Aktuellt
dec 5, 2020

Hur man oddssätter en fotbollsmatch

Varför bör du själv komma fram till oddsen för en fotbollsmatch?

Exempel på hur man oddssätter en fotbollsmatch

Vad gör du när du börjar vinna?

Hur man oddssätter en fotbollsmatch
Även om det inte är något fel med att spela utifrån sina egna åsikter är det ingen gångbar strategi, om målet är att gå med vinst i längden. Om du tar betting på allvar analyserar du matchen i förväg och uppskattar själv var oddsen bör ligga. På så sätt kan du upptäcka om det finns värdefulla spelmöjligheter. Läs den här artikeln för att få reda på hur man oddssätter en fotbollsmatch.

Varför bör du själv komma fram till oddsen för en fotbollsmatch?

För att kunna identifiera värdefulla spelmöjligheter måste du jämföra spelbolagets odds med var du anser att oddsen egentligen bör ligga. Om spelbolagets odds enligt dina beräkningar underskattar ett visst utfall får du ett positivt väntevärde.

Även om det i grunden är ett enkelt koncept har många spelare svårt att genomföra det på rätt sätt. Oddsjämförelser kan hjälpa dig hitta de bästa oddsen för tillfället, men för att hitta rätt spel på en viss oddsmarknad behöver du räkna fram egna sannolikheter och jämföra dem med de tillgängliga oddsen.

Många inser inte hur svårt det faktiskt är att gå med vinst på spel. Du kommer inte att hitta värdefulla spelmöjligheter i samma sekund som du börjar oddssätta matcher själv. Men man måste börja någonstans, och det kommer att förbättra din förståelse för sannolikheter. När du väl har utvecklat dina kunskaper, skaffat bättre information och börjat experimentera med olika indata och oddssättningsmetoder har du bättre chans att hitta spelmöjligheter som är värdefulla på riktigt.

I den här artikeln kommer jag att ge ett exempel på hur man oddssätter en fotbollsmatch, men du behöver inte nödvändigtvis göra det grovjobbet själv. Vissa väljer att lita på marknaden och informationen från ett träffsäkert spelbolag (till exempel Pinnacle) för att hitta avvikelser hos andra spelbolag.

Man skulle till exempel kunna utgå från Pinnacles odds för ett gem i tennis och skala upp dem till odds för hela matchen. Eller utgå från lagtotalerna för ett NBA-lag för att se hur troligt det är att ett visst lag gör fler poäng än ett annat (och hur många fler), och utifrån det räkna fram oddsen för ett moneyline- eller handikappspel. Men jag tänker spara sådana exempel (och deras möjliga falluckor) till en annan artikel.

Man måste börja någonstans

Att försöka göra samma sak som spelbolaget (ta fram odds) kan verka otacksamt med tanke på att spelbolaget besitter långt större resurser. Men om du kan lägga ner tiden som krävs, lära dig av dina misstag och acceptera misslyckanden (de är nämligen oundvikliga) kan du definitivt ha nytta av att ta fram egna odds.

Den gängse bilden av en framgångsrik oddsspelare har förändrats på senare år. Traditionella handikappspelare som baserar sina beräkningar på egen kunskap och erfarenhet existerar visserligen fortfarande, men nu riktas rampljuset mot spelare som bygger egna modeller utifrån stora mängder data och komplexa algoritmer.

Om ditt mål är att nå upp till nivån som professionella spelare håller har du en lång väg att gå, men man måste börja någonstans. Du kan inte bara mata in en massa data i Excel, R eller Python och experimentera hejvilt tills du får fram något användbart. Börja från grunden med små mängder data och ta ett steg i taget.

Exempel på hur man oddssätter en fotbollsmatch

Jag har satt ihop ett exempel som tydligt visar hur man kan ha nytta av att oddssätta en fotbollsmatch. Det här tillvägagångssättet har dock flera brister (som vi kommer att gå in på senare), och det behövs mer än så för att hitta värde på fotbollsmarknaderna.

