Esports Math
[ДОСЬЕ // РЕЦЕНЗИРУЕМАЯ ПУБЛИКАЦИЯ]

Регрессия к среднему в киберспорте: волатильность формы, LAN-усталость и модели фейда пропов

ДАТА: АВТОР: Лаборатория вероятностного моделирования ESM ВРЕМЯ: 13 min
[КРАТКОЕ РЕЗЮМЕ // КЛЮЧЕВОЙ МАТЕМАТИЧЕСКИЙ ВЫВОД]

Количественное моделирование регрессии к среднему в CS2 и Dota 2. Параметры затухания EMA, коэффициенты турнирной усталости и стратегии фейда перегретых индивидуальных тоталов звездных игроков.

[ИССЛЕДОВАТЕЛЬСКИЙ ОТЧЕТ // СТОХАСТИЧЕСКАЯ РЕГРЕССИЯ К СРЕДНЕМУ И БИОФИЗИКА УСТАЛОСТИ]

Человеческая психика предрасположена к иллюзии «горячей руки» (hot-hand fallacy) — ложной вере в то, что игрок, совершивший серию успешных действий, перешел в некое перманентное состояние сверхуверенности и сверхточности. В ставках на киберспорт любители и букмекеры регулярно становятся жертвами этой психологической ловушки: когда звездный рифлер выдает феноменальный рейтинг 1.45 на протяжении четырех карт групповой стадии, котировки плей-офф оценивают его как неуязвимую боевую машину. В теории прикладной вероятности, однако, результативность управляется фундаментальным статистическим законом: регрессией к среднему значению (regression to the mean). Как только серия очищается от случайных таймингов, удачных прострелов сквозь дым и благоприятных эко-раундов соперника, результативность стремительно падает к исторической норме. В данном исследовании формализован непрерывный стохастический процесс Орнштейна-Уленбека, квантифицирован биофизический коэффициент LAN-усталости и представлена алгоритмическая стратегия фейда с верифицированным ROI +23,6% на пробах перегретых фаворитов.

1. Иллюзия «горячей руки» против объективной стохастики

Рассмотрим звездного рифлера с устойчивым 180-дневным базовым рейтингом (mu = 1{,}15) и стандартным отклонением (sigma = 0{,}16).

В ходе трехдневной групповой стадии (5 сыгранных карт) игрок демонстрирует серию:

[ {1{,}42; , 1{,}38; , 1{,}55; , 1{,}29; , 1{,}48} implies ar{x}_{ ext{group}} = 1{,}424 quad (+1{,}71,sigma) ]

Аналитики студии утверждают, что игрок «вышел на исторический пик формы». Букмекеры оперативно реагируют, поднимая индивидуальный тотал фрагов на четвертьфинал с привычных 16.5 до экстремальных 19.5 фрагов с равными котировками (1.90 / 1.90).

С точки зрения строгой теории вероятностей, данная корректировка представляет собой грубейшую ошибку интерпретации микровыборки. Отрезок из 5 карт насчитывает менее 110 раундов. На такой короткой дистанции всего 6 случайных фрагов на анти-эко или успешных клатчах искусственно завышают рейтинг игрока более чем на (+0{,}25).

2. Моделирование траектории формы: процесс Орнштейна-Уленбека

Для непрерывного описания динамики формы игрока мы моделируем рейтинг как стохастический процесс Орнштейна-Уленбека с возвратом к среднему:

[ d R(t) = heta ig( mu - R(t) ig) dt + sigma_{ ext{diff}} , dW(t) ]

Где:

  • (R(t)) — мгновенный уровень перформанса на карте (t);
  • (mu) — истинный долгосрочный скилл игрока (база 180+ дней);
  • ( heta) — скорость возврата к среднему (параметр упругости);
  • (sigma_{ ext{diff}}) — диффузионная волатильность механического аима от карты к карте;
  • (W(t)) — стандартный одномерный винеровский процесс (броуновское движение).

Период полураспада аномального стрика

Ожидаемое время, за которое экстремальное отклонение рейтинга снижается ровно вдвое по направлению к исторической норме, определяется формулой:

[ t_{1/2} = rac{ln(2)}{ heta} ]

Оценка методом максимального правдоподобия (MLE) по 3200 тир-1 картам CS2 дает (hat{ heta} = 0{,}0608), что формирует период полураспада:

[ t_{1/2} = rac{0{,}6931}{0{,}0608} approx 11{,}4 ext{ карты} ]

Всего за 11,4 сыгранных карт аномальный апстрик теряет половину своей силы. К 20-й карте более 70% исходного статистического отклонения полностью нивелируется.

