Elo 레이팅 (스킬 레이팅)
체스에서 온 실력 점수 방식. LDBD에서는 1500점에서 시작해, 자산의 사전 확률(기대치)을 얼마나 이겼는지에 따라 예측 점수를 올리고 내리는 보조 지표다.
공식
expected = base_rate_up (상승 예측 시) expected = 1 − base_rate_up (하락 예측 시) skill_delta = K × (actual − expected) # actual: 정답 1, 오답 0 K (기간별): 1d=32, 1w=24, 1m=16, 6m=12, 1y=8
Elo 레이팅은 원래 체스에서 두 선수의 실력 차이를 하나의 숫자로 표현하려고 만든 방식이다. 물리학자 아르파드 엘로(Arpad Elo)가 고안했는데, 발상 자체는 단순하다. 경기 전에 각자의 점수로 '이길 확률'을 계산해 두고, 실제 결과가 그 기대치보다 좋으면 점수를 올리고 나쁘면 내린다. 그래서 강한 상대를 이겼을 때는 점수가 많이 오르고, 이길 게 뻔한 약한 상대를 이겼을 때는 조금밖에 오르지 않는다.
LDBD의 스킬 레이팅(Skill Rating)은 이 구조를 예측에 그대로 옮긴 것이다. 모든 참가자는 1500점에서 출발하고, 체스의 '상대 선수' 자리에는 그 자산이 그 기간 동안 오를 사전 확률인 base_rate_up이 들어간다. 상승을 예측했다면 기대치(expected)는 base_rate_up이 되고, 하락을 예측했다면 1에서 그 값을 뺀 수치가 된다. 늘 오르던 자산에 상승을 걸어 맞히면 기대치가 이미 높아 점수가 조금만 오르지만, 남들이 잘 안 가는 반대 방향을 맞히면 훨씬 크게 오른다.
스킬 레이팅은 리더보드의 대표 지표인 rate가 아니라 보조 지표로 쓰인다. 화면에는 누적 점수 대신 예측 한 건당 평균 형태로 환산해 보여 주며, 기간이 짧을수록 K값이 커서 예측 한 건이 점수를 더 크게 흔든다. 아래 시뮬레이터에서 자산의 사전 확률과 예측 방향, 기간을 바꿔 가며 점수가 어떻게 움직이는지 직접 확인할 수 있다.
예시
어떤 자산의 base_rate_up이 0.7일 때, 흔한 방향인 상승을 걸어 맞히면 1일물 기준 32 × (1 − 0.7) = +9.6점만 오른다. 반대로 하락을 걸어 맞히면 32 × (1 − 0.3) = +22.4점이 올라, 뻔한 예측보다 두 배 넘게 보상받는다.
LDBD에서는
LDBD에서 Elo 레이팅은 스킬 레이팅(Skill Rating)이라는 보조 지표로 쓰인다. 대표 지표인 rate가 수익의 크기를 재는 반면, 스킬 레이팅은 base_rate_up이라는 사전 확률을 기준으로 뻔한 방향인지 남들이 안 가는 방향인지를 반영한다. 개별 자산의 표본이 100건보다 적으면 base_rate_up은 섹터 평균으로 대체된다. skill_delta = K × (actual − expected)로 매 예측마다 갱신되고, 화면에는 (skill_rating − 1500) / (resolved_count + 100) 형태의 건당 평균으로 노출된다.
자주 묻는 질문
스킬 레이팅과 리더보드 대표 점수(rate)는 뭐가 다른가요?
rate는 방향 로그수익률을 연율화해 '얼마나 벌었나'를 재는 대표 지표이고, 스킬 레이팅은 '얼마나 사전 확률을 이겼나'를 재는 보조 지표다. 크게 오른 예측을 맞혀도 그게 뻔한 방향이었다면 스킬 점수는 별로 오르지 않는다.
왜 짧은 기간일수록 K값이 큰가요?
1일물은 결과가 빨리 나와 표본이 빠르게 쌓이므로 한 건의 영향(K=32)을 크게 줘도 괜찮다. 반대로 1년물(K=8)은 한 번의 우연이 점수를 크게 흔들지 않도록 조정 폭을 작게 둔다.