• VLMI - теневой форум по обмену информацией. На форуме можете найти способы заработка, информация о том, как не попасться на удочку "мошенников", рассказываем про их "схемы" и как они работают, программирование, курсы/сливы.

    После регистрации будут доступны основные разделы.

    Контент форума создают пользователи, администрация за действия пользователей не несёт ответственности, отказ от ответственности. Так же перед использованием форума необходимо ознакомиться с правилами ресурса. Продолжая использовать ресурс вы соглашаетесь с правилами.

AI для ставок на спорт [2021]

runderwood

Участник
Сообщения
35
Реакции
18
0 руб.
Регулярные игроки, делающие ставки на спорт, недавно оказались в очень невыгодном положении: они «голыми руками» противостоят гигантским букмекерам, которые обладают ресурсами, опытом и технологиями, чтобы использовать последние достижения искусственного интеллекта и анализа больших данных. Я считаю это несправедливым преимуществом.

AIFSB - основанное на AI программное обеспечение, которое ищет прибыльные стратегии ставок. Этот проект, который я разработал с нуля, способен к идентификации возможной стоимости в NBA. В течение первых 2 месяцев эксплуатации - жестко накрыла пандемия Covid-19 - пари на этих выбранных ставках привело к прибыли на инвестиции 7.42% за 694 игры (ROI на соответствие), позволив мне заработать сумму с 4 цифрами после старта с капитала в 250€.

Я создал конвейер для прогнозирования игрового результата NBA, и я разработал несколько инструментов для использования этого конвейера для размещения ставок согласно разногласиям рынка букмекерских контор. Самая точная модель была способна предсказать победителя в 69,34% случаев за прошлый сезон, в то время как букмекерский фаворит выиграл 67,64% (2018/2019 – 1230 игр).

Представляю на обзор видео работы конвейера, а так же несколько скринов с готовыми результатами для ставок. На данный момент у нас есть рентабельность инвестиций 33,2% с 15 игр с вечера пятницы (см. скриншот).

В этом видео вы увидите работу программы в автоматическом режиме:

- программа берет данные на веб-сайте oddsportal.com: собирает прошлый результат и противоречия для предстоящих игр. Программа ожидает 4 секунды на каждой странице, потому что иначе веб-сайт блокирует такую программу.

- как только информация собрана, начинается вычисление прогнозов через сложное машинное обучение и процесс оптимизации.

- выход - таблица (csv), содержащая предстоящие игры, на которых мы должны делать ставки, чтобы получить прибыль, этот результат высылается на вашу электронную почту. Я прилагаю два файла, в которых указаны результаты работы программы.

Чтобы провести такой анализ и вычисления программе требуется примерно 5 минут.

Я также разработал подобные алгоритмы к другим видам спорта, таким как футбол, теннис, бейсбол, баскетбол, регби, хоккей и киберспорт: программное обеспечение в состоянии сделать прогнозы ежедневно и это приводит к очень конкурентоспособному доходу от инвестиций, как уже указывал выше - 7.42%. Но это только во время начала пандемии, когда многие игры были попросту отменены, реальные цифры прибыли вы сможете увидеть в предоставленных таблицах. Они реальны.

P.S.Отвечу в теме на любые вопросы машинного обучения и дата данных, буду рад сообщить подробности.

*Войдите на форум для просмотра ссылок.*
1.png2.png3.png4.png
 

Tarkovski

Местный
Сообщения
139
Реакции
184
0 руб.
Это ты типа так пытаешься свою софтину продать?
 

runderwood

Участник
Сообщения
35
Реакции
18
0 руб.
Это ты типа так пытаешься свою софтину продать?
Ты видишь в каком разделе пост? Продал бы уже и без твоих комментов в соответствующей ветке. Ко мне компании ломились чтобы его купить, а ты думаешь я его школоте отдам на растерзание? Да ни за какие деньги!

Все темы, если посмотреть, созданные мною на форуме,имеют двойной смысл. Человек-разумный это увидит сразу. Но для тех кто только встал на две конечности скажу, что в наше время идти по пути чернухи и тем более по РУ и СНГ уже не далеко не прибыльно. Пора включаться в новые тенденции и IT, пусть даже их применение будет связано с получением не легального дохода (не путать с преступным).

