賽前賠率變動與賽果之關係:香港賽馬 2015/16–2025/26 十一個馬季的實證研究

摘要　本研究以香港賽馬會官方賽果配對賽前賠率數據,檢視「賽前一小時賠率」至「最終賠率」之變動,與馬匹成績(贏出、入位)之關係。描述層面上,賠率臨場收窄(落飛)之馬匹,其贏出率與入位率顯著高於賠率放寬(回飛)者,差距歷十一個馬季穩定未見衰減(入位率差距約 24 個百分點),並以高班次、沙田、草地、短途之賽事最為明顯。惟以 logistic regression 連續控制最終賠率後,賠率變動之獨立效應顯著縮小:落飛僅餘輕微正效應(入位勝算比約 1.06,勉強顯著),回飛與穩定並無統計上顯著差異。此結果說明:臨場資金流向雖屬真實資訊,但絕大部分已被最終賠率吸納。

一、資料與方法

本研究使用賽果數據(名次、贏出、入位、場地、班次、路程等)及賠率數據(賽前不同時點之贏／位賠率),以馬匹識別碼(HorseID)及場次索引(RaceIndex)一對一配對,剔除賠率缺失或非正值後,得有效樣本 115,531 匹次。核心變數賠率變動比率 = 最終賠率 ÷ 賽前一小時賠率:比率小於 0.97 界定為落飛(被追捧)、大於 1.03 為回飛(被冷落)、其間為穩定;此 ±3% 界線只用於描述性分組,第六節之 logistic regression 則改用連續變數,結論不受門檻選擇影響。馬季按香港慣例(9 月至翌年 7 月)劃分。

二、整體結果:落飛贏出與入位較多

按賠率變動比率分七組,贏出率與入位率呈清晰單調關係(圖一):大幅落飛(比率小於 0.80)者贏出 17.0%、入位 42.2%;大幅回飛(比率大於 1.35)者僅 2.6% 贏出、11.1% 入位(全體平均為贏出 8.5%、入位 25.1%)。

三、以賠率區間分層的初步控制

上述關係部分源於「熱門本身較易勝出」。將馬匹按最終賠率區間分層後,於同一區間內落飛馬的贏出率仍普遍高於回飛馬(圖二),初步顯示臨場變動具增量資訊。惟區間分層屬粗略控制,故本研究於第六節改以連續變數作嚴謹檢定。

四、跨馬季趨勢:效應歷年穩定

按馬季分別計算落飛與回飛馬入位率(圖三、圖四及下表)。近十一個馬季,落飛馬入位率長期維持約 40%、回飛馬約 16%,差距穩定於 21.7 至 25.6 個百分點(平均約 24 個百分點),並無收窄;最近 2025/26 馬季差距(25.7 個百分點)更為歷年最高。此效應屬結構性現象。

馬季	樣本	落飛入位率	回飛入位率	入位差距(pp)	贏出差距(pp)
2015/16	7,411	43.0%	17.7%	25.3	11.7
2016/17	10,215	38.3%	16.6%	21.7	10.1
2017/18	9,854	39.5%	17.4%	22.1	10.6
2018/19	9,913	41.4%	16.9%	24.5	10.5
2019/20	10,390	41.0%	16.3%	24.7	12.3
2020/21	10,392	40.3%	16.3%	24.0	11.5
2021/22	10,169	39.9%	17.4%	22.6	11.1
2022/23	9,911	40.5%	16.8%	23.7	11.9
2023/24	9,992	41.1%	16.4%	24.7	10.5
2024/25	10,337	40.6%	16.2%	24.4	11.6
2025/26	10,611	40.9%	15.2%	25.7	12.2

五、效應之場地／班次／路程差異

將描述性差距(落飛入位率 − 回飛入位率)按不同維度拆分(圖五),可見效應強弱明顯不均:效應隨班次上升而增強(第 1 班達 29 個百分點,第 5 班僅 19 個百分點);沙田強於跑馬地;草地強於全天候賽道;短途略強於長途。

