Liigan vedonlyöntikertoimia Azure Machine Learning:in avulla

Nyt olen testaillut eri vedonlyöntimalleja marraskuusta lähtien ja uskallan julkaista jotain tuloksia. Itse asiassa pyöritin kolmea eri mallia – Dixon & Coyles -mallia (tämä on ilmeisen suosittu malli ainakin fudisvedonlyönnissä), joka pohjautui tehtyihin maaleihin, neuroverkkomallia, joka pohjatui laskennallisiin maaleihin (ottaa huomioon maalien, laukauksien ja aloituksien määrän) sekä neuroverkkomallia, joka perustui puhtaasti voitto/tasapeli/tappio tietoon eli edellisten pelien maalimäärää ei huomioitu. Lisäksi hetken aikaa pyöritin edellisten pelien tehtyihin maalimääriin pohjautuvaa neuroverkkomallia, mutta tuo laskennallisiin maaleihin pohjautuva malli vaikutti paremmalta.

Kaikissa malleissa olen huomioinut ajan vaikutuksen eli olen käyttänyt aikaan pohjautuvia painokertoimia. Lähempänä nykyhetkeä pelattu peli on merkityksellisempi kuin kauden alussa pelattu peli. Aineistona olen käyttänyt pelkästään tämän kauden pelejä. Mallit pyöräytin aina uudelleen jokaisen kierroksen jälkeen. Jokaisen osalta jouduin vähän säätämään tuota tasapelien kerrointa eli pienentämään tasapelin kerrointa ja vastaavasti kasvattamaan koti- ja vierasvoittojen kerrointa, että vastaisi todellisuutta.

Pelasin normaalisti 2 €:n panoksella, mutta jos mallin mukaan ei hyötyä ollut saatavilla, niin 1 €:n panoksella. Dixon & Coyles:lla kassa hupeni 50 €:sta 22 €:on. Laskennalliset maalit -neuroverkkomallilla kassa nousi 50 €:sta 94 €:on ja Voittaja-neuroverkkomallilla kassa pysyi samoissa eli 50 € -> 51 €. Selkeä voittaja tällä pienellä aikavälillä, mutta aika monella pelillä oli siis laskennallisiin maaleihin pohjautuva neuroverkkomalli!

Olen tuossa rinnalla pyöritellyt myös vähän aikaa laskennallisiin maaleihin pohjautuvaa poisson-mallia, joka on antanut aika lupaavia ennustetuloksia. Ajattelin ottaa sen kanssa nyt aktiiviseen käyttöön. Tulen tällä sivulla julkaisemaan (jos vain ehdin ja muistan) jokaista kierrosta koskevat uudet, mallien tarjoamat kertoimet, jos haluatte osallistua kokeiluun :).

Sinällään huvittavana yksityiskohtana noista tasapeleistä voi todeta, että se olisi varmaan varmin tapa päästä voitolle vedonlyönnissä. Vedonlyöntitoimistot tarjoavat melkein järjestään yli 4:n kertoimia tasapelille, mutta tällä hetkellä hiukan yli neljännes peleistä on päätynyt tasapeliin eli kertoimien pitäisi olla alle 4.

Teknisestä toteutuksesta tähän lisää myöhemmin tai omana bloginaan.

2 vastausta artikkeliin “Liigan vedonlyöntikertoimia Azure Machine Learning:in avulla

  1. Malli päivitetty palvelemaan kautta 2018-19. Jostain kumman syystä tuo Poisson malli on hajonnut kesän aikana. Tarjoaa samoja ennusteita kaikille koti- ja vierasjoukkueille. Täytyy rakentaa se uusiksi jossain vaiheessa.

  2. I’m getting back to my old post about how I built a machine learning model to give me bet advises for Finnish ice hockey league. I used my model in just ended season (2018-19) and here are the results.

    I used a betting company, which payback percent was normally 92,5. In other words, if you would bet 100 € equally distributed to all three options (home win, tie, away win), you would get back 92,5 €. I invested in the beginning 100 € and played with 5 € stakes. Calculatory result should have been empty wallet after 258 games.

    I played app. 360 games and at the end of the season my wallet had 164 €. Calculatory result should have been – 38 €.

    So in a nutshell where I should have lost 138 €, I had won 60
    €! I would say my machine learning model worked very well!

Vastaa

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *