在锦标赛的起始阶段，也就是第一手牌时，ICM 的影响有多大？
我们一直以来使用 Chip EV 范围来学习深筹码和少数玩家被淘汰时的场景，这种学习方式是否一直都是错误的？
在任何锦标赛的第一手牌中，每个人的筹码都是一样的，所以每个人的风险溢价也相同。根据 GTO Wizard 中使用的 200 人 MTT 的奖金结构 ，风险溢价为 1.8%。如果这是一个真正的 Chip EV 场景，风险溢价将是 0%。1.8%的风险溢价意味着我们所有的手牌必须在底池赔率要求我们跟注全压所需的权益基础上，额外拥有 1.8%的权益，这也会影响到全压决策之前的每一个决策
这看起来是个很小的数字，但它是否足够重要到值得我们在翻后偏离Chip EV 策略呢？
- Chip EV：仅根据筹码积累来评估玩家决策，不考虑奖金结构
- ICM：筹码的价值是使用独立筹码模型来确定的，它会考虑锦标赛的奖金结构，从而更准确地评估玩家的锦标赛权益，然后比较得出的策略。但是，一手牌一手牌地输入来寻找策略中的异常值是一个费力的过程。
预解算聚合报告是批量解决方案，它们为我们提供了游戏的全局视角，让我们更容易识别所有战略上独特的翻牌和转牌的大体趋势。但是，由于这些报告是预解算的，参数是预设且固定的。
这种限制促使我们开发了自定义聚合报告功能，将批量解算与自定义解算结合起来。它使我们能够调整参数，包括那些影响 ICM 的参数，并生成我们自己的聚合报告，最终使我们能够高效地研究上述那些问题。
UTG 对 BTN 单次加注底池
- 奖金结构 = GTO Wizard 200 人常规多桌赛
- 参赛人数 = 200名选手
- 剩余选手 = 100%
在本文的分析中，每次你看到一个数据或输出时，第一个会是Chip EV，第二个会是 ICM。
在我们看翻后的报告之前，先快速说一下，范围和下注尺度有一些不同
报告的顶部显示了所有不同的翻牌圈的聚合数据。
- 在 ICM 世界里过牌的频率要高得多 ，UTG 大约 54%的时间会过牌，而在Chip EV 世界里这个比例大约是 48%。
- 还有一个明显的趋势是首选的下注尺度在减小，我们看到在 ICM 世界里有更多 25%底池的小尺度下注，而中等尺度的下注则更少。
- 不过在极少数情况下超池下注会有小幅增加，这印证了我们之前写过的关于翻后 ICM 的内容。
从广义上讲，ICM 会激励我们在使用筹码时更加谨慎，中等下注变成小尺度下注，小尺度下注变成过牌，以此类推，这就是我的教练 Dara O’Kearney 提出的“向下漂移”概念。不过有一个例外 ，有时候 ICM 会把最优下注尺度推向相反的方向，导致我们更多地使用超池下注，这是我和 Dara 称之为“要么最小要么全压”的概念，所以要么尽可能快地把钱投进底池，要么尽可能少地投入筹码。
这意味着在 ICM 场景中你很少会看到一件事，那就是中等尺度的下注，手牌要么想控池，要么通过大尺度下注产生大量弃牌权益来保护自己。
诚然，在这个节点的例子中，中等尺度的下注都占有相当大的比例，但在 ICM 环境下，这个比例明显减少了。取而代之的是，小尺度和大尺度下注（以及过牌选项）被更频繁地使用。
现在，让我们看看当 UTG 做出 25%底池的小尺度持续下注时会发生什么
ICM 与相对位置
权益
权益有微小的差异，因为我们之前强调过，起手范围有微小的不同，这也会影响到其他两个指标。
EV 与底池比
UTG，也就是不利位置，在Chip EV 世界里平均能赢 3.82bb，但在 ICM 世界里只能赢 3.33bb，这个差距的一部分是机械性的，因为在 ICM 中公开加注的尺度更小，所以翻后的起始底池也更小。但即使调整了这一点，差异仍然是有意义的。
如果我们按底池大小进行归一化，使环境可以直接比较，UTG，也就是不利位置，在Chip EV 中平均赢得 53.8%的底池 ，但在 ICM 中只赢得 49.9%。
注意 ，ICM 的期望值是用筹码换算的锦标赛权益来表示的，这个指标将锦标赛权益，也就是$EV，转换为筹码，也就是 bb，使得 ICM 和Chip EV 的解算结果更容易比较。
EQR
在同一个节点中，UTG 和 BTN 的权益实现率在Chip EV 下是 96%和 104.7%，而在 ICM 示例中是 89.7%和 99.1%。从Chip EV 到 ICM：
不利位置从 96%下降到 89.7%，降低了 6.3 个百分点；有利位置从 104.7%下降到 99.1%，降低了 5.6 个百分点。
乍一看，两位玩家在 ICM 下实现的权益都更少，这似乎有点奇怪。关键的概念是泄漏 ，在 ICM 情况下，玩家的一部分 EV 会流失给场上的其他选手。
另一个要点与位置有关，虽然 ICM 总体上让权益实现变得更困难，但它对不利位置的玩家显得更为严苛：对下注尺度、底池增长和选择哪条行动线的控制更少，随着风险敏感度的增加，这变得代价更高。而有利位置的玩家可以在 ICM 激励下更有效地施加压力。
哪些类型的翻牌圈变化最大
更有效的方法是先选定翻牌圈类型来进行分析 ，设计一个描述翻牌圈类型的查询，然后用它来筛选报告。
比如说，你不会在 A-high 牌面上看到这两种环境之间有太大的差异，但是 9-high 非对子彩虹面的报告呢，你有没有注意到什么特别的地方？
当 ICM 存在时拿下底池的动力就更大了。你的手牌也会从弃牌权益中更多受益，即使是相当稳固的强牌也是如此。在Chip EV 游戏中你可能更想赢得最大的底池 ，但当有奖金分配时，不摊牌赢得最多的底池才是默认策略。我还没有证明这一点，但我认为从Chip EV 转向 ICM 时，在动态牌面上会看到最大的战略转变，因为很多转牌会改变谁拥有优势。
指出这一点很重要，因为很多玩家看到报告后会发现这里Chip EV 和 ICM 之间有 3%的差异，那里有 2.2%的差异，就会认为各处的战略调整都很小。这可能是事实，但也有可能在这 1755 个翻牌中，有些牌面的战略转变是巨大的，只是需要更多研究去发现。
PKO 自定义报告
正如我们之前确认的 ，在 PKO 中你可以打得更松，因为相比非赏金赛，在赏金赛中平均风险溢价始终更低。当淘汰另一位玩家可以立即获取奖池的一部分时，甚至可能出现负的风险溢价。在这个例子中，它是 -4.7%：
当 UTG 25%底池下注后，BTN 是这样应对的：
结论
- 我们必须更谨慎地游戏
- 下注尺度会降低，甚至会对行动产生平息效果，比如加注变成了跟注
- 在动态牌面上，那些非常需要保护的牌会更多地使用超池下注
- 当赏金生效时，下注尺度和频率都会增加
我们已经看到了在 100%选手还在场时，Chip EV 和 ICM 策略之间存在明显差异。在某些情况下，差异很小，但在有些情况下差异相当显著。
问题是这些差异是否足够大，值得我们在所有手牌中都加入风险溢价来研究？我认为是的，它们确实值得。
将 ICM 与Chip EV 进行比较之所以成为如此流行的学习技巧，主要原因不是因为Chip EV 是基准策略（在锦标赛中它不是），而是因为在我们能够研究翻后 ICM 之前，Chip EV 是我们当时所能拥有的最好选择。
这些差异看起来确实很小，但归根结底扑克就是一个微小优势的游戏，如果你能将风险溢价纳入考量，哪怕是在 MTT 的起始阶段，这也是另一个对你有利的微小优势。当这些优势在长时间内不断累积，它们会让你从扑克这块蛋糕中顺利切下更大的份额。
长久以来通过 Chip EV 研究锦标赛早期策略的老手们可能需要费点时间才能切换到 ICM 模式，但锦标赛新人们可以现在就开始用 ICM 模式学习所有锦标赛场景的策略。
文章来源：GTO WIZARD
评论 ( 0 )