배당과 확률은 사실 같은 정보의 다른 표현입니다. 배당을 확률로 되돌려 보면 시장이 각 결과를 어느 정도로 보고 있는지 읽을 수 있습니다. 이때 구하는 확률을 내재확률(implied probability)이라고 부릅니다.
1단계: 배당을 확률로
기본 변환은 간단합니다.
내재확률 = 1 ÷ 배당
배당 2.00이면 50%, 배당 1.25면 80%, 배당 4.00이면 25%입니다.
2단계: 합이 100%를 넘는 이유
축구 3-way 경기의 승/무/패 배당이 각각 2.10 / 3.40 / 3.60이라고 합시다.
| 결과 | 배당 | 내재확률 (1÷배당) |
|---|---|---|
| 승 | 2.10 | 47.6% |
| 무 | 3.40 | 29.4% |
| 패 | 3.60 | 27.8% |
| 합계 | — | 104.8% |
합계가 104.8%입니다. 100%를 초과한 4.8%가 운영 마진 입니다. 이 초과분을 흔히 오버라운드(overround)라고 부릅니다.
3단계: 마진 걷어내기(정규화)
진짜 확률에 가깝게 만들려면 각 내재확률을 합계로 나눠 100%로 다시 맞춥니다. 이 과정을 정규화라고 합니다.
정규화 확률 = 내재확률 ÷ 전체 내재확률 합
| 결과 | 내재확률 | 정규화 확률 |
|---|---|---|
| 승 | 47.6% | 45.4% |
| 무 | 29.4% | 28.1% |
| 패 | 27.8% | 26.5% |
정규화한 값이 시장이 보는 진짜 확률에 더 가깝습니다. 이 값과 내 예측을 비교하는 것이 분석의 출발점입니다.
왜 이 작업이 중요한가
1 ÷ 배당을 그대로 확률로 쓰면, 모든 확률이 마진만큼 부풀려져 있습니다. 서로 다른 경기의 확률을 비교하거나, 여러 결과의 확률을 더할 때 이 부풀림이 오차로 쌓입니다. 비교·합산이 필요한 분석이라면 정규화는 필수입니다.숫자로 본 이론 확률 대 실제 — 63,901경기 집계
배당 1.50이면 이론상 66.7%입니다. 그런데 배당 1.50짜리가 실제로 얼마나 맞았는지 세어보면 66.7%가 나오지 않습니다. 구간별로 얼마나 어긋나는지 정리했습니다.
| 배당 구간 | 표본 | 이론 확률 | 실제 적중 | 차이 |
|---|---|---|---|---|
| 1.00~1.29 | 8,415 | 86.4% | 77.5% | −8.9%p |
| 1.30~1.49 | 13,051 | 71.4% | 62.5% | −8.9%p |
| 1.50~1.79 | 19,392 | 61.6% | 53.8% | −7.8%p |
| 1.80~2.19 | 13,868 | 51.0% | 45.6% | −5.4%p |
| 2.20~2.99 | 6,608 | 40.7% | 35.9% | −4.8%p |
| 3.00~4.99 | 1,954 | 27.8% | 23.1% | −4.7%p |
| 5.00 이상 | 613 | 16.5% | 7.3% | −9.2%p |
모든 구간에서 실제가 이론보다 낮습니다. 예외가 하나도 없습니다. 이 차이가 바로 배당에 미리 얹혀 있는 몫이고, 그래서 1을 배당으로 나눈 값은 확률이 아니라 확률보다 조금 부풀려진 값이라고 이해해야 정확합니다.
차이의 크기는 구간마다 다릅니다. 1.00~1.49 구간에서 8.9%p로 크고, 1.80~4.99 구간에서는 4.7~5.4%p로 줄어듭니다. 그러다 5.00 이상에서 다시 9.2%p로 벌어집니다. 양쪽 끝, 그러니까 아주 낮은 배당과 아주 높은 배당에서 이론과 실제의 거리가 가장 멉니다.
특히 5.00 이상 구간이 눈에 띕니다. 이론상 16.5%인데 실제로는 7.3%밖에 안 맞았습니다. 절반도 안 됩니다. 표본이 613건으로 얇아 그대로 믿기는 이르지만, 높은 배당은 겉보기 확률보다 훨씬 안 맞는다는 방향만큼은 분명합니다.
실무적으로는 이렇게 쓰면 됩니다. 배당을 확률로 바꿀 때 1을 배당으로 나눈 값에서 5%p 정도는 빼고 생각하는 것이 실제에 가깝습니다. 배당이 1.5 아래거나 5.0 위라면 그 폭을 더 크게 잡아야 합니다.
요약
- 내재확률 =
1 ÷ 배당입니다. - 모든 결과의 내재확률을 더하면 마진(오버라운드) 때문에 100%를 넘습니다.
- 합계로 나눠 정규화하면 진짜 확률에 가까워집니다.
- 비교·합산이 필요한 분석에서는 정규화가 필수입니다.