Bra värde på lågt odds

MEL · 2016-02-14, 17:09

Värdet som jag beräknar är det förväntade värdet och ska motsvara ROI, efter många spelade matcher, om modellerna är justa. Medelvärdet av det beräknade väntevärdet (exkluderad en inställd match) är,

E(Beräknat)=(7+7+18+10+10)/5 = 10.4 %

ROI=100%*(0.20 + 0.25 + 0.38 - 1.00 + 0.35)/5 = 3.6 %

I detta fall är det för litet antal matcher för att dra några slutsatser, men då jag här har fokuserat på låga odds så är antalet matcher som krävs för att få "statistisk signifikans" relativt få.

Jegor · 2016-02-14, 17:21

Citat:

Ursprungligen postat av lottolars

Enligt mitt tycke ger 1000 matcher från de senaste 3-4 åren BETYDLIGT bättre underlag än att blanda in matcher från 20 år sedan.
Fotbollen förändras då och då.

Beror en hel del på förklaringsvariablerna och hur mycket de skiljer sig från år till år. I mina modeller kommer många förklaringsvariablerna vara i en skala från 0-1 baserat på tidigare statistik. Ska först samla in data sen får jag se hur vilket jag kommer använda mig av.

Behöver även några säsonger för att utvärdera modellerna på.

MEL · 2016-02-14, 17:28

Jag föredrar binära utfall, men även resultat spel. Handikapp (asian) är det bästa tycker jag men de kräver mycket jobb.

MEL · 2016-02-14, 17:51

Belgium - Jupiler League, Westerlo - St. Liege, klockan 18:00

knappt spelvärd men...

Jag har spelat >1.5 mål till oddset 1.29 med ett värde på 5 %.

MEL · 2016-02-14, 19:25

E(Beräknat)=(7+7+18+10+10+5)/6 = 9.5 %

ROI=100%*(0.20 + 0.25 + 0.38 - 1.00 + 0.35 + 0.29)/6 = 7.8 %

MEL · 2016-02-14, 21:02

Costa Rica - Primera Division, Cartagines - Saprissa, 23:00

Har spelat <3.5 mål till oddset 1.25, med ett värde på 7 %

BroderH · 2016-02-14, 21:24

Har du inget sheet för detta?

MEL · 2016-02-14, 21:33

Citat:

Ursprungligen postat av BroderH

Har du inget sheet för detta?

Jag är nybörjare här på forumet, men det är nog läge att testa ett sheet!

Strappa71 · 2016-02-14, 21:33

Citat:

Ursprungligen postat av Jegor

Beror en hel del på förklaringsvariablerna och hur mycket de skiljer sig från år till år. I mina modeller kommer många förklaringsvariablerna vara i en skala från 0-1 baserat på tidigare statistik. Ska först samla in data sen får jag se hur vilket jag kommer använda mig av.

Behöver även några säsonger för att utvärdera modellerna på.

Texas Sharpshooter?

MEL · 2016-02-14, 21:43

Citat:

Ursprungligen postat av Jegor

I mina modeller kommer många förklaringsvariablerna vara i en skala från 0-1 baserat på tidigare statistik.

Är det någon typ av korrelation? Jag tror man ska börja med enkla modeller - jobba hårt med "Ockhams rakkniv"!

MEL · 2016-02-14, 21:48

Citat:

Ursprungligen postat av Strappa71

Texas Sharpshooter?

Ja det är viktigt att inte utveckla modellen på samma data som den ska testas - en självklarhet hoppas jag

Strappa71 · 2016-02-14, 22:12

Sedan är det även så att "gammal historik" mycket överskattad.

Förutsättningarna förändras alltför mycket på bara några års sikt för att äldre utfall ska ha särskilt stark bäring på nutid.

MEL · 2016-02-15, 00:04

Jag kan tänka mig att förändring av regler, tillämpning av regelverk, praxis och ny teknik kan påverka match-karaktärestiken, så att exempelvis sannolikhet för en straff förändras, men att sannolikheten för att sätta en straff är oförändrad (såvida man inte bestämmer sig för att flytta straffpunkten).

Jegor · 2016-02-15, 08:50

Min responsvariabel kommer vara binär som jag kommer försöka klassificiera.

