، اور ساتھ ہی ایک سادہ ماڈل سے جانچیں کہ قیمت قابل قبول ہے یا نہیں۔

فرض کریں کہ ایک میچ میں برازیل واضح طور پر ہیٹی سے مضبوط ہے۔ مارکیٹ کی طرف سے برازیل کی جیت کی قیمت 0.89 ہے، جو ظاہر کرتی ہے کہ برازیل کی جیت ایک مضبوط اہم راستہ ہے۔ لیکن ہم صرف برازیل کی جیت نہیں خریدتے، بلکہ دو محافظ راستوں کو بھی دیکھتے ہیں: 0:0 اور 0:1۔ کیونکہ مضبوط ٹیم کی جیت کے بارے میں، سب سے زیادہ تکلیف دہ ابتدائی منظر نامہ اکثر تمام نتائج نہیں ہوتے، بلکہ میچ کا دیر سے کھلنا یا کمزور ٹیم کا ایک گول چرا لینا ہوتا ہے۔

تو ابتدائی مجموعہ یوں بنے گا:

            text
            
            
برازیل جیت Yes
0:0 Yes
0:1 Yes

فرضی قیمتیں:

            text
            
            
برازیل جیت = 0.89
0:0 = 0.016
0:1 = 0.011

تینوں کی کل لاگت:

            text
            
            
C = 0.89 + 0.016 + 0.011 = 0.917

یہ مجموعہ مکمل واقعات کا احاطہ نہیں کرتا۔ اس میں 1:1، 0:2، 2:2، اور دوسرے عجیب منظرنامے شامل نہیں ہیں۔ لہٰذا اگر اسے میچ کے اختتام تک رکھا جائے، تو یقیناً یہ نقصان دے سکتا ہے، اور شاید براہ راست بھی۔ لیکن اس کی ایک اہم خصوصیت ہے: یہ مارکیٹ کی طرف سے دیے گئے تین احتمالات کو جوڑ کر جیت کے گرد ایک راستوں کی ٹوکری بناتا ہے۔

اگر آخر میں برازیل جیتتا ہے تو مجموعہ 1 ادا کرتا ہے۔ اگر آخر میں 0:0 یا 0:1 ہوتا ہے، تو بھی 1 ادا کرتا ہے۔ یعنی یہ خریدتا ہے:

            text
            
            
برازیل جیت ∪ 0:0 ∪ 0:1

اگر ان راستوں میں سے کوئی ایک بھی ہوتا ہے تو میچرٹی پر ادائیگی 1 ہے۔ لاگت 0.917 ہے، احاطہ شدہ راستوں کے اندر 0.083 کی گنجائش ہے۔ لیکن اصل اہمیت اختتام میں نہیں بلکہ وسط میں ہے۔

اگر برازیل جلد گول کرتا ہے اور اسکور 1:0 ہو جاتا ہے، تو 0:0 اور 0:1 کے دو محافظ راستے تقریباً صفر ہو جاتے ہیں، لیکن برازیل کی جیت کی قیمت بڑھ جائے گی۔ جیسے ہی برازیل جیت کی فروخت کی قیمت کل ابتدائی لاگت سے زیادہ ہو جاتی ہے، اور تھوڑا سا منافع بھی شامل ہو جاتا ہے، تو ہم جیت والی ٹانگ کو بند کر سکتے ہیں اور اس مجموعہ کو وقت سے پہلے ختم کر سکتے ہیں۔

فارمولا بہت سادہ ہے:

            text
            
            
منافع کی شرط = برازیل جیت کی بولی >= ابتدائی کل لاگت C + ہدف منافع

فرض کریں ہدف منافع 0.02 ہے:

            text
            
            
ٹرگر قیمت = 0.917 + 0.02 = 0.937

اگر 1:0 کے بعد برازیل جیت کی بولی 0.95 ہو جاتی ہے، تو:

            text
            
            
مقفل منافع = 0.95 - 0.917 = 0.033

یہاں ہم اختتامی نتیجہ پر انحصار کر کے پیسے نہیں کما رہے، بلکہ اس راستے کے ذریعے جو میچ نے لیا ہے، جو ایک سازگار شاخ میں داخل ہوا، اور ہم نے مجموعہ کو پہلے بیچ دیا۔ یہ عمل کچھ اس طرح ہے کہ مارکیٹ نے آپ کے لیے ایک چھوٹی کھڑکی کھول دی ہے، اور آپ کھڑکی کے پاس نظمیں لکھنے کے بجائے پہلے اس سے گزر جائیں۔

لیکن یہاں ایک اور سوال ہے: کیا تین ٹانگیں سستی نظر آتی ہیں تو کیا یہ ضرور خریدنے کے قابل ہیں؟ ضروری نہیں۔ مارکیٹ کی قیمت صرف پہلی سطح کی معلومات ہے۔ ہمیں اپنے حوالے کے لیے ایک پیمانہ بھی چاہیے، چاہے وہ بہت سادہ ہی کیوں نہ ہو۔

یہاں میں نے سب سے بنیادی پوائسن گول ماڈل استعمال کیا ہے۔

فٹ بال کے اسکور کو تقریباً 90 منٹ میں دو ٹیموں کے گول کرنے کے بے ترتیب عمل کے طور پر دیکھا جا سکتا ہے۔ فرض کریں کہ میزبان ٹیم کے 90 منٹ میں متوقع گولوں کی تعداد λ_home ہے، اور مہمان ٹیم کے متوقع گولوں کی تعداد λ_away ہے، تو میزبان ٹیم کے i گول اور مہمان ٹیم کے j گول کرنے کا امکان یوں لکھا جا سکتا ہے:

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

جہاں:

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

یقیناً یہ بہت کچا ہے۔ فٹ بال دو آزاد لاٹری مشینوں کی طرح نہیں ہے، گول ہونے کے بعد حکمت عملی بدل جاتی ہے، ریڈ کارڈ بدل جاتا ہے، ذہنی حالت بدل جاتی ہے۔ لیکن اس کا فائدہ یہ ہے کہ یہ سادہ اور شفاف ہے، کم از کم یہ ہمیں صرف احساسات پر فیصلہ کرنے سے روکتا ہے۔

میچ سے پہلے، پوائسن ماڈل ایک ابتدائی حوالہ دے سکتا ہے۔ ہم λ_home اور λ_away کو دستی طور پر دے سکتے ہیں، یا پروگرام کو مارکیٹ کے عین سکور کے متعدد ادائیگی کے پوائنٹس سے الٹا نکالنے دے سکتے ہیں۔ مثال کے طور پر 0:0، 0:1، 1:0، 1:1، 2:0، 2:1، 3:0 جیسی اسکور لائنیں، ان میں سے ہر ایک مارکیٹ کے دیے گئے ایک امکانی نقطہ کے برابر ہے۔ پروگرام کو λ_home اور λ_away کا ایک ایسا جوڑا تلاش کرنا ہے، جس کے ذریعے پوائسن ماڈل کے حساب کردہ اسکور کے امکانات ان مارکیٹ قیمتوں کے قریب سے قریب تر ہوں۔

دوسرے لفظوں میں، مارکیٹ کہہ رہی ہے: "میرے خیال میں یہ اسکور تقریباً ان قیمتوں کے برابر ہیں۔" اور پوائسن ماڈل آہستہ سے کہتا ہے: "تو میں ان کو فٹ کرنے کی کوشش کرتا ہوں کہ دیکھوں ان قیمتوں کے پیچھے گولوں کی کون سی طاقت مضمر ہے۔"

حکمت عملی میں کنفیگریشن کی جا سکتی ہے:

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

یہ اسکور صرف ماڈلنگ کے لیے ہیں، آرڈر میں شامل نہیں ہوتے۔ حقیقی تجارت کی ٹانگیں ہمیشہ یہی ہوتی ہیں:

            text
            
            
ہدف ٹیم کی جیت
0:0
0:1

کوڈ میں λ کو فٹ کرنے کے لیے گرڈ سرچ استعمال کی گئی ہے۔ یہ پیچیدہ نہیں، بلکہ بہت بدیہی ہے۔

            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

میچ سے پہلے، یہ λ صرف ابتدائی کیلیبریشن ہے۔ کیونکہ میچ ابھی شروع نہیں ہوا، رئیل ٹائم پاتھ اپ ڈیٹ کرنے کا کوئی موقع نہیں، اسکور بطور ڈیفالٹ 0:0 ہے، اور بقیہ وقت 90 منٹ ہے۔ اس مرحلے میں ہم اسے انٹری فلٹر کے طور پر استعمال کرتے ہیں:

            text
            
            
ماڈل کوریج پروبیبلٹی = P(ٹارگٹ ٹیم جیتے) + P(0:0) + P(0:1)

پھر شرط:

            text
            
            
ماڈل کوریج پروبیبلٹی - مارکیٹ لاگت >= حفاظتی مارجن

صرف اسی صورت میں اوپن پوزیشن کی اجازت ہے جب مارکیٹ کی قیمت کافی سستی ہو اور ماڈل بھی اس ٹوکری میں تھوڑا سا فائدہ دیکھے۔

اصل دلچسپ بات میچ شروع ہونے کے بعد ہے۔

ایک بار جب میچ شروع ہو جائے، پواسن ماڈل اب جامد نہیں رہتا۔ فرض کریں کہ میچ 30ویں منٹ پر ہے، موجودہ اسکور اب بھی 0:0 ہے، تو بقیہ وقت صرف 60 منٹ ہے، اور مستقبل کے گول کی شدت کو بقیہ وقت کے مطابق کم کرنا ہوگا:

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

اگر موجودہ اسکور 1:0 ہے، تو 0:0 اور 0:1 ممکن نہیں رہے۔ اس صورت میں ماڈل کو موجودہ اسکور سے شروع کرنا ہوگا، صرف بقیہ وقت میں مزید کتنے گول ہوں گے اس کا حساب لگانا ہوگا۔ صرف وہ اسکور جو اب بھی ممکن ہیں جیسے فائنل 2:0، 2:1، 3:0، 1:1، انہیں نئے تخمینے میں شامل کیا جا سکتا ہے۔

یہی رئیل ٹائم پواسن اپ ڈیٹ کا کلیدی نکتہ ہے: ہر منٹ میکانکی طور پر میچ سے پہلے کے λ کو کم کرنا نہیں، بلکہ موجودہ اسکور، بقیہ وقت، اور اب بھی ممکنہ درست اسکور مارکیٹس کو مدنظر رکھتے ہوئے دوبارہ اندازہ لگانا کہ یہ میچ آگے کیسے چل سکتا ہے۔

آخر میں حکمت عملی تین درجوں کی تشخیص بن جاتی ہے۔

پہلا درجہ مارکیٹ لاگت ہے:

            text
            
            
win_ask + 0:0_ask + 0:1_ask <= زیادہ سے زیادہ قابل اجازت لاگت

دوسرا درجہ پواسن فلٹر ہے:

            text
            
            
ماڈل کوریج پروبیبلٹی - مارکیٹ لاگت >= حفاظتی مارجن

تیسرا درجہ پاتھ کنورجنس ہے:

            text
            
            
موجودہ کمبینیشن bid ویلیو >= ابتدائی لاگت + ٹارگٹ منافع

صرف اس صورت میں انٹری پر غور کیا جاتا ہے جب پہلا اور دوسرا درجہ بیک وقت پورے ہوں۔ انٹری کے بعد، ماڈل کے ذریعے فائنل کا تصور نہیں کیا جاتا، بلکہ اصلی مارکیٹ bid کی بنیاد پر فیصلہ کیا جاتا ہے کہ پوزیشن بند کی جا سکتی ہے یا نہیں۔ ماڈل انٹری کے معیار کو بہتر بناتا ہے، اور مارکیٹ فیصلہ کرتی ہے کہ منافع کب لینا ہے۔

کنٹریکٹ کی تلاش بھی زیادہ سے زیادہ آسان رکھی گئی ہے۔ Polymarket کے ورلڈ کپ مارکیٹ کا slug بہت منظم ہے۔ مثال کے طور پر، ایک میچ کا event slug ہے:

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

اگر ہم Jordan کی جیت کی حفاظت کر رہے ہیں، تو جیت کے کنٹریکٹ کا لاحقہ یہ ہے:

            python
            
            
WIN_SUFFIX = "jor"

تو ٹریڈ کے لیے درکار تینوں کنٹریکٹ براہ راست جوڑے جا سکتے ہیں:

            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

یہاں ٹیم کے نام سے مبہم سرچ کرنے سے گریز کرنا چاہیے۔ مثال کے طور پر، Jordan تلاش کرنے سے Michael B. Jordan، Jordan Pickford، Jordan Spieth جیسے نتائج آ سکتے ہیں، اور پھر فٹ بال کی حکمت عملی شروع ہونے سے پہلے ہی انٹرٹینمنٹ، انگلینڈ کے گول کیپر اور گولف ایک میز پر بیٹھ جاتے ہیں۔ event slug کے ساتھ کنٹریکٹ جوڑنا زیادہ صاف ہے۔

میچ کے دوران رئیل ٹائم اسکور بھی ضروری ہے۔ پہلے ورژن میں اسے براہ راست Polymarket Gamma event سے لیا جا سکتا ہے۔

            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"),
    }

موجودہ فروخت قابل قدر کو اصلی مارکیٹ بولی کے ساتھ جوڑیں:

            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

منافع بند کرنے کا فیصلہ:

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

if value >= target:
    close_all()

یہ کم از کم ورژن ہے۔ یہ یہ دکھاوا نہیں کرتا کہ اس نے فٹ بال کی پیش گوئی کا مسئلہ حل کر لیا ہے، اور نہ ہی یہ دعویٰ کرتا ہے کہ یہ مستحکم طور پر منافع کما سکتا ہے۔ یہ صرف "آربیٹریج" اور "پیش گوئی" کے درمیان موجود سرمئی علاقے کو دریافت کرنے کی کوشش ہے۔

آربیٹریج کی خوبصورتی یقین میں ہے، لیکن یقین بہت کم ملتا ہے۔ پیش گوئی کا لالچ جگہ کی وسعت میں ہے، لیکن بے ترتیبی بھی زیادہ ہے۔ یہ حکمت عملی جو کچھ کرتی ہے وہ یہ ہے کہ مارکیٹ کی طرف سے فراہم کردہ پیش گوئی کی قیمتوں کو مواد کے طور پر استعمال کرے، ایک اعلیٰ احتمال والے مرکزی فیصلے کے ساتھ، دو کم احتمال والے تحفظ کے راستے، اور پھر پواسون ماڈل کے ساتھ ایک موٹی فلٹریشن کرے، تاکہ ایک ایسی کھڑکی بنانے کی کوشش کی جا سکے جو میچ کے دوران پہلے سے بند ہو سکے۔

خطرات کو واضح طور پر بتانا ضروری ہے۔ یہ مجموعہ مکمل واقعہ نہیں ہے، یہ خطرے سے پاک آربیٹریج نہیں ہے۔ یہ ان میچوں کے لیے موزوں ہے جہاں مضبوط اور کمزور کے درمیان فرق بڑا ہو، مرکزی راستہ کافی واضح ہو، اور تحفظ کے راستوں کی قیمت کافی کم ہو۔ اگر میچ خود پچاس پچاس ہے، یا تحفظ کی ٹانگیں پہلے سے مہنگی ہوں، تو زبردستی کرنا بے معنی ہے۔ سب سے بڑا مسئلہ یہ ہے کہ یہ تمام ناموافق راستوں کا احاطہ نہیں کرتا، جیسے 1:1, 0:2, 2:2، یہ سب مجموعے میں واضح نقصان کا باعث بن سکتے ہیں۔ اس لیے پوزیشن کی حد، زیادہ سے زیادہ نقصان، اور سٹاپ لاس کے اصول ضروری ہیں، اور "آربیٹریج جیسا لگتا ہے" کی وجہ سے اسے آربیٹریج نہیں سمجھنا چاہیے۔

پواسون ماڈل بھی کوئی جادو نہیں ہے۔ یہ صرف ایک بہت ہی سادہ ریاضیاتی بنیاد ہے، جو ہمیں "مجھے لگتا ہے کہ یہ قیمت اچھی ہے" سے ایک قدم آگے لے جاتا ہے، "کم از کم ایک شفاف ماڈل کے ذریعے اس قیمت کی جانچ کی گئی ہے" تک۔ یہ غلط ہو سکتا ہے، مارکیٹ بھی غلط ہو سکتی ہے، اور ہم خود بھی اور زیادہ غلط ہو سکتے ہیں۔ ٹریڈنگ کا سب سے ایماندار حصہ شاید یہ ہے کہ ان سب کی غلطی کو تسلیم کیا جائے، اور پھر کوشش کی جائے کہ غلطی ایک بار میں پوری میز کو نہ الٹ دے۔

یہ کوشش بہت سطحی ہے۔ یہ ایک سوال پوچھنے کی طرح ہے: جب خالص آربیٹریج کے مواقع کم ہوتے جا رہے ہیں، اور خالص پیش گوئی بہت مشکل ہے، تو کیا ہم مارکیٹ کے پہلے سے دیے گئے احتمالات کی مدد سے، کچھ زیادہ ساختہ تجارتیں تشکیل دے سکتے ہیں؟ یہ خطرے کو ختم کرنے کا خواب نہیں ہے، بلکہ خطرے کو الگ کر کے دیکھنا ہے کہ وہ کس کس راستے سے آرہا ہے۔

شاید یہ جواب نہیں ہے، لیکن یہ ایک ایسا چھوٹا سوراخ ہے جسے مزید کھودنا مناسب ہے۔ پیش گوئی ہمیں بتاتی ہے کہ کون سا مرکزی راستہ شاید زیادہ چوڑا ہے، آربیٹریج کی سوچ ہمیں یاد دلاتی ہے کہ صرف سمت نہ دیکھیں، بلکہ مجموعے کی ساخت بھی دیکھیں۔ دونوں کے درمیان، شاید بہت کچھ دریافت کرنے کو باقی ہے۔

حکمت عملی کا سورس کوڈ: Polymarket فٹ بال راستہ کنورجنسی حکمت عملی