小白量化彩票实战（1）彩票分析及爬虫双色球彩票开奖数据

小白量化彩票实战（1）彩票分析及爬虫双色球彩票开奖数据
彩票选号码有两类：一是自主组号，二是软件算号。
1、自主组号。主要用自己认为的吉祥号,例如生日或有特殊意义,特殊感觉的号码。但是这些选出的号码多于彩票号码,，就需要依赖程序软件进行条件过滤和缩水投注。
2、软件算号。主要通过计算机统计，利用大数定理，概率统计，以及深度学习等工具，进行电脑选号。

如果直接选出中大奖的号码，因为概率太低，例如双色球中奖概率1700多万分支一，基本不可能。但是我们分析开奖号码条件。
一等奖：6+1
二等奖：6
三等奖：5+1
四等奖：5、4+1
五等奖：4、3+1
六等奖：2+1、1+1、0+1
我们发现只要中蓝球，至少会得5元。因此我们以蓝号为中奖目标。但是蓝号有16个号，中奖概率为1/16。
一注彩票2元钱，假设我们一期开奖投注2注4元钱，投注2个蓝号，如果任意一个选中，我们就获得5元，赢利5-4=1元钱。
如何能够选2个蓝号，就能中5元钱。
首先要会“舍得”，不要每期都投注，这样你必败在大数定律中，因为长期统计，每个蓝号出现的几率，无限接近1/16，彩票机构就是赚大多数投注错的人的钱。
写《战胜庄家》的索普是如何赌场赚钱的？1960年代初，一位名叫索普（Edward Thorp）的美国数学家利用刚出现不久的计算机找到了21点游戏中的机会，发展出一套通过计牌（card counting）打败赌场的方法。索教授理论付诸实践，用自己的计牌法连连大胜赌场。
索普计牌法的原理并不难。 先讲讲21点的规则：玩家和庄家（赌场）对赌，看谁手中牌的点数之和更接近（但不能超过）21点。 10，J，Q，K都算十点，2至9 按各自点数计算，A可以算1点也可以算11点。 例如下面的一手牌可以算8点，也可以算18点。
牌局开始，玩家和庄家各发两张牌，庄家的牌一明一暗（例如下图）。 然后玩家先做决定：可以抓牌，做加倍等特殊行动，或在任何时候选择“停”。如果玩家超过21点（爆牌）就直接输了，否则“停”后轮到庄家行动。 庄家不能“见机行事”，只能按固定规则：手中的牌达到17点或以上必须“停”，否则必须抓。最后双方比谁的牌更接近21点。
此外还有个特殊规定：一张A和一张十点牌（10，J，Q，K）叫“黑杰克”（Blackjack），拿到者直接取胜。 如果玩家拿到黑杰克，可赢取1.5倍筹码。庄家拿到黑杰克只能赢取1倍筹码。
很明显，21点游戏中庄家和玩家各有优势。 庄家的优势在“后发制人”：玩家如果先爆牌，庄家可以不战而胜。而玩家的优势在于灵活机动，可以根据自己的牌和庄家暴露的那张牌决定战术。此外，黑杰克3：2的赔率也有利于玩家。
十点牌和A越多，出现黑杰克的机会越多，也越容易爆牌，玩家“机动灵活”的优势更有价值。 反之，3，4，5，6等小牌越多，爆牌的可能性越小，对庄家比较有利。索普时代的21点多用1副或2副扑克牌，当牌刚洗好时，赌场占据0.5%左右的概率优势。 妙处在于，随着牌局进行，某些时候大牌和A的比例会变高，概率会转为对玩家有利。 索普战胜赌场的方法就是：通过计牌估算概率，当形势有利时下大赌注！
读者要学会读文抽象：只有对自己有利的情况下才下注。
既然双色球蓝号概率只有1/16，我们什么时候去买呢？
我们对彩票篮球号码提取特征，蓝号可以分大小号，1-8大号，9-16小号。又可以分奇偶号。号码大小号和奇偶号出现的概率为1/2，因此根据大数定理，奇号和大号不会持续连出。
假定奇号和大号连出3期，我们蓝球可以选择偶数小号来买。我们只能选2，4，6，8号等4个号。仍然超出我们选择的范围，我们再提取特征，余三（即除3的余数，0，1，2），同样依赖大数定理，同样的模式出现只有1/3的概率，他们连出就要排排除。
假定我们发现有三期大号，奇数，余三2连出，排除后，我们的选择只有：4，6号。是不是满足了我们的要求。
假定前面3期开奖号如下，大号，奇数，余三2连出：
02 03 13 18 20 31, 11
06 10 13 25 26 32, 11
06 09 16 18 22 29, 11
我们蓝号选择只有：4，6号，我们选了这2个号投注，出现奖号“02 03 07 08 17 22, 15”没有买中。蓝15是大号，奇号，余三0，因此根据大数定理排除了蓝6，只剩蓝4号投注了。
我们再次投注2注蓝4，结果开奖“07 09 14 26 30 31, 04”，我们获利10-4-4=2元。
你会说，哪有那么巧，确实那么巧，上面5期是双色球2021001-2021005的开奖号。

