close
syys 19, 2017
syys 19, 2017

Urheiluvedonlyöntijärjestelmien sudenkuopat: korrelaatio ja kausaatio

Urheiluvedonlyöntijärjestelmät: mitä on regressioanalyysi?

Järjestelmän käyttäminen vedonlyöntiennusteiden tekemiseen

Regressioanalyysin sudenkuopat

Urheiluvedonlyöntijärjestelmien sudenkuopat: korrelaatio ja kausaatio

Vedonlyöntijärjestelmän käyttäminen on ensiarvoisen tärkeää, kun vedonlyönnistä pyrkii saamaan pitkän aikavälin tuottoa. Usein vedonlyöjät sekoittavat saamiensa tulosten perusteella keskenään niin rahan hallinnan ja vedonlyöntijärjestelmät kuin korrelaation ja kausaationkin. Mikä on vedonlyöntijärjestelmä, ja kuinka voit erottaa korrelaation kausaatiosta eli syy-seuraussuhteesta? Lue lisää tästä artikkelista.

Mikä on vedonlyöntijärjestelmä?

Toisin kuin panostusmenetelmä tai rahanhallintastrategia, joka tarjoaa menetelmän vetojen panoskokojen määrittämiseksi, urheiluvedonlyöntijärjestelmä on rakenteellinen ennustusmenetelmien järjestelmä, joka perustuu historiatietojen määrälliselle analyysille ja joka on suunniteltu vedonvälittäjän tuottokatteen voittamiseen ja positiivisen odotusarvon löytämiseen.

Vedonlyöjät sekoittavat usein rahanhallinnan ja vedonlyöntijärjestelmät keskenään – hakemalla Googlesta termiä ”vedonlyöntijärjestelmä” saat tulokseksi enimmäkseen sellaisia strategioita kuin Martingale, Labouchere tai Fibonacci. Nämä eivät kuitenkaan ole vedonlyöntijärjestelmiä.

Rahanhallinta muuttaa vain vetoihin liittyvien riskien luonnetta; se ei pysty muuttamaan tappiollista ennustamismenetelmää voitolliseksi pitkällä aikavälillä. Vedonlyöntijärjestelmä sen sijaan pyrkii löytämään urheilussa tapahtuvien asioiden ”oikeat” todennäköisyydet.

Urheiluvedonlyöntijärjestelmät: regressioanalyysi

Urheiluvedonlyöntijärjestelmän luomisessa eniten käytetty menetelmä on tilastollinen regressioanalyysi. Tilastotermeihin tottumattomalle tämä saattaa kuulostaa pelottavalta, mutta kyseessä on vain menetelmä, jolla arvioidaan muuttujien välistä suhdetta.

Vaikka regressioanalyysi on hyödyllinen työkalu vedonlyöntijärjestelmän luomisessa, sen perustavanlaatuinen heikkous on sen kykenemättömyys erottaa korrelaatiota kausaatiosta eli syy-seuraussuhteesta.

Yksinkertaisin näistä menetelmistä on tavallinen lineaarinen regressio, jossa tarkastellaan vain kahta muuttujaa – esimerkiksi joukkueen tekemien maalien määrää (ennustava eli riippumaton muuttuja) ja sen otteluiden voittotodennäköisyyttä (vastemuuttuja eli riippuvainen muuttuja). 

Ensimmäisessä kirjassani Fixed Odds Sports Betting: Statistical Forecasting & Risk Management tarkastelin yksinkertaista regressiomallia, joka perustuu kahden joukkueen suhteelliseen maalieroparemmuuteen edellisten 6 ottelun aikana.

Käyttämällä suurta otteluotosta (tässä tapauksessa 8 kautta vuosilta 1993–2001) on mahdollista kuvata kaavio, jossa laskettuja otteluarvioita (kotijoukkueen 6 ottelun maaliero miinus vierasjoukkueen 6 ottelun maaliero) verrataan otteluiden lopputulosten yleisyyteen. Otteluarvioiden (riippumaton muuttuja) jakaumaa ja kotivoiton yleisyyttä (riippuvainen muuttuja) vertaava taulukko on esitetty alla.

correlation-and-causation-inarticle.jpg

Vaikka kaavion yksittäiset datapisteet ovat jossain määrin hajanaisia, kahden muuttujan välillä on selvä lineaarinen yhteys: mitä parempi kotijoukkue on suhteessa vierasjoukkueeseen 6 viime ottelun maalieron perusteella, sitä todennäköisemmin se voittaa ottelun.