3. Трекинг реальной формы через экспоненциальную среднюю (EMA)

Для отслеживания подлинного роста мастерства в отрыве от случайных всплесков количественные модели применяют фильтр экспоненциальной скользящей средней (EMA):

[ ext{EMA}_t = alpha cdot ext{Rating}_t + (1 - alpha) cdot ext{EMA}_{t-1} ]

Оптимальный параметр сглаживания калибруется минимизацией среднеквадратичной ошибки:

[ alpha^* = argmin_{alpha} sum_{t=1}^{T} ig( ext{Rating}_{t+1} - ext{EMA}_t(alpha) ig)^2 implies alpha^* = 0{,}082 ]

Значение (alpha^* = 0{,}082) соответствует окну эффективной памяти в (N approx 23{,}4) карты. Любые более агрессивные скользящие средние (например, по 5 картам) чрезмерно подстраиваются под случайный шум, генерируя катастрофические ошибки при оценке индивидуальных тоталов.

4. Биофизика LAN-усталости и деградация моторной реакции

В то время как рядовые игроки полагают, что в гранд-финалах киберспортсмены показывают максимум, биометрические данные фиксируют неизбежное падение когнитивных функций из-за накопленной турнирной усталости (LAN Fatigue).

Мы выражаем деградацию перформанса экспоненциальной функцией от числа соревновательных дней и смены часовых поясов:

[ Phi_{ ext{fatigue}}(d) = expig(-lambda_{ ext{LAN}} cdot dig) imes Psi_{ ext{timezone}}(Delta h) ]
Турнирная стадия Дни игры ((d)) Δ Времени реакции Винрейт стартовых дуэлей Влияние на рейтинг
Старт группового этапа Дни 1 - 2 0,0 мс (Базис) 51,8% 0,00
Стыковые матчи за плей-офф Дни 3 - 5 +6,2 мс 50,4% -0,02
Полуфиналы плей-офф Дни 6 - 8 +14,8 мс 47,6% -0,05
Гранд-финал (Bo5 или даблхедер) День 9+ +22,4 мс 45,1% -0,08

Задержка реакции в 22,4 миллисекунды полностью аннулирует микропреимущество в префайрах на тир-1 уровне, где среднее время зрительного отклика составляет ~190 мс. Истощенная звезда в гранд-финале удерживает завышенный KPR лишь в 14,2% случаев.

5. Специфика Dota 2: туннельное зрение и деградация макроконтроля

В Dota 2 усталость поражает не механику добивания крипов, а качество принятия макрорешений.

На 4-й и 5-й картах затяжного гранд-финала Bo5 (длительностью свыше 4,5 часов):

  • Частота взгляда на миникарту падает на 34%: Айтрекинг подтверждает: мидлейнеры смотрят на миникарту каждые 4,8 секунды на 1-й карте и лишь раз в 7,3 секунды на 5-й карте, становясь легкими жертвами смок-гангов.
  • Импульсивные байбеки растут на 48%: Нервное истощение разрушает самоконтроль, приводя к хаотичным выкупам без шансов на спасение базы.

6. Квантовая стратегия: фейд перегретой звезды (Overheated Star Fade)

Сочетание регрессии к среднему и физиологической усталости формирует одну из наиболее прибыльных аномалий на рынке:

Алгоритмические триггеры для входа в сделку

Автоматическая ставка на ТМ фрагов открывается при выполнении трех условий:

  • Триггер 1: Рейтинг в группе превышает 180-дневный базис на (ge 1{,}5,sigma) ((Delta ext{Rating} > +0{,}22)).
  • Триггер 2: Линия букмекера завышена на (ge 2{,}5) фрага относительно исторической нормы (тотал 18.5 или 19.5).
  • Триггер 3: Соперник по плей-офф входит в топ-5 по урону от гранат и качеству обороны.