假如是1/2几率赢后投注翻倍的游戏，例如比大小，想赢就要采用“马丁策略”，只压大或小单向，亏钱后，压注翻倍，只要本金足够多，赢1次，就全赢。
如果赢率只有40%的几率的游戏，本金有限，怎么够最佳自己投注呢？这就要使用“凯利公式”。
形势有利时如何下注很需要技巧。押太少了浪费机会，押太多了“牺牲”的风险大增。 什么才是不多不少的合适赌注呢？ 1956年，科学家凯利（John Kelly）就此发表了论文，提出了著名的凯利公式。
f* = (bp - q) / b
其中，f* = 投注金额占总资金的比例，p = 获胜的概率，q = 失败的概率，q = 1-p，b = 赔率。
例如在轮盘赌中押单个数字，b = 35，押红黑，b = 1。
凯利公式指明了风险控制的至关重要性：即便是正期望值的游戏也不能押太大的赌注。 从数学上讲，押注资金比例超过了凯利值，长期的赢钱速度反而下降。 举个极端的例子，如果你每手都押上全部资金，那么不管你赢过多少钱，只要输一次就立刻破产。正所谓：辛辛苦苦几十年，一夜回到解放前。
投资和投注是一门科学，如同玩游戏。假定你玩帝国时代或者星际争霸游戏，你打算把游戏中金钱全部造兵，去赌一把去分胜负？还是想造农民来种田挖矿？
把投资看作游戏，你会感觉赚钱很容易。感觉赚钱很容易，是从战略上来说的。从整体上来说，要轻视它。从每一局部来说，要重视它。亏钱会让你心痛，任何投资莫过如此。

后面文章，以双色球为例，介绍如何通过小白量化金融模块来分析彩票。
我们先用Python爬虫数据，获取全部双色球彩票数据。下面给出双色球爬虫代码。

import requests
from bs4 import BeautifulSoup
# 发起请求
basic_url = 'http://kaijiang.zhcw.com/zhcw/html/ssq/list_1.html'
headers = {
     
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/537.36'
}
response = requests.get(basic_url, headers=headers, timeout=10)
response.encoding = 'utf-8'
htm = response.text
 
# 解析内容
soup = BeautifulSoup(htm, 'html.parser')
 
# 获取页数信息
page = int(soup.find('p', attrs={
     "class": "pg"}).find_all('strong')[0].text)
 
 

 
url_part = 'http://kaijiang.zhcw.com/zhcw/html/ssq/list'
ssq=''
ssqhm=[]
for i in range(1, page+1):
    url = url_part + '_' + str(i) + '.html'

    res = requests.get(url, headers=headers, timeout=10)
    res.encoding = 'utf-8'
    context = res.text
    soups = BeautifulSoup(context, 'html.parser')
     
    if soups.table is None:
        continue
    elif soups.table:
        table_rows = soups.table.find_all('tr')
        for row_num in range(2, len(table_rows)-1):
            row_tds = table_rows[row_num].find_all('td')
            ems = row_tds[2].find_all('em')
            result = row_tds[0].string +', '+ row_tds[1].string +', '+ems[0].string+' '+ems[1].string+' '+ems[2].string+' '+ems[3].string+' '+ems[4].string+' '+ems[5].string+', '+ems[6].string
            td2 = row_tds[3].find_all('strong')
            ss=td2[0].string
            ss=ss.replace(',','')
            result=result+','+ss
            td3 = row_tds[4].find_all('strong')
            result=result+','+td3[0].string
            td4 = row_tds[5].find_all('strong')
            result=result+','+td4[0].string
            ssq=result+'\n'+ssq
            print(result)

def save_to_file(content):
    with open('ssq.txt', 'w', encoding='utf-8') as f:
        f.write(content + '\n')
        
save_to_file(ssq)

采集结果保存到ssq.txt文件中了。

2020-12-31, 2020134, 02 09 10 20 22 26, 01,399565532,48,275
2021-01-03, 2021001, 02 03 13 18 20 31, 11,411170524,10,126
2021-01-05, 2021002, 06 10 13 25 26 32, 11,374374440,10,185
2021-01-07, 2021003, 06 09 16 18 22 29, 11,360514540,5,136
2021-01-10, 2021004, 02 03 07 08 17 22, 15,396531778,2,208
2021-01-12, 2021005, 07 09 14 26 30 31, 04,359757108,14,76
2021-01-14, 2021006, 06 08 22 24 25 26, 01,367900704,10,194
2021-01-17, 2021007, 02 04 12 21 25 32, 16,389232822,3,104
2021-01-19, 2021008, 01 05 07 14 18 33, 07,358122646,4,86
2021-01-21, 2021009, 02 04 07 24 25 32, 13,367324734,4,57
2021-01-24, 2021010, 01 04 11 19 32 33, 05,394795416,7,129
2021-01-26, 2021011, 05 10 16 23 27 33, 14,358439884,18,228
2021-01-28, 2021012, 03 06 14 18 20 26, 01,365486356,17,218
2021-01-31, 2021013, 06 09 12 16 27 31, 06,403024326,17,169
2021-02-02, 2021014, 04 15 21 25 29 33, 06,365029152,3,96
2021-02-04, 2021015, 06 14 16 26 28 29, 07,373264066,6,93
2021-02-07, 2021016, 03 08 09 13 15 18, 10,447622614,16,192
2021-02-21, 2021017, 09 15 18 29 32 33, 02,442443732,6,116
2021-02-23, 2021018, 02 08 14 23 25 32, 06,352299530,3,128

我们使用小白量化，必须使用pandas的DataFrame 对象来用仿通达信公式统计分析，一次我们再把ssq.txt文件改为容易处理的ssq.csv格式，下面给出程序。

import math
import datetime as dt
import pandas as pd  
import numpy  as np
import random

df=pd.read_csv('ssq.txt' , encoding= 'gbk',header=None)
df.rename(columns={
     0:'date', 1:'qh', 2:'hh',3:'lh',4:'tz',5:'j1',6:'j2'}, inplace = True)
df['h1']=[int(x.strip().split(' ')[0]) for x in df.hh.astype(str)]
df['h2']=[int(x.strip().split(' ')[1]) for x in df.hh.astype(str)]
df['h3']=[int(x.strip().split(' ')[2]) for x in df.hh.astype(str)]
df['h4']=[int(x.strip().split(' ')[3]) for x in df.hh.astype(str)]
df['h5']=[int(x.strip().split(' ')[4]) for x in df.hh.astype(str)]
df['h6']=[int(x.strip().split(' ')[5]) for x in df.hh.astype(str)]
df['sumh']=df['h1']+df['h2']+df['h3']+df['h4']+df['h5']+df['h6']

df.to_csv('ssq.csv' , encoding= 'gbk')
print(df)

处理后的结果如下：

            date       qh                  hh  lh  ...   h4  h5  h6  sumh
0     2003-02-23  2003001   10 11 12 13 26 28  11  ...   13  26  28   100
1     2003-02-27  2003002   04 09 19 20 21 26  12  ...   20  21  26    99
2     2003-03-02  2003003   01 07 10 23 28 32  16  ...   23  28  32   101
3     2003-03-06  2003004   04 06 07 10 13 25   3  ...   10  13  25    65
4     2003-03-09  2003005   04 06 15 17 30 31  16  ...   17  30  31   103
5     2003-03-13  2003006   01 03 10 21 26 27   6  ...   21  26  27    88
6     2003-03-16  2003007   01 09 19 21 23 26   7  ...   21  23  26    99

小白量化彩票模块演示：

import math
import datetime as dt
import pandas as pd  
import numpy  as np
import HP_cp as hcp   #小白量化彩票模块

##排列型彩票
print('福彩3D的中奖概率：',1/hcp.cfpl(r=3))
print('福彩3D的全部号码：\n',hcp.qplh2(m=3))


print('福彩双色球的中奖号码总数：',hcp.zh(r=6,n=33)*16)
print('随机福彩双色球5注号码:')
for i in range(5):
    for h in hcp.randhm(r=6,m=33,n=1):
        print(h,end=' ')
    print(' + ',hcp.randone(m=10,n=1))

#获取本地ssq.csv双色球数据
df=pd.read_csv('ssq.csv'  , encoding='gbk')
print(df)

程序运行结果：

福彩3D的中奖概率： 0.001
福彩3D的全部号码：
 ['000', '001', '002', '003', '004', '005', '006', '007', '008', '009', '010', '011', '012', '013', '014', '015', '016', '017', '018', '019', '020', '021', '022'
...
福彩双色球的中奖号码总数： 17721088
随机福彩双色球5注号码:
4 10 12 15 25 29  +  7
3 8 13 16 22 23  +  4
2 4 9 13 25 33  +  9
4 11 19 20 26 33  +  10
1 3 7 21 27 28  +  1
      Unnamed: 0        date       qh  ...   h5  h6  sumh
0              0  2003-02-23  2003001  ...   26  28   100
1              1  2003-02-27  2003002  ...   21  26    99
2              2  2003-03-02  2003003  ...   28  32   101
3              3  2003-03-06  2003004  ...   13  25    65

后面文章将介绍彩票特征分析，统计，仿通达信指标分析，深度学习以及过滤和缩水等技术。

请点赞本文，你的鼓励是我写作的动力！
请持续关注我的博客，我的进步，就是你的进步！