Det räcker inte med att bara konstatera att något fungerar eller inte fungerar. Det viktiga är att inse varför det fungerar eller inte gör det.

Med en Poissonmodell har jag tagit fram 1X2-odds för en viss uppsättning Premier League-matcher (i det här fallet från den första omgången av säsongen 2019–2020). Poissonfördelningens nytta inom betting förklaras mer utförligt i en separat artikel, men jag kommer att gå igenom grunderna här.

Med Infogols data för förväntade mål under den förra Premier League-säsongen (2018–2019) kunde jag räkna fram varje lags ”anfallsstyrka” och ”försvarsstyrka” både på hemmaplan och bortaplan.

Genom att utgå från förhållandet mellan ett lags snitt och det totala ligasnittet får vi ett relativt mått på ett lags förmåga att göra mål och hålla tätt bakåt. När vi tittar på förväntade mål istället för faktiska mål får vi en mer precis bild av styrkeförhållandena mellan lagen och kan till viss del eliminera slumpens och turens roll under en 38 matcher lång säsong.

Anfallsstyrka på hemmaplan

Lagets förväntade gjorda mål (xGF) per hemmamatch / Ligasnittet för förväntade gjorda mål (xGF) per hemmamatch

Försvarsstyrka på hemmaplan

Lagets förväntade insläppta mål (xGA) per hemmamatch / Ligasnittet för förväntade insläppta mål (xGA) per hemmamatch

Anfallsstyrka på bortaplan

Lagets förväntade gjorda mål (xGF) per bortamatch / Ligasnittet för förväntade gjorda mål (xGF) per bortamatch

Försvarsstyrka på bortaplan

Lagets förväntade insläppta mål (xGA) per bortamatch / Ligasnittet för förväntade insläppta mål (xGA) per bortamatch

Anfallsstyrka och försvarsstyrka i Premier League 2019–2020

Lag

xGF hemma

xGA hemma

xGF borta

xGA borta

Anfallsstyrka på hemmaplan

Försvarsstyrka på hemmaplan

Anfallsstyrka på bortaplan

Försvarsstyrka på bortaplan

Manchester City

52,6

15,6

37,9

12,9

1,679

0,619

1,505

0,412

Liverpool

43,9

15,7

34,6

18,4

1,401

0,623

1,374

0,587

Chelsea

34,8

16,0

30,1

25,7

1,111

0,635

1,195

0,820

Tottenham

33,3

27,2

27,7

24,7

1,063

1,080

1,100

0,788

Arsenal

35,9

26,2

27,8

32,0

1,146

1,040

1,104

1,021

Manchester United

37,5

23,9

32,2

30,7

1,197

0,949

1,278

0,980

Wolves

34,9

21,4

23,6

25,3

1,114

0,849

0,937

0,808

Everton

33,4

23,8

24,6

27,5

1,066

0,945

0,977

0,878

Leicester City

28,3

20,5

26,9

26,0

0,903

0,814

1,068

0,830

West Ham United

27,6

26,4

23,2

42,1

0,881

1,048

1,076

1,344

Watford

25,2

32,1

27,1

35,9

0,804

1,274

1,076

1,146

Crystal Palace

28,7

26,9

22,1

30,2

0,916

1,068

0,877

0,964

Newcastle United

25,6

29,4

17,5

33,6

0,817

1,167

0,695

1,072

Bournemouth

32,1

27,3

27,9

35,0

1,025

1,084

1,108

1,117

Burnley

28,4

30,5

21,1

38,2

0,906

1,211

0,838

1,219

Southampton

28,3

27

26,3

33,5

0,903

1,072

1,044

1,069

Brighton

22,4

26,3

18,4

39,0

0,715

1,044

0,730

1,245

Norwich

29,1

27,4

19,4

38,4

0,929

1,088

0,770

1,226

Sheffield United

26,8

30,5

19,2

42,6

0,855

1,211

0,762

1,360

Aston Villa

18,0

29,8

16,2

35,4

0,575

1,183

0,643

1,130

Sedan tittar vi på matcherna vi vill oddssätta. Vi kan utgå från hemmalagets anfallsstyrka på hemmaplan och bortalagets försvarsstyrka på bortaplan för att räkna fram hur många mål hemmalaget väntas göra. Omvänt kan vi också utgå från försvarsstyrkan på hemmaplan och anfallsstyrkan på bortaplan för att räkna fram hur många mål bortalaget väntas göra.