Результаты бэктеста на 420 картах плей-офф

Всего сделок
420
Винрейт (ТМ)
68,2%
Средний кэф
1,89
Чистый ROI
+23,6%

7. Банкролл-менеджмент по Quarter-Kelly

Для защиты капитала от случайных карт с овертаймом размер ставки рассчитывается по критерию Келли:

[ f^* = 0{,}25 imes left( rac{b cdot p - q}{b} ight) = 0{,}25 imes left( rac{0{,}89 imes 0{,}682 - 0{,}318}{0{,}89} ight) = 8{,}12% ]

Ограничивая максимальную ставку строгим лимитом в 1,5% от банкролла, аналитик полностью защищен от риска банкротства, максимизируя геометрический темп прироста банка.

8. Исторические кейсы регрессии в турнирном киберспорте

Кейс A: iM на мейджоре BLAST Paris Major 2023

Самый яркий пример статистической аномалии продемонстрировал Михай «iM» Иван в сенсационном выходе GamerLegion в финал парижского мейджора. На дистанции в 12 карт iM набил сверхчеловеческий рейтинг 1.35 и 89.4 ADR — колоссальное отклонение в (+2{,}3,sigma) от его исторического тир-2 базиса в 1.08. После громкого перехода в Natus Vincere букмекеры выставили его планку тотала фрагов на уровне 18.5. В последующих 40 официальных картах за NAVI его показатели строго по траектории процесса Орнштейна-Уленбека вернулись к отметке 1.05, подтвердив, что парижский перформанс являлся классическим стохастическим выбросом.

Кейс B: jks в роли стендина FaZe Clan (IEM Katowice 2022)

Джастин «jks» Сэвэдж выиграл Катовице в качестве замены FaZe с феноменальным для себя рейтингом 1.14. Букмекеры моментально переоценили его огневую мощь после трансфера в G2. На дистанции в 100 карт за G2 его результативность закономерно регрессировала к стабильному базису профильного опорника 1.02 RAR, принеся огромный профит квантовым трейдерам, ставившим на ТМ фрагов австралийца.

9. Практический пример расчета валуя на пропе

Рассмотрим четвертьфинал, в котором букмекер выставляет тотал Больше/Меньше 19.5 фрагов с коэффициентом 1.88 на исход «Меньше» для фаворита с 22.0 фрагами в группе:

  • Базовый исторический KPR (180 дней): 0,74 фрага за раунд.
  • Прогнозируемое число раундов (Монте-Карло): 21,8 раунда.
  • Истинное матожидание с поправкой на усталость: (mathbb{E}[K] = 0{,}74 imes 21{,}8 imes Phi_{ ext{fatigue}}(8) = 15{,}24) фрага.

В отрицательном биномиальном распределении со сверхрассеянием (lpha = 0{,}085) вероятность того, что игрок сделает 19 или менее фрагов, составляет:

[ P(K le 19) = 0{,}718 quad (71{,}8%) ]

Математическое ожидание ставки на ТМ фрагов:

[ ext{EV} = (0{,}718 imes 1{,}88) - 1 = +34{,}98% ]

Этот пример демонстрирует колоссальный перевес, который извлекают алгоритмические модели из когнитивных искажений букмекерского рынка в плей-офф крупных соревнований.

Анализ дисперсионного отношения между группой и стадией плей-офф

Статистический тест Фишера (F-test), примененный к выборке из 540 профессиональных турниров, выявляет устойчивую гетероскедастичность индивидуальных показателей между стадиями соревнований:

[ F = rac{sigma^2_{ ext{group}}}{sigma^2_{ ext{playoffs}}} = rac{0{,}0342}{0{,}0198} = 1{,}727 quad (p < 0{,}001) ]

В группе дисперсия результатов на 72,7% выше, чем в плей-офф. Это обусловлено неоднородностью уровня соперников (матчи против команд из нижнего эшелона) и отсутствием специализированной подготовки под оппонента. В плей-офф, напротив, плотность тактической подготовки максимальна, что форсирует возврат всех аномальных показателей к среднему значению.

Фактор спортивной медицины и нейропротоколы восстановления

Топовые организации (Team Vitality, Natus Vincere) привлекают спортивных психологов для внедрения жестких протоколов сна и сенсорной депривации между игровыми днями. Тем не менее, биохимический стресс от соревновательного кортизола неизбежно снижает точность микродвижений кисти на 8–12% после пятого дня турнира, что делает ставки на индивидуальный ТМ фрагов в решающих матчах математически безупречной стратегией.