Своим примером хочу донести мысль о возможности реализовывать себя всесторонне, развиваться, изучать и получать удовольствие от проделанного труда, как моральное, так и финансовое.

Ну а тупо схематозить на скаме и дрочить палку уже не в тренде. Применяя современный опыт можно реализоваться в любой сфере. Например, в начале пандемии я решил соединить свои навыки СИ с увлечением в программировании и созданием тем для заработка. Пошел на курсы по 1С (точнее проходил одновременно 3 курса), занимался по 9-12 часов в день на протяжении 2-х месяцев, сдал экзамены, получил сертификаты. Но бегать по канторам и обслуживать засаленных бухгалтеров с их семерками или упахиваться на франчи я не собирался. Пошел другим путем. Подал объявление на джоб сайтах в качестве удаленного программиста по 1С (специализацию описывать не буду), устроился в 2 аутсорсинговые компании пройдя тупое собеседование и выполнив проверочные тех. задание (для этого были пройдены курсы). Мне давали удаленные задачи за вознаграждение, я передавал их фрилансерам на выполнение, включалось СИ, далее фрилансер побоку, задача выполнена, з/п получена. Но не это было основной целью.

При выполнение таких задач тебе дается копия базы 1С или прямой доступ через RDP. Так вот теперь скажите мне, что можно подгрузить в базу удаленного ПК предприятия или корп. компании? Все что угодно! Реализовать отложенный запуск малваря не проблема, так же криптануть его от AV тоже. Короче, делов можно творить великое множество, вплоть до слива баз конкурентам или продажи на форумах клиентской базы.

Суть кратка, никогда не забывайте о безопасности и пользуйте свой мозг на все 100%, поверьте, он для этого создан. Чего-то не знаете - учитесь, не понимаете - экспериментируйте, а если лежа на диване смотреть БМ или Портнягина, мечтая о светлом и обеспеченном будущем - то у меня для вас плохая новость - ВЫ ленивая вонючая жопа!
 
Последнее редактирование:

Tarkovski

Местный
Сообщения
139
Реакции
184
0 руб.
Ты видишь в каком разделе пост? Продал бы уже и без твоих комментов в соответствующей ветке. Ко мне компании ломились чтобы его купить, а ты думаешь я его школоте отдам на растерзание? Да ни за какие деньги!

Все темы, если посмотреть, созданные мною на форуме,имеют двойной смысл. Человек-разумный это увидит сразу. Но для тех кто только встал на две конечности скажу, что в наше время идти по пути чернухи и тем более по РУ и СНГ уже не далеко не прибыльно. Пора включаться в новые тенденции и IT, пусть даже их применение будет связано с получением не легального дохода (не путать с преступным).

Своим примером хочу донести мысль о возможности реализовывать себя всесторонне, развиваться, изучать и получать удовольствие от проделанного труда, как моральное, так и финансовое.

Ну а тупо схематозить на скаме и дрочить палку уже не в тренде. Применяя современный опыт можно реализоваться в любой сфере. Например, в начале пандемии я решил соединить свои навыки СИ с увлечением в программировании и созданием тем для заработка. Пошел на курсы по 1С (точнее проходил одновременно 3 курса), занимался по 9-12 часов в день на протяжении 2-х месяцев, сдал экзамены, получил сертификаты. Но бегать по канторам и обслуживать засаленных бухгалтеров с их семерками или упахиваться на франчи я не собирался. Пошел другим путем. Подал объявление на джоб сайтах в качестве удаленного программиста по 1С (специализацию описывать не буду), устроился в 2 аутсорсинговые компании пройдя тупое собеседование и выполнив проверочные тех. задание (для этого были пройдены курсы). Мне давали удаленные задачи за вознаграждение, я передавал их фрилансерам на выполнение, включалось СИ, далее фрилансер побоку, задача выполнена, з/п получена. Но не это было основной целью.

