چکیده پیش بینی و شرط بندی فوتبال
هر چند عوامل دخیل در شرطبندی بر احتمالات شرطبندی به طور کامل قابل ردیابی نیستند و در مقایسه با پیشبینیهای مبتنی بر درجهبندی, هیچ معیار مستقیمی از کیفیت خاص تیم در قیاس با احتمالات شرطبندی وجود ندارد.
مطالعه حاضر رویکرد ترکیب روشهای مدلهای ریاضی و اطلاعات مندرج در احتمالات شرطبندی را مورد بررسی قرار میدهد.
یک مدل پیشبینی فوتبال برپایه سیستم رتبهبندی ELO شناختهشده و بهرهگیری از احتمالات شرطبندی به عنوان یک منبع اطلاعات ارائه شدهاست.
دادهها از بازیهای فوتبال تقریباً ۱۵.۰۰۰ (فصل ۲۰۰۷ / ۲۰۰۸ تا ۲۰۱۶ / 2017) مورد استفاده قرار میگیرند, از جمله بازیهای داخلی (لیگ برتر انگلستان, Bundesliga آلمان) و بازیهای بینالمللی (لیگ قهرمانان اروپا, لیگ قهرمانان اروپا).
مدل شرطبندی جدید مبتنی بر شرطبندی نشان داده میشود که بهتر از مدلهای ELO کلاسیک عمل میکند, در نتیجه نشان میدهد که شانس شرط پیش از بازی حاوی اطلاعات مرتبط بیشتر از نتیجه بازی است.
نشانداده شدهاست که چگونه مدل جدید میتواند به بدست آوردن بینشهای ارزشمندی به کیفیت تیمهای فوتبال و توسعه آن در طول زمان کمک کند در نتیجه سود عملی در آنالیز عملکرد داشته باشد.
علاوه بر این, استدلال میشود که رویکردهای مبتنی بر شبکه ممکن است به بهبود بیشتر روشهای پیشبینی و پیشبینی کمک کنند.
مقدمه پیش بینی فوتبال
پیشبینی رویدادهای ورزشی مانند مسابقات یا تورنمنتها علاقه جامعه علمی را به مدت زیادی به خود جلب کردهاست.
رویدادهای ورزشی مانند مسابقات فوتبال بطور منظم برگزار میشوند و توجه عمومی زیادی را به خود جلب میکنند.
علاوه بر این, دادههای گستردهای در دسترس هستند و تفسیر نسبتاً آسان است.
به دلیل این عوامل, ورزش (و به ویژه فوتبال) یک محیط کامل برای مطالعه کاربردپذیری روشهای پیشبینی موجود یا توسعه روشهای جدید برای انتقال به حوزههای دیگر پیشبینی است.
جستجو به دنبال دقیقترین روشهای پیشبینی ورزشی از دیدگاه علمی جالب است و از دیدگاه اقتصادی به عنوان یک بازار شرطبندی بزرگ برای فوتبال (و سایر ورزشها) فرصتی را فراهم میکند تا با پیشبینی دقیق پول برنده شود.
علاوه بر ارائه پیشبینیهای دقیق, مدلهای پیشبینی میتوانند در درک ماهیت فرآیندهای زیربنایی ارزشمند باشند, همانطور که در این مطالعه نشان داده شد, تا بینشهای عملی برای تحلیل عملکرد در ورزش بدست آید.
سه وظیفه مختلف به پیچیدگی پیشبینی ورزشی با استفاده از مدلهای ریاضی کمک میکنند.
اول, کیفیت ناشناخته یک تیم (یا بازیکن) باید با استفاده از مجموعه دادههای معنادار و معنادار و همچنین یک مدل ریاضی مناسب بررسی شود.
دوم, خود پیشبینی (احتمال یک انطباق معین یا نتیجه مسابقات) باید با استفاده از روشهای آماری مناسب مانند مدلهای احتمالی یا شبیهسازی مونت کارلو به دست آید.
در نهایت, نتایج پیشبینی بر روی دادههای واقعی با استفاده از آزمونهای آماری مناسب ارزیابی میشوند.
