精明方程實際是基礎方程演變而來,是相對而言最可靠的,如果按照這個方程並且自身平均勝率高於賠率反映勝率就可以穩定的達到平均每次投注有6%的預期利潤,不過要注意以下幾個方面:
(1)賠率低於等於1.5的情況下,即便勝率很高,最終也是要虧錢的。
(2)賠率在1.5-2.1之間,屬於灰色區域,在這個區域間,應當謹慎投注。
(3)賠率高於2.1的情況下,屬於凱利方程理想應用區域。
(4)根據個人因素方程,第2、3兩種情況中,影響最佳投注比例的是賠率的大小,所以選擇的賠率必須至少高於或者等於公平賠率。
(5)同樣根據個人因素方程,任何時候最佳投注比例都是小於公平賠率所反映的勝率百分比的,這就奉勸大家任何時候不要考慮半倉或者額外加註。
(6)p的計算不是你個人的勝率,而是公平賠率所反映的勝率百分比,這樣最符合凱利方程的原理,在選擇的賠率高於公平賠率時,w不動,r增加,凱利方程正好鼓勵加大投資。
最後不得不說本文中的公平賠率問題,目前存在有三種換算方法,一種是選擇整個市場均衡態的情況下理想的賠率體系,一種是按照獨立球隊分析模型(涉及埃羅/松泊等方法的運用)做出的賠率體系,一種是簡單選擇市場平均賠率(最好加以標準偏差分析方法進行調整),這三種方法各有利弊,一般採用的是第一種和第三種。
然而單就方程式而言,未免過於深奧,因此對上述內容我們大可只作了解。但我們卻必須清楚知道博彩公司的贏利是怎麼構成的,其與凱利指數有何联系?
博彩公司的贏利來自兩個方面:一是佣金收入,另一個是賠付順差收入。如果發生賠付逆差博彩公司就有可能賠錢。其實這和一般的商品交易是一回事。大家比較熟悉商品交易,交易總值的計算有一個公式:
交易價格×交易數量﹦交易總值,
在博彩業中,如果說賠率是交易價格的話,那麼玩家對勝、平、負三個結果的投注量就是交易量。我們如果能知道博彩公司在這個賽果中的交易量,我們也就能計算出它的交易值了,而其交易量(投注量)是絕對保密的,同時由於每個結果的投注量都很大,也不便於比較。就把交易總量設為1,只要知道各個結果的投注比例(彩金分佈比例)就行了。其實彩金分佈比例對莊家而言也是絕對的商業機密,世人不得而知。這也無關緊要,我們可以藉助相關的數據來進行估算。在這裡,凱利值就有交易值的含義了。
對於足彩而言由於有勝、平、負三個結果,那麼凱利值就為:
主勝賠率×主勝彩金%=莊家應付主勝彩金%
平局賠率×平局彩金%=莊家應付平局彩金%
主負賠率×主負彩金%=莊家應付主負彩金%
在這裡主勝彩金%+平局彩金%+主負彩金%=1,也就是莊家受注的彩金總量為1。
由莊家應付主勝彩金%、莊家應付平局彩金%、莊家應付主負彩金%,又組成了三個小數,那麼這一組小數被稱為凱利值。
計算凱利值的意義是什麼呢?
