Адам Кучарски - Идеальная ставка

По мнению журналиста Чэда Миллмана, легализация беттинга будет выгодна не только профессиональным игрокам. Во время своего визита в Массачусетский технологический институт в марте 2013 года Миллман встретился со студентом программы МБА Майком Волом. Для своего научного проекта тот выбрал тему «Азартные игры как упущенный класс активов». Финансист по образованию и опытный беттор, Вол предположил, что в плане соотношения риска и доходности спортивные ставки не менее эффективны, чем торговля акциями на бирже.

Миллман отмечал, что для мира азартных игр характерны две крайности. На одном конце шкалы располагаются профессиональные спортивные бетторы, так называемые знатоки, которые регулярно делают успешные ставки; на другом – обычные игроки, не обладающие ни инструментами прогнозирования, ни надежной стратегией. Посредине находятся люди, которые, подобно Волу, владеют необходимыми навыками для успешного размещения ставок, однако не пользуются ими. Они могут работать в финансовой или научной сфере, иметь степень MБA или академическую степень. Если закон о спортивном беттинге в США будет принят, эти игроки средней руки смогут неплохо зарабатывать. Знание математики и статистики позволяет им освоить методы, применяемые в беттинге, а современные компьютерные и информационные технологии обеспечивают необходимыми инструментами. Все, что им нужно, – законный доступ на этот рынок.

У беттингового стартапа много плюсов. Один из них – гибкость. Будут ли игровые синдикаты пользоваться теми стратегиями, которые уже доказали свою успешность, или устремятся к новым горизонтам?

Анализируя свой опыт, Майкл Кент пришел к выводу, что для успешной игры необходимо уделять больше внимания деталям. «Если бы я сейчас начинал все заново, – говорит он, – я бы тщательно собирал данные о каждой игре». Дополнительная информация позволяет измерить личный вклад в игру каждого спортсмена, и такой подход является полной противоположностью первоначальной модели Кента, где он рассматривал команду как единое целое. «Я ничего не знал об игроках, – признавался он. – Я понимал, что делает команда на поле, однако понятия не имел, кто ею руководит».

Некоторые современные игровые синдикаты весьма преуспели в деле оценки влияния отдельных игроков на исход соревнования. «Мы анализируем выступление каждого члена каждой команды, – говорит Уилл Уайлд. – Каждому игроку присваивается место в рейтинге, которое может меняться независимо от того, играет он или нет». В Гонконге синдикат Билла Бентера даже нанимает персонал, которому поручено внимательно просматривать видео лошадиных скачек и следить за скоростью лошади во время забега или за тем, как быстро она приходит в себя после падения. Данные такого видеонаблюдения составляют относительно небольшую часть модели – всего 3 %, однако они позволяют увеличить точность прогнозов.

Но одного сбора данных зачастую бывает недостаточно. Настоящим кошмаром для статистика может стать сильный футбольный защитник. Играя за «Милан» и сборную Италии, Паоло Мальдини в среднем совершал за игру один отбор мяча у противника. Он вовсе не ленился – ему удавалось сдерживать противника, просто находясь на нужной позиции. Следовательно, такой статистический показатель, как количество отборов мяча, не дает нам верных сведений о мастерстве игрока. Если защитник стал реже отбирать мяч у противника, это вовсе не означает, что он стал хуже играть. Напротив, часто это свидетельство того, что его игра улучшилась.

Похожая ситуация возникает с корнербеком в американском футболе. В его обязанности входит контроль над краем поля и его защита от пасов противника. Хороший корнербек перехватывает множество пасов, но отличному корнербеку это не требуется – противники его просто избегают. В результате лучшие корнербеки Национальной футбольной лиги прикасаются к мячу всего несколько раз за сезон.

Как оценить способности игрока, если он не совершает практически ничего, поддающегося измерению? Например, сравнить результаты команды с этим игроком и без него. Самое простое – посмотреть, как часто побеждает команда, когда объект оценки выходит на поле. Иногда роль того или иного игрока видна невооруженным глазом. Например, когда бомбардир Тьерри Анри играл за «Арсенал» в 1999–2007 годах, команда выиграла 61 % матчей, в которых он принимал участие, и 52 % тех, которые он пропустил.

Подсчет побед представляется достаточно простым методом, но, оценивая игроков подобным образом, можно получить неожиданные результаты. Иногда вдруг оказывается, что кумиры болельщиков ничего не значат для команды. В 1998 году Стивен Джерард стал играть за «Ливерпуль», и клуб выиграл половину игр с его участием и столько же без его участия. Брендан Путс подчеркивает, что лучшие клубы набирают сильную команду и, как правило, легко справляются с потерей отдельного «звездного» игрока. Когда кто-то из них получает травму и выбывает с поля, остальные быстро перестраиваются. «По большому счету, – отмечал Путс, – вклад таких игроков гораздо меньше, чем люди привыкли думать».

Простое сравнение числа побед с участием и без участия игрока мало что дает еще и потому, что не учитывает, насколько важна для клуба игра и насколько силен ее соперник. Так, в самых ответственных матчах команды часто задействуют больше звезд. Модели прогнозирования как раз и помогают разобраться со всеми этими нюансами. Спортивные статистики часто оценивают роль конкретного игрока, сопоставляя прогнозируемое количество очков в матчах с его участием с количеством реально заработанных очков. Если с участием игрока команда играет лучше, чем ожидалось, логично предположить, что он важен для команды.

Ко всему прочему, самые значимые игроки – далеко не всегда звезды. Дело в том, что лучший игрок и значимый игрок – разные понятия. Как показывают расчеты, самым нужным для клуба является игрок, которому трудно найти замену или тот, кто лучше владеет командным стилем игры.

Для интерпретации результатов, выдаваемых моделями, компании спортивного прогнозирования нанимают специалистов, знающих подноготную каждой команды. Это эксперты, способные объяснить, почему определенный игрок так важен для клуба и как его присутствие или отсутствие на поле влияет на результат матча. Информация этого рода с трудом поддается измерению по жесткой шкале, но она заметно влияет на результативность прогноза. Фокус в том, чтобы определить, какие данные модель не «видит», и при прогнозировании делать на них поправку. Спортивный статистик Дэвид Хасти отмечает, что такой подход идет вразрез с общепринятыми представлениями о научном беттинге: «Большинство людей уверены, что игра в тотализатор целиком и полностью сводится к применению моделей. Они верят в существование волшебной формулы».