Расчет матчей по xG статистике. Метод Монте-Карло.

4.2
102 оценили
Расчет матчей по xG статистике. Метод Монте-Карло.
19 Апреля 2018
8076

Содержание:

Переходим к прогнозированию вероятностей с помощью xG. Так как существует ряд моделей, которые прогнозируют вероятности в той или иной ситуации, статей будет много. Но начнём мы не с построения моделей, а с визуализации вероятности исходов и того, как каждый удар, нанесённый командой, влияет на них.

Что такое модель Монте-Карло?

Для этого открываю Монте-Карло, которую мы разработали для xG в футболе. Модель Монте-Карло - это метод решения математических задач при помощи моделирования случайных величин. (Кстати, если вы дочитаете эту статью до конца, вас ждет приятный сюрприз в виде возможности абсолютно бесплатно получить модель Монте-Карло.)

Применение метода Монте-Карло в анализе футбольных матчей

Рассмотрим на примере футбола. Создаём модель футбольного матча по xG. С помощью этой модели, генерируем футбольный матч на основе данных xG. Результат одного матча будет случайным, поэтому  нам нужно создать цепочку матчей, чтобы на основе большого количества матчей определить вероятность каждого исхода, то есть как часто будет выигрывать первая команда, как часто вторая и как часто ничья.

Вероятности исходов рассчитывают и без метода Монте-Карло, но он наиболее удобен для расчета не только вероятностей исходов, но и к примеру, мы легко можем узнать,

  • как часто команда отыграется, когда проигрывает на 60-ой минуте;

  • как часто выиграет, когда играет вничью на 80-ой минуте и т. д.

В той версии файла, которую мы открыли на скриншоте ниже, сгенерировано 40 000 матчей, на основе которых и определяется вероятность.

diagramma.jpg

Я взял xG статистику матча Труа - Ренн (сезон 2017/2018) и перенёс вероятности для каждого удара в модель Монте-Карло. На скриншоте ниже видим, что если бы эти две команды каждый матч наносили  те удары, которые нанесли в данном матче, то

  • Труа выигрывала бы примерно 24% матчей на дистанции,

  • ничья была бы в 25% случаев,

  • Ренн побеждал бы с вероятностью в 51%.

diagramma2.jpg

Понятно, что каждый матч не будет завершаться с идентичным количеством ударов, разброс данных будет очень большой, но сейчас нас это совершенно не беспокоит, так как моя цель - показать то, как каждый новый удар влияет на изменение вероятности выиграть матч.

Пример действия алгоритма в ставках

Давайте поэкспериментируем. Цель, которую преследует эксперимент - дать понять, что футбол можно смотреть и оценивать математически, следить за игрой и как зритель, и как статист. Для большинства людей это долгий путь, их воображение развито недостаточно, чтобы понять всё это. Но наш контент поможет:
  • всё понять, опираясь на примеры;

  • переложить цифры на действия команд во время игры,

  • оценивать «глазами» цифр, происходящее на поле. 

В основном люди не обращают внимания на удары, не достигнувшие цели, или те, которые не были очень опасны. На самом же деле, каждый удар меняет вероятности исходов

Обучающий контент, пакет "Инструментарий", бесплатные прогнозы от xScore

Давайте, к примеру, добавим команде гостей один опасный момент. Допустим, это будет удар с неплохой позиции с вероятностью гола в 30%. Смотрите, вероятность того, что вторая команда выиграет с новым набором данных, увеличилась практически на 8% и теперь составляет 59%.


diagramma5.jpg

Многие  не обращают внимание на такие удары, если они не реализованы. Смотрят только на конечный счёт. Даже если взять этот матч, то конечный счёт в нём 1-1.

Удалим последний момент, который мы добавили  и посмотрим данные ещё раз.

При данном наборе ударов, вничью команды сыграют лишь в 25% случаев, ровно 2 гола в матче будет забито в 22% случаев.

diagramma6.jpg

С точным счётом 1-1 команды сыграют лишь в 12% случаев. 

tablica.jpg

И что самое главное - люди, поставившие в этом матче тотал меньше голов, уверены, что они верно спрогнозировали исход.

На самом же деле, видно, что при таком наборе ударов, тотал меньше будет сыгран лишь 1 раз из 3 матчей.

diagramma6.jpg

Не стоит ориентироваться на итоговый счёт. Конечный результат одного матча не говорит ни о чём.

К примеру, чуть чаще, чем 2 раза из 100 (2,46%) этот матч будет заканчиваться с уверенной победой первой команды с результатом 2-0. И столько же раз, при том же наборе ударов, будет выигрывать вторая команда с разгромным счетом 1-4. Это совершенно разные результаты, а мы будем видеть их при данном наборе ударов с равной вероятностью!

Поэтому в прогнозировании важно усвоить, что конечный счёт не имеет абсолютно никакой ценности. Скажу больше: итог матча по xG, также имеет большой разброс. То, что в нашем матче вторая команда выиграла со счётом 1,87xG – 1,32xG, не говорит, что команды будут играть так всегда. И этот результат лишь один из многих  со своей вероятностью. Подробнее коснемся этого в будущем.

Мы вплотную приблизились к прогнозированию матчей с помощью xG, серьёзного инструмента для заработка денег. В следующих статьях научимся определять вероятности матчей на различных примерах. С этими знаниями вы сможете, смотря матч в лайве, определять счёт матча по xG, а также, вести свой учёт по xG в различных чемпионатах.

Если вы внимательно изучили сайт, то уже знаете больше, чем 97% пула игроков. С каждым новым видео и статьёй, ваш скилл будет заметно расти, и вы сможете ставить с плюсовым ожидаемым ROI на дистанции!

В конце как и обещали подарок. Перейдите по ссылке и вы получите абсолютно бесплатно генератор Монте-Карло а так же другие полезные инструменты!

Подписывайтесь на нас в соц. сетях (TelegramYouTubeVKFacebook), чтобы первыми узнавать о выходе новых уникальных учебных материалов и об обновлении статистики.

Обучающий контент, пакет "Инструментарий", бесплатные прогнозы от xScore