博彩玩家的三本必讀書
還想知道哪些有關博彩投注的暢銷書嗎？有人想讓我們的體育博彩主管推薦三本他讀過的最好的博彩書籍。快來瞭解他的具體選擇，以及為何如此意想不到。
當大家都等著我們體育博彩主管回答時，他毫不猶豫地給出他的答案 - Nassim Nicholas Taleb的《隨機致富的傻瓜》 - 這是一本並非明確與博彩有關的書。如果這看來是一個奇怪的選擇，您可能需要重溫一下博彩知識究竟由什麼東西構成。
再進一步講，我們還要加上另外兩本書，書中可以向渴求知識的博彩玩家提供很多很多東西，但在亞馬遜的網上書城，這些書會被歸到其他類別。它們會讓博彩玩家更加容易地掌握投注學習曲線。
《隨機致富的傻瓜》（Nassim Nicholas Taleb）
Nassim Nicholas Taleb從不會因為他的寫作風格而贏得任何獎項，他的風格說好聽點是粗糙，說得難聽就是傲慢。但是，如果你可以忽略他明顯的寫作瑕疵，發掘其中的內容，就可以看到《隨機致富的傻瓜 – 發現市場和人生中的隱藏機遇》精闢地向我們揭示瞭如何因為無視概率而一再喫虧，以及人們對統計學的重要性是如何置若罔聞。
他關注的焦點是金融行業，但你完全可以地將金融交易者替換成博彩玩家，開始瞭解運氣和技巧是如何輕易地被混為一談，成為一條絕對可以讓你傾家蕩產的捷徑。
Taleb使用概率理論、統計基礎和行為偏差（再加上相當的不屑）來強調他要表達的內容。他可能沒有揭示出他所涉及的所有概念，但鑒於這些問題同2008年金融危機的清楚聯繫，他對這些問題的集中闡述再及時不過了，時至今日，我們在全世界仍能夠感受到這場危機的影響。
Taleb靠經驗來說話。他能夠聲名鵲起，在於他先見之明的警告，以及豐厚的個人收益，很大程度上獲益於（用他自己的話說）是與投資者福禍與共。
也就是說，《隨機致富的傻瓜》並不包含必勝的方法或訣竅，實際上這本書暴露出很多所謂的專家（完全可以換成投注專家）在風險分析方面不過是賣狗皮膏藥的江湖郎中。
Taleb一直堅持認為對自封的專家言聽計從存在巨大危險，因此推崇投資者自己進行客觀分析的優點。但願如此。
《思想，快與慢》（Daniel Kahneman）
我們推薦的第二本書提到投注的地方甚至比第一本還要少，但它與博彩玩家卻有極大的相關性。除了打敗博彩公司外，博彩玩家面臨的最大挑戰之一就是努力控制和抗衡他們自己內心的非理性反應。
《思想，快與慢》的作者是行為科學之父Daniel Kahneman，他將自己突破性的畢生研究都濃縮在該書幾個深入淺出的章節中，與每個博彩玩家都有莫大的關係。
2002年，Kahneman成為第一位獲得諾貝爾經濟學獎的非經濟學家，以表彰他 （與已故的Amos Tversky合作）在前景理論方面的工作。這本書描述了人們如何區別對待涉及風險的蓋然性選擇，雖然其中結果的概率已經註定。這一點應該會讓任何資深的博彩玩家產生共鳴。
該理論顯示，人們基於損失和獲得的潛在價值而非最終的結果來作出決策，而且人們會使用特定的直覺（經驗法則）來評估這些損失和獲得。從根本上來說，博彩玩家在每次投注時都會經歷這個過程，所以有關直覺的知識以及它們作用的方式就非常關鍵，《思想，快與慢》提供了一個很棒的介紹。
這本書打開了一個完整的認識世界，絕大多數人恰恰沒有意識到它（如決策過程中起作用的兩個「系統」）的存在，這個領域在我們的投注文章中已演變為一個專屬部分。書中充滿了小謎題和邏輯問題，你可以用它們挑戰好友，它們也將真正打開你的思路，對於在不確定的條件下作出更好的決策會有不同的體會，這是每個博彩玩家都應該感興趣的東西。
《信號與雜訊》（Nate Silver）
我們有影響力的博彩書籍三部曲的最後一本同樣是一本並非專門針對博彩的鉅著，但這本書提供了成功投注必不可少的一種技能 – 預測能力。
Nate Silver被很多人認為是預測市場的活招牌。他憑藉成功預測2012年美國各州總統選舉的結果而一舉成名，但是他的背景和熱情卻在於分析棒球比賽。
在《信號與雜訊》中，他提供了一本引人入勝的入門級預測教科書，其中講到了概率、風險以及為什麼很多地區（地震、火山、金融）儘管有海量的數據但預測能力仍然十分有限並且大多並不成功。書中有很多的概念性課程要學習。
在列舉了在準確預測方面一直差強人意的這些學科之後，Silver還強調了一些預測準確的學科，例如天氣預報，並提供了他自己的祕密武器。
對博彩玩家來說，閱讀那些講述通過投注獲得成功，從而邁向人生巔峯的書籍當然妙趣橫生並且令人鼓舞。Silver挑出一個專業博彩玩家作為他的另一個預測榜樣，並以這種方式轉而介紹了貝葉斯方法，這在很大程度上是職業博彩高手取得成功的原因。
對於任何希望得到對老Tommy Bayes方法深刻認識的人來說，這一章是很好的起點，但即使是對統計學一無所知的門外漢來說，這本書同樣值得一讀。隨著數據分析在主流體育辯論中變得日益重要，《信號與雜訊》提供了一個重要並且有趣的提醒：更多的數據並不一定會產生更準確的預測。
推薦閱讀：
