Část druhá: Existuje kouzelná sázková formule?

Jak vytvořit sázkový model na základě očekávaných gólů

Lze pomocí očekávaných gólů porazit bookmakera?

Co se lze naučit vytvořením modelu?

Část druhá: Existuje kouzelná sázková formule?

V první části tohoto článku nám David Sumpter, profesor aplikované matematiky, vysvětlil postup vytvoření sázkového modelu založeného na podhodnocených remízách. Nyní zkoumá, zda lze kurzy sázkových kanceláří překonat pomocí očekávaných gólů. Je to možné? Čtěte dál a dozvíte se to

Očekávané góly: Přehled

Z modelů sázení na fotbal se v posledních letech největší pozornosti nepochybně těší ten založený na očekávaných gólech. Jeho princip je jednoduchý: snaží se posoudit kvalitu šancí.

Pokud hráč kope z brankoviště, intuitivně víme, že má větší šanci trefit se do branky, než když střílí z 30 metrů. Metoda očekávaných gólů mění naši intuici v pravděpodobnosti. Pro každou šanci je určena pravděpodobnost její proměny v gól.

O metodě očekávaných gólů existuje celá řada podrobných materiálů. Já zde zdůrazním jen jednu věc: naprosto nejdůležitějším aspektem tohoto modelu je místo, odkud hráč střílí.

Podívejte se na bubliny u gólu na následujícím obrázku. Ukazují pravděpodobnost, že padne gól ze šance odpovídající příslušné bublině. Ve větší vzdálenosti, než jaká je na obrázku znázorněna, je pravděpodobnost asi 3 %.

magic-formula-part-two-in-article-1.jpg

Takto si můžete během sledování zápasu vytvořit vlastní model očekávaných gólů. Stačí spočítat šance připadající na jednotlivé bubliny.

Pokud měl tým dvě šance v 30% bublině, jednu v 15% bublině, pět v 7% bublině a deset mimo bubliny, je očekávaný počet gólů:

2×0,30 + 1×0,15 + 5×0,07 + 10×0,03 = 0,855 xG

Můj model očekávaných gólů je poněkud složitější. Beru v něm v úvahu i to, zda šance vznikla z protiútoku, z hlavičky, zda jde o „velkou šanci“ a několik dalších faktorů. Ty model vylepšují, protože díky nim bere v úvahu víc než jen místo. Právě místo střely je ale při tvorbě modelu očekávaného počtu gólů vhodným začátkem.

Očekávané góly: Může tento model překonat kurzy na fotbal?

Otázkou u každého sázkového modelu je, zda pomocí něj lze či nelze překonat vypsané kurzy. Z první části mého článku jste poznali, že jsem ohledně existence magické sázkové formule skeptický. Jsou tedy řešením očekávané góly? Lze pomocí nich překonat bookmakerovy kurzy?

Abychom na tuto otázku odpověděli, musíme se nejprve podívat na kurzy vypisované na fotbal. Chci-li zjistit, zda nejsou kurzy sázek na fotbal zkreslené, obvykle nejprve použiji statistický model nazývaný logistická regrese.

magic-formula-part-two-in-article-2.jpg

Smyslem regrese je zjistit, jak přesně vypsaný kurz předpovídá výsledek zápasu. Řekněme, že nás zajímá pravděpodobnost vítězství hostů.

V tom případě přizpůsobíme model pravděpodobnosti vítězství hostů, takže konstanta a bude kurz sázkové kanceláře na vítězství hostů (v desetinném formátu a po odečtení bookmakerovy marže). Pokud logistickou regresi neznáte, najdete na internetu celou řadu průvodců, kde najdete její vysvětlení.

Logistická regrese: Příklad

Níže je uveden příklad logistické regrese pro poslední dvě sezóny Premier League (2015/16 a 2016/17).

magic-formula-part-two-in-article-3.jpg

Velikost bodů je úměrná počtu, kolikrát byl daný kurz vypsán. Čím větší bod, tím běžnější je tento kurz.

Nejde ani tak o to, co nám model říká, ale o použitou metodu. Pokud chcete vytvořit model a vydělávat na sázení na fotbal, vždy začněte kurzy.

Leží-li tyto kruhy pod tečkovanou čarou, je pravděpodobnost vítězství hostů menší, než jakou předpovídá kurz. Pokud naopak leží nad čarou, je pravděpodobnost vítězství hostů větší, než jaká odpovídá vypsanému kurzu.

Plná čára ukazuje nejlepší shodu pro daná data. Z ní je vidět celkový trend. Pokud se pozorně podíváte na křivku pravděpodobností předpovídaných kolem 0,1, což odpovídá kurzu asi 10,0, vidíte, že křivka je mírně nad čarou, zatímco u pravděpodobností předpověděných nad 0,25 je trend opačný.

Z toho plyne, že v posledních dvou sezónách outsideři vyhrávali na cizím hřišti a favorité na cizím hřišti prohrávali častěji, než sázkové kanceláře podle vypsaných kurzů očekávaly.

