Олег Власов - Футболоматика: как благодаря математике «Барселона» выигрывает, Роналду забивает, а букмекеры зарабатывают состояния

Исходя из этого, я предлагаю свою пятую и последнюю стратегию: «Спроси мою жену». Она будет представлять типичного игрока.

Теперь у меня есть пять стратегий, а для каждого матча существует три возможных результата. Это проблема. Если стратегии не будут совпадать в результатах, мне придется одновременно ставить на победу хозяев, гостей и ничью. Учитывая изначальную выгоду букмекеров, такой ход не является разумным.

Ответ заключается в том, чтобы преобразовать каждую стратегию в вероятность исхода, а затем объединить их для получения общей вероятности победы, поражения и ничьей для каждого матча. Стратегия ставок на отклонения уже работает с вероятностями, поэтому они могут быть преобразованы напрямую [163] Мы устанавливаем коэффициенты следующим образом. Пусть вероятность букмекеров на победу одной команды равна p , а второй – q . Тогда, если | p – q | > 0,4, мы устанавливаем вероятность выигрыша стратегии как . Если | p – q | < 0,15, то вероятность ничьей равна 0,355 – 0,25 | p – q |. Все остальные вероятности результата берутся затем из коэффициентов букмекеров и корректируются соответствующим образом, чтобы отразить новую вероятность ничьей. При 0,15 ≤ | p – q | ≤ 0,4 ставка не делается. . Аналогичным образом индекс Euro Club уже дает вероятность для каждого результата [164] www.euroclubindex.com/asp/matchodds.asp. . Мои стратегии, основанные на показателях эффективности и экспертном мнении, дают показатели забитых голов для обеих команд. Например, используя выборку Принс-Райта, я установил показатель забитых голов для «Астон Виллы» на 0,5 мяча за матч, а для «Манчестер Юнайтед» – на 1,5. Я использую эти данные для запуска моделирования Пуассона, как я делал в главе 1. В матче «Астон Вилла» – «Манчестер Юнайтед» вероятность победы хозяев равна 12,5 %, ничьей – 23,0 %, победы гостей – 64,5 % [165] Я продолжаю делать небольшую корректировку, потому что модель Пуассона слегка недооценивает ничьи. Остальные вероятности корректируются так, чтобы в сумме получать 1. . Стратегия 3 также дает показатели забитых голов, которые могут использоваться для моделирования Пуассона таким же образом [166] Я сделал модели и для забитых, и пропущенных голов и обнаружил следующие наилучшие модели с использованием регрессии Пуассона. Среднее количество голов за матч для домашней команды оценивается как exp (–0,7574 + 0,13 r + 0,76 h ), где r – скорость передач, h – среднее количество ожидаемых голов в предыдущих матчах. Среднее количество голов за матч для команды гостей оценивается как exp (–0,0784 + 0,5057 g + + 0,5527 b ), где g – среднее количество ожидаемых пропущенных хозяевами голов в предыдущих матчах. b = 1, если соперник команда гостей – «Челси», «Манчестер Сити», «Манчестер Юнайтед», «Арсенал», «Ливерпуль» или «Тоттенхэм»; b = 0 для всех остальных гостей. .

Четыре из моих стратегий ставок дают очень разные прогнозы. Для матча четвертого тура «Челси» – «Вест Бромвич Альбион» стратегия ставок на отклонения предполагает, что «Челси» победит, а стратегия показателей эффективности отдает предпочтение «Вест Брому». Чтобы примирить эти противоречивые советы, я беру среднее предсказание каждой из четырех стратегий и сравниваю их с шансами букмекеров, применяя тест p > 1 / o. Я делаю ставку на результат только в том случае, если он превосходит котировки букмекеров. Для матча «Челси» – «Вест Бром» вероятность победы гостей из стратегии показателей эффективности перевешивает стратегию ставок на отклонения, и моя общая модель поддерживает ставку на «Вест Бром».

И последнее, но не менее важное: «спроси мою жену». Как знает Ловиса, я очень ценю ее мнение, но не делаю так, как она говорит, – я слишком упрям для этого. Поэтому она не может никак влиять на мои ставки. Вместо этого я сниму 100 фунтов с нашего совместного сберегательного счета, куда я положил деньги от Bloomsberry, и отдам их Ловисе. Она инвестирует их в собственную стратегию ставок. Оставшиеся 402,10 фунта я инвестирую в остальные четыре стратегии. Посмотрим, кто справится лучше.

Если вы инвестируете в команду (как тренер, футболист или фанат), то отдаете себя в руки непредсказуемости. Я привык к переживаниям от испытаний и невзгод – и редких триумфов – «Ливерпуля», а также от просмотра серии пенальти в чемпионате района с участием моей команды десятилетних. Но тут расслабиться не удастся: мне необходимо ставить на каждый матч, да еще и профессиональная репутация на кону! Забитые голы, упущенные моменты – и все это происходит на моих глазах по телевизору или на моем постоянно вибрирующем телефоне, который присылает обновления в режиме реального времени. Время от времени кажется, что я сорвал большой куш; в других случаях больше похоже на то, что я не дам ни одного правильного прогноза за весь уик-энд. Трудно оставаться рациональным, когда все постоянно изменяется.

Представьте себе игрока – я назову его Люком, – который в течение пяти туров в пятницу днем делает ставки в размере 5 фунтов на каждый из 10 матчей в Премьер-лиге (стартовый капитал Люка составляет 100 фунтов). Левый график на рисунке 13.1 показывает ход его ставок. Похоже, он знает, что делает, поскольку спустя пять туров и 50 матчей он превратил свои 100 фунтов в почти 250. Помимо этого он имеет надежный рост. Люк не выигрывает на каждой ставке, но его капитал стабильно растет.

Теперь рассмотрим другого игрока, Джейн, у которой такой же стартовый капитал, как и у Люка. Она также ставит по 5 фунтов. Но дела у нее идут не так хорошо – что мы и видим на правом графике на рисунке 13.1. Первые несколько матчей заканчиваются для нее неплохо, но после все идет под откос. Выигрышные серии длятся недолго. Проигрыши продолжаются и продолжаются – она не выигрывала в шести или семи ставках подряд. После 50 матчей у Джейн осталось около 20 фунтов – одна пятая ее стартового капитала.

Люк и Джейн – компьютерная симуляция двух разных моделей. В первой симуляции Люк делает ставки наугад. Он с равной вероятностью выбирает победу хозяев, гостей или ничью, а затем ставит на выбранный исход. Модель предполагает, что предложенные ему котировки являются истинным отражением вероятностей результата матча, но при этом букмекеры имеют выгоду размером в 1,5 %. Люку везет: он продолжает выигрывать, хотя понятия не имеет, что делает. Он ставит наугад.

Модель Джейн отличается. Я предположил, что она знает больше букмекеров. Даже с учетом выгоды в 1,5 % я дал Джейн преимущество в 1 % над букмекерами. Но даже этого недостаточно, чтобы избежать случайности – неудача преследует ее, и Джейн продолжает проигрывать. Она делает все правильно, но не в силах изменить ситуацию, чтобы ее действия приносили прибыль.