아이가 가지고 노는 모양맞추기 집을 비유로 들어보겠습니다. 모양맞추기 집은 구멍에 올바른 도형을 집어넣어야 하는 장난감입니다. 여기서 올바른 모양은 베팅에서의 올바른 예측과도 같습니다. 하지만 아이들의 손에 들려 있는 큐브와는 다르게 베팅에서는 수많은 확률이 존재합니다.
잘못된 모양이나 모델 선택
발생할 수 있는 첫 번째 오류는 잘못된 모양을 맞추는 것입니다. 삼각형을 사각형에 맞추려고 할 때 삼각형이 훨씬 작거나 힘을 써서 넣으면 맞춰지긴 하지만 제대로 맞춘 것은 아닙니다.
이것은 베팅에서 목적에 맞지 않는 잘못된 모델을 사용하는 것과 같습니다. 예를 들어 골 차이에 사용하기에 일반 분포가 적절해 보이지만 홈 팀이 득점한 골 수에는 그리 적합하지 않을 수 있습니다. 아래 보이는 그래프는 2013/14년 English Premiership에서 홈 팀이 득점한 실제 골 수와 일반 분포를 사용하여 예측한 골 수의 차이를 보여줍니다(경기 전후 데이터 사용).
여러 가지 가능한 잠재적 모델을 사용하다 보면 가장 적절한 모델을 사용하지 않고 있거나 최악의 경우 그런 모델이 없을 수도 있습니다. 이러한 모델은 실제 시나리오를 단순화한 버전이므로 결국 부정확해질 수 밖에 없습니다. 부정확성을 최대한 줄이려면 모델을 선택하고 해석할 때뿐만 아니라 기존 데이터에 모델을 적용할 때 신중히 판단해야 합니다.
잘못된 크기나 매개변수 선택
모양맞추기 집의 비유로 돌아가서 올바른 모양을 선택했으나 크기가 맞지 않는 경우를 생각해 보겠습니다. 가령 틀린 크기의 정사각형을 골랐습니다.
모델 구축 시나리오에서 이것은 잘못된 매개변수를 사용하는 것과 같습니다. 특정 시합에서 득점 예상 골 수를 계산하려 하는 경우를 생각해 봅시다. 푸아송 분포가 사용하기에 적당한 모델로 보입니다. 하지만 최근에 한 팀이 8-0으로 승리했습니다. 이 경우 평균 득점 골 수가 왜곡되므로 이 매개변수는 쓸모가 없습니다.
이런 경우에 신중한 판단이 필요하며 사용된 매개변수의 표준 편차에 주의를 기울여야 합니다.
처리 오류
마지막으로 모양맞추기 집에 올바른 모양과 크기의 도형을 선택했다고 가정해 보겠습니다. 올바른 도형을 선택했다 하더라도 사용하면서 마모되거나 제조 공정상의 이유로 똑같은 모양도 크기가 조금씩 달라질 수 있습니다.
스포츠 예측 환경에서도 마찬가지로 매 경기 결과를 똑같이 재현하기 힘듭니다. 올해에 벌어진 Super Bowl 결승전을 동일한 조건에서 여러 번 반복해도 자연적인 변동으로 인해 New England Patriots가 항상 28:24로 승리하는 것은 아닙니다.
올바른 모델과 매개변수를 선택했더라도 측정 가능한 결과는 근본적으로 항상 불안정합니다. 관련성이 높은 데이터를 더 많이 사용할 수 있을 때에서야 최적의 예측이 가능합니다. 많은 베터들이 World Cup보다 English Premier League 축구 시합을 예측하는 것이 더 쉽다고 하는 것도 그런 이유에서입니다.
결론
예측하는 자가 베팅 회사이든 베팅 조직체든 개인이든 상관없이 누구에게서나 항상 오류가 발생합니다. 이때 다른 사람이 저지르는 오류를 활용할 수 있는 능력이 바로 기술입니다.
가치 있는 정보와 조언을 찾는 것에 이외에도 베터는 최고의 배당률을 찾아야 하며, 그러한 배당률은 Pinnacle가 제공하고 있습니다 (최고의 배당률에 대해 알아보기). 당사는 온라인 사이트 중 가장 높은 한도를 제공하므로 베팅 시 최고의 이윤을 창출할 수 있는 곳이라 확신합니다.