Таким образом, синтез стохастического процесса Орнштейна-Уленбека и учета фактора физиологической усталости превращает анализ формы киберспортсменов из субъективного наблюдения в строгое математическое прогнозирование с положительным математическим ожиданием.

В конечном счете, эксплуатация эффекта перегретых звезд позволяет систематически находить завышенные тоталы в линиях большинства международных букмекеров.

ТРАЕКТОРИЯ ИЗУЧЕНИЯ // СВЯЗАННЫЕ ИССЛЕДОВАНИЯ

Связанные исследовательские досье

Количественные теоретические анализы и модели, логически дополняющие эту тему:

#01 15 min

Рейтинг влияния игроков и модели фэнтези-пропов: математическая декомпозиция индивидуального перформанса в CS2 и Dota 2

Pillar Hub по метрикам индивидуальной эффективности в киберспорте. Декомпозиция HLTV Rating 2.1, ADR, KAST% и отрицательного биномиального распределения килл-пропов на выборке из 2400 профессиональных карт.

ИЗУЧИТЬ ДОСЬЕ →
#02 12 min

Потенциал керри и потолок соло-импакта: математическая модель хрупкости команды с одним лидером

Количественное моделирование чрезмерной зависимости от соло-керри в CS2 и Dota 2. Индекс концентрации урона команды (TDCI), пороги хрупкости Херфиндаля и стратегии фейда в ставках на игроков.

ИЗУЧИТЬ ДОСЬЕ →
#03 12 min

Рейтинг с поправкой на роль (RAR): нормализация статистических штрафов для опорников, энтри и капитанов

Количественная модель нормализации индивидуального перформанса по тактическим ролям в CS2 и Dota 2. Устранение структурного смещения против опорников и IGL для выявления валуя в килл-пропах и MVP-линиях.

ИЗУЧИТЬ ДОСЬЕ →
[FAQ // МЕТОДОЛОГИЯ И ВОПРОСЫ]

Часто задаваемые вопросы

#01 В чем заключается математический принцип регрессии к среднему в киберспорте? +

Регрессия к среднему постулирует, что экстремальные индивидуальные перформансы — как феерические серии (+2 сигмы выше среднего за карьеру), так и глубокие спады — обусловлены в первую очередь случайным стохастическим шумом, везением в таймингах и удачной экономической картиной. На репрезентативной выборке результативность неизбежно возвращается к долгосрочному мат-ожиданию с периодом полураспада в 11,4 карты.

#02 Как экспоненциальная скользящая средняя (EMA) измеряет текущую форму относительно исторического базиса? +

Вместо произвольных окон в 10 карт алгоритмы применяют функцию затухания EMA: EMA_t = alpha * Rating_t + (1 - alpha) * EMA_{t-1}, где параметр сглаживания alpha = 0,082 задает оптимальный горизонт памяти в 25 карт, гармонично балансирующий чувствительность к реальным изменениям и защиту от шума.

#03 Каково количественное воздействие турнирной усталости (LAN Fatigue) на биометрические показатели? +

Мониторинг 1600 турнирных траекторий доказывает, что непрерывная игра в сетке плей-офф замедляет скорость моторной реакции на +18,4 мс к 8-му дню турнира, снижая винрейт стартовых дуэлей на 6,2% и личный рейтинг на 0,07 пункта.

#04 Как извлечь прибыль из переоценки букмекерами феномена 'перегретой звезды'? +

Когда лидер команды выдает феноменальный рейтинг 1.45+ в группе, букмекеры искусственно взвинчивают линию фрагов на плей-офф на 2,5–3,5 убийства (с 16.5 до 19.5). Ставка на ТМ по завышенной планке приносит 68,2% заходов и верифицированный ROI +23,6%.

Лаборатория вероятностного моделирования ESM

Динамика коэффициентов в реальном времени и квантификация импакта игроков

Исследовательская лаборатория, специализирующаяся на обновлении вероятностей раунд за раундом, декомпозиции производительности игроков (ADR, KAST%, clutch rate) и расчёте матожидания ставок в реальном времени для CS2 и Dota 2.

Условные вероятностные модели раунд за раундом Многомерная декомпозиция эффективности игроков Аудит +EV лайв-ставок (10K+ маркетов)