Så här skulle det se ut för matchen mellan Leicester och Wolves i den första omgången av Premier League-säsongen 2018–2019.

Mål för Leicester

Leicesters anfallsstyrka på hemmaplan × Wolves försvarsstyrka på bortaplan × ligasnittet för förväntade mål per hemmamatch

0,903 × 0,808 × 1,649 = 1,203

Mål för Wolves

Wolves anfallsstyrka på bortaplan × Leicesters försvarsstyrka på hemmaplan × ligasnittet för förväntade mål per bortamatch

0,937 × 0,814 × 1,326 = 1,011

Detta ger oss antalet mål som respektive lag väntas göra om de möter varandra (1,203 för Leicester och 1,011 för Wolves). Men eftersom matchen inte kan sluta 1,203–1,011 måste vi hitta en sannolikhetsfördelning för flera möjliga utfall.

Med Poissonfunktionen i Excel kan vi räkna fram sannolikhetsfördelningen för de olika antal mål som varje lag kan göra i en match (för enkelhets skull använde jag intervallet 0–5). Med exemplet ovan skulle fördelningen se ut så här.

Leicester mot Wolves: Poissonfördelning

Mål

0

1

2

3

4

5

Leicester

0,3002

0,3612

0,2173

0,0871

0,0262

0,0063

Wolves

0,3639

0,3678

0,1858

0,0626

0,0158

0,0031

För att beräkna sannolikheten för enbart hemmaseger, oavgjort och bortaseger (1X2) måste vi komma fram till sannolikheten för vart och ett av de potentiella utfallen.

Leicester 0–0 Wolves

Sannolikheten att Leicester gör 0 mål × sannolikheten att Wolves gör 0 mål

0–0 = 0,3002 × 0,3639 = 0,1092 eller 10,92 %

Sedan upprepar vi detta för alla möjliga permutationer av ett resultat där båda lagen kan göra mellan 0 och 5 mål (36 totalt: sex oavgjorda, 15 hemmasegrar och 15 bortasegrar). Så här skulle utfallen för den här matchen se ut.

Leicester mot Wolves: Möjliga resultat

Leicester

Wolves

Sannolikhet

%

0

0

0,109

10,924

1

1

0,133

13,285

2

2

0,040

4,037

3

3

0,005

0,545

4

4

0,000

0,041

5

5

0,000

0,002

Resultat

Oavgjort

0,288

28,835

1

0

0,131

13,144

2

0

0,079

7,908

3

0

0,032

3,170

4

0

0,010

0,953

5

0

0,002

0,229

2

1

0,080

7,992

3

1

0,032

3,204

4

1

0,010

0,964

5

1

0,002

0,232

3

2

0,016

1,618

4

2

0,005

0,487

5

2

0,001

0,117

4

3

0,002

0,164

5

3

0,000

0,039

5

4

0,000

0,010

Resultat

Leicester-seger

0,402

40,231

0

1

0,110

11,041

0

2

0,056

5,578

0

3

0,019

1,879

0

4

0,005

0,474

0

5

0,001

0,093

1

2

0,067

6,711

1

3

0,023

2,261

1

4

0,006

0,571

1

5

0,001

0,112

2

3

0,014

1,360

2

4

0,003

0,343

2

5

0,001

0,067

3

4

0,001

0,138

3

5

0,000

0,027

4

5

0,000

0,008

Resultat

Wolves-seger

0,307

30,664

Det här ger oss följande sannolikheter för respektive utfall.

Leicester mot Wolves: Möjliga resultat

Resultat

%

Leicester-seger

40,23

Oavgjort

28,84

Wolves-seger

30,66

Sedan kan vi konvertera dessa procentsatser till odds, eller konvertera spelbolagets odds till procent, för att jämföra dem och försöka hitta värdefulla spelmöjligheter. Nedan följer en oddsjämförelse mellan Pinnacles öppningsodds för den första omgången av Premier League-säsongen 2019–2020 och oddsen från vår Poissonmodell för förväntat antal mål.

Hemma

Borta

Pinnacles öppningsodds hemma

Pinnacles öppningsodds oavgjort

Pinnacles öppningsodds borta

xG Poisson hemma

xG Poisson oavgjort

xG Poisson borta

Liverpool

Norwich

1,15

9,59

18,05

1,23

7,89

16,3

West Ham

Man City

11,68

6,53

1,26

10,5

5,34

1,39

Bournemouth

Sheffield United

2,04

3,57

3,9

1,58

5,13

5,81

Burnley

Southampton

2,71

3,31

2,81

2,72

4,27

2,51

Crystal Palace

Everton

3,21

3,37

2,39

2,8

3,86

2,61

Watford

Brighton

1,98

3,44

4,37

2,13

4,09

3,49

Tottenham

Aston Villa

1,3

5,84

10,96

1,63

4,64

5,85

Leicester

Wolves

2,21

3,34

3,66

2,48

3,46

3,25

Newcastle

Arsenal

4,58

3,93

1,81

3,13

4,09

2,38

Man United

Chelsea

2,21

3,37

3,63

2,47

4,17

2,81

Identifiera dina svagheter och maximera din edge

Om det här exemplet vore verkligt hade du sedan behövt lägga lite tid på att utvärdera hur träffsäkra dessa odds är i förhållande till spelbolagets. Att hitta avvikelser är nog så bra, men om spelbolaget är mer träffsäkert än du kommer du inte att vinna i det långa loppet.

Om du genast börjar satsa pengar på de spel som metoden identifierar kan det bli kostsamt även med små insatser. Ett stort antal spel krävs innan man kan börja dra några meningsfulla slutsatser. Så kallade utfallstest är därför det mest effektiva sättet att ta reda på hur gångbar den här metoden är.

Genom att jämföra oddsen som den här modellen skulle ha gett för tidigare matcher med Pinnacles stängningsodds kan vi komma en bit på väg mot att ta reda på hur bra den här strategin verkligen är. Det räcker inte med att bara konstatera att något fungerar eller inte fungerar. Det viktiga är att inse varför det fungerar eller inte gör det.

Det finns många skäl till varför ovanstående Poissonmodell för förväntade mål inte lämpar sig för att oddssätta en fotbollsmatch. Eftersom den utgår från den förra säsongens data istället för löpande data blir den snabbt utdaterad. Om man inte tar hänsyn till övergångar och tränarbyten kan utvärderingen av ett lags styrkor och möjligheter att vinna en match snedvridas. Jag har också gett de nyuppflyttade lagen data från de nedflyttade lagen. Det här är bara ett par exempel som man bör ha i åtanke.

Om man skulle lyckas hitta en edge med den här modellen är det viktigt att förstå varför. Rör det sig bara om något som spelbolaget eller andra spelare inte övervägt? Beror det på spelets tidpunkt? Kan du förbättra datakvaliteten för att få en större edge? När du väl har identifierat en verklig edge och vet hur den uppstått måste du hantera din bankrulle på rätt sätt för att kunna maximera den edgen.

Vad gör du när du börjar vinna?

Jobbet är inte klart i samma stund som du hittar en framgångsrik spelstrategi. Faktum är att det är då det verkligt hårda arbetet börjar. Tyvärr brukar vissa spelbolag stänga av eller begränsa spelare som lyckas göra mer träffsäkra förutsägelser än spelbolagets odds motsvarar.

Därför är det ännu viktigare att du maximerar din edge när du kan, och att du jobbar på att fortsätta förbättra din modell. Sedan kan du sätta den på prov hos ett spelbolag där du inte blir avstängd eller begränsad oavsett hur mycket du vinner. Ett sådant spelbolag är Pinnacle.

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.