維度	分項	樣本	落飛入位率	回飛入位率	差距(pp)
場地	沙田	72,328	41.1%	15.8%	25.4
場地	跑馬地	43,203	40.6%	18.6%	22.0
跑道	草地	103,089	41.2%	16.7%	24.5
跑道	全天候	12,442	38.7%	17.4%	21.4
班次	第1班	1,367	50.2%	21.2%	29.1
班次	第2班	9,577	43.3%	16.7%	26.6
班次	第3班	36,615	42.4%	16.3%	26.2
班次	第4班	48,558	39.6%	16.5%	23.2
班次	第5班	15,353	36.7%	18.1%	18.6
路程	短途 ≤1200	54,349	42.2%	17.0%	25.2
路程	中途 1400-1650	48,077	40.1%	16.1%	24.0
路程	長途 ≥1800	13,105	38.8%	18.6%	20.2

註:本節為描述性差距,尚未控制最終賠率;各分項的賠率分佈與場數規模不同,比較宜作參考。

六、Logistic regression:賠率變動之獨立效應

為嚴謹分辨賠率變動於最終賠率以外的獨立貢獻,本研究建立 logistic regression,以 log(最終賠率)(連續)及賽前變動方向(參照組 = 穩定)為自變數。結果如下表及圖六。

模型 / 變數	勝算比 OR	95% 置信區間	p 值
入位:落飛	1.063	[1.001, 1.129]	0.048
入位:回飛	0.962	[0.905, 1.022]	0.212
贏出:落飛	1.076	[0.987, 1.174]	0.098
贏出:回飛	0.930	[0.850, 1.019]	0.118
入位:落飛(加場地/班次/路程)	1.073	[1.009, 1.141]	0.026
入位:回飛(同上)	0.976	[0.917, 1.039]	0.446

關鍵結論:連續控制最終賠率後,落飛僅餘輕微正效應(入位勝算比約 1.06–1.07,勉強顯著,即入位機會約高 6–7%);回飛與穩定並無統計上顯著差異。加入場地、班次、路程作調整後結論不變。相對而言,log(最終賠率)的勝算比約 0.37,主導力遠超賽前變動——臨場資訊絕大部分已反映於最終賠率之中。

七、最終賠率為最準確的單一指標

以賠率倒數作勝出機率之代理,與賽果之相關度:賽前一小時為 0.296,最終賠率為 0.329。最終賠率較一小時前更準,因其已吸納臨場全部資訊,與金融市場「收市價最具效率」之現象一致。

八、平注回報

以最終賠率平注結算,三類馬匹回報率皆為負值(圖七;博彩扣除率約 17–18%,長期必虧):落飛約 −11%、穩定約 −14%、回飛約 −21%。方向雖能區分回報高低,惟不足以扭轉扣除率造成的長期虧損。

九、討論與模型應用

一、以最終賠率為核心輸入及基準:其單獨已吸納近乎全部臨場資訊,任何模型皆難以超越。二、賽前賠率變動仍值得納入,惟預期增量有限,落飛可作輕微正向調整(尤以高班次、沙田、草地、短途賽事較有意義),回飛於控制最終賠率後訊號微弱。三、真正超額能力須在賠率變動之前識別價值。

十、研究限制

其一,本文所示為相關性而非因果;賠率變動與賠率水平相關,分項描述(第五節)未控制賠率,詮釋宜審慎。其二,分析未計入賽事取消、退出馬匹及極端值之特別處理。其三,平注回報以最終贏賠率近似結算,未涵蓋位置、連贏等注項。

本報告僅供資料研究及參考用途,並非投注建議;賽馬博彩涉及風險,長期而言受博彩扣除率影響必然虧損,參與者應量力而為,未滿 18 歲人士不得參與博彩。