به این سه چالش به عنوان فرآیند رتبهبندی, فرآیند پیشبینی و فرآیند آزمون در سراسر این مقاله اشاره میکنیم.
منابع مختلف پیشبینی در تلاش برای درک فرآیندهای پیشبینی, توسعه روشهای پیشبینی و مقایسه تواناییهای پیشبینی آنها مورد بررسی قرار گرفتهاست.
منابع میتوانند به طور گسترده در چهار دسته طبقهبندی شوند:
1- قضاوت انسان ، یعنی درخواست از شرکت کنندگان با میزان مختلفی از دانش برای انجام کارهای پیش بینی مربوط به ورزش
2- رتبه بندی ، یعنی با استفاده از رتبه های رسمی مانند مسابقات جهانی FIFA در فوتبال یا رتبه بندی ATP در تنیس برای به دست آوردن پیش بینی مسابقات و مسابقات آینده.
3- مدل های ریاضی ، یعنی با استفاده از روشهای آماری ریاضی و آماری موجود یا در حال توسعه برای پیش بینی نتایج رویدادهای ورزشی.
4- شانس شرط بندی ، یعنی استفاده از شانس ارائه شده توسط بوک سازان و مبادلات شرط بندی به عنوان پیش بینی رویداد اصلی ورزشی.
داوری انسان
آثار بیشماری به بررسی کیفیت پیش بینی کننده پیش بینی های انسانی در فوتبال پرداخته است.
به طور کلی ، متخصصان به اصطلاح فوتبال نمی توانند از افراد پیشگام در کارهای پیش بینی ساده مربوط به فوتبال پیشی بگیرند.
علاوه بر این ، اکثر شرکت کنندگان از پیش بینی های پیروی از یک قانون ساده بر اساس رتبه بندی جهانی FIFA در مطالعه فوق ، نسبت به پیش بینی ها بهتر عمل کردند.
پیش بینی های کارشناسان از دست اندر کاران منتشر شده در ژورنال های ورزشی حتی با مدل ساده و ساده انتخاب تیم میزبان برای پیروزی حتی بهتر از این بود.
با این حال ، نشان داده شده است كه كارشناسان از مشكلات پیش بینی پیچیده تر مانند پیش بینی نمرات دقیق یا آمار مسابقات پیروی می كنند.
رتبه بندی
شخصیت پیش بینی رتبه بندی به دلایل مختلف قابل تردید است.
رتبه بندی ها معمولاً برای پاداش موفقیت حاصل می شوند و بهترین ارزیابی را از عملکرد آینده تیم یا بازیکن نمی کنند.
علاوه بر این ، رده بندی های ورزشی ساده ای بوده و فاقد اطلاعات مربوط به منظور منصفانه بودن و درک آسان آن هستند.
با این وجود ، رتبه بندی ها به طور کلی پیش بینی کننده های مفیدی برای فوتبال ، تنیس و بسکتبال هستند.
در همان زمان نشان داده شده است که شانس شرط بندی یا مدلهای ریاضی قادر به بهتر از این رتبه ها در کارهای پیش بینی هستند.
مدل های ریاضی
یک روش ریاضی که اغلب مورد بررسی و پذیرش واقع شده در پیش بینی ورزش است ، سیستم رتبه بندی ELO است که روشی شناخته شده برای رتبه بندی و رتبه بندی تیم های ورزشی یا بازیکنان است.
در ابتدا برای شطرنج اختراع شده و مورد استفاده قرار می گرفت ، اما در طول زمان با موفقیت در انواع ورزش های دیگر از جمله فوتبال ، تنیس یا فوتبال قوانین استرالیا.
سیستم رتبه بندی شناخته شده ELO را با استفاده از مدل های رگرسیون logit گسترش دادند تا محاسبه احتمالات برای سه نتیجه مسابقه (صفحه اصلی / قرعه کشی / دور) از رتبه بندی های ELO باشد.
نشان داده شد که این رویکرد ELO بر اساس یک روش رگرسیون پروبیت پروبیتاتی که توسط گدارد معرفی شده است ، برتر از مدلهاست اما نسبت به شانس شرط بندی پایین تر بود.