(1)我們知道莊家願意賠低不願意賠高的道理,那麼凱利值低的那個結果最容易出現。
(2)我們知道莊家受注的彩金總量為1,那麼凱利值>1結果不容易出來(莊家賠率開高,強隊強行勝出;莊家另有開賠意圖……除外),凱利值≦ 1的結果可能出來。
(3)莊家盈利的基本方法是通過對比賽的預測保持賠付平衡後能收取到法律允許的佣金(俗稱水錢)。現時歐洲的賠付率為0.89—0.92,那麼低於或等於此標準的凱利值結果莊家都可以接受。
(4)莊家還有第二個收益來源就是除正常收取水錢後還捎帶有賠付順差,那麼凱利值最低的結果就最有可能打出來。
凱利值對足球賽事預測的重要意義就在於此。
凱利值的計算與賠率密切相關,可以說是和賠率與之俱來的數據信息之一(這裡計算出的凱利值實際上就是理論上的賠付包容率,是莊家開賠時預計好了的,是我們進行數據分析判斷的參考。),賠率是一項偉大的發明由此可見一斑。賠率分析對足彩預測的重要性不言而喻。
在這裡還要提醒彩友門注意凱利值也有廣義和狹義兩種概念。狹義的凱利值對足彩分析才有參考意義,而廣義的凱利值,如莊家計算後公佈的凱利值只是表達莊家對各種比賽結果的期望值,並不構成玩家的實際行為,並不具有多大的參考價值。

第一部分賠率篇
五、賠率的數學模型。

(四)賠率的運營模型。
在此之前我一直沒有提及賠率的分析方法,而是從賠率和博彩公司內部去挖掘、探索賠率的生成方式、作用、意義、盈利方式、算法等基礎環節,其目的是希望大家跳出賠率所帶來的數字陷阱,從賠率的表面化回歸到賠率的盈利方式以及博彩公司的內在盈利,使大家以商品的視角出發來看待賠率,畢竟賠率也是一件商品。
我認為,從博彩公司贏利的角度去分析賠率,才是賠率分析最正確的方法。因為無論是我們以後將要提及的賠率對比還是賠率離散度、賠率走勢,其原理也是從博彩公司的贏利角度出發的。從下面開始,我們將深入的接觸到賠率,以及賠率的贏利模式。

1、凱利指數。
凱利公式是著名的玻爾實驗室的一位科學家John Kelly於1956年提出的,凱利在協助規劃電子位元流量設計時,對較小概率發生事件提出了一個複雜的計算公式——凱利公式。這個公式屬於概率學關於預測(期)方面的一個分支,原數學模型極為複雜,同時,由於博彩中的冷門也是較小概率發生事件,於是凱利值的概念也引入到博彩業中。在此後的時間裡,凱利公式因其在對事件的預期和規避風險等理論上的先進性,凱利準則在博彩方面的應用極為迅速地傳播起來,比如賭場的撲克遊戲21點和歐洲盛行的賽馬、賽狗等運動,其地位同“旋轉矩陣”在數字樂透領域一樣顯赫。
依照這個公式,其計算出來的結果則被我們稱為凱利值。在足球博彩方面,其應用主要以歐洲賠率為基礎,可以在給定賠率的情況下計算出最佳的投注額,以實現盈利。
通過凱利指數的原理,我們可以了解到凱利其實質亦是來自於概率學,而博彩公司的賠率生成同樣來自於概率學,這種異曲同工造就了凱利指數對博彩準確度的大幅度提高。
要說凱利指數,首先要提到的是凱利方程式(Kelly-formula),凱利方程式為:K=W-(1-W)/R。其中,K=投資的最佳資本比例;W=投資獲利的平均機率;R=成功獲利比。這個方程式帶給我們什麼呢?其最重要的作用是“使我們清楚的核算出項目的最佳投資盈利。”
這個方程式演化到足球賽場,與博彩公司的賠率相互搭配,就形成了我們口中時常提到的凱利指數。凱利公式的基本公式:
p*o-1
b=——————————————(基礎方程)
o-1
p =勝率(the probability of collecting the bet. (0o =含本金的賠率(the gross payoff (a multiple of stake) in case you win. (o>1))
b =最佳投注額比例(gives the fraction of your current bankroll that should be wagered on that specific bet.)
也可以演變為另一種解釋(引用Ed Seykota的風險管理文章中的描述)
The Kelly Formula
K = W – (1-W)/R ———————————(個人因素方程)
K =下一筆交易占資本比例
W =歷史勝率
R =報酬(放到足彩上,就是賠率減去1)
一般人常提到一個精明公式
精明的凱莉方程式:
b*(e*o-1)
opt=———————— – —————————-(精明方程)
3*(o-1)
上式具體含義如下:
opt =最佳投注額(Optimized Stake Size)
b =可支配的總投注額(Current bankroll)
o =小數形式的賠率(Odds available in decimal format)
e =取勝預期或者說預計勝率(Estimated probability)

4、標準賠率差
賠率差是和凱利、盈虧完全不同的一個概念。準確說,賠率差應分為兩類,第一類是由各公司內部標準賠率以及受注賠率相對比產生的賠率差,第二類是由大眾心理投注比例反算賠率來比較博彩公司賠率得出的賠率差。在此我們只探討第一類的情況:標準賠率和標準賠率差。
標準賠率究竟是什麼呢?
