1. RTP как функция номинала: эмпирические данные
Регуляторные отчёты (например, Nevada Gaming Control Board) публикуют средние показатели RTP по классам номинала. Зависимость устойчива на протяжении десятилетий:
| Класс номинала позиции | Средний RTP | Edge оператора | Относительный Edge (к максимальному классу) |
|---|---|---|---|
| 0,01 у.е. (минимальный) | 88–90% | 10–12% | ×2,0–2,4 |
| 0,05 у.е. | 91–93% | 7–9% | ×1,4–1,8 |
| 0,25 у.е. | 93–95% | 5–7% | ×1,0–1,4 |
| 1,00 у.е. | 95–96% | 4–5% | ×0,8–1,0 |
| 5,00 у.е. и выше | 96–98% | 2–4% | ×0,4–0,8 |
Разница Edge между минимальным и максимальным классом — до 2,4 раза. Участник с номиналом 0,01 у.е. платит оператору в 2–2,5 раза больше (в процентах от оборота), чем участник с номиналом 5,00 у.е.
2. Формализация: \(\text{RTP}(s)\) и \(\text{Edge}(s)\)
Обозначим номинал позиции \(s\). Эмпирически зависимость хорошо аппроксимируется логарифмической моделью:
где \(\alpha, \beta\) — параметры, зависящие от конкретной системы и юрисдикции. Edge:
При \(\beta \approx 0{,}015\) (типичное значение):
Почему RTP растёт с номиналом?
Экономическая причина — структура фиксированных издержек оператора:
- Фиксированные затраты на событие \(F\) (обслуживание оборудования, лицензия, электричество) не зависят от \(s\).
- Доход оператора с события \(= s \times \text{Edge}(s)\).
- Для покрытия \(F\) при малом \(s\) требуется высокий Edge: \(s \times \text{Edge}(s) \geq F \implies \text{Edge}(s) \geq F/s\).
- При большом \(s\) оператор может снизить Edge и всё равно покрыть \(F\).
Кроме того, модели с высоким номиналом привлекают меньше участников, но с большим оборотом — оператору выгодно стимулировать их лучшими условиями.
3. Эффективная стоимость единицы времени
Главная метрика для участника — не Edge в процентах, а абсолютная стоимость за единицу времени:
Подставляя \(\text{Edge}(s) = (1 - \alpha) - \beta \ln s\):
| Номинал \(s\) | RTP | Edge | Events/час | \(C(s)\) у.е./час |
|---|---|---|---|---|
| 0,01 у.е. × 50 линий = 0,50 | 89% | 11% | 600 | 33,0 |
| 0,05 у.е. × 50 линий = 2,50 | 92% | 8% | 600 | 120,0 |
| 0,25 у.е. × 1 линия = 0,25 | 95% | 5% | 600 | 7,5 |
| 1,00 у.е. × 1 линия = 1,00 | 96% | 4% | 600 | 24,0 |
| 5,00 у.е. × 1 линия = 5,00 | 97% | 3% | 600 | 90,0 |
Парадокс «экономии»
Участник с номиналом 0,01 у.е. × 50 линий платит 33 у.е./час. Участник с номиналом 0,25 у.е. × 1 линия платит 7,5 у.е./час — в 4,4 раза меньше, хотя использует более крупный номинал.
Причина: совокупный размер позиции \(s_{\text{total}} = s_{\text{номинал}} \times L\) (число активных линий). Минимальный номинал с максимальным числом линий часто даёт большую совокупную позицию, чем крупный номинал с одной линией.
4. Условная активация механик
Многие модели содержат дополнительные механики (мультипликаторы, бонусные раунды, прогрессивные пулы), которые активируются только при определённом размере позиции:
где:
Типичные значения \(\Delta_{\text{bonus}}\):
| Тип механики | Условие активации | \(\Delta_{\text{bonus}}\) | Эффект на Edge |
|---|---|---|---|
| Прогрессивный пул | \(s = s_{\max}\) | +1–3% | Edge снижается на 1–3 п.п. |
| Бонусный раунд (расширенный) | \(s \geq 0{,}5 \times s_{\max}\) | +2–5% | Edge снижается на 2–5 п.п. |
| Множитель × 2–5 | \(s = s_{\max}\) | +1–2% | Edge снижается на 1–2 п.п. |
При \(s < s_{\text{threshold}}\) участник действует в модели с урезанным RTP. Публикуемый RTP (96%) может включать вклад бонусных механик, которые недоступны при минимальном номинале:
Фактический Edge при минимальном номинале может быть 7% вместо заявленных 4%.
