Pinnacle

Scommettere in un mercato di nicchia spesso consente di trovare valore. Si può trarre vantaggio da qualsiasi mercato minore. Ad esempio se si ha una conoscenza approfondita delle quote sulla pallamano o una vasta esperienza di scommessa sul baseball giapponese. Se si è più esperti del bookmaker, si possono vincere somme importanti.  Ottieni i migliori consigli e le statistiche più utili sulle scommesse Migliora

Quote sul calcio

Anche se sarà difficile trovare un bookmaker che non raccolga una grande mole di dati per definire le proprie quote per le scommesse sul calcio, abbandonare i mercati standard 1X2 e Handicap potrebbe darti la possibilità di sfruttare una visione diversa. Continua a leggere per scoprire come puoi trarre vantaggio dalle scommesse sui calci d'angolo.

Le scommesse sui calci d’angolo nel calcio: valore in un mercato meno conosciuto

La distribuzione di Poisson è un concetto matematico che trasforma le medie aritmetiche in probabilità per diversi risultati utilizzando una distribuzione. Ad esempio, se sappiamo che il Manchester City ha una media di 1,7 reti segnate per partita, la formula di Poisson ci informa che con questa media i Citizens hanno una probabilità del 18,3% di non segnare reti, del 31% di segnare una rete, del 26,4% di segnare 2 reti e

La distribuzione di Poisson, abbinata ai dati storici, offre un metodo semplice e affidabile per calcolare il punteggio più probabile nelle scommesse in una partita di calcio e si può applicare alle scommesse. Questa semplice guida mostra come calcolare il valore di "Attacco" e "Difesa" oltre a un'utile scorciatoia per calcolare i valori della distribuzione di Poisson. In pochissimo tempo sarai in grado di prevedere i punteggi delle partite di calcio utilizzando la distribuzione di Poisson.

La distribuzione di Poisson: prevedere il risultato nelle scommesse sul calcio

  Valore previsto La somma che uno scommettitore può aspettarsi di vincere o perdere se scommette sulle stesse quote molte volte si calcola attraverso una semplice equazione in cui si moltiplicano le probabilità di vincita con la somma che è possibile vincere per scommessa e sottraendo la probabilità di perdere moltiplicata per la somma persa per scommessa.  Glossario►   Ecco un semplice esempio di

Il valore previsto di una scommessa esprime quanto ci si può aspettare di vincere (in media) per ciascuna scommessa, ed è quindi uno dei calcoli più utili che uno scommettitore possa effettuare quando mette a confronto le quote dei bookmaker. Come si può calcolare il valore previsto nelle scommesse sportive per prevedere le proprie vincite? Scoprilo continuando a leggere.

Come calcolare il valore previsto

Comprendere a fondo i vari tipi di scommessa è fondamentale per incrementare i profitti nel tennis poiché ciò permette di scegliere le opzioni preferite con cui giocare. La scommessa base nel tennis consiste nel puntare sul vincitore dell'incontro. In questo caso, si scommette sul giocatore che riuscirà a battere il suo avversario e passare al turno successivo. Osserviamo, per esempio, l'incontro tra Murray e De Schepper giocato in occasione della Hyunday Hopman

Gli Australian Open sono ormai alle porte: è il momento perfetto per analizzare e comprendere alcuni dei tipi di scommesse più comuni del tennis e scoprire quali di queste offrono le migliori possibilità di profitto. Una marcia in più per il primo torneo del Grande Slam del 2016.

Guida alle scommesse con handicap sul tennis

Joseph è un analista nel settore delle scommesse e gestisce il sito Web www.Football-Data.co.uk, che offre un archivio storico di risultati, statistiche delle partite e dati sulle quote. È anche l'autore di&nbsp;Fixed Odds Sports Betting: Statistical Forecasting &amp; Risk Management&nbsp;(2003),&nbsp;How to Find a Black Cat in a Coal Cellar: The Truth about Sports Tipsters&nbsp;(2013) e&nbsp;Squares &amp; Sharps, Suckers &amp; Sharks: The Science, Psychology &amp; Philosophy of Gambling&nbsp;(2016).

Joseph Buchdahl

Il metodo di Monte Carlo si basa su dei campioni ripetuti casualmente per ottenere risultati numerici per i quali altri approcci matematici si rivelano essere troppo complicati. Sono particolarmente utili per scommettitori che hanno meno familiarità con i metodi statistici di verifica perché c’è bisogno di una conoscenza matematica inferiore.

Dominic Cortis ha già discusso di come questo metodo può essere applicato ai <a href="https://www.pinnacle.com/it/betting-strategy/monte-carlo-betting-model">pronostici sportivi</a>, considerando un esempio specifico di previsione del campionato di Formula 1. In questo articolo utilizzerò questo metodo per capire come posso aspettarmi che le mie prestazioni di scommessa possano variare a seconda del caso.&nbsp;

<h3>Analizzare le prestazioni di scommessa</h3>

La cronologia di scommesse proveniente dalla mia metodologia dedicata alla<a href="https://www.pinnacle.com/it/betting-psychology/wisdom-of-the-crowd-applied-to-betting"> saggezza della folla</a>, che userò in questo articolo, contiene 1.521 scommesse e mostra un profitto dello 0,76%, con puntate tutte dello stesso importo. Ma come si fa a sapere se si tratta di una cronologia che non ha subito alcuna influenza o se è una prestazione fortunata o sfortunata?

Il primo passaggio da fare è metterla a confronto con l’aspettativa. In questa metodologia un fattore implicito è la stima, per ogni scommessa, delle quote senza margine e di conseguenza qual è il proprio valore previsto. Per esempio, per una quota di 2,00, a cui è stato tolto il margine, una quota offerta a 2,10 offrirebbe un valore previsto del 5% o di 1,05 (calcolato con la divisione 2,10/2,00).

<div class="articleV2 unordered-list">
<ul>
<li>Leggi: <a style="color: #f50;" id="articleLink" href="/betting-resources/it/betting-strategy/how-to-calculate-expected-value/ees2ve46tm4htt32">Come calcolare il valore previsto</a></li>
</ul>
</div>

Una quota senza margine di 2,00 implica una probabilità di vincita del 50%. Se vinco 50 volte su cento questa scommessa, realizzando un profitto di € 1,10 per ognuna e ne perdo 50 con una perdita di € 1, il mio profitto netto sarà di € 5 (o 5% con un giro di scommesse da € 100). Allo stesso modo, quote offerte a 3,50 per una quota senza margine di 3,00 avrebbero un valore previsto del 16,67%. La seguente tabella mostra le selezioni identificate dal mio sistema di scommessa.

<div class="table-holder-article-content">
<div class="table-modal">
<div class="table-modal-head">
<div class="table-modal-head-inner">
<h2>Esempi di scommessa Monte Carlo</h2> </div>
</div>
<div class="table-modal-content">
<div class="article-table-content">
<table class=" article-table">
<tbody>
<tr>
<td>
Partita
</td>
<td>
Scommessa
</td>
<td>
Migliori quote del mercato
</td>
<td>
Stima delle quote senza margine*
</td>
<td>
Valore previsto
</td>
</tr>
<tr>
<td>
Heerenveen contro Ajax 
</td>
<td>
Ajax
</td>
<td>
1,75
</td>
<td>
1,61
</td>
<td>
8,58%
</td>
</tr>
<tr>
<td>
Heracles contro Feyenoord
</td>
<td>
Feyenoord
</td>
<td>
2,0
</td>
<td>
1,95
</td>
<td>
2,52%
</td>
</tr>
<tr>
<td>
Juventus contro Lazio
</td>
<td>
Lazio
</td>
<td>
7,5
</td>
<td>
7,29
</td>
<td>
2,86%
</td>
</tr>
<tr>
<td>
Sassuolo contro Sampdoria
</td>
<td>
Sampdoria
</td>
<td>
4,3
</td>
<td>
4,16
</td>
<td>
3,32%
</td>
</tr>
<tr>
<td>
Utrecht contro Graafschap
</td>
<td>
Graafschap
</td>
<td>
7,0
</td>
<td>
6,48
</td>
<td>
7,99%
</td>
</tr>
<tr>
<td>
West Ham contro Watford
</td>
<td>
West Ham
</td>
<td>
1,65
</td>
<td>
1,58
</td>
<td>
4,77%
</td>
</tr>
</tbody>
</table>
</div>
</div>
</div>
</div>

* Quote di Pinnacle senza margine


Per una cronologia di scommessa completa è piuttosto semplice determinare il valore previsto generale e il profitto previsto calcolando semplicemente la media. Per la mia cronologia da 1.521 scommesse, si tratta di una percentuale del 4,04%, che implica che, se il mio sistema di scommesse avesse risultati esattamente uguali a quelli che ho predetto, avrei un profitto previsto di € 61,45 sui € 1.521 puntati.

Il realtà questa cronologia mostra un profitto di € 11,61. Evidentemente ha avuto prestazioni dettate dalla sfortuna, ovviamente dando per scontato che il mio modello di previsione funzioni correttamente. La domanda è quanto ha influito la sfortuna. Questo è il punto in cui ci può venire in aiuto il metodo Monte Carlo.

<h3>Effettuare una simulazione di Monte Carlo in Excel</h3>

Effettuare una simulazione di Monte Carlo su un software come Excel è relativamente semplice:

<ol>
<li>Calcolare le probabilità previste di vittoria per ogni scommessa, esprimendole con un numero decimale tra 0 e 1. Questo semplicemente rappresenta l'inverso delle quote senza margine.</li>
<li>Utilizzare la funzione RAND per creare un numero casuale tra 0 e 1 per ogni scommessa. Per determinare se ogni scommessa risulta vincente o perdente nella nostra simulazione chiediamo semplicemente a Excel se il numero casuale associato a ogni scommessa è inferiore rispetto alla probabilità di vittoria prevista. In questo caso assegniamo un profitto per puntate uguali sottraendo 1 alle quote. Nel caso contrario assegniamo una perdita uguale alla puntata, vale a dire -1.</li>
<li>Sommare i profitti e le perdite di tutte le scommesse nella simulazione per calcolare il rendimento. Per puntate uguali basta dividere il profitto totale per il numero di scommesse.</li>
<li>Utilizzare la funzione Tabella dati per aggiornare i numeri casuali per un numero determinato di simulazioni.</li>
</ol>

I primi due passaggi per le mie scommesse sono mostrate qui di seguito.
<div class="table-holder-article-content"> <div class="table-modal">
<div class="table-modal-head">
<div class="table-modal-head-inner">
<h2>Esempio di scommessa Monte Carlo</h2> </div>
</div>
<div class="table-modal-content">
<div class="article-table-content">
<table class=" article-table">
<tbody>
<tr>
<td>
Partita
</td>
<td>
Scommessa
</td>
<td>
Stima delle quote senza margine
</td>
<td>
Probabilità di vincita
</td>
<td>
Numero casuale
</td>
<td>
Profitto
</td>
</tr>
<tr>
<td>
Heerenveen contro Ajax
</td>
<td>
Ajax
</td>
<td>
1,61
</td>
<td>
0,621
</td>
<td>
0,462
</td>
<td>
€ 0,61
</td>
</tr>
<tr>
<td>
Heracles contro Feyenoord
</td>
<td>
Feyenoord
</td>
<td>
1,95
</td>
<td>
0,513
</td>
<td>
0,15
</td>
<td>
€ 0,95
</td>
</tr>
<tr>
<td>
Juventus contro Lazio
</td>
<td>
Lazio
</td>
<td>
7,29
</td>
<td>
0,137
</td>
<td>
0,8
</td>
<td>
- € 1
</td>
</tr>
<tr>
<td>
Sassuolo contro Sampdoria
</td>
<td>
Sampdoria
</td>
<td>
4,16
</td>
<td>
0,24
</td>
<td>
0,702
</td>
<td>
- € 1
</td>
</tr>
<tr>
<td>
Utrecht contro Graafschap
</td>
<td>
Graafschap
</td>
<td>
6,48
</td>
<td>
0,154
</td>
<td>
0,525
</td>
<td>
- € 1
</td>
</tr>
<tr>
<td>
West Ham contro Watford
</td>
<td>
West Ham
</td>
<td>
1,58
</td>
<td>
0,633
</td>
<td>
0,533
</td>
<td>
€ 0,58
</td>
</tr>
</tbody>
</table>
</div>
</div>
</div>
</div>
Premendo il tasto F9 si ricalcoleranno i numeri casuali per una simulazione completamente nuova e un nuovo campione teorico di rendimento. Ogni volta che effettuiamo una nuova simulazione possiamo annottare manualmente il rendimento, ma farlo centinaia o migliaia di volte sarà un compito molto laborioso e richiederà tempo.
Fortunatamente Excel offre un metodo rapido e semplice per effettuare diverse simulazioni in una volta sola utilizzando la funzione Tabella dati. Seguendo il percorso Dati &gt; Analisi di simulazione &gt; Tabella dati:
<ol><ol>
<li>Calcolare il proprio rendimento per il proprio campione in qualsiasi cella Excel libera come descritto nel precedente terzo passaggio.</li>
<li>Successivamente evidenziare un numero di celle che si vogliono riempire con i valori dei rendimenti per le nuove simulazioni in una singola colonna a sinistra.</li>
</ol></ol>
<img src="/sites/default/files/media-image/monte-carlo-image-1.png" alt="monte-carlo-image-1.png" width="220" height="243" style="display: block; margin-left: auto; margin-right: auto;" loading="lazy">
<ol><ol>
<li>Successivamente riutilizzare il comando Tabella dati in Excel. Si visualizzerà la seguente finestra. Nella colonna con la cella d'inserimento digitare semplicemente un riferimento a una singola cella. Può essere qualsiasi cella che non sia una di quelle evidenziate nel passaggio precedente. <img src="/sites/default/files/media-image/monte-carlo-image-2.png" alt="monte-carlo-image-2.png" width="364" height="208" style="display: block; margin-left: auto; margin-right: auto;" loading="lazy">
</li>
<li>Fare clic su OK e osservare come lavora bene Excel. Le celle evidenziate sotto la prima saranno riempite con i nuovi rendimenti calcolati, ognuno rappresentante una singola serie di simulazioni. In questo esempio ho effettuato sei simulazioni, come mostrato di seguito.</li>
</ol></ol>
<img src="/sites/default/files/media-image/monte-carlo-image-3.png" alt="monte-carlo-image-3.png" width="215" height="236" style="display: block; margin-left: auto; margin-right: auto;" loading="lazy">
<h3>Misurare l'effetto della fortuna sui profitti delle scommesse</h3>
Il Dr. Gerard Verschuuren ha prodotto un utilissimo<a href="https://www.youtube.com/watch?v=UeGncSFijUM">tutorial su YouTube</a> in cui descrive questo processo in maniera più dettagliata. Possiamo effettuare tutte le simulazioni che vogliamo, anche se maggiore è il numero e più lungo sarà il tempo che Excel dovrà impiegare per fare i calcoli. Allo scopo di questo articolo ho effettuato 100.000 simulazioni e ci sono voluti cinque minuti.
<blockquote>Un altro punto importante da assimilare da questo esercizio è l'influenza che può avere la sfortuna sugli scommettitori che hanno un'aspettativa positiva per cronologie di scommessa piuttosto grandi.</blockquote>
Il rendimento medio è stato del 4,05%, quasi identico al valore previsto per la mia cronologia di scommessa. Tuttavia, c'è stata un'ampia variazione tra la peggiore prestazione di -12,23% e la migliore prestazione di 23,26%.
A dirla tutta quasi il 17% delle simulazioni ha fatto registrare una perdita, nonostante la mia cronologia di scommesse avesse un valore previsto teorico superiore al 4%, mentre si può prevedere che nel 78% si possa avere un rendimento migliore rispetto allo 0,76% che ho avuto realmente.
Con questi dati possiamo utilizzare Excel per calcolare la probabilità di raggiungere qualsiasi livello determinato di rendimento, senza il bisogno di fare ricorso ad alcun test statistico. Il metodo di Monte Carlo ha fatto tutto quello che ci serve. La distribuzione completa di 100.000 rendimenti simulati è raffigurata nella seguente tabella (con un incremento dello 0,1% lungo l'asse X). Per chi ha familiarità con la distribuzione normale è possibile notare che è una corrispondenza quasi perfetta.
<img src="/sites/default/files/media-image/monte-carlo-image-4.png" alt="monte-carlo-image-4.png" width="700" height="450" style="display: block; margin-left: auto; margin-right: auto;" loading="lazy">
<so now we have an answer to the original question assuming my betting system works as it should how unlucky i been well of time could expected done better in other words ve but not drastically so p> </so>
Ovviamente, se il mio rendimento fosse stato, per ipotesi, del -5% o inferiore (che sarebbe potuto succedere in solo l'1% dei casi), avrei potuto cominciare a chiedermi se il mio sistema di scommessa avesse dei problemi. Quindi il metodo di Monte Carlo è chiaramente uno strumento che aiuta a ottenere valutazioni soggettive.
<h3>Un sistema di scommesse imperfetto contro la sfortuna</h3>
Un altro punto importante da assimilare da questo esercizio è l'influenza che può avere la sfortuna sugli scommettitori che hanno un'aspettativa positiva per cronologie di scommessa piuttosto grandi. La mia cronologia aveva più di 1.500 scommesse e aveva un valore previsto superiore al 4%. Nonostante questo vantaggio, le mie simulazioni di Monte Carlo hanno dimostrato che avrei potuto perdere in più di un'occasione su cinque.
Se si ha un vantaggio simile con la propria strategia di scommessa, cosa si può pensare se dopo 1.500 scommesse non si è riusciti a guadagnare nulla? Si avrebbe fiducia nella propria metodologia dando le colpe delle cattive prestazioni alla sfortuna o si perderebbe fiducia nel proprio approccio?
Un metodo che ci può aiutare a risolvere questo dilemma è aumentare il campione. Anche in questo caso possiamo utilizzare il metodo di Monte Carlo per vedere come cambiano le cose quando la quantità di scommesse nella cronologia aumenta. Per questo esperimento mentale ho aumentato di dieci volte le mie 1.521 scommesse (semplicemente ripetendo il campione originale delle quote altre nove volte). Ho effettuato un'altra simulazione con 100.000 serie e ho raccolto i dati seguenti:
<ul>
<li>Rendimento medio = 4,04%</li>
<li>Rendimento più basso = -1,21%</li>
<li>Rendimento più alto = 10,17%</li>
<li>Probabilità che il rendimento sia 0% = 0,1%</li>
<li>Probabilità che il rendimento sia &gt; 0,76% = 99,3%</li>
</ul>
La nuova distribuzione di 100.000 simulazioni è mostrata di seguito, sovrapposta alla distribuzione originale per il campione da 1.521 scommesse.
<img src="/sites/default/files/media-image/monte-carlo-image-5.png" alt="monte-carlo-image-5.png" width="700" height="450" style="display: block; margin-left: auto; margin-right: auto;" loading="lazy">
La differenza ovvia tra i due campioni è la dimensione della forbice o della gamma di possibili rendimenti che è molto più limitata per la cronologia più grande. Un risultato del genere è completamente prevedibile ed è una semplice conseguenza della <a href="https://www.pinnacle.com/en/betting-articles/betting-psychology/what-is-the-gamblers-fallacy">legge dei grandi numeri</a>.
<h3>Valutare i risultati di una simulazione di Monte Carlo</h3>
Più grande è la cronologia di scommesse e più probabile è che le reali prestazioni siano più vicine rispetto a quelle previste, ovviamente dando per scontato, che il mio metodo di previsione funzioni come dovrebbe. La conseguenza è che nel caso ci sia ancora un rendimento dello 0,76% o peggiore dopo più di 15.000 scommesse, dovrei iniziare a chiedermi seriamente se non ci siano dei problemi nella mia metodologia.
In definitiva il metodo di Monte Carlo non è in grado di determinare in maniera definitiva se il proprio sistema di scommesse è influenzato solamente dalla fortuna. Ciononostante fornisce uno strumento utile per aiutarti ad avere un giudizio migliore a riguardo, illustrando la gamma di possibili risultati che, ragionevolmente, potresti incontrare nei confini tra fortuna e sfortuna.

Utilizzare il metodo di Monte Carlo per analizzare le proprie scommesse

Scopri come misurare le prestazioni del tuo sistema di scommessa con la simulazione di Monte Carlo utilizzando un semplice file Excel

Article

Come effettuare una simulazione di Monte Carlo in Excel

Seguendo la discussione sulla casualità nei risultati sportivi Joseph Buchdahl porta l’analisi del fattore fortuna a un livello successivo. Scopri come la casualità può influenzare le tue prestazioni di scommessa e come la si possa misurare utilizzando Excel.