Комментарии 12
Однако при отборе матчей по определенным чемпионатам или по заданным диапазонам вероятностей были обнаружены признаки того, что использование классификаторов может быть более прибыльным. Это делает применение методов машинного обучения для решения задач подобного рода весьма перспективным.
По-моему это делает неизбежным использование подобных инструментов для внесения дополнительных корреляций букмекерами, вот и все.
Суть всей арифметики выше сводится к тому, что во второй лиге Бразилии забивают много, а в первой — мало, но букмекеры пока не догадались прикрутить этот весовой множитель. Еще проще его прикрутить к каждой команде: те, кто часто выигрывают крупно, — часто пропускают в этих матчах, из-за открытого характера матчей. Это статистический анализ, который а) не работает для предсказания ставок в принципе и б) прекрасно работает для _некоторых_ типов предсказаний (утрированный пример: в матче НБА забьют обе команды).
Букмекеры и нивелируют второй тип коэффициентами, как раз.
не совсем понял, что значит "По-моему это делает неизбежным использование подобных инструментов для внесения дополнительных корреляций букмекерами, вот и все." Какое прикладное значение этого определения? Если у вас есть теоретическая база, поделитесь.
Букмекеры берут коэффициенты не из воздуха же. Если использование классификаторов дает лучшие результаты в сравнении с теми, что у них есть сейчас — они будут пользоваться и классификаторами тоже.
как вариант, да. вопрос генерации признаков. Плюс у нас есть одно главное приемущество, мы можем ставить выборочно, что и показано в статье в резделе стратегий, букмкекер же по сути котирует и принимает условно всё.
мы можем ставить выборочно
Угу, а еще мы можем покупать только те акции, которые завтра вырастут в цене.
Вы не сможете придумать стратегию, которая приводит к выигрышу (кроме пирамиды, конечно); прошу прощения, если разбиваю хрустальные мечты.
нет не разбиваете. всё правильно, не стоит лезть без теоретической базы. в статье даётся видение подкрепленное экспериментом. отсутствие возможности заработка пока никак и никем не показано, но возможно, возвожно даже вы, сможете дать какие-нибудь подкрепляющие выкладки.
Выкладки, опровергающие гипотетическую вероятность в игре с газиллионом входных параметров предоставить невозможно, очевидно. За нас работает эмпирика.
Возможно, вам известно, что существует доказанный алгоритм победить крупье на столе блекджека с пулом в минимум шесть (кажется) колод. Ему больше пятидесяти лет. А казино по-прежнему процветают.
Если будет найден способ обыграть букмекера, букмекер прикроет эту лазейку, вот и всё, что я хотел сказать.
зачем, если есть прибыль?
Да, в статье показано, что модели ML могут быть лучше букмекеров в некоторых случаях, но это не гарантирует постоянной прибыли.
Рынок ставок достаточно эффективен, и создание стабильной прибыльной стратегии очень сложно. Простое использование классификаторов и ставок на все матчи не работает.
Возможность получения прибыли существует при выборочных ставках, например, на определенные диапазоны вероятностей или в отдельных чемпионатах. Это не "гарантированный алгоритм", а скорее поиск ситуаций, где букмекеры, возможно, недооценили вероятность исхода, и ML-модели могут это заметить.
Букмекеры не стоят на месте и будут реагировать на любые обнаруженные "лазейки", то есть способность модели оставаться прибыльной может быть временной и дата дрифт никто не отменял.
исследование внушает. но по-моему оно исследует не то.
лучше прогнозировать договорные и купленные матчи.
Прогнозирование результатов футбольных матчей и использование ставки «Обе забьют» (BTTS)