5. Оптимальный номинал при ограниченном капитале
Задача: выбрать номинал \(s^*\), который максимизирует ожидаемое число событий до исчерпания капитала (session length) при минимальном Edge.
Ожидаемое число событий
где \(K\) — начальный капитал. Подставляя \(\text{Edge}(s) = (1 - \alpha) - \beta \ln s\):
Оптимум
Дифференцируя по \(s\) и приравнивая к нулю:
При типичных параметрах (\(\alpha = 0{,}92\), \(\beta = 0{,}015\)):
Оптимум лежит в области крупных номиналов — но ограничен капиталом (нужен запас на 250+ позиций).
Практическое ограничение
При \(K = 500\) у.е.: \(s_{\text{practical}} = \min(76,\ 2{,}0) = 2{,}0\) у.е. — капитал определяет верхнюю границу, а не теоретический оптимум.
| Капитал \(K\) | \(s_{\text{practical}}\) | Edge | \(E[N]\) событий | \(C\) у.е./час |
|---|---|---|---|---|
| 100 у.е. | 0,40 у.е. | ~6,5% | ~385 | 15,6 |
| 500 у.е. | 2,00 у.е. | ~4,9% | ~510 | 58,8 |
| 2 000 у.е. | 8,00 у.е. | ~3,6% | ~694 | 172,8 |
| 10 000 у.е. | 40,00 у.е. | ~2,5% | ~1 000 | 600,0 |
6. Число линий: скрытый мультипликатор
В моделях с множественными линиями совокупная позиция:
где \(L\) — число активных линий (часто фиксированное: 20, 50, 243 и т.д.). Участник может думать, что «играет по 0,01», тогда как реальная позиция составляет \(0{,}01 \times 50 = 0{,}50\) у.е.
При 600 событиях в час:
С Edge 11% (минимальный класс): потери = 33 у.е./час. Минимальный номинал создаёт иллюзию экономии при значительном абсолютном расходе.
7. Алгоритм выбора оптимальной конфигурации
- Определить капитал \(K\) и лимит потерь на сессию \(L_{\text{session}} \leq K/3\).
- Вычислить максимальный номинал: \(s_{\max} = L_{\text{session}} / 250\).
- Выбрать модель с наивысшим \(\text{RTP}(s)\) при данном \(s_{\max}\) (алгоритм стратификации).
- Проверить условия активации механик: если \(\Delta_{\text{bonus}} > 0\) требует \(s > s_{\max}\) — перейти к модели без условных механик.
- Минимизировать число линий \(L\) при фиксированном \(s_{\text{total}}\): предпочтительнее \(s = 1{,}00 \times 1L\), чем \(s = 0{,}02 \times 50L\) (одинаковая позиция, но разный RTP по классу номинала).
- Рассчитать \(C(s)\) и \(E[N]\) — убедиться, что сессия длится достаточно для получения статистически значимого опыта (N ≥ 200).
Выводы
- RTP монотонно растёт с номиналом: Edge минимального класса в 2–2,5 раза выше максимального. Логарифмическая модель \(\text{RTP}(s) = \alpha + \beta \ln s\) хорошо описывает данные.
- Экономическая причина: фиксированные издержки \(F\) на событие требуют \(\text{Edge}(s) \geq F/s\) — при малом \(s\) Edge вынужденно высок.
- Условные механики снижают фактический RTP при \(s < s_{\text{threshold}}\) на дополнительные 1–5 п.п.
- Парадокс «экономии»: минимальный номинал × 50 линий = крупная совокупная позиция при максимальном Edge. Минимальный номинал ≠ минимальные потери.
- Оптимальный номинал: \(s^* = \min(e^{(\text{Edge}_0 - \beta)/\beta},\ K/250)\). Капитал определяет верхнюю границу.
- Практическая рекомендация: крупный номинал × минимум линий × меньше событий → ниже Edge, ниже оборот, длиннее сессия.