標準賠率差其實就是博彩公司所開出的標準賠率與受注賠率的差值。
我們將標準賠率差分為兩種數據。
第一種數據:受注時段,即標準賠率與受注初賠的差值。
第二種數據:終盤時段,即標準賠率與臨場賠率的差值。
我們來看看實戰中的運用。
朴茨茅斯VS阿森納澳門標準:6.30 3.60 1.50標準賠率:6.30 3.88 1.46結果:0-1
尤文VSAC米蘭澳門標準:2.00 3.00 3.70標準賠率:2.00 2.92 3.83結果:0-0
布萊克VS埃弗頓澳門標準:2.55 3.20 2.50標準賠率:2.55 2.72 2.90結果:0-0
博爾頓VS曼城澳門標準:1.90 3.20 3.80標準賠率:1.90 3.01 4.11結果:0-1
佛羅倫薩VS切沃澳門標準:1.80 3.10 3.80標準賠率:1.80 3.12 4.45結果:2-0
上面皆為真實摘錄數據。不難發現,標準賠率對於判斷足球賽事的首選效果較佳。雖然這個模型仍舊存在誤差,不過在更多時候都能夠為我們判斷比賽提供方向。相比單純的看賠率,標準賠率的出現使得我們對賠率的研究上更加深入。
說到這個時候,也許很多朋友對這個數據很感興趣,有很多朋友問標準賠率是從什麼地方得出的,我只能說,這是莊家的內部賠率,平常人是無法得到的,需要通過一定的途徑和渠道才能得到。我們日常接觸的標準賠率,一般是澳門或者威廉希爾所給出的數據,參考價值也比較大。

(5)必發的賠率平均比其它傳統博彩公司高出20%,若要比較必發和其它公司的賠率,便要把這差異計算在內。
為了更清楚讓大家了解行情狀況,本版指供了兩項指數。成交比例是簡單的計算主平負三個選項相對總成交額各自所佔的比例,這是沒有計算賠率因素的,換言之是代表了買家的單方面投入。而成交指數是同時考慮成交額和相應成交賠率運算出來的,它同時代表了買家和賣家的雙方面投入。兩項指數都以百分比的形式顯示,不同的是成交指數計算了賠率的因素,而愈熱賣的選項相對賠率便愈低,因此冷門與熱門之間的數值差距會比只算成交比例幅度小,也比較客觀。
無論是個別看單項的賠率或成交量,或看我們綜合出來的指數,這些數據都只顯示誰是熱門、誰是冷門,以及冷熱程度,作為預測球賽賽果的一種分析工具和參考指標。然而,它不能直接與賽果掛鉤,熱門落敗冷門勝出是常有的事。要提高勝算,便要仔細研究每支球隊的歷史往績,與現場紀錄比較分析,找出當中的異同再作判決。例如一支表現穩定的球隊,熱勝冷負的機率自然較高;也有一些球隊是經常出現冷門賽果。再者便是看數據走勢,從不尋常變化中透視玄機。
B、必髮指數與凱利值的聯繫。
必髮指數和傳統歐賠體系的賠付率與期望回報率是相互結合的。
首先我們仍需要把期望回報公式(凱利指數公式)完整列出如下:
(1)參數A:平均可能性(AP,主勝平負平均概率分別表示為APH,APD,APA),是各家公司歐賠體系賠率所精確對應出的各公司判斷的勝平負概率的平均值。
(2)參數B:賠率(主勝平負分別表示為OH,OD,OA)
(3)參數C:期望回報率(凱利值)(主勝平負凱利值分別表示為EH,ED,EA )
EH=OH*APH;ED=OD*APD;EA=OA*APA
(4)參數D:可能性(主勝平負概率分別表示為PH,PD,PA)
PH=1.0/OH*R;PD =1.0/OD*R;PA=1.0/OA*R
(5)參數E:返還率R=1.0(1.0/OH+1.0/OD+1.0/OA)
我們引用2006年11月12日意甲梅西納VS卡利亞里的數據進行分析:
SINGBET 2.00 2.90 3.90 0.85 0.92 1.00 91
立博2.10 2.80 3.50 0.89 0.89 0.90 89
(第一組三列數位表示賠率,第二組三列數位表示凱利值,最後一列數字則代表該公司的歐賠返還率)
現在我們首先假定市場上僅有一家公司SINGBET,那麼市場平均概率就是它自己的概率,主勝凱利值的計算如下:
EH=OH*APH=OH*PH=OH*(1.0/OH)*R=R
也就是說這時凱利值即是其返還率。現在我們假定市場上多了一間公司立博,我們再看看發生什麼。這個時候,APH等於兩家公司的PH除以2,即:
APH=(45+43)/2=44%
APD=(31+32)/2=31.5%
APA=(23+26)/2= 24.5%
然後我們分別計算出SINGBET公司的凱利值得:
EH=2.0*44%=0.88
ED=2.9*31.5%=0.9135
EA=3.9*24.5%=0.9555
以及立博公司的凱利值:
EH=2.1*44 %=0.92
ED=2.8*31.5%=0.882
EA=3.5*24.5%=0.858
我們可以發現兩家公司經過“市場”的調和,其各自的ED值同時高度接近其各自的R值,而其EH和EA則開始出現離散。利用凱利值預測賽果的完美狀態就是,當某公司的某一賽果的凱利值高度接近其返還率時,其賽果則為該公司在該市場中預計最可能發生的實際賽果。以該場比賽最終戰成2:2的賽果而言,這兩家公司分別對賽果的把握顯得極其精準。事實上,如果我們在這個數據模型裡面繼續添加其他同樣具有代表性的亞盤主流公司和歐盤主流公司,計算出來的“市場”調和後的凱利值,其各自的ED值最接近其各自的R值,從而構成完美的凱利模型。
我們回頭看必髮指數這場比賽的成交和變化過程。在比賽當日,主勝於賽日凌晨開始出現防禦性集中,賣方上行推高價往2.40以上,買方未發力抵抗。客勝同時出現買方重要籌碼,向下衝擊賣方防禦,賣方接貨力度並不堅決,3.80防線隨時可被買方突破。平局低往3.00不斷糾纏,買賣雙方勢均力敵。目前格局,客軍逐漸向不敗方向發展。必指最後以44-17-39的指數結構收盤,該指數結構區間主隊僅有兩次平局,客軍錄得3平的記錄。賠率則以2.54-2.92-3.70收盤,全程變化清楚顯示主勝被拋售,平局不斷下壓,客勝高位有買單下壓的走勢。必指成交賠率走勢與前面我們討論的主流公司市場的凱利值分析呈現高度一致狀態,必發成交用動態過程清晰印證傳統主流莊家對比賽結果的高度把握。

第一部分賠率篇
五、賠率的數學模型。
(四)賠率的運營模型。

3、必髮指數。
A、必髮指數的基本介紹。
著名球賽分析家Paul Kulhavy有以下一句名句:足球博彩並不只是有關統計數據和球隊新聞消息。博彩組合的其中一環是要知道球賽的熱錢去了那裡。(Football betting is not just about statistics and team news. Part of the betting puzzle is to know where the big money is going on the game.)
中國足彩中的勝負彩源於歐洲博彩的標準盤,即競猜球賽的90分鐘連補時的法定時間內勝平負賽果。進球彩則和俗稱波膽的正確比分玩法雷同,而醞釀已久的單場彩更會揉合更多西方博彩玩法。以上看盤分析球賽的理論當可應用在足彩上。
為什麼要看必發交易數據?最簡單的理由是世界上具規模的博彩服務提供者裡,只有必發是公開交易數據的。俗稱莊家的傳統博彩公司,運作方式原則上是與客戶(即投注者)對賭,實質上是透過不同投注者投在不同相對選項的注碼進行對沖賺取賠率上的差額利潤。由於莊家與客戶的關係基本上是對立的,投注者贏莊家便要賠本,因此莊家不可能公開它的交易數據協助客戶贏錢。那為什麼必發又肯公開數據呢?這便須先了解必發的特色。
必發並不是莊家,而是博彩交易所。它本身不受注,只擔任中介角色,促成不同客戶之間的買賣交易,即每一個交易的莊家與買家都是它的客戶,而必發只從中抽取贏家一方的小比率佣金作為利潤。換言之,每一項交易誰贏誰輸都不影響必發的業務,因此它不介意公開詳細交易資料。
交易所並不只必發一家,那麼為什麼要選擇必發?它是全世界最大的博彩交易所,每周成交量愈七億港元。在體育博彩歷史悠久的英國,必發一家的交易量己佔去整個市場的近九成,可說是壟斷的局面。必發在英國以外的市場發展亦十分活躍,近一年來它已取得在馬爾他和奧地利經營的牌照,並陸續向世界其它主要市場擴展,真正國際化的博彩交易所,可說只此一家。必發在2003年獲得英國商界最高榮譽的英女皇傑出企業獎,這獎項是由英國政府評核,並以皇室之名頒發,足證必發的成就和地位。以必發的卓越市場佔有率,單看這一家的交易量己足以代表全球交易所的行情。
另外,必發的技術優勢能在一分鐘內處理多達12000宗交易,即每秒可成交200宗。它的行情變化絕對具代表性。
有人以為博彩公司的賠率是反映其對賽果的判斷,莊家判決會輸的一方便提供高水位吸引買家以達到贏利目標。若能理解具規模的博彩公司是以對沖客戶賭注賺取水位差額贏利,便會知道這想法不盡正確。博彩公司的賠率是要平衡賭注,少人買的一方它便要提升賠率吸引註碼以對沖受了熱門一方的賭注。當然,這樣亦可以推敲其交易狀況,但總不及從必發市場上已成交甚至是已掛牌還未成交的注碼及賠率般準確了解行情。
怎樣看必發的行情數據?必發除了提供大家熟悉的標準盤、亞洲盤、大小球等,還有可以在同一場球多達二十多種不同的玩法,不過就算玩法不同,提供的數據類別都大同小異。最重要看的當然是已經成交的金額和賠率,直接反映那一方是熱門和究竟熱賣到那一地步。已掛牌而未成交的數據也有很大的參考作用,這可讓您了解買家與賣家(即莊家)的心態,理論上這兩方是對立的。
有幾點是值得留意的:
(1)買家和賣家雙方同意交易才能有成交,因此成交量是代表市場上買家與賣家雙方已經投入的資金,而不是單方面的。
(2)掛牌數據由於是未成交的,故分為買家和賣家兩方。買家掛出來的是要求下注,亦即是現場可以供賣家受注的訂單;相反賣家掛出來的便是要求受注,或可供買定下注的訂單。須注意的是必發客戶眾多,無論是買家或賣家都有很多人有不同的要求,故同一時間會有許多設於不同賠率水位的定單,當中最有機會成交的自然是要求最低賠率的買家訂單或最高賠率的賣家訂單。所以看掛牌量亦應以看最佳水位的可買和可賣較為準確。
(3)由於任何人都可以在必發買或賣,不少高明的玩家會以投資賺水位差價的手法博取利潤,即在低水位賣而在高水位買。例如同一位玩家可以在一個標準盤的主勝於2.0的水位下注,到下調至1.8的水位便伺機受注相同的注碼,賽果是主隊勝出他便賺了20%,否則兩項交易對沖掉是沒輸沒贏。因此大家看到的成交量有一部份是已經過對沖掉的。
(4)必發每天都提供很多賽中交易市場,即俗稱的滾球盤或走地盤。有別於傳統博彩公司會在完場前一段時間便會封盤,必發的滾球盤是開到完場的。因此大家看盤時要留意開賽時間,開賽后仍在滾動的交易數據便是滾球盤的行情,而滾球盤的變化很大程度上是與球賽的發展掛鉤。

(三)賠率的基礎分區。
在這裡,我們把1-20之間按0.05為一個小區間進行劃分。我們發現,劃分之後,1-20之間共存在
20*20=400個區間。這400個區間,就是我們所要探討的賠率的基礎分區。
按90%的賠付率計,選擇立博、INTER、SSP做主要研究對象(注:威廉平賠偏低,在此不做參考):
主勝(30個區)——平局均值搭配
球半以上區:
1.00-1.05區:10.00區
1.05-1.10區:7.5-9.0區
1.10-1.15區:6.0-7.5區
1.15-1.20區:5.5-6.5區
球半區:
1.20-1.25區:5.0-6.0區
1.25 -1.30區:4.5-5.5區
一球/球半區
1.30-1.35區:3.8-4.5區
1.35-1.40區:3.8-4.5區
1.40-1.45區:3.5-3.8區
一球區:
1.45-1.50區: 3.5-3.8區
1.50-1.55區:3.4-3.6區
半/一區:
1.55-1.60區:3.4-3.6區
1.60-1.65區:3.4-3.6區
1.65-1.70區:3.3-3.5區
半球區:
1.70- 1.75區:3.3-3.5區
1.75-1.80區:3.3-3.5區
1.80-1.85區:3.2-3.4區
1.85-1.90區:3.2-3.4區
1.90-1.95區:3.2-3.4區
1.95-2.00區:3.2-3.4區
平/半區:
2.00-2.05區:3.1-3.3區
2.05-2.10區:3.1-3.3區
2.10-2.15區:3.1-3.3區
2.15-2.20區:3.1-3.3區
2.20-2.25區:3.1-3.3區
平手區:
2.25-2.30區:3.0-3.2區
2.30- 2.35區:3.0-3.2區
2.35-2.40區:2.9-3.1區
2.40-2.45區:2.9-3.1區
2.45-2.50區:2.8-3.0區
以上歸納的是各主勝(或客勝)賠率區間的平賠均值搭配,這個平賠的搭配,是個模糊概念,也就是說,這個平賠是個中庸平賠,
其意義在於:
A、往上走則平賠偏高,若兩隊歷史交鋒存在較多平局,或者兩隊近況較傾向於平局,或者兩隊賽季成績中平局較多,此時平局無法打出。
B、往下走則平賠偏低,若兩隊歷史交鋒平局較少,或者兩隊近況傾向於分勝負,或者兩隊實力接近且無明顯造平局的概念時,此時平局機會大增。
同時,根據概率計算,即可得出客勝賠率指數和概率數值。
那麼客勝賠率和概率得出有何意義呢?
這裡舉兩個例子:
例1:
2008年2月28日國際米蘭vs羅馬1:1
基本面:兩隊歷史交鋒國米4勝3平3負,近年來沒有平局。
Interwetten(初) 1.90 3.00 4.00 47.43% 30.04% 22.53% 90.12%
Interwetten(終) 2.10 3.00 3.30 42.80% 29.96% 27.24% 89.88%
SSP(英國) 1.90 2.95 4.20 47.70% 30.72% 21.58% 90.63%
立博(初) 1.72 3.10 4.50 51.63% 28.64% 19.73% 88.79%
立博(終) 1.90 2.87 4.00 46.79% 30.98% 22.23% 88.91%
分析:
從上面的概率可以看出,莊家對平局位的期待值高於了正常值,或者更具體的說,2.1的主勝賠率,應該對應3.1的標準平賠,而1.9的主勝賠率更該對應3.2的標準平賠,在這兩個隊近年來交手平局很少的情況下,這樣明顯偏低的平賠,顯然更容易打出。結合主勝概率、平局概率和客勝概率的偏差,由此可見本場比賽首選項是平局。
比賽賽果——1:1平分秋色。
例2:
2004年4月10日拜仁慕尼黑VS沙爾克04 2:1
歐平賠(初):1.50 3.69 5.93,對應的概率為60.2%、24.5%和15.3%,
歐平賠(終): 1.52 3.60 5.79,對應的概率為59.5%、25%和15.5%。
分析:
初始歐洲數據對主隊取勝予以肯定,特別是平局賠率明顯高於標準賠率區間,而客勝賠率同樣根據換算偏高,沙爾克獲勝機會應該可以基本排除。臨場歐平賠上漲的平局概率,但客勝概率沒有根本性改變,平局的可能性看似增高,但可以看出賠率基數本身就過高,因此相對而言,主隊賠率和概率的組合最為合理。
比賽賽果——2:1。
以上兩例,則是對概率和賠率區間的較基本化的闡述,一旦賠率區間和概率可以通過確認,那麼我們分析賠率的可能性將大幅提高。
在下一篇中,我們將細化的去分析賠率的各個部分。
(下附:歐洲賠率與百分比概率的換算。)
——歐洲賠率與百分比概率的換算
1.10=81% 1.12=80% 1.14=79% 1.15=78%
1.16=77% 1.17=76% 1.20= 74-75% 1.22=73%
1.25=71-72% 1.28=70% 1.30=69% 1.33=67-68%
1.36=65-66% 1.40=63-64% 1.45=61-62% 1.5=60%
1.53=59% 1.55=58% 1.57=57% 1.60=56%
1.62=55% 1.65=54% 1.70=53% 1.72=52%
1.75=51% 1.80=50% 1.85=48-49% 1.90=46- 47%
2.00=44-45% 2.10=42-43% 2.20=41% 2.25=40%
2.30=39% 2.35=38% 2.40=37% 2.50=36%
2.60=35% 2.65=34% 2.70=33% 2.80=32%
2.90=30-31% 3.00=29% 3.20=28% 3.30=27%
3.40=26% 3.60=25% 3.70=24% 3.90=23%
4.00=22% 4.20=21% 4.50=22% 4.70=19%
5.00=18% 5.30=17% 5.50=16% 6.00=15%
6.50=14% 7.00=13% 7.50=12% 8.00=11%
9.00= 10% 10.00=9% 11.00=8% 12.00=7%
15.00=6% 18.00=5% 23.00=4% 30.00=3%