– ارزش انتظاری (EV) در تنیس چگونه عمل میکند؟
– مدل های شرط بندی برای پیش بینی برندگان
– ارزیابی خطوط پایانی وان ایکس بت
– محاسبه احتمال واقعی در تنیس
به طور کلی، روش CLV (ارزش خط پایانی) از شما میخواهد بدون توجه به نتیجه مسابقه خط پایانی یا آخرین ضرایب موجود قبل از شروع مسابقه را برای شرطهایی که گذاشته اید ثبت کنید.
در شرط بندی تنیس با بررسی ضرایب پایانی شرط های خود و مقایسه آنها با ضرایبی که شرط را با آنها گذاشته اید، میتوانید احتمال برنده شدن شرط خود را بررسی کنید، صرف نظر از نتیجه واقعی. برای تحلیل عمیقتر این نظریه، به منابع مربوطه مراجعه کنید.
محاسبه ضرایب واقعی با در نظر گرفتن حاشیه سود سایت های شرط بندی
این نکته رو به یاد داشته باشید که سایت های شرط بندی حاشیه ای را برای ضرایب خود در نظر میگیرند و آن را لحاظ میکنند. برای تخمین دقیق احتمال واقعی و در نتیجه ارزش انتظاری، باید قیمت پایانی را به صورت افزایشی تنظیم کنیم.
به عنوان مثال، اگر ضریب پایانی یک سایت شرط بندی برای پیروزی آلکاراز بر جوکوویچ 3.000 باشد، ضریب واقعی پایانی، یا احتمال واقعی، کمی بالاتر خواهد بود – شاید 3.200. این مقاله به منظور توضیح مؤثرترین روش برای حذف حاشیه سایت های شرط بندی و در نتیجه تخمین احتمال واقعی در شرط بندی تنیس برای شما آماده شده است.
بخوانید: آموزش شرط بندی در بازی تنیس
برای درک جامع هر روش، میتوانید به مقاله مراجعه کنید. جدول زیر تعدادی از نتایج هر روش را نشان میدهد.
در مقاله مذکور، بوخدال کارایی هر چهار روش را در تخمین احتمالات واقعی برای فوتبال مورد بررسی قرار میدهد. من تحلیل مشابهی را برای تنیس انجام دادهام.
تحلیل ضرایب واقعی در تنیس
برای ارزیابی دقت این چهار مدل، خطوط پایانی سایت وان ایکس بت را برای تمامی مسابقات اصلی ATP با ضرایب معتبر از سال ۲۰۱۰ برای شرط بندی تنیس بررسی کردم. این بررسی شامل ۳۳,۲۷۰ مسابقه و ۶۶,۵۴۰ ضریب بود. اندازه نمونه به اندازهای بزرگ است که میتوان با اطمینان ادعا کرد که نه شانس خوب و نه بد بر نتایج تأثیر نمیگذارد.
بخوانید: ضرایب پایانی در سایت های شرط بندی
به طور تئوریک، اگر بخواهیم در شرط بندی تنیس روی هر دو رقیب در این ۶۶,۵۴۰ شرطبندی با قیمتهای واقعی شرطبندی کنیم، بازده کلی باید صفر باشد. طبیعتاً رسیدن به این هدف غیرممکن است، زیرا هیچ روشی نمیتواند با دقت کامل احتمالات واقعی را تعیین کند.
با این حال، حتی بدون این دانش، میتوانیم دقت تخمینهای این چهار مدل را ارزیابی کنیم و مشخص کنیم که کدام یک بیشترین انعکاس واقعیت را دارد، یعنی کدام یک بازده نزدیکتری به صفر ارائه میدهد.
مدل «حاشیه برابر» با بازدهی ٪۱.۵۸ – کمترین دقت را در تخمین قیمتهای واقعی دارد. ناکارآمدی این مدل به دلیل ناتوانی در محاسبه سوگیری بین علاقه مندان و ناشناسان (favourite-longshot bias) است.
این به معنای آن است که مدل، احتمالات بالاتر را دست کم میگیرد و منجر به زیان های بلندمدت میشود. به طور معکوس، این مدل علاقه مندان را بیش از حد ارزشگذاری میکند.
مدل «تابع لگاریتمی» با بازدهی ٪۰.۰۶ + تمایل به بیش برآورد احتمالات برای ناشناسان دارد، به ویژه ناشناسان مهم. دو مدل باقیمانده، «حاشیه متناسب با احتمال» (٪۰.۰۴۲-) و «نسبت احتمال» (٪۰.۰۲۶-) دقیق ترین هستند.
یک بازدهی منفی نشان دهنده اندکی کم برآورد قیمت های ناشناسان است که نشان از جبران ناکافی برای سوگیری بین علاقه مندان و ناشناسان دارد. به طور کلی، اما، این مدلها عملکرد قابل تحسینی دارند. اگرچه مدل «نسبت احتمال» به نظر کمی برتر می رسد، تفاوتها بسیار جزئی هستند و نمی توان آنها را به چیزی جز تفاوت در اندازه نمونه نسبت داد.
نتیجه
هر دو مدل «نسبت احتمال» و «حاشیه متناسب با احتمال» به عنوان ابزارهای قابل اعتمادتر برای تخمین ضرایب واقعی در شرط بندی تنیس ظاهر میشوند و بنابراین قابل اعتمادترین روشها برای محاسبه ارزش مورد انتظار شرطهای شما نیز هستند. با مقایسه این احتمالات واقعی با ضرایبی که بر اساس آن شرطبندی تنیس کردهاید، میتوانید ارزش مورد انتظار را محاسبه کنید.
اختصاصی وبسایت فوتبالی