K 팩터 (K-Factor)
예측 하나가 Elo 방식 스킬 레이팅을 움직일 수 있는 최대 점수 폭으로, LDBD는 타임프레임별로 1d=32에서 1y=8까지 다르게 설정한다.
공식
skill_delta = K × (실제 − 기대) K = 32 (1d), 24 (1w), 16 (1m), 12 (6m), 8 (1y)
K 팩터는 예측 하나가 맞거나 틀렸을 때 Elo 방식의 스킬 레이팅을 얼마나 흔들 수 있는지를 정하는 값이다. 스킬 변동은 skill_delta = K × (실제 − 기대)로 계산되는데, 실제값과 기댓값의 차이가 −1에서 +1 사이에 머무르기 때문에 결국 K가 한 판으로 움직일 수 있는 점수의 최대치가 된다.
LDBD는 이 K를 타임프레임마다 다르게 둔다. 하루짜리(1d)가 32로 가장 크고, 1주는 24, 1개월 16, 6개월 12, 1년은 8로 기간이 길어질수록 작아진다. 짧은 예측일수록 K를 키워 점수가 더 빠르게 반응하게 하고, 긴 예측일수록 한 건이 순위를 크게 흔들지 않도록 잡은 설계다.
예시
1d 예측을 맞혔고 기대 승률(base_rate_up)이 0.5였다면 skill_delta = 32 × (1 − 0.5) = +16점이다. 같은 상황을 1년물로 냈다면 8 × 0.5 = +4점만 움직인다.
LDBD에서는
K 팩터는 LDBD의 보조 지표인 스킬 레이팅(Skill Rating, Elo 방식·1500에서 시작)에서만 쓰인다. 예측이 마감될 때마다 해당 타임프레임의 K로 skill_delta를 구해 레이팅에 더한다. 대표 지표인 연율화 수익률(rate)과는 별개의 축이며, UI에는 건당 평균형인 skill_alpha = (skill_rating − 1500) / (resolved_count + 100)로 표시된다.
자주 묻는 질문
왜 하루짜리 예측의 K가 1년짜리보다 큰가요?
짧은 기간일수록 예측이 자주 마감돼 표본이 빠르게 쌓이므로, 한 건당 반영폭을 키워도 순위가 안정적이다. 반대로 1년물은 표본이 귀해 K를 작게 둬서 한 번의 결과가 레이팅을 지나치게 흔들지 않게 한다.