Podcenění outsideři a nadhodnocení favorité

Pokud je někde v posledních dvou sezónách skrytá hodnota, spočívá v odhadu, kteří outsideři na cizím hřišti vyhrají a kteří favorité naopak zklamou. A právě k tomu můžeme použít metodu očekávaných gólů. Vypočítal jsem novou logistickou regresi v této podobě:

magic-formula-part-two-in-article-4.jpg

Tentokrát jsem přidal proměnnou xGDiff. Jde o očekávaný gólový rozdíl mezi dvěma týmy vypočtený z jejich průměrného očekávaného počtu gólů za posledních 5 zápasů. 

magic-formula-part-two-in-article-5.jpg

Z této logistické regrese jsem zjistil, že týmy, které hrají na cizím hřišti a mají příznivější gólový rozdíl xGDiff, mají větší šanci na výhru, než jaká plyne z vypsaných kurzů.

Takže pokud najdeme outsidera, který hraje na cizím hřišti a má dobré xG, stojí za to na něj vsadit. A od favoritů, kteří hrají na cizím hřišti a mají nízké xG, je lepší se držet dál. 

Logistická regrese: Započtení očekávaných gólů

Níže je uvedena tabulka očekávaných gólů pro aktuální sezónu (2017/18), spočtená k 11. týdnu. 

Tabulka očekávaných gólů v Premier League 2017/18 (k 11. týdnu)

Tým

xVýhry

xRemízy

xProhry

xGóly vstřelené

xGóly inkasované

xBody

Manchester City

8

2

1

25.9

6

26

Liverpool

6.2

2

2,8

20.3

11.6

20,6

Tottenham Hotspur

5.7

3

2.2

15.2

7.6

20.1

Manchester United

5.8

2.3

2,9

19.4

10.7

19.7

Arsenal

5.8

2.1

3,2

18,9

12.5

19,5

Leicester City

5.5

2,5

3

17,3

12.3

19

Chelsea

4,2

3,2

3.6

11.9

10.9

15.8

Southampton

4,2

2,9

3,9

13.1

12.4

15.5

Watford

3,9

2,9

4,3

14,8

16.3

14.6

Crystal Palace

4

2,5

4,4

12.3

15.1

14.5

Everton

3.5

3,1

4,4

11.9

14.5

13.6

Newcastle

3.5

2.7

3,8

11

11.4

13.2

Brighton and Hove Albion

3,2

3

4.9

9.1

13

12.6

WBA

2,8

3.6

4,6

8.3

12,7

12

Swansea City

2.7

3

5.2

8.6

14,8

11.1

Stoke City

2.7

2,9

5.4

11

17.6

11

West Ham United

2,5

3,1

5.3

8.6

14.9

10.6

Huddersfield Town

2.3

3.6

5.1

6,5

13

10,5

Bournemouth

2.3

2,8

5.9

7.6

15.5

9.7

Burnley

1,9

2,9

5.2

5.5

14.3

8.6

Zde k otestování modelu použijeme zápas WBA vs. Chelsea. Hodnota xGDiff pro tyto týmy je: 

(8.3+11.9 - 12.7-11.9)/2 = -2.7

Na jeden zápas to činí -0,25. Chelsea byli v době psaní tohoto článku favorité s kurzem a=1,62*. Pokud tento kurz a xGDiff zadáme do rovnice (2), vyjde P(výhra hostů)=42 % (s parametry b0=-0,49  b=0,75 a b2=0,73 určenými z údajů za minulé sezóny). 

Takže ačkoli z kurzu plyne 62% šance na výhru týmu Chelsea, podle modelu vychází mnohem nižší pravděpodobnost. Nejlepší je vsadit na to, že Chelsea nevyhraje.

Metoda očekávaných gólů mění naši intuici v pravděpodobnosti. Pro každou šanci je určena pravděpodobnost její proměny v gól.

Další zápas, který ve výše uvedené tabulce vyniká, je Southampton vs. Liverpool. Hraje se na hřišti druhého z uvedených týmů. xGDiff těchto týmů je 0,36 ve prospěch Liverpoolu, což znamená, že jde o favorita. Kurz na vítězství Southamptonu je 8,3, což ukazuje na 12% šanci na vítězství. 

Můj model však tomuto týmu dává šanci 15 %. To naznačuje, že stojí za to na Southampton vsadit. Pamatujte ale, že pokud je model správný, máte jen 15% šanci na výhru.

Co nám tento model říká 

Nejde ani tak o to, co nám model říká (WBA i Southampton prohráli), ale o použitou metodu. Pokud chcete vytvořit model a vydělávat na sázení na fotbal, vždy začněte kurzy.

Nejprve pomocí logistické regrese najděte nekonzistentní kurzy. Pak přidejte proměnné (například očekávaný počet gólů) a zjistěte, zda dokážete získat výhodu. Půjde jen o malou výhodu, z dlouhodobého hlediska se však může vyplatit.

Pokud vás práce Davida Sumptera zajímá, sledujte jeho kanál @Soccermatics na Twitteru.

Informační zdroje o sázení – Abyste mohli lépe sázet

Informační zdroje o sázení společnosti Pinnacle jsou jednou z nejrozsáhlejších sbírek odborných článků a rad o sázení, jaké na internetu najdete. Zajímavé informace v ní najdou sázkaři bez ohledu na míru svých zkušeností. Naším cílem je zprostředkovat lidem znalosti, aby mohli lépe sázet.