基于赔率数据做投注分析（去水、edge、Kelly、套利…

适用于已有赔率数据，需要纯计算分析赔率转换、去水、正期望、下注比例、套利、串关和盘口移动的场景。

适用场景

解决思路

1. 在编写查询前，查阅 `references/api-reference.md` 获取赔率格式、命令参数和关键概念。
2. 在任何分析前，验证赔率格式已正确识别为 `american`、`decimal` 或 `probability`。
3. 在计算 edge 对比预测市场价格前，先用 `devig` 对体育博彩赔率去水。
4. 本模块只进行计算，不获取数据；先从 sport-specific skills（如 `nba get_scoreboard`）或 `polymarket`/`kalshi` 获取赔率，再进行计算。
5. 比较 ESPN 与 Polymarket/Kalshi：获取 ESPN moneyline 赔率（如主队 `-150`，客队 `+130`）；获取同一结果的 Polymarket/Kalshi 价格（如主队 `0.52`）；运行 `devig --odds=-150,+130 --format=american` 得到公平概率（主队 57.9%，客队 42.1%）；运行 `find_edge --fair_prob=0.579 --market_prob=0.52` 得到 edge 5.9%、EV 11.3%；或运行 `evaluate_bet --book_odds=-150,+130 --market_prob=0.52` 一步完成。
6. 套利检测：从不同来源获取每个结果的最佳价格（如 Polymarket 主队 `0.48`，Kalshi 客队 `0.49`）；运行 `find_arbitrage --market_probs=0.48,0.49 --labels=home,away`；若总隐含概率 0.97 (<1.0) 则发现套利，保证 ROI 3.09%。
7. 串关评估：对每条腿去水得到公平概率（如 Leg 1 → 0.58，Leg 2 → 0.55，Leg 3 → 0.50）；运行 `parlay_analysis --legs=0.58,0.55,0.50 --parlay_odds=600`；返回组合公平概率、edge 和 Kelly 分数。
8. 盘口移动分析：获取 ESPN 开盘和收盘线（如开盘 `-140`，收盘 `-160`）；运行 `line_movement --open_odds=-140 --close_odds=-160`；返回概率变化、方向和分类（`sharp_action`、`steam_move` 等）。
9. 快速开始命令：`sports-skills betting convert_odds --odds=-150 --from_format=american`；`sports-skills betting devig --odds=-150,+130 --format=american`；`sports-skills betting find_edge --fair_prob=0.58 --market_prob=0.52`；`sports-skills betting evaluate_bet --book_odds=-150,+130 --market_prob=0.52`；`sports-skills betting find_arbitrage --market_probs=0.48,0.49`；`sports-skills betting parlay_analysis --legs=0.58,0.62,0.55 --parlay_odds=600`；`sports-skills betting line_movement --open_odds=-140 --close_odds=-160`。
10. Python SDK 用法：`from sports_skills import betting`；`betting.convert_odds(odds=-150, from_format="american")`；`betting.devig(odds="-150,+130", format="american")`；`betting.find_edge(fair_prob=0.58, market_prob=0.52)`；`betting.find_arbitrage(market_probs="0.48,0.49")`；`betting.parlay_analysis(legs="0.58,0.62,0.55", parlay_odds=600)`；`betting.line_movement(open_odds=-140, close_odds=-160)`。
11. Edge 检查示例：调用 `devig(odds="-150,+130", format="american")` → 公平主队概率 ~58%；调用 `find_edge(fair_prob=0.58, market_prob=0.52)` → edge ~6%，正 EV；调用 `kelly_criterion(fair_prob=0.58, market_prob=0.52)` → 最优下注比例；结果呈现 edge 百分比、每美元 EV、建议下注大小（占资金百分比）。
12. 套利检测示例：调用 `find_arbitrage(market_probs="0.48,0.49", labels="home,away")`；检查结果中的 `arbitrage_found`；如果套利：呈现分配百分比和保证 ROI；如果没有：呈现 overround 并解释无保证利润。
13. 串关评估示例：对每条腿去水得到公平概率（如 0.58, 0.62, 0.55）；调用 `parlay_analysis(legs="0.58,0.62,0.55", parlay_odds=600)`；结果呈现组合公平概率、edge、EV、+EV 或 -EV 结论、Kelly 分数。
14. 盘口移动解释示例：调用 `line_movement(open_odds=-140, close_odds=-160)`；结果呈现概率变化、方向、幅度和分类（`sharp action`、`steam move` 等）。
15. 去水标准盘示例：调用 `devig(odds="-110,-110", format="american")`；结果呈现每边 50% 公平概率，vig 约 4.5%。
16. 赔率格式转换示例：调用 `convert_odds(odds=-200, from_format="american")`；结果呈现 66.7% 隐含概率和 1.50 小数赔率。
17. 不要调用不存在的命令：`get_odds`、`calculate_ev`、`compare_markets`；如果命令不在 `references/api-reference.md` 中，则不存在。
18. 故障排除：`convert_odds` 报 `ValueError: unknown format` 时，确保 `from_format` 是 `american`、`decimal` 或 `probability`。
19. 故障排除：`find_edge` 返回负 EV 但预期正 edge 时，检查公平概率和市场概率是否颠倒，或是否跳过 de-vig；先对体育博彩赔率运行 `devig`，再将去水后的 `fair_prob` 传给 `find_edge`。
20. 故障排除：`find_arbitrage` 显示无套利即使价格看起来低时，检查所有结果是否正确包含，价格之和可能 >1.0；检查结果中的 `total_implied`。
21. 故障排除：Kelly 分数非常高（>0.5）时，Edge 估计可能过大，通常来自公平概率计算错误；使用 half-Kelly 或 quarter-Kelly 进行保守下注，通过 `devig` 重新验证公平概率。

适用边界 · 注意事项

• 不适用于获取实时赔率或市场数据；应先用 polymarket、kalshi 或特定运动技能获取赔率，再用本技能分析。
• 不要调用不存在的命令 `get_odds`、`calculate_ev`、`compare_markets`；如果命令不在 `references/api-reference.md` 中，则不存在。