close
6 1, 2017
6 1, 2017

Jak předpovědět ligovou tabulku Premier League pomocí sázkových kurzů

Určujeme pravděpodobnost výsledků pomocí závěrečných kurzů Pinnacle

Simulace fotbalových výsledků a ligových bodů metodou Monte Carlo

Předpovědi na sezónu 2017/18 Premier League

Jak předpovědět ligovou tabulku Premier League pomocí sázkových kurzů

Sezóna Premier League začíná a kdekdo se snaží odhadnout, jak se v ní týmy umístí. Namísto subjektivních názorů takzvaných „expertů“ mohou sázkaři použít i účinnější metody, jak získat lepší představu o konečné podobě ligové tabulky v závěru sezóny. Tento článek popisuje, jak pomocí kurzů předpovědět výsledek Premier League.

V Informačních zdrojích o sázení je celá řada užitečných článků, v nichž se dozvíte, jak a proč patří kurzy na fotbalové zápasy vypisované firmou Pinnacle mezi nejcennější a nejužitečnější v internetovém sázení na sporty.

Týmy s kurzem 1,50 vyhrají asi v 67 % případů. Jestliže to víme, můžeme říci, že má-li tým kurz 1,50, měl by mít asi 67% pravděpodobnost na vítězství.

Vyzbrojeni těmito informacemi můžeme pomocí kurzů na zápasy zjistit, zda měl tým štěstí nebo smůlu a jak by se mohl umístit v závěrečném pořadí sezóny.

V minulosti jsem se touto metodou zabýval, když jsem zkoumal nepravděpodobnost vítězství Leicester City v sezóně 2015/16 Premier League. V tomto článku se podívám obecněji na výsledky v minulé sezóně a pokusím se na jejich základě vyslovit několik předpovědí na novou sezónu 2017/18.

Určujeme pravděpodobnost výsledků pomocí závěrečných kurzů Pinnacle

Dá se s úspěchem tvrdit, že závěrečné kurzy u fotbalových sázek 1X2 vypsaných společností Pinnacle jsou výborným měřítkem „skutečné“ pravděpodobnosti určité události. Jistě, před odehráním zápasu nemůžeme skutečnou pravděpodobnost znát. Na základě stovek nebo tisíc zápasů s podobnými kurzy ale platí, že jejich procento, které skutečně skončilo předpovězeným výsledkem, je velmi podobné pravděpodobnosti implikované vypsanými kurzy.

To v praxi znamená, že týmy s kurzem 1,50 vyhrají asi v 67 % případů. Víme-li to, můžeme říci, že pokud má tým kurz 1,50, měl by mít asi 67% pravděpodobnost na výhru. Má-li kurz 5,00, má zhruba 20% šanci. 

Odečtení marže a zjištění „skutečného“ kurzu

Abychom z kurzu na zápas získali skutečně spolehlivé měřítko pravděpodobnosti výsledku, musíme samozřejmě nejprve odečíst marži společnosti Pinnacle. Přesný způsob, jakým Pinnacle svoji marži do sady „skutečných“ čili spravedlivých kurzů započítá, zůstane přirozeně tajemstvím.

Existuje nicméně celá řada metod, které připadají v úvahu a které dávají intuitivně přiměřená řešení zohledňující zkreslení favorita a outsidera, kvůli němuž bývají kurzy outsiderů sníženy úměrně více než kurzy favoritů.

Je možné, že sázky na celkového vítěze Premier League stále ještě nadhodnocují tým Manchester United jakožto dominantního hráče i po Fergusonově odchodu.

Jedna z těchto metod používá takzvanou logaritmickou funkci. Logaritmus je definován jednoduše jako mocnina, na kterou je třeba umocnit číslo, abychom dostali nějaké jiné číslo. Například logaritmus 100 při základu 10 je 2, protože 10 na 2 = 100, takže log10 100 = 2.

Logaritmická funkce pro započtení marže k sadě „skutečných“ kurzů předpokládá, že všechny kurzy sázky 1X2 jsou umocněny na stejné číslo. Nejsnáze to lze pochopit na příkladu.