Några av de förklaringsvariabler jag kommer använda är:

Hur många av lagets tidigare matcher slutar över X mål
Hur många matcher misslyckas laget med att göra mål
Hur många matcher lagen håller nollan.
...
...
...
Ungefär 45st just nu som kommer minska efter variabelselektion.

Sedan kommer jag även ta med avstånd mellan klubbarna, väderförhållanden m.m.

Notera: All statistik räknas per säsong, så jag upplever inte att gammal statistik kommer vara värdelös, men vi får se.

Datainsamlingen är inte klar ännu, men kommer bestå av 6460 matcher, dock så har jag har odds bara för ca 2000 av matcherna. Kan även inte kolla om vädret har något påverkan för samtliga matcher då ca 1/3 saknar starttid.

Om det visar sig att gammal data förvärrar modellerna så jag enkelt ta bort dom och fortfarande ha ett stort datamaterial att jobba med.

När datainsamlingen blir klar, vilket borde vara inom ett par dagar så får vi se om det finns någon korrelation mellan respons och förklaringsvariablerna.

Valideringen kommer enbart ske på matcher som inte ingår i träningsdata.

Emeffeff · 2016-02-15, 11:51

Citat:

Ursprungligen postat av MEL

Jag kan tänka mig att förändring av regler, tillämpning av regelverk, praxis och ny teknik kan påverka match-karaktärestiken, så att exempelvis sannolikhet för en straff förändras, men att sannolikheten för att sätta en straff är oförändrad (såvida man inte bestämmer sig för att flytta straffpunkten).

Det stämmer inte! Straffen i fotboll ser ut på precis samma sätt idag som den gjorde för 20 år sedan men sannolikheten för att sätta den har ändå förändrats betydligt. Tar Premier League som exempel. På 90-talet (92-00) förvaltades 95 % av 511 tilldelade straffar. Motsvarade siffra för 00- och 10-talet är 83 % av 775 straffar respektive 79 % av 515 straffar. Fotbollen utvecklas i faser och uppenbarligen har målvaktsspel utvecklats i snabbare takt än straffteknik vad gäller den engelska ligafotbollen. Detsamma gäller givetvis för andra delar av fotbollen, anfalls- och försvarsspel till exempel, som utvecklas i vågor. Fotbollen är liksom de flesta andra sporter långt ifrån statisk och förändras mycket från år till år, varför gammal statistik snabbt blir inaktuell.

Får man fråga varför du/ni spelar på fotboll överhuvudtaget om ni bara utgår från siffror och statistiska underlag? Borde det inte vara lättare i en sport där man vet mer om vad som påverkar utfallet, som tennis till exempel. Vet att det finns folk som gjort framgångsrika modeller för tennis som tar hänsyn till olika spelstilar, servehastighet, underlag och så vidare. Krävs förvisso att man tillgång till all den statistik som behövs.

2016-02-14, 17:09	#16
MEL Reg.datum: jan 2016 Inlägg: 35 Sharp$: 75 TEST (Bra värde på låga Stats: 9 - 2 - 0 ROI: 108.20% Vinstprocent: 81.82%	Värdet som jag beräknar är det förväntade värdet och ska motsvara ROI, efter många spelade matcher, om modellerna är justa. Medelvärdet av det beräknade väntevärdet (exkluderad en inställd match) är, E(Beräknat)=(7+7+18+10+10)/5 = 10.4 % ROI=100%*(0.20 + 0.25 + 0.38 - 1.00 + 0.35)/5 = 3.6 % I detta fall är det för litet antal matcher för att dra några slutsatser, men då jag här har fokuserat på låga odds så är antalet matcher som krävs för att få "statistisk signifikans" relativt få. Följande användare gav Sharp$ för den här posten:

2016-02-14, 17:28	#18
MEL Reg.datum: jan 2016 Inlägg: 35 Sharp$: 75 TEST (Bra värde på låga Stats: 9 - 2 - 0 ROI: 108.20% Vinstprocent: 81.82%	Jag föredrar binära utfall, men även resultat spel. Handikapp (asian) är det bästa tycker jag men de kräver mycket jobb. Följande användare gav Sharp$ för den här posten:

2016-02-14, 17:51	#19
MEL Reg.datum: jan 2016 Inlägg: 35 Sharp$: 75 TEST (Bra värde på låga Stats: 9 - 2 - 0 ROI: 108.20% Vinstprocent: 81.82%	Belgium - Jupiler League, Westerlo - St. Liege, klockan 18:00 knappt spelvärd men... Jag har spelat >1.5 mål till oddset 1.29 med ett värde på 5 %. Följande användare gav Sharp$ för den här posten:

2016-02-14, 19:25	#20
MEL Reg.datum: jan 2016 Inlägg: 35 Sharp$: 75 TEST (Bra värde på låga Stats: 9 - 2 - 0 ROI: 108.20% Vinstprocent: 81.82%	E(Beräknat)=(7+7+18+10+10+5)/6 = 9.5 % ROI=100%*(0.20 + 0.25 + 0.38 - 1.00 + 0.35 + 0.29)/6 = 7.8 % Följande användare gav Sharp$ för den här posten:

2016-02-14, 21:02	#21
MEL Reg.datum: jan 2016 Inlägg: 35 Sharp$: 75 TEST (Bra värde på låga Stats: 9 - 2 - 0 ROI: 108.20% Vinstprocent: 81.82%	Costa Rica - Primera Division, Cartagines - Saprissa, 23:00 Har spelat <3.5 mål till oddset 1.25, med ett värde på 7 % Följande användare gav Sharp$ för den här posten:

2016-02-14, 21:24	#22
BroderH Reg.datum: nov 2012 Inlägg: 1 590 Sharp$: 5972 Stats: - - ROI: % Vinstprocent: %	Har du inget sheet för detta? Följande användare gav Sharp$ för den här posten: Migge (+1)

2016-02-14, 22:12	#27
Strappa71 Reg.datum: jun 2011 Inlägg: 4 718 Sharp$: 970	Sedan är det även så att "gammal historik" mycket överskattad. Förutsättningarna förändras alltför mycket på bara några års sikt för att äldre utfall ska ha särskilt stark bäring på nutid. __________________ Spelälskande gringubbe som hellre klagar en gång för mycket än gång för lite! Följande användare gav Sharp$ för den här posten:

2016-02-15, 00:04	#28
MEL Reg.datum: jan 2016 Inlägg: 35 Sharp$: 75 TEST (Bra värde på låga Stats: 9 - 2 - 0 ROI: 108.20% Vinstprocent: 81.82%	Jag kan tänka mig att förändring av regler, tillämpning av regelverk, praxis och ny teknik kan påverka match-karaktärestiken, så att exempelvis sannolikhet för en straff förändras, men att sannolikheten för att sätta en straff är oförändrad (såvida man inte bestämmer sig för att flytta straffpunkten). Följande användare gav Sharp$ för den här posten:

2016-02-15, 08:50	#29
Jegor Reg.datum: feb 2016 Inlägg: 6 Sharp$: 37	Min responsvariabel kommer vara binär som jag kommer försöka klassificiera. Några av de förklaringsvariabler jag kommer använda är: Hur många av lagets tidigare matcher slutar över X mål Hur många matcher misslyckas laget med att göra mål Hur många matcher lagen håller nollan. ... ... ... Ungefär 45st just nu som kommer minska efter variabelselektion. Sedan kommer jag även ta med avstånd mellan klubbarna, väderförhållanden m.m. Notera: All statistik räknas per säsong, så jag upplever inte att gammal statistik kommer vara värdelös, men vi får se. Datainsamlingen är inte klar ännu, men kommer bestå av 6460 matcher, dock så har jag har odds bara för ca 2000 av matcherna. Kan även inte kolla om vädret har något påverkan för samtliga matcher då ca 1/3 saknar starttid. Om det visar sig att gammal data förvärrar modellerna så jag enkelt ta bort dom och fortfarande ha ett stort datamaterial att jobba med. När datainsamlingen blir klar, vilket borde vara inom ett par dagar så får vi se om det finns någon korrelation mellan respons och förklaringsvariablerna. Valideringen kommer enbart ske på matcher som inte ingår i träningsdata. Följande användare gav Sharp$ för den här posten: