Jak to liczymy
Bez czarnej skrzynki i bez marketingowego żargonu. Poniżej metoda w skrócie — na tyle, na ile można ją opisać, nie oddając know-how.
Co właściwie liczymy
Model nie typuje zwycięzcy. Dla każdego meczu wylicza, jak często przy takich dwóch drużynach padłby każdy możliwy wynik — i dopiero z tego rozkładu biorą się wszystkie rynki: 1X2, liczba goli, BTTS, rożne. Dlatego mówimy „54 procent", a nie „wygra gospodarz".
Co bierzemy pod uwagę
Punktem wyjścia jest to, jak drużyny grały do tej pory. Do tego dokładamy informacje o ich sile i o kontekście konkretnego meczu. Czego dokładnie i w jakich proporcjach — nie zdradzamy; to jedyna rzecz, której nie oddajemy, bo poza nią wszystko na tym portalu jest jawne.
Ważniejsza jest zasada niż lista: żaden pomysł nie wchodzi do modelu dlatego, że „brzmi sensownie". Musi najpierw udowodnić, że poprawia trafność prognoz. Poprzeczka jest na tyle wysoka, że większość pomysłów jej nie przechodzi — sprawdziliśmy dziesiątki i odrzuciliśmy te, po których wyniki nie różniły się od przypadku. Model jest tym, co zostało po odsianiu, a nie zbiorem wszystkiego, co dało się policzyć.
Sprawdzamy na meczach, których model nie widział
Łatwo zbudować model, który świetnie tłumaczy przeszłość — wystarczy dopasować go do znanych wyników. Taki model rozsypuje się w pierwszej nowej kolejce. Dlatego testujemy inaczej: cofamy się w czasie, pokazujemy modelowi wyłącznie mecze sprzed danej kolejki, każemy mu prognozować, a potem porównujemy prognozę z tym, co faktycznie się stało. Kolejka po kolejce, przez całą historię, którą mamy.
Pilnujemy przy tym, żeby do prognozy nie przeciekła żadna informacja z przyszłości — nawet pośrednio. To brzmi banalnie, ale właśnie na tym błędzie opiera się większość „modeli", które robią wrażenie w prezentacji i przestają działać, gdy przychodzi realny mecz.
Do czego się porównujemy
Nie do własnych oczekiwań, tylko do linii zamknięcia — ostatniego kursu przed pierwszym gwizdkiem. To najtrudniejszy możliwy punkt odniesienia: w tej cenie siedzi już wszystko, co rynek zdążył się dowiedzieć. Sprawdzamy dwie rzeczy: jak blisko prawdy były nasze prawdopodobieństwa i czy publikowaliśmy je w momencie, gdy kurs był jeszcze lepszy niż na zamknięciu.
Test na innych ligach
Model, który zna tylko jedną ligę, łatwo dopasować za mocno do jej historii — wygląda świetnie wstecz i zawodzi w nowym sezonie. Dlatego te same założenia sprawdzamy na innych ligach o zbliżonym charakterze gry. Jeśli metoda działa tylko na Ekstraklasie, to sygnał, że dopasowaliśmy się do przypadku — a nie że rozumiemy piłkę. To nasze zabezpieczenie przed modelem, który umie historię na pamięć, ale nie umie przyszłości.
Czego ten model nie potrafi
Model liczy prawdopodobieństwa z historii gry i mierzalnych czynników. Nie zna atmosfery w szatni, nie wie o niezgłoszonej kontuzji z treningu, nie przewidzi czerwonej kartki w trzeciej minucie ani błędu bramkarza w doliczonym czasie. Dlatego mówimy o prawdopodobieństwach, nie o pewności — a na końcu i tak rozstrzyga jeden mecz, nie średnia z tysiąca. Uczciwa analityka to także wskazanie, gdzie liczby milczą.
Wynik, który mówimy wprost
W testach na meczach, których model nie widział, nie bije on linii zamknięcia na żadnym rynku, a obstawianie na ślepo wszędzie tam, gdzie różnił się od kursu, kończyło się stratą. Na każdym rynku i w każdej lidze. Dlatego flagi „value?" traktujemy jako analizę, nie sygnał do gry. To nie jest ostrożność na wyrost — to wynik pomiaru, który publikujemy zamiast chować.
To, że model nie bije rynku, nie znaczy, że jest bezużyteczny — znaczy, że rynek jest naprawdę dobry, a prawdziwą wartością jest zrozumienie dlaczego, zamiast ścigania się z nim na ślepo. I to właśnie oferujemy: nie skrót do wygranej, lecz narzędzie do myślenia o prawdopodobieństwach.
Szczegóły pojęć — CLV, devig, wariancja — rozwijamy w dziale Realia rynku.