Mějme spravedlivé kurzy 2,00, 3,00 a 6,00 na jednu sázku 1X2. Započítejme do nich marži tak, že všechna čísla umocníme na 0,95. Pro naši sázku 1X2 tak získáme kurzy 1,93, 2,84 a 5,49 s marží 5,2 %, protože součet implikovaných pravděpodobností jednotlivých výsledků je 105,2 %. Vidíte, že vyšší kurz hostů byl snížen podstatně více (o 9,4 %) než nižší kurz domácích (o 3,5 %).

Hledáme-li sadu „skutečných“ kurzů 1X2 z těch publikovaných, jednoduše tento postup obrátíme. Model s logaritmickou funkcí je intuitivní v tom, že odpovídá většinové ekonomické teorii rizika a užitečnosti. 

Předpokládáme-li, že citlivost vůči riziku je logaritmická, považoval by sázkař rozdíl mezi 2,00 a 1,93 za odpovídající rozdílu mezi 6,00 a 5,49. Druhý rozdíl je větší než první, sázkaři jsou nicméně pravděpodobně méně citliví vůči událostem s menší pravděpodobností, nebude jim tedy tolik vadit úměrně méně hodnotný kurz.

Simulace fotbalových výsledků a ligových bodů metodou Monte Carlo

Jakmile vypočteme skutečné pravděpodobnosti, musíme rozhodnout o výsledku zápasu. Ve skutečném světě se ho samozřejmě dozvíme, jakmile zápas skončí. Zde nás ale zajímají výsledky očekávané.

Pokud v modelu použijeme kurzy na zápasy, zjistíme, že se žádný tým neumístil více než o čtyři místa jinak, než bylo očekáváno. Šest týmů se přitom do očekávání přesně strefilo.

Podobně jako očekávaná hodnota a očekávaný počet gólů jde pouze o způsob zjištění, co můžeme očekávat podle parametrů předpovědního modelu, v tomto případě očekávaných pravděpodobností výsledků implikovaných závěrečnými kurzy společnosti Pinnacle.

Jedním ze způsobů, jak simulovat očekávané výsledky, je náhodně je určit v mnoha tisících opakování pomocí simulace Monte Carlo. Je-li náhodně vygenerované číslo menší než pravděpodobnost výsledku, přiřadíme daný výsledek k zápasu (tj. výsledek nastal). Je-li náhodné číslo větší než pravděpodobnost výsledku, přiřadíme nulovou hodnotu (výsledek nenastal).

Opakováním tohoto postupu pro 38 zápasů celé sezóny pro každý tým můžeme simulovat očekávaný počet získaných bodů. Očekávané bodové součty jednotlivých týmů určené metodou Monte Carlo mají normální rozdělení. Níže jsou uvedeny výsledky spočítané podle závěrečných kurzů společnosti Pinnacle na sezónu 2016/17 pro vítěze Chelsea, předchozího vítěze Leicester City a tým Sunderland, který z ligy sestoupil.

predicting-the-premier-league-table-inarticle.jpg

Průměrný očekávaný bodový součet týmu Chelsea podle tohoto modelu byl 77,7. Víme nicméně, že ve skutečnosti tým získal celkem 93 bodů, což může znamenat dvě věci.

Za prvé nemusí být tento model přesnou metodou předpovídání výsledkové tabulky Premier League. Podle skutečných kurzů na zápasy měl titul v loňské sezóně získat Manchester City s očekávaným bodovým ziskem 81,3. Žádný model samozřejmě není zcela přesný, některé jsou ale lepší než jiné.

Předpokládáme-li, že citlivost vůči riziku je logaritmická, považoval by sázkař rozdíl mezi 2,00 a 1,93 za odpovídající rozdílu mezi 6,00 a 5,49.

