apr 20, 2016
apr 20, 2016

Varför misslyckades förutsägelsemodeller med att se Leicesters uppgång?

Varför misslyckades förutsägelsemodeller med att se Leicesters uppgång?
Både bland oddsspelare och finansrådgivare används dåtida data i stor utsträckning för att förutsäga framtida utfall. I denna artikel diskuterar Dominic Cortis fördelarna och nackdelarna med denna metod och förklarar varför dessa modeller misslyckats med att förutsäga Leicesters chanser att vinna ligan.

Att jobba med att förutsäga resultat är inte lätt eftersom det, enligt min korta erfarenhet, kan leda till två vitt skilda intryck. När allt går som planerat blir man behandlad som om man vore en profet. Men när man förutsäger något oväntat som inte inträffar blir man plötsligt en lurendrejare.

Oavsett vad du försöker förutsäga är det högst osannolikt att utfallet blir exakt som du trott, särskilt om det finns flera olika möjliga resultat.

Att använda dåtiden för att förutsäga framtiden

En bra metod är att ta avstamp i dåtiden eller allmän information. Vi vet till exempel att hemmalag gör fler mål än bortalag. Så när två lag som är lika bra möts gör du klokt i att anta att hemmalaget vinner. Vilken halvlek har flest mål i en fotbollsmatch? Den andra. Kommer England att vinna på straffar? Nix.

Något som kan ge oss större insikt är att mäta spridningen, som till exempel standardavvikelsen, eftersom det synliggör den möjliga diskrepansen från en optimal bedömning.

Men vi hade aldrig kunnat förutsäga Leicester FC:s framgångar (ja, alla mina artiklar måste nämna Leicester) i början av säsongen. Eller? Genom att titta på de sista matcherna i säsongen 2014/15 hade vi kunnat se att Leicester var på uppgång. Men jag måste erkänna att det då kändes extremt optimistiskt att ens överväga en topp 6-placering.  

Förutsägelsernas begränsningar

Förutsägelser bör aldrig följa en färdig mall utan måste ta hänsyn till varje enskilt falls unika förutsättningar. Det finns en liknelse om tidigare sannolikhet som jag fullständigt älskar. Artikeln om Han Solo och bayesiansk sannolikhetslära tar upp ett Star Wars-scenario där Millennium Falcon flyger genom ett asteroidbälte och C3PO säger åt Han Solo att chansen är 1 på 3 720 att ta sig förbi asteroiderna oskadda. Men C3PO tog inte hänsyn till att normal statistik inte är tillämpbar på Han Solo utan borde ha justerats för honom.

Just det håller på att hända med Leicester. Vissa förutsägelsemodeller är helt enkelt inte tillämpbara. Till exempel är Poisson-fördelning en vanlig metod för att förutsäga antalet gjorda mål.

Men den skulle ha gett ett lag som gör många mål en högre chans att vinna. Men Leicester är ett lag som siktar in sig på att bara vinna med 1–0 tack vare sin höga försvarsstyrka.

Och även om korrekt statistik hade använts verkade marknaden ologisk. Alla förväntade sig att Arsenal skulle lägga i en högre växel och att Leicester skulle falna. Även om det var ett plausibelt scenario var det mest sannolikt att båda lagen skulle fortsätta på sina inslagna banor.

Kompromissen

Sammanfattningsvis bör du förankra dina förutsägelser men inte glömma att tidigare prestationer inte avgör framtida resultat. Därför måste du vara subjektiv, kreativ, bedömande och beakta de aktuella förutsättningarna utan att vara överdrivet lättpåverkad. Det är en svår balansgång.

strategy-openaccount.jpg

Oddsresurser: Bli en bättre spelare

Pinnacles avdelning Oddsresurser är en av nätets mest omfattande artikelsamlingar med spelråd från experter. Vi tillgodoser behoven hos både nybörjare och proffs – vårt mål är helt enkelt att öka våra spelares kunskaper.