Матч дня Германия - Чехия

Прогнозирование футбольных исходов на основе карточек игроков FIFA. Как специалист по данным обыграл букмекера

Поделиться

В данном материале мы познаем всю мощь современных технологий и то, как искусственный интеллект может обыграть букмекерскую контору на дистанции. Конечно же бездушной железке сперва потребовались умелые человеческие руки, но итоговый результат поразил даже бывалых капперов. Рассказываем историю успеха на основе мозгов, а не голой удачи.

Беттинг объединяет

Ставки на спорт давно стали частью человеческой культуры. Все мы одинаково подвержены азарту — будь то заводской работяга или труженик аналитической компании. Наш герой Брэдли Грэнтэм в далёком 2018 году заканчивал обучение на кафедре компьютерного моделирования и задался распространённым вопросом — можно ли обыграть букмекера?

В первую очередь Брэдли было интересно проделать опыт в качестве обучения, но не без надежды заработать — в итоге удалось убить двух зайцев. Как? Давайте выяснять вместе!

Идея проекта

Грэнтэм неплохо разбирался в тонкостях ставок и ранее успел создать свою модель ожидаемых голов в футболе. В определённых моментах алгоритмы работали, но у них был заметный прокол — не учитывались составы играющих команд. Если звезда пропускала игру, то ожидание голов конечно же снижалось, только учесть это на языке программирования было невозможно. К тому же подход не был прорывным — наш герой опоздал с идеей примерно на пять лет.

Жажда создать нечто, что не имело бы аналогов и было эффективно, навела на новую мысль. Можно ли создать нейронную сеть, которая начнёт успешно решать футбольные задачи? Проект показался реализуемым, но требовалась точка отсчёта для набора данных. Нетривиальное решение нашлось — рейтинги футболистов из игр FIFA от EA Sports.

Наполнение базы

Выгрузить статистику из игры было не самой трудной задачей. Нужно было найти решение для обучения искусственного интеллекта на его языке. Например, у клубов то и дело меняются расстановки.

Пример стартового состава «Челси»

Нули нужны для того, чтобы компьютер понимал разрывы в линиях. Ведь играют не только по схеме «4-4-2» или «5-2-3», но и достаточно вертикально — вроде «3-1-2-2-1-1». 18-мерный вектор оказался идеальным, а для двух команд на матч он становился 36-мерным. Нейросеть стала обучаться на базе сыгранных сезонов АПЛ с 2013 по 2016 год, например:

  • Если защитников шесть, то это «автобус» — нужно учитывать это в оценках;
  • Первые 18 ячеек статистически бывают чуть успешнее — так компьютер стал отмечать фактор домашней арены.

В ходе тестов Брэдли дорабатывал алгоритмы и исправлял ошибки. В итоге ИИ оказался готов к ставкам на сезон АПЛ 2017/18, а результаты удивили даже разработчика. Рентабельность с каждой ставки (ROI) составила 11% - это уровень топа даже среди профессиональных бетторов.

Тестирование сезона АПЛ 2017/18

Грэнтэм не использовал какую-либо мудрёную стратегию. Он просто смотрел на процентные отклонения линии закрытия букмекера от оценок нейросети и ставил по критерию Келли. При этом наш продвинутый каппер не брал коэффициенты выше 3.20 или превосходство своей системы с оценкой менее 2% на ликвидность. По итогам моделирования были достигнуты следующие результаты:

  • 50% выигранных ставок;
  • Средний коэффициент — 2.37;
  • Средняя прогнозируемая вероятность — 2.01;
  • Средняя сумма ставки от банка — 7.23%;
  • Максимальная сумма ставки от банка — 21.3%.

Соотношение финансов к количеству ставок

Довольно высокие процентные значения пари от банкролла говорят о том, что компьютер находил достаточно жирные валуи. Впоследствии Брэдли несколько раз переобучал «железку», но она каждый раз приходила к одному и тому же результату — играла в плюс.

Тестирование сезона АПЛ 2018/19

Аналитик остался доволен успехами и кошельку, но решил не останавливаться на достигнутом. В следующем чемпионате Премьер-лиги Грэнтэм постарался предсказать не конкретные матчи, а итоги турнирной таблицы! С этим возник ряд новых трудностей:  

  1. Составы по ходу сезона могут значительно изменяться;
  2. Рейтинги игроков нестабильны;
  3. Трансферные окна способны здорово перевернуть расклады.

Прогноз ИИ на таблицу АПЛ 2018/19

Чтобы максимально сгладить вероятность статистических аномалий, пришлось смоделировать 1 000 000 сезонов! Огромная работа, на которую даже у мощного ноутбука ушло порядка восьми минут. В итоге нейросеть не ошиблась с успехом «Манчестер Сити» и точно предсказала вылет «Кардиффа» с «Хаддерсфилдом». Зато был переоценён «Фулхэм», а «Ливерпуль» выступил лучше ожиданий.

Несмотря ни на что наш герой остался доволен проделанной работой. Наверняка он ставил ва-банк на «горожан», а также его модель коррелировала при искусственном вмешательстве. Без Де Хеа «Ман Юнайтед» в среднем набирал на три очка меньше, а «Челси» без Азара терял четыре балла из таблицы.

Мнение «Куш в спорте» о софте

Мы живём в XXI веке и давно не заполняем карточки со ставками в пунктах приёма. Цифровой мир побеждает, а на заработок своими знаниями способны только динозавры беттинга. Более юные поколения ставочников давно подсели на вспомогательное «железо». В этом нет ничего страшного — мы эволюционируем, а попану без головы не поможет даже самый дорогой сканер на планете. Важная доля самоанализа останется в ставках навсегда.

Ставки на фаворитов — деньги на ветер. В каких турнирах андердоги больно кусаются и дают профит

Как редакторы «Куша» борются с просадками в ставках? Лайфхаки от авторов

Автор прогноза:Dexter87

Комментарии 2

Авторизуйтесь чтобы оставлять комментарий.
jUSZ0R

Крутая статья!

месяц назад
Ответить
zda008

Спорим, что чувака давно завербовали и он теперь линию для контор пишет?

месяц назад
Ответить