ICM Basics
元数据
- 作者: Tombos21 (GTO Wizard)
- 日期: 2022-06-16
- 类型: 文章
- 原始文件: ICM Basics.md
摘要
ICM(独立筹码模型)将锦标赛筹码转换为现金价值。在锦标赛中,筹码价值非线性:翻倍筹码不翻倍价值。ICM通过计算每位玩家的完赛位置概率分布,乘以对应奖金,得出锦标赛权益($EV)。文章从手工计算3人SnG开始,逐步引出风险溢价概念和实战启发式。
关键要点
- ICM核心:第1名概率 = 筹码/总筹码;第2名及以后需复杂条件概率计算
- 风险溢价:赢得的筹码价值 < 失去的筹码价值。Bill需要37.5% cEV但实际需要47% $EV——额外12%是风险溢价
- 风险溢价规则:面对覆盖你的大筹码→风险溢价高;面对被你覆盖的小筹码→风险溢价低
- 实战启发式:
- 锦标赛比现金局更紧地stack off
- 边缘+cEV通常是-$EV
- 中等筹码在泡沫期需要最紧
- 大筹码可威胁小筹码(承担更少风险)
- 大奖金跳跃 = 高风溢价
- ICM局限:假设所有玩家同水平;无视位置;无视盲注上涨;低估大筹码优势
- 替代模型:FGS(未来博弈模拟)递归ICM考虑未来轮次;DCM(依赖筹码模型)增强大筹码优势
影响的概念
完整笔记
详细策略分析
-
ICM计算的逐步拆解:文章通过3人SnG的手工计算演示了ICM的核心逻辑——第1名概率 = 筹码/总筹码(每个筹码有同等机会成为”冠军筹码”),第2名及以后的概率则需要更复杂的条件概率计算(“如果X赢冠军,你获得第2名的概率是你剩余筹码占其余筹码的比例”)。这种从第一性原理出发的推导方式消除了ICM的神秘感,揭示了它只是一个概率模型而非黑箱魔法。
-
风险溢价的精确含义:风险溢价 = EV——额外的12%就是风险溢价。这12%反映了”你的锦标赛生命”的价值——失去筹码意味着失去未来赢取奖金的机会,而这是cEV计算不考虑的。风险溢价随位置(面对大筹码vs小筹码)、泡沫接近程度、奖金跳跃大小而变化。
-
实战启发式的系统推导:文章的五条实战启发式并非凭空提出,而是从ICM的数学性质自然推导而来——①锦标赛比现金局更紧地stack off(因为输掉=赛事结束的代价高于筹码面值)②边缘+cEV通常是-$EV(风险溢价侵蚀了cEV的边际收益)③中等筹码在泡沫期需要最紧(既不像大筹码可以威胁别人,又不像小筹码”已经无所谓了”)④大筹码可威胁小筹码(因为小筹码的风险溢价更高)⑤大奖金跳跃=高风险溢价(生存到跳跃点获得的价值远高于筹码的线性增长)。
-
ICM模型的局限性认知:文章诚实指出了ICM的四大局限——假设所有玩家同水平、无视位置、无视盲注上涨、低估大筹码优势。这些局限在特定场景下可能导致策略偏差:例如在盲注即将上涨时,短码可能比ICM建议的更需要激进;大筹码在实际中可以利用位置和技能优势压榨小筹码,而这种压榨在ICM中未被充分体现。理解这些局限是正确使用ICM工具的前提。
-
替代模型的简要对比:FGS(未来博弈模拟)通过递归ICM考虑未来轮次的盲注位置变化,弥补了ICM的”静态快照”缺陷。DCM(依赖筹码模型)增强了模型对大筹码优势的承认。这两种替代方案在特定场景下更精确,但计算复杂度远高于基础ICM。在实践中,大多数玩家只需要理解ICM的原则并用FGS工具(如GTO Wizard的ICM求解器)进行决策支持即可。
实战启发式
-
生存是第一原则:锦标赛的目标不是最大化BB/100,而是最大化锦标赛权益($EV)。任何可能让你出局的cEV边缘决策都需要通过风险溢价测试。一个有用的心理模型:在锦标赛中,你的筹码不是线性货币,而是”锦标赛生存权”的代表。失去最后一颗筹码的代价是无穷大。
-
风险溢价快速估算法:在桌面上的快速决策中,不可能进行精确ICM计算。启发式:泡沫越近→越紧;筹码越短(但仍存活)→越耐心;面对覆盖你的玩家→越谨慎;奖金跳跃越大→越保守。反向启发式也成立:离钱圈尚远/有前注/是CL→可以更接近cEV策略。
-
识别高风险溢价场景:以下场景的风险溢价极高——①泡沫期而你是中等筹码(出局=失去锁定奖金)②决赛桌有大跳跃(如第4→第3可能翻倍奖金)③卫星赛的泡沫(要么拿票要么0,无中间地带)。在这些场景中,即使+3-5% cEV的边缘决策也应倾向弃牌。
-
利用他人的风险溢价:当你了解风险溢价原理,就可以反向利用——作为大筹码在泡沫期对中等筹码施压,他们的弃牌率远高于均衡,你可以用更宽的范围偷取盲注和前注。但要注意:当小筹码短到”无差别”状态时(筹码太少以至于即使弃牌也很可能出局),他们反而会变得激进。
与知识库的整合
本文是知识库中锦标赛策略线的基石。它与源摘要-GTOWizard-锦标赛vs现金形成紧密互补——ICM基础讲数学原理和计算逻辑,锦标赛vs现金讲实战格式差异和调整方向。与概念-ICM概念页面可以交叉参考:概念页面提供更系统化的理论定义和分类框架,本文提供具体的手工计算案例和启发式推导过程。建议后续阅读源摘要-GTOWizard-剥削性动态——理解如何在ICM约束下进行剥削性调整,因为锦标赛中的剥削必须考虑风险溢价的叠加效应。对于实战训练,建议配合GTO Wizard的ICM求解器进行练习,通过手工估算→工具验证的反复训练来建立ICM直觉。
