– مدل شرط بندی چیست؟
– چطور یک مدل شرط بندی بسازیم و آن را تست کنیم
– چطور بر نتایج نظارت کنیم

چطور می توانید برای شرط بندی ورزشی مدل بسازید؟ چه مراحلی دارد؟ به چه چیزهایی باید توجه کنید؟ مراحل زیر را دنبال کنید تا بتوانید مدل کمّی خودتان را بسازید و شرط بندی خود را به مرحله بعد ببرید.

مدل شرط بندی چیست؟

در ساده ترین شکل می توان گفت که مدل پیش بینی ورزشی سیستمی است که می تواند نقاط بی طرفی را در اختیار شما بگذارد که به آنها مراجعه کنید و در این نقاط بتوانید احتمال تمام نتایج ممکن برای یک بازی خاص را تعیین کنید.

این مدل نهایتا قادر خواهد بود با قضاوت در مورد توانایی واقعی تیم خیلی دقیق‌تر از سایت شرط بندی فرصت های سودآور شرط بندی را مشخص کند.

البته ساخت یک مدل شرط بندی ورزشی ممکن است سخت و زمان بر باشد. دستور العمل ها و مراحل مختلفی برای ساخت یک مدل وجود دارد که می توانند فرآیند ساخت مدل را پیچیده کنند.

با این اوصاف وقتی توانستید یک مدل شرط بندی موفق بسازید، این مدل فرصت هایی که شرط بندی عموم به آنها توجهی نمی کنند را به شما نشان می دهد.

بیایید شروع کنیم.

برای این مثال از رویکردی مشابه با چرخه ی کنترل آماری استفاده می کنیم – یک ارزیابی کمّی ریسک که شرکت های بیمه از آن استفاده می کنند. این روش پنج ویژگی اصلی دارد:

تعریف مشکل
ساختن راه حل
نظارت بر نتایج ورزشی
حرفه ای گرایی
نیروهای خارجی

مرحله 1: تعیین هدف خود از ساخت مدل شرط بندی

این کار به نظر ساده می آید اما بسیاری از شرط بندان ورزشی نمی دانند که مدل ورزشی آنها باید چه کاری انجام دهد.

وقتی توانستید یک مدل شرط بندی موفق بسازید، این مدل فرصت هایی که شرط بندی عموم به آنها توجهی نمی کنند را به شما نشان می دهد.

اگر هدف را مشخص نکنید در اعداد غرق می شوید و نمی توانید روی اهداف کلی خود تمرکز کنید.

شاید بگویید که می توانید ابتدا داده را ببینید تا متوجه شوید که آیا الگوی خاصی دارند یا نه، اما برای این کار هم باید اعداد را با چندین فرضیه تست کنید و هر فرضیه هم هدف جداگانه ای دارد.

بنابراین توصیه می شود که با یک هدف خاص شروع کنید، نه با یک هدف کلی.

مرحله 2: معیار سنجش را انتخاب کنید

مرحله ی بعدی این است که با انتخاب یک معیار سنجش قابل اندازه گیری به تحقیقات عددی خود رسمیت ببخشید.

این دو مرحله ی ابتدایی مربوط به مرحله ی تعریف مشکل در چرخه ی کنترل آماری هستند.

مرحله 3: جمع آوری، گروه بندی و اصلاح داده ها

هر مدلی به داده احتیاج دارد. شما می توانید این داده ها را در انتگرال خود ادغام کنید. دو روش برای جمع آوری داده ها وجود دارد – یا خودتان داده ها را جمع آوری کنید، یا از دیگر داده هایی که به صورت آنلاین منتشر شده اند استفاده کنید.

خوشبختانه در اینترنت تعداد زیادی داده وجود دارد که برخی از آنها رایگان هستند، اما برخی از وب سایت ها خدمات پولی ارائه می دهند.

بعد از جمع آوری داده متوجه خواهید شد که سوالاتی پیش می آید که باید به آنها توجه کنید.

به عنوان مثال اگر به دنبال اطلاعاتی در مورد تیم های لیگ برتر هستید، آیا باید تمام مسابقات را در نظر بگیرید یا فقط مسابقاتی که این تیم ها در لیگ داشته اند؟ اگر تیم مورد نظر بازیکنی از دست داده باشد یا مسابقه ای در اواسط هفته داشته باشد که با لیگ قهرمانان تداخل داشته باشد در اینصورت می توان تغییراتی را در نظر گرفت.

اینجاست که می توانید روی قضاوت خود که با تعیین هدفتان مشخص شده است تمرین کنید.

مرحله 4: انتخاب شکل مدل

اینجاست که ریاضیات وارد بازی می شود، چرا که مدل های زیادی وجود دارد که می توانید از بین آنها انتخاب کرده و یا حتی خودتان مدلی اختراع کنید.

در اینترنت تعداد زیادی داده وجود دارد که برخی از آنها رایگان هستند، اما برخی از وب سایت ها خدمات پولی ارائه می دهند.

قبلا چندین مدل عددی معرفی کرده ایم که می توانند همان قدر که می خواهید پیچیده یا ساده باشند. پیشنهاد ما این است که مدل خود را خیلی پیچیده نکنید.

این مرحله با مرحله 3 قابل تعویض است زیرا داده ها ممکن است شما را به سمت استفاده از یک مدل خاص سوق دهد، یا ممکن است یک مدل خاص به داده های خاص نیاز داشته باشد.

مرحله 5: پرداختن به فرضیه ها

هر مدل فرضیات زیادی خواهد داشت و شما باید از محدودیت های آنها آگاه باشید. شاید این مساله را فراموش کنید اما بهتر است بدانید که خیلی مهم و حیاتی است.

به عنوان مثال یکی از عوامل مهم بحران مالی سال 2007/2008 سوء استفاده از استنباط هایی بود که به دلیل درک نادرست فرضیه های موجود در قراردادها رخ داده بود، مثلا “تعهدات وثیقه برای بدهی” و “تعویض اعتبار پیش بینی شده”.

در این مقاله قبلا در مورد این مساله صحبت کردیم که میانگین ها و انحراف استانداردها فرض می کنند که رویدادها توزیعی نرمال دارند. برای مثال همین مساله را باید تست کرد.

مرحله 6: ساخت یک مدل شرط بندی ورزشی

مرحله بعد ساخت مدل شرط بندی ورزشی است. ابزارهای بی شماری وجود دارد که می توانید از آنها استفاده کنید از جمله ماشین حساب های آنلاین ، اکسل ، MatLab ، جاوا ، برنامه نویسی R و VBA.

مرحله 7: تست مدل

برای ساختن یک مدل شرط بندی ورزشی نیازی نیست که برنامه نویس باشید، اما هرچه بیشتر عملکرد آن را درک کنید هنگام تست و تحلیل داده ها مجهز تر خواهید بود.

برای ساختن یک مدل شرط بندی ورزشی نیازی نیست که برنامه نویس باشید، اما هرچه بیشتر عملکرد آن را درک کنید هنگام تست و تحلیل داده ها مجهز تر خواهید بود.

تست کردن کارایی مدل شرط بندی ورزشی برای درک حساسیت آن نسبت به نتایج بسیار مهم است.

در هر صورت نتایج مدل ممکن است ما را به تجدید نظر در هر یک از مراحل قبلی سوق دهند.

سؤال اساسی مثل همیشه این است که آیا مدل سودآوری می کند یا خیر؟ پس باید آن را تست کنید – که اینکار باعث می شود دوباره وارد چرخه ی خود شوید.

مرحله 8: نظارت بر نتایج

با فرض اینکه مدل مناسبی ساخته و آن را آزمایش کرده اید، اکنون باید مراقب باشید که در طول زمان هم کارایی خود را حفظ کند. اینکار باعث می شود که دوباره به نقطه شروع – یعنی تعیین اهداف آینده – برگردیم.

دانش کاربردی

هنگام ساخت یک مدل شرط بندی ورزشی باید فرآیندهای درگیر در ساخت آن را هم درک کنید.

مدل سازی کمّی به همین سادگی نیست که فقط یک مدل انتخاب کنید و از آن استفاده کنید. مدل سازی فرآیندهای زیادی دارد که باید تکمیل شوند – لازم نیست فرآیندها به ترتیب باشند.

دنبال کردن این فرآیند تضمینی برای ساخت یک مدل سود آور نیست، اما با این فرآیند مطمئن خواهید شد که جنبه های اساسی که برای ساخت مدلهای جدید شرط بندی ورزشی لازم هستند را در نظر گرفته اید.

برای دیدن مثالی در مورد چگونگی ساخت یک مدل شرط بندی ورزشی اینجا کلیک کنید.

دومینیک کورتیس مدرس گروه ریاضی در دانشگاه لستر است. او استادیار است و در تحقیقاتش روی آنالیزهای ورزشی و همچنین استنباط های مالی و شرط بندی تمرکز دارد.


منبع مقاله: پیناکل

ترجمه اختصاصی از فوتبالی