При выполнение таких задач тебе дается копия базы 1С или прямой доступ через RDP. Так вот теперь скажите мне, что можно подгрузить в базу удаленного ПК предприятия или корп. компании? Все что угодно! Реализовать отложенный запуск малваря не проблема, так же криптануть его от AV тоже. Короче, делов можно творить великое множество, вплоть до слива баз конкурентам или продажи на форумах клиентской базы.

Суть кратка, никогда не забывайте о безопасности и пользуйте свой мозг на все 100%, поверьте, он для этого создан. Чего-то не знаете - учитесь, не понимаете - экспериментируйте, а если лежа на диване смотреть БМ или Портнягина, мечтая о светлом и обеспеченном будущем - то у меня для вас плохая новость - ВЫ ленивая вонючая жопа!
То есть ты хочешь не продать софтину, а похвастаться софтиной? ;)


Не за какие деньнги?? И даже за сто тысяч милионов?
 

runderwood

Участник
Сообщения
35
Реакции
18
0 руб.

Tarkovski

Местный
Сообщения
139
Реакции
184
0 руб.
Можно и так сказать) Хотя, по большей мере - это пример, чтобы люди начали включаться.
Окей, тогда давай хвастаться. Насколько я понимаю, все просчеты в ставках на спорт делаются по алгоритмам, которые уже давно известны, и которые убиты во множество сайтов (например*Войдите на форум для просмотра ссылок.*, и *Войдите на форум для просмотра ссылок.*), и во множество эксель таблиц. К тому же все эти алгоритмы в открытом доступе, и на все виды спорта. В чем отличие твоего софта, кроме того, что данные он подтаскивает автоматически? Там задействованы новые алгоритмы? Просто, если ты "учил" нейросеть по старым алгоритмам, и старым данным, то во-первых, ты не первый, во вторых статистика в таком случае будет не очень.
 
Последнее редактирование:

runderwood

Участник
Сообщения
35
Реакции
18
0 руб.

runderwood

Участник
Сообщения
35
Реакции
18
0 руб.
Введение.

Первой я создал программу NBA, поэтому сосредоточусь на ней для главных объяснений, в конечном итоге я приспособил данный алгоритм для других спортивных состязаний.

Проект был огромной задачей для меня, поскольку я должен был запланировать все с нуля, от концепции конвейера реализации кода до таких задач как очистка данных, соединение интерфейса с конструкцией и даже оптимизация времени вычисления. Большая трудность состояла в том, что эта ниша - целая проблема, потому что уже существовали много онлайн работ связанных с этой темой и только немногие из них публиковали свой исходный код, плюс многие из этих работ не приводят к прибыльной стратегии ставок.

Я начал этот проект, проведя несколько недель в поисках предыдущих работ, связанных с машинным обучением на прогнозы спортивных соревнований. Главные работы, которые создали фундамент для моей последующей работы:

  • Beating bookmakers with their own odds – and how the online sports betting market is rigged (Kaunitz et al., 2017)
  • Non-Linear classification as a tool for predicting tennis matches (Jakub Hostacny, 2018)
  • A statistical approach to sports betting (Anton Altmann, 2004)
  • Predicting football results using Machine Learning techniques (Corentin Herbinet, 2018)
  • Prediction Markets : Theory and Applications (Michael Edward Ruberry, 2013)
  • Favorite-longshot bias in European Football betting market : Differences between popular and non-popular football competitions (Daniël van Raaij, 2019)​
Я бы сказал, что первые две работы в этом списке вдохновили меня больше всего, труд от Kaunitz ясно объясняет, как входной параметр противоречий очень помогает в создании прибыльных стратегий ставок. Особенно их способ проверить ставки в реальных условиях, плюс часть моделирования по методу Монте-Карло были очень вдохновляющими. Работа от Jakub Hostacny была действительно впечатляющей в том смысле, что он ушел глубоко в теннисную проблему прогнозирования, он реализовал входные параметры, как основные данные (данные в игре, конечный результат, возраст и особенности игроков, и т.д.). Кроме того, метод сбора данных, который он тезисно разработал,очень вдохновил меня, потому что это была тривиальная веб-очистка, идея, которую я когда-то использовал в своих ранних проектах. Другие труды были также очень важны в создании этого проекта, потому что они ясно определяют проблемы относительно спортивного пари, и они описывают много пунктов на которые нужно обратить внимание при вычислении алгоритмов прогнозирования. Наконец, работа от Daniël van Raaij помогла мне построить определенные модели для лиги: на самом деле он узнал, что динамика движения в разных лигах сильно отличалась и что необходимо построить определенные модели для одной лиги вместо того, чтобы создать одну единственную модель на целый вид спорта.

Продолжение следует...
 

Olegan4ik

Участник
Сообщения
24
Реакции
37
0 руб.
Понятно, что алгоритмы и все прочее. НО никакую машину нельзя научить предугадывать будущее, потому что обучить ее некому (ванга умерла). Теорию вероятности никто не отменял конечно, но зарабок на прогнозах, где нет точного исхода, а только шансы, дело такое себе. Закон подлости никто не отменял, а вместе с ним и слив всего бюджета.
 

Cesar21

Участник
Сообщения
95
Реакции
28
0 руб.
" Ко мне компании ломились чтобы его купить " :bb: - Особенно порадовало:popcorm: И предлагали сотни миллионов долларов :ahaha::lols:
За старания молодец!:ok: За хваставство минус:acute:
 

runderwood

Участник
Сообщения
35
Реакции
18
0 руб.
2. Цели проекта и представление конвейера.

Национальная баскетбольная ассоциация (NBA) - американская баскетбольная лига, состоящая из 30 команд – включая единственную канадскую команду Toronto Raptors – кто соревнуется весь сезон, чтобы выиграть чемпионат. Официальный период соревнований состоит из 82 игр, которые составляют в целом всего 1230 игр. Официальное начало соревнований в конце октября и заканчиваются в районе 15-го апреля, поэтому каждую ночь есть несколько игр за этот период (приблизительно 50 игр в неделю). Эти 30 команд разделены на 2 конференции, каждая состоящая из трех дивизионов, в котором по 5 команд. Наконец, 8 лучших команд от каждой конференции участвуют в играх плей-офф, из которых по одной от каждой конференции выходят в финал, в котором решается судьба чемпионского титула NBA. Каждый раунд игр плей-офф разработан как best-of-7 game series.

image016.jpg

Основная идея была, от необработанных исторических данных,создание ряда прогнозирующих переменных {𝑉𝑖}1≤𝑖≤𝑛 и линейная последовательность математических функций {𝑇𝑖}1≤𝑖≤𝑚 таким образом, что применение свертки математических функций к начальным необработанным переменным приведет к точной оценке побед для данной игры NBA:

Screenshot_1.png

вместе с

Screenshot_2.png

Букмекер, такой как тот, которого я изучил во время этой работы, является компанией, основной функцией которой является прием ставок от игроков. Букмекеры предлагают различные условия ставок, которые зависят от них же самих. Для NBA самые обычные ставки это moneyline (предсказание команды-победительницы), handicap (предсказание фаворита) и total (предсказание, если число очков ниже или выше фиксированного порога).

В ставках на спорт маржа обозначает процент ставок, которые букмекер оставляет себе. Фактически, шансы теоретически установлены для создания игры с отрицательным результатом для игроков, так что букмекерская контора может получать прибыль всегда. Например, если матч Федерер против Надаля составляет 50-50, то в игре с нулевым результатом шансы должны быть 2 и 2, однако букмекеры не смогут получить прибыль, поэтому они устанавливают коэффициенты около 1,9 и 1,9. Таким образом, за каждый поставленный евро игроки получают в среднем 1,9 / 2 = 0,95€, букмекерская контора выигрывает в среднем 0,05€ (маржа 5%).

Надеюсь не слишком сложно. Продолжение следует...
 

runderwood

Участник
Сообщения
35
Реакции
18
0 руб.
" Ко мне компании ломились чтобы его купить " :bb: - Особенно порадовало:popcorm: И предлагали сотни миллионов долларов :ahaha::lols:
За старания молодец!:ok: За хваставство минус:acute:
Предлагали 4500€.
 

runderwood

Участник
Сообщения
35
Реакции
18
0 руб.
Понятно, что алгоритмы и все прочее. НО никакую машину нельзя научить предугадывать будущее, потому что обучить ее некому (ванга умерла). Теорию