Ставки на спорт как инвестиция - Страница 2 из 4 - Dr. Bob Sports

Раздел 2: Теория гандикапов 1/3 (Модель гандикапов) Существует три общих теории того, как игрок может получить преимущество в спорте с гандикапом: модельный гандикап, фундаментальный анализ и

Существует три основных теории о том, как игрок может получить преимущество в спорте с ограниченными возможностями: модельный гандикап, фундаментальный анализ и технический анализ. В этой статье, состоящей из трех частей, я объясняю каждую из этих теорий независимо и как я комбинирую их, чтобы получить свои лучшие ставки.

Модель с ограниченными возможностями

В основе моих недостатков лежат построенные мною математические модели, которые предсказывают результаты игр более точно, чем те, кто рассчитывает ставки на публику или в Лас-Вегасе. Менее сложные симуляторы, которые пытаются придумать формулу для предсказания будущих игр, как правило, совершают ту же ошибку; они используют регрессионный анализ, чтобы найти корреляцию между различными статистическими данными и разницей в точках. Хотя это упражнение очень полезно для объяснения того, какая статистика влияет на результат игры, регрессия не обязательно полезна при использовании прошлых статистических средних для прогнозирования будущих результатов, поскольку некоторые важные статистические данные просто не очень сильно коррелируют с будущими. Например, текучесть кадров - фактор номер один в разнице очков в футболе, но текучесть кадров также является наименее предсказуемой статистикой.Модель, основанная на регрессионном анализе, будет очень высоко оценивать обороты, но поскольку прошлые обороты не сильно коррелируют с будущими оборотами, такие модели будут переоценивать влияние прошлых оборотов, создавая модель, которая хорошо объясняет, что произошло, но не очень хорошо предсказывает, что произойдет.

В частности, нащупывание бывает случайным, так как оно составляет около 90% из-за дисперсии. То есть исторически сложилось так, что если взять все команды, которые много не ладили в первой половине сезона, и все команды, которые мало что делали в первой половине сезона, эти две группы команд не справились. аналогичный показатель во второй половине сезона. Другими словами, когда говорящие головы на ESPN хвалят команды, которые «держатся за футбол» и критикуют команды с «фумбилитизмом», нужно понимать, что такие ярлыки просто обманывают вас случайностью, и что в будущих играх в отношении футбола команды не обязательно будут лажать меньше, чем команды «фумбилитис». (Конечно, когда это происходит, говорящие головы затем говорят: «Айова нащупывала 10 раз в первых 5 играх, но с тех пор совершила ошибку только один раз в 5 играх.Они научились заботиться о футболе! ») Это самый очевидный из буквально сотен различных показателей, которые учтены в моей математической модели, и одна из причин того, что моя модель намного лучше, чем регрессивные модели, и имеет постоянный успешный послужной список, подтверждающий это.

Мои математические модели учитывают предсказуемость прошлой статистики для будущих игр и используют компенсированную статистику каждой команды, а не ее исходную статистику, что повышает точность моих прогнозов. Компенсированная статистика получается путем сравнения статистики команды со статистикой противников, с которыми они столкнулись.

Например, если Орегон в среднем набирает 3,6 ярда на перенос, а Рутгерс - в среднем 4,0 ярда на перенос, но противники штата Орегон (с поправкой на силу графика) рассчитывают только на то, чтобы позволить объединить 3,4 ярда против среднего противника, а противники Рутгерса рассчитывают на то, что позволяют объединить 4,2 гпк против среднего оппонента, а затем компенсированный статистический анализ (который я проверил на выборке из десятков тысяч игр) предсказывает, что Орегон, скорее всего, будет лучше справляться со средней защитой, чем Рутгерс, несмотря на то, что тот факт, что Rutgers работает со скоростью 4,0% против 3,6% в Орегоне.Использование компенсированной статистики в сочетании с предсказательной природой каждой статистики, используемой в моей модели, дает точную оценку истинных различий между будущими выступлениями двух команд, а не разницы между их прошлыми выступлениями.