Kaavioon piirretty regressioviiva kuvaa idealisoitua suhdetta suhteellisen maalieroparemmuuden ja kotivoiton yleisyyden välillä niin, että satunnaisen hyvän ja huonon tuurin aiheuttama kohina on poistettu.

Voimme kuvata edellä mainittua viivaa yhtälöllä: koska kyseessä on yksinkertainen lineaarinen regressiomalli, yhtälön muoto on y = mx + c, jossa y on riippuvainen muuttuja (voiton todennäköisyys) ja x on riippumaton muuttuja (otteluarvio), m on suoran kaltevuus (joka kuvaa suhteen vahvuutta) ja c on vakio eli piste, jossa viiva leikkaa y-akselin (eli jossa x = 0). Tässä esimerkissä yhtälö on seuraavanlainen:

Kotivoiton % = (1,56 x maalieroparemmuus) + 46,5

Kun maalieroparemmuus on nolla (eli koti- ja vierasjoukkueet ovat maalieron suhteen suurin piirtein tasavertaiset), kotivoiton todennäköisyys on 46,5 %. Tämä vaikuttaa järkeenkäyvältä, sillä noin 46 % jalkapallo-otteluista päättyy kotivoittoon. Jos kotijoukkueen edellisen kuuden ottelun maaliero on kymmenen suurempi kuin vierasjoukkueen, se voittaa regressiomallin mukaan tavallisesti 62 % tällaisista otteluista. 20 maalin maalieroparemmuudella tämä todennäköisyys nousee 78 %:iin. 

Regressiomallimme voi kertoa myös, kuinka suuren osuuden voittojen yleisyyksien vaihtelusta tämä vedonlyöntimalli selittää. Tässä tapauksessa lukema oli 86 %. Tätä kuvaa trendiviivan sopivuus tietoihin. Se kertoo, onko kahden muuttujan välillä vahva korrelaatio.

Järjestelmän käyttäminen vedonlyöntiennusteiden tekemiseen

Jotta voimme muuttaa regressiomallin toimivaksi vedonlyöntijärjestelmäksi, meidän on tehtävä ennustuksia tulevista otteluista ja käytettävä niitä positiivisen oletusarvon tuovien vetojen tunnistamiseen.

Rahanhallinta muuttaa vain vetoihin liittyvien riskien luonnetta; se ei pysty muuttamaan tappiollista ennustamismenetelmää voitolliseksi pitkällä aikavälillä.

Kuten useimmissa mallinnusmenetelmissä, perusoletuksena on, että menneisyys on tulevaisuuden avain. Jos aiemmista otteluista, joissa maalieroparemmuus on ollut +10, kotivoittoon päättyi 62 %, voimme olettaa, että kotijoukkue, jolla on 10 maalin maalieroparemmuus vastustajaan nähden, voittaa ottelun 62 %:n todennäköisyydellä. 

Tämän jälkeen voimme muuntaa nämä todennäköisyydet ”oikeiksi” kertoimiksi ja löytää näin positiivista odotusarvoa vedonvälittäjältä, joka tarjoaa suurempia kertoimia. Soveltamalla tätä mallia Englannin jalkapallokauteen 2001/02 onnistuin saamaan keskimäärin +2,1 %:n tuoton 526 vedosta parhailla kotivoitosta saatavilla olleilla kertoimilla. Vertailun vuoksi keskimääräinen tappio olisi ollut –3,7 %, jos olisin lyönyt sokkona vetoa kaikista kyseisen kauden kotivoitoista.

Korrelaatio ja kausaatio 

Yhden kauden vedonlyönti hieman yli 500 vedon otannalla ei takaa, että voitollisuus säilyisi kausi toisensa jälkeen. Tämä voi vaikuttaa riittävältä otannalta takeeksi luotettavasta vedonlyöntijärjestelmästä, mutta Vedonlyöntiresurssien säännöllinen lukija tietää, ettei se sitä ole.

Pinnaclen artikkeli pienten lukujen laista muistuttaa, että jopa 1 000 vedon otannat voivat tuottaa harhaanjohtavia tuottavuuslukuja, jotka eivät todellisuudessa pohjaudu mihinkään syy-seuraussuhteisiin vaan pelkkään satunnaisuuteen. Harmi kyllä, tämä vedonlyöntijärjestelmä tuotti seuraavalla viidellä kaudella tappiota.

Vaikka tämä yksinkertainen maalieroparemmuuden regressiomalli tunnisti hienosti suurella todennäköisyydellä voittavat kotijoukkueet, se ei pystynyt tunnistamaan niitä vedonvälittäjien kertoimien pohjalla olevia todennäköisyyksiä tarkemmin.

Valitettavasti monet urheiluvedonlyöjät usein tulkitsevat vedonlyöntihistoriaansa tarkastellessaan täsmällisyyden, tarkkuuden ja oikeellisuuden väärin ja sekoittavat samalla korrelaation ja kausaation keskenään.

Mallini saattoi olla kohtuullisen hyvä ennustamaan, mutta nähtävästi se ei ollut parempi kuin vedonvälittäjien kertoimien määrittämisessä käyttämät mallit eikä myöskään parempi kuin mallit, joita muut vedonlyöjät käyttivät vaikuttaen näihin kertoimiin.

Jos mallini vain tekisi samaa kuin vedonvälittäjien mallit, tuottavuus ei olisi pysyvää, vaan se heijastaisi vain satunnaisheilahteluita. Vaikuttaa siltä, että tuotot eivät perustuneet mihinkään todelliseen korrelaatioon. Mallini ennusteet eivät ”aiheuttaneet” näitä tuottoja, koska se ei ollut tarkempi kuin muut samaan tarkoitukseen kehitetyt mallit.

Täsmällisyys verrattuna tarkkuuteen

Tietenkään kahden muuttujan lineaarinen malli ei ole kovin kehittynyt vedonlyöntijärjestelmä odotusarvon löytämistä varten. Usean muuttujan regressio, jossa on enemmän riippumattomia eli ennustavia muuttujia, voi parantaa ennusteen täsmällisyyttä. Analysoijien kannattaa kuitenkin varoa, ettei tämä tapahdu tarkkuuden kustannuksella.

Täsmällisellä mallilla tarkoitan sellaista, jossa tulokset ovat lähellä toisiaan, kuten edellä olevassa yksinkertaisessa lineaarisessa mallissani. Täsmällisyys ei kuitenkaan takaa tarkkuutta. Tarkkuudella tarkoitan sitä, kuinka lähellä ollaan ”oikeata” arvoa. Täsmällisyys liittyy satunnaisiin virheisiin ja tarkkuus järjestelmällisiin (eli vinoumiin). 

Jotta vedonlyöntijärjestelmä olisi oikeellinen ja toimiva (eli se löytäisi säännöllisesti positiivista odotusarvoa), sen on oltava sekä täsmällinen että tarkka. Oikeellisuus merkitsee sekä ennustettavuutta että toistettavuutta, eli onko olettamamme syy todellinen syy ja osoittavatko tulokset toistuvasti päätelmän olevan oikea.

Valitettavasti monet urheiluvedonlyöjät usein tulkitsevat vedonlyöntihistoriaansa tarkastellessaan täsmällisyyden, tarkkuuden ja oikeellisuuden väärin ja sekoittavat samalla korrelaation ja kausaation keskenään. Heidän virheensä on uskossa, että saadut tuotot aiheutuivat heidän vedonlyöntijärjestelmästään, kun usein kyse on vain hyvästä tuurista.

Regressioanalyysin sudenkuopat

Vaikka regressioanalyysi on hyödyllinen työkalu vedonlyöntijärjestelmän luomisessa, sen perustavanlaatuinen heikkous on sen kykenemättömyys erottaa korrelaatiota kausaatiosta eli syy-seuraussuhteesta. Regressioanalyysi tunnistaa tehokkaasti muuttujien välisen yhteyden, kuten tehtyjen maalien ja otteluiden voittamisen todennäköisyyden välisen suhteen, mutta sillä ei voi selvittää, aiheuttaako toinen muuttuja toisen.

Regressioanalyysi voisi vaikka kertoa, että kun Barcelona häviää, Lionel Messi ei tee maalia. Emme kuitenkaan voi päätellä, että Lionel Messin maalittomuus olisi syy sille, että Barcelona häviää ottelun.

Jos emme ota huomioon syy-seuraussuhteita ja oikeellisuutta vedonlyöntijärjestelmässä, meidän on varauduttava siihen, että se ei ehkä ole sen parempi kuin muiden käyttämät ennustusmallit. Suhteellisen taidon kontekstissa, kuten urheiluvedonlyönnissä, emme saa tuottoa pelkästä tulevan ennustamisesta, vaan meidän on oltava siinä muita parempia.

Vedonlyöntiresurssit auttavat vedonlyönnissä

Pinnaclen Vedonlyöntiresurssit-osio on yksi netin kattavimmista asiantuntevan vedonlyöntineuvonnan kokoelmista. Tavoitteenamme on auttaa kaikentasoisia vedonlyöjiä parantamaan tietämystään.