Za druhé, je známo, že modelové předpovědi jsou zpravidla těsnější než skutečné výsledky a rozsah očekávaných bodových součtů jednotlivých týmů je tedy menší než skutečný. Sunderland, který sestoupil s 24 body, měl podle kurzů na své zápasy pro tuto sezónu očekávaný počet bodů 32,1. To naznačuje, že zatímco Chelsea měla větší štěstí, než bylo očekáváno, Sunderland měl naopak větší smůlu.

Teorie skutečného skóre nám říká, že pozorovaný výsledek je roven varianci dovednosti plus varianci náhody. Předpovědní model bere v úvahu pouze dovednost, nikoli náhodu.

I přes tyto nedostatky se předpovídání závěrečné podoby ligové výsledkové tabulky podle kurzů na zápasy ukázalo být poměrně přesným, alespoň z hlediska umístění. Žádný tým se neumístil více než o čtyři místa jinak, než bylo očekáváno. Šest týmů se přitom do očekávání přesně strefilo a pět se lišilo jen o jedno místo.

Očekávaný počet bodů v Premier League

Tým

Skutečné body

Očekávané body

Skutečné umístění

Očekávané umístění

Rozdíl

Chelsea

93

77.7

1

2

1

Tottenham

86

72,8

2

5

3

Manchester City

78

81,3

3

1

-2

Liverpool

76

74.2

4

4

0

Arsenal

75

74.3

5

3

-2

Manchester United

69

72,7

6

6

0

Everton

61

55.7

7

8

1

Southampton

46

57.5

8

7

-1

Bournemouth

46

43.5

9

12

3

West Ham

45

43.6

10

11

1

West Brom

45

40.8

11

14

3

Leicester

44

50,0

12

9

-3

Stoke

44

43,1

13

13

0

Crystal Palace

41

44.8

14

10

-4

Swansea

41

40.0

15

15

0

Watford

40

38.0

16

17

1

Burnley

40

33,2

17

19

2

Hull

34

34.7

18

18

0

Middlesbrough

28

38.2

19

16

-3

Sunderland

24

32,1

20

20

0

Předpovědi Premier League: Jak správně použít kurzy

Jiný postup simulace výsledků a bodového zisku metodu Monte Carlo úplně vynechává. Má-li tým domácích spravedlivý kurz 2,0 pro výhru, 3,0 pro remízu a 6,0 pro prohru, naznačuje to, že je od něj v tomto zápasu očekáván bodový zisk (50 % x 3 body) + (33,33 % x 1 bod) + (16,67 % x 0 bodů) = 1,833 bodů. Naproti tomu od týmu hostů bychom v zápasu očekávali zisk 0,833 bodů.

Nejjednodušším modelem, jak předpovědět výsledkovou tabulku Premier League 2017/18, je předpokládat, že klíčem k určení budoucnosti je minulost.

Ke stejným výsledkům by došla i metoda Monte Carlo s dost velkým počtem opakování, tento způsob je však jednodušší zkratkou. Abychom ukázali, že jsou obě metody ekvivalentní, porovnáváme níže očekávané celkové bodové zisky v lize vypočítané těmito metodami. Nevýhodou této metody ve srovnání s Monte Carlo je fakt, že nám neposkytuje žádné měřítko chyby a variace. Proto pomocí ní nelze odhadnout pravděpodobnost dosažení jednotlivých umístění v závěrečné tabulce.

Očekávaný počet bodů v Premier League podle kurzů

Tým

Skutečné body

Očekávané body (Monte Carlo)

Očekávané body (přímý výpočet)

Chelsea

93

77.7

77.7

Tottenham

86

72,8

72,8

Manchester City

78

81,3

81,3

Liverpool

76

74.2

74.1

Arsenal

75

74.3

74.4

Manchester United

69

72,7

72,8

Everton

61

55.7

55.7

Southampton

46

57.5

57.5

Bournemouth

46

43.5

43.5

West Ham

45

43.6

43.6

West Brom

45

40.8

40.8

Leicester

44

50,0

50,0

Stoke

44

43,1

43,1

Crystal Palace

41

44.8

44.8

Swansea

41

40.0

40.0

Watford

40

38.0

37.9

Burnley

40

33,2

33.3

Hull

34

34.7

34.7

Middlesbrough

28

38.2

38.2

Sunderland

24

32,1

32,1

Předpovědi na sezónu 2017/18 Premier League

Nejjednodušším modelem, jak předpovědět výsledkovou tabulku Premier League 2017/18, je předpokládat, že klíčem k určení budoucnosti je minulost. Aniž bere v úvahu jiné faktory, například transfery nových hráčů, ukazuje následující tabulka, kolikrát ze 100 000 opakování výpočtu Monte Carlo jednotlivé týmy (kromě těch, které sestoupily) v sezóně 2016/17 skončily na prvním místě. A následně tedy i pravděpodobnost týmů na vítězství ročníku 2017/18 a související implikované spravedlivé kurzy. Ty jsou pak porovnány s kurzy na získání titulu, které před sezónou vypsala společnost Pinnacle. To ukazuje, které z vypsaných kurzů mají potenciální hodnotu.

Předpovědi na sezónu 2017/18 Premier League

Tým

Počet získání titulu ze 100 000 opakování

Očekávaná pravděpodobnost získání titulu v sezóně 2017/18

Implikovaný spravedlivý sázkový kurz

Sázkový kurz u spol. Pinnacle (k 10. srpnu 2017)

Manchester City

44,096

44.10%

2.27

2.65

Chelsea

23,406

23.41%

4.27

4.70

Arsenal

11,889

11.89%

8.41

12.00

Liverpool

11,812

11.81%

8.47

12.00

Tottenham

8,552

8.55%

11.69

9.15

Manchester United

8,298

8.30%

12.05

4.80

Southampton

99

0.10%

1,010

nedostupné

Everton

37

0.037%

2,703

nedostupné

Leicester

4

0.004%

25,000

nedostupné

Bournemouth

1

0.001%

100,000

nedostupné

West Ham

0

0 %

nedostupné

nedostupné

West Brom

0

0 %

nedostupné

nedostupné

Stoke

0

0 %

nedostupné

nedostupné

Crystal Palace

0

0 %

nedostupné

nedostupné

Swansea

0

0 %

nedostupné

nedostupné

Watford

0

0 %

nedostupné

nedostupné

Burnley

0

0 %

nedostupné

nedostupné

Podle našeho modelu nabízejí stejnou hodnotu sázky na Manchester City, Chelsea, Arsenal a Liverpool. To vše na úkor Manchester United a v menší míře i Tottenhamu. Je možné, že sázky na celkového vítěze Premier League stále ještě nadhodnocují tým Manchester United jakožto dominantního hráče i po skončení Fergusonovy éry a s Mourinhem jako manažerem. Model pochopitelně také nebere v úvahu, že do týmu Manchester United v létě přestoupili dva důležití hráči: Romelu Lukaku a Nemanja Matic.

Bayesiánský proces

Velkou nevýhodou tohoto modelu je to, že k vyvození závěrů ohledně určité sezóny potřebuje úplné výsledky ze sezóny předchozí. Není však důvod, proč bychom se měli tímto faktem nechat omezovat. Můžeme namísto toho model uplatnit na dosud odehrané zápasy nebo plovoucím způsobem na posledních 38 odehraných zápasů a průběžně aktualizovat modelované pravděpodobnosti a implikované kurzy na vítězství.

Samozřejmě bychom museli v průběhu sezóny brát v úvahu i již reálně získané body. Takový Bayesiánský přístup napodobuje metodu statistického odvozování, která pravděpodobnost určité hypotézy aktualizuje spolu s tím, jak přibývají dostupné důkazy nebo informace. Tuto metodu bychom mohli použít i na jiné typy sázek, například na sestup z Premier League nebo umístění v první čtyřce.

Ačkoli jde o jednoduchý model, evidentně produkuje předpovědi, které se příliš neliší od těch, s nimiž pracují tvůrci kurzů ve společnosti Pinnacle.
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.