Я также корректирую свои прогнозируемые числа на основе текущего персонала для каждой команды, и эти дополнительные часы статистической работы хорошо окупились за эти годы (и с каждым годом я становлюсь лучше, делая эти корректировки). Во многом мое преимущество происходит от некоторых сложных моделей анализа защитников, которые я построил для оценки последствий защитных травм. Я также удаляю бессмысленные игры из своего набора данных, такие как опускание колен в конце тайма или всплески игры и квотербека, в дополнение к уменьшению влияния статистики во время `` мусора '', поэтому игровая статистика, которую я использую, более репрезентативна производительность команды, чем статистика, используемая другими гандикаперами, которые применяют более ленивый подход и просто подставляют баллы.

Я использую свою текущую математическую модель NCAA с 2001 года (с периодическими обновлениями и корректировками), и мой долгосрочный процент побед в College Football (56% за 29 лет) - вот почему мои Best Bets изменяют коэффициенты в течение нескольких минут после каждого выпуска Best Bet.

Определение стоимости

Одно из важнейших преимуществ модельного гандикапинга заключается в том, что он позволяет мне количественно оценить свое преимущество. То есть, на протяжении многих лет моя модель не только определяет выгодные линии, но также может дать мне процентную оценку того, насколько вероятно, что данная команда покроет спред. Количественная оценка своего преимущества позволяет мне корректировать размеры моих ставок для оптимального роста банкролла, что позволяет моим клиентам зарабатывать больше денег.

Требуются годы тщательной настройки и анализа, чтобы действительно определить, сколько стоит каждая точка разницы между собственными линиями игрока и линиями Вегаса. Самый простой способ проверить достоверность модели - использовать статистическое программное обеспечение для создания уравнения регрессии, прогнозирующего результат разброса команды хозяев (1, 0 или 0,5 для толчка) в зависимости от линейной разницы рейтингов мощности / математической модели. от фактической линии (с точки зрения хозяев поля). Если наклон этого уравнения положительный, то ваша модель / рейтинги лучше, чем линия Вегаса (а отрицательный наклон указывает на то, что ваша модель не работает), и чем больше игр вы используете для проверки своей модели, тем более вероятно, что Наклон этого уравнения является верным индикатором того, насколько хорошо ваша модель будет работать в будущем. Например,Я уже 16 лет использую свою текущую математическую модель футбола в колледже, и уравнение для предсказания вероятности того, что домашняя команда покроет спред, составляет 0,500 + 0,01 x LD, где LD - это линейная разница между моим предсказанием математической модели и линией. Таким образом, за каждую разницу в очках я могу прибавить 1% к своим шансам на победу. В каждой игре колледжа есть гипотетическая «идеальная» линия, в которой каждая сторона будет покрывать ровно 50% времени, и я изо всех сил стараюсь прийти к этой линии. Если бы у меня были «идеальные» стропы, то у меня было бы примерно 3% -ное преимущество на разницу между моими стропами и стропами Vegas, но ни одна модель не может достичь идеальной стропы. Я провожу большую часть лета, исследуя свои методы и отлаживая свой анализ, и со временем мои линии стали более точными. К сожалению,Создатели ставок в Вегасе также стали лучше строить линии, поэтому я должен продолжать доводить свою модель до совершенства.

Помните, не имеет значения, насколько велика разница между вашими рейтингами / математической моделью, если ваша прогнозируемая линия не окажется лучше, чем фактический разброс точек, как мои линии!

Номинальная мощность

Многие гандикаперы имеют набор рейтингов, чаще всего называемых рейтингами силы, которые измеряют общую силу каждой команды по сравнению с любой другой командой. Затем они принимают разницу в рейтингах между двумя командами как прогнозируемую разницу в очках между командами, если они встретятся на нейтральном поле. Конечно, команды обычно не встречаются на нейтральном поле, поэтому очки добавляются команде хозяев, чтобы компенсировать преимущество, которое большинство команд имеет дома. Преимущество домашнего поля может быть установленным для всех команд (например, 2,5 или 3 очка в НФЛ и 3 очка в НФЛ.От 5 до 4 баллов в студенческом футболе) или может варьироваться от команды к команде в зависимости от их индивидуальных различий в уровне игры дома и в дороге - хотя я считаю, что лучше не прибавлять и не вычитать более 1/2 балла за преимущество любой команды на домашнем поле, поскольку прошлые различия в уровне игры между домашними и выездными играми, которые отличаются от стандартного преимущества домашнего поля, чаще всего являются не чем иным, как дисперсией и вряд ли сохранятся.

Хотя концепция номинальной мощности довольно проста, очень сложно дать набор точных оценок. Проблема с большинством методов оценки мощности заключается в том, что рейтинги генерируются с использованием определенного математического процесса, основанного на прошлых выступлениях каждой команды и уровне противостояния, с которым они столкнулись. Примером этого являются рейтинги Sagarin, которые еженедельно публикуются в USA Today. Я разговаривал со многими гандикапами-любителями, которые используют рейтинги Sagarin, чтобы выяснить, слишком ли велик разброс очков в той или иной игре. Важно помнить, что рейтинги Сагарина и любой другой математически составленный набор рейтингов, использующий только баллы, объясняют то, что уже произошло, а не то, что произойдет. Другими словами,Хотя это правда, что эти рейтинги точно отражают разницу в производительности каждой команды до этого момента сезона, они не являются инструментом прогнозирования, который можно использовать для прогнозирования будущего уровня производительности команд, что является тем, что нас действительно интересует. как инвалиды.

Если бы преодолеть разброс очков было так же просто, как проверить рейтинги Sagarin и делать ставки на их основе, тогда все выиграли бы, и все спортивные книги были бы не у дел. Очевидно, что это не так. Таким образом, хотя рейтинги Сагарина можно использовать, чтобы увидеть, как команды выступили до этого момента сезона, не полагайтесь на них, чтобы прогнозировать, как команды будут выступать в своей следующей игре.

Рейтинги мощности обычно основываются на окончательных результатах игр. Это нормально работает в баскетболе (хотя и не лучше, чем в линейке Вегаса), но в футболе при подсчете очков много «шума» и «дисперсии», а очки не так полезны для прогнозирования результатов игр. Кроме того, рейтинги мощности, которые сводят каждую команду к одному числу, игнорируют огромную важность матчей. Если Texas Tech и Georgia Tech имеют одинаковые рейтинги атак, то можно ожидать, что они будут одинаково справедливо противостоять защите, имеющей средний рейтинг по всем параметрам защиты. Тем не менее, против защиты со средним общим рейтингом, но на более конкретном уровне, с очень высоким рейтингом защиты от бега (позволяющим 3,1 ypc против противников, которые объединяются для скорректированного 4,5 ypc) и очень плохими показателями защиты от прохода (допуская 8.8 ypa против противников, которые объединяются для скорректированного 6.4 ypa), можно было бы ожидать, что нападение Texas Tech с тяжелыми пасами будет работать намного лучше, чем нападение Georgia Tech с тяжелым бегом, даже несмотря на то, что эти два нарушения оцениваются одинаково в целом. Очевидно, что анализ матчей намного глубже и сложнее, чем этот, и часто приводит к очень техническим данным, касающимся преимуществ на отдельных позициях, но этот простой пример иллюстрирует общую концепцию того, как рейтинги мощностей не влияют на матчи.и часто попадает в очень технические данные, касающиеся преимуществ на отдельных позициях, но этот простой пример иллюстрирует общую концепцию того, как рейтинги мощности не влияют на совпадения.и часто попадает в очень технические данные, касающиеся преимуществ на отдельных позициях, но этот простой пример иллюстрирует общую концепцию того, как рейтинги мощности не влияют на совпадения.