Konsten att förutspå resultatodds?

[droid]

Tack för era inlägg och ursäkta brist på uppföljning. Tennissäsongen drog nyligen igång och då levebrödet kommer från det kommer fokus att skiftas över dit igen och jag kommer dessvärre inte hinna slutföra detta - inte inom den närmaste tiden åtminstone.

För att på något vis göra ett försök att ändå knyta ihop säcken kommer här en liten sammanfattning på vad som har gjorts mot slutet.

Mycket research gjordes kring Bivariat Poisson (ja, jag borde lyssnat på Juret och Zimond tidigare) som har stöd för korrelation mellan förväntat antal mål mellan lagen i fråga, samt möjliga alternativ att sedemera göra en diagonal inflation på resultaten (öka sannolikheten för kryss-resultat).

Formel för Bivariat Poisson


x = Exakt utfall hemmamål
y = Exakt utfall bortamål
lambda1 = Förväntat antal hemmamål
lambda2 = Förväntat antal bortamål
lambda3 = Korrelationskoefficient

Utgick efter ovanstående formel för att implementera en BivPois-funktion programmatiskt med framgång. Laborerade sedan med olika korrelationer (0.00-0.15) och uppskattade odds blev bättre än univariat (vanlig) Poisson fördelning, samt att man indirekt fick en inflation på X-resultaten vilket gav en ännu bättre bild även om fortfarande inte perfekt.

Använde sedan simulering för att få fram lämplig korrelation för respektive match genom att beräkna felmarginal jämfört med indata Matchodds 1/X/2 och O/U 2.5 odds mha minsta kvadrat-metoden för att få fram "optimal" korrelationskoefficient. Detta förbättrade de uppskattade oddsen ytterligare och det visade sig att jämnare lag sett till matchoddsen tenderade att ha högre positiv korrelation.

Även om de uppskattade oddsen nu var väldigt bra jämfört mot felmarginal och BF odds på "Correct score"-marknaden saknade jag fortfarande det där lilla extra. Började således att läsa på mer om Diagonal inflation och snö:ade in på diskreta distribrutioner, i synnerhet Bernoulli distribrutionen. Implementation av detta lyckades inte särskilt bra då Binomial 1 över k ger 1 vid k=1 samt 0 vid k>1, vilket inte känns rätt direkt om man vill ha inflation på alla X-resultat. Jag hann dock aldrig ge detta en ärlig chans.

Istället genomförde jag diagonal inflation med egna modeller, däribland genom att jämföra Matchodds 1/X/2 som fås fram från beräknade "Correct score"-odds som fås fram från den bivariata Poisson fördelningen mot input Matchodds 1/X/2 enligt BF och korrigerade olika resultat stegvis tills oddsen var mer eller mindre spot on. Även om pricksäkerheten blev bättre här så blev den sämre på andra resultat (icke X-resultat) så jag var inte heller riktigt nöjd med det.

Kontentan är att om jag hade haft mer tid med detta hade jag nog kunnat ta det ett steg längre, även om det med bivariat Poisson och lämplig korrelationskoefficient ger bra uppskattningarna redan nu för att tjäna småslantar. Någon annan får gärna ta vid och jag rekommenderar följande läsning för de nyfika: Analysis of sports data by using bivariate Poisson models

Avslutningsvis vill jag säga att detta ämne var jätteintressant och det går förmodligen att tjäna pengar, även om jag är tveksam till att några större summor kan göras pre-game. Överreaktioner finns och kommer alltid att ske in-play. Tar man detta några steg längre (läs: jobbar mer på diagonal inflation samt stöd för in-play) tror jag det finns riktig potential. Mitt fokus återgår nu dock till tennisen.

Tack återigen för er feedback.