شانس شرط بندی
شانس شرط بندی می تواند به عنوان یک عقیده متخصص جمع شود که منعکس کننده قضاوت کتابفروشان و رفتار شرط بندی بستانکاران باشد.
با این حال ، این یک نظر کاملاً متفاوت با نظر کارشناسان در مقایسه با مطالعاتی است که از متخصصین خواسته می شود کارهای پیش بینی را در یک محیط آزمایشی انجام دهند.
در حالی که معمولاً آن کارشناسان از پیامدهای منفی ناشی از پیش بینی های نادرست نترسند ، ارائه شانس نادرست عواقب مالی جدی برای کتابفروشان خواهد داشت.
این می تواند دلیلی باشد که نشان داد شانس شرط بندی به وضوح بهتر از برترین بازیکنان فوتبال است که پیش بینی های خود را در ژورنال های ورزشی منتشر می کنند.
نشان می دهند که به طور کلی شانس شرط بندی دارای کیفیت پیش بینی عالی است و نسبت به مدل های کمی کمی در پیش بینی نتایج فوتبال عملکرد بهتری دارند.
یک مدل اجماع مبتنی بر شانس شرط بندی از کتابفروشان مختلف نشان داده شده است که پیش بینی های دقیق تری را در مورد قهرمانی اروپا در سال 2008 در فوتبال ارائه می دهد تا روش هایی با استفاده از رتبه الو و رتبه بندی جهانی.
کووالچیک حتی یازده مدل پیش بینی تنیس را نیز مورد بررسی قرار داده و می داند که هیچکدام از آنها قادر به پیروزی در شانس شرط بندی در پیش بینی مسابقات تک نفره نیستند.
بدون انکار قدرت پیش بینی کننده کلی شانس شرط بندی ، شایان ذکر است که نشانه های تجربی در مورد ناقص بودن شانس شرط بندی همانطور که یا در تعصب مستندات تفصیلی مورد علاقه نشان داده شده است وجود دارد.
علاوه بر این ، شایان ذکر است که رویکردهای مبتنی بر مدل مختلف بازده شرط بندی مثبت را هنگام استنباط استراتژی های شرط بندی از پیش بینی ها بازده مثبت داشتند.
بخش عمده ای از مطالعات فوق متمرکز بر مقایسه چهار منبع مختلف پیش بینی یا رویکردهای مختلف برای همان منبع پیش بینی است.
از آنجا که یک اجماع گسترده وجود دارد که شانس شرط بندی ثابت کرده است که ابزاری قدرتمند در پیش بینی است، شانس شرط بندی به طور معمول به عنوان معیار کیفیت برای آزمایش کیفیت پیش بینی رویکردهای ریاضی استفاده می شود.
با این کار ، شانس شرط بندی و مدل های ریاضی به عنوان روش های خلاف برای همان کار پیش بینی شده ترسیم می شوند ، به جای اینکه قدرت هر دو رویکرد را برای ایجاد فرصت های جدید پیش بینی مخلوط کنند.
تاکنون ، تقریباً هیچ مطالعه ای سعی کرده است با استفاده از پیش بینی های موجود (از شانس شرط بندی) نتیجه گیری را در مورد کیفیت تیم ها به دست آورد ، نتیجه گیری در مورد کیفیت تیم ها ، به دست آوردن رتبه های تیمی و بدین ترتیب در تحلیل عملکرد تیم ها داشته باشد. لایتنر و همکاران.
این استراتژی را با استفاده از شبیه سازی “معکوس” مسابقات قهرمانی اروپا در سال 2008 دنبال کنید تا رتبه های تیم را از شانس شرط بندی برای مسابقات بدست آورید. این رویکرد به ویژه تفاوت های بین کیفیت یک تیم و احتمال پیروزی در مسابقات را تأثیر می گذارد (تأثیرات مسابقات).
با این حال ، هیچ شانس شرط بندی از مسابقات تک برای تعیین رتبه های تیم در نظر گرفته نشده است.