XGBoost Learning of Dynamic Wager Placement for In-Play Betting on an Agent-Based Model of a Sports Betting Exchange

要約

我々は、現代のスポーツ賭博取引をシミュレートするために設計されたオープンソースのエージェントベースのモデル（ABM）であるブリストル・ベッティング・エクスチェンジ（BBE）内で、非常に効果的な機械学習（ML）手法であるXGBoostを使用した最初の結果を紹介します。
競馬などのトラックレースイベント中のインプレー賭博。
XGBoost が BBE ベッターによって行われたより収益性の高いベットから学習することで収益性の高い動的なベッティング戦略を発見することを目的として、XGBoost ML システムにフィードする合成データ ジェネレーターとして、BBE ABM とその最小限のシンプルなベッター エージェントの配列を使用しています。
-エージェント。
1 つ以上のデシジョン ツリーを生成するこの XGBoost トレーニングの後、XGBoost で学習したデシジョン ツリーによって決定されたベッティング戦略を持つベッター エージェントが BBE ABM に追加され、さまざまな条件で一連のレースに賭けるようになります。
収益性が比較と評価の主要な指標として機能します。
ここで紹介した最初の調査結果は、この方法でトレーニングされた XGBoost が実際に収益性の高いベッティング戦略を学習でき、トレーニング データの作成に使用された各戦略セットを上回る戦略を学習するように一般化できることを示しています。
さらなる研究と機能強化を促進するために、XGBoost 統合を含む拡張 BBE の完全バージョンが、GitHub でオープンソース リリースとして無料で利用できるようになりました。

要約(オリジナル)

We present first results from the use of XGBoost, a highly effective machine learning (ML) method, within the Bristol Betting Exchange (BBE), an open-source agent-based model (ABM) designed to simulate a contemporary sports-betting exchange with in-play betting during track-racing events such as horse races. We use the BBE ABM and its array of minimally-simple bettor-agents as a synthetic data generator which feeds into our XGBoost ML system, with the intention that XGBoost discovers profitable dynamic betting strategies by learning from the more profitable bets made by the BBE bettor-agents. After this XGBoost training, which results in one or more decision trees, a bettor-agent with a betting strategy determined by the XGBoost-learned decision tree(s) is added to the BBE ABM and made to bet on a sequence of races under various conditions and betting-market scenarios, with profitability serving as the primary metric of comparison and evaluation. Our initial findings presented here show that XGBoost trained in this way can indeed learn profitable betting strategies, and can generalise to learn strategies that outperform each of the set of strategies used for creation of the training data. To foster further research and enhancements, the complete version of our extended BBE, including the XGBoost integration, has been made freely available as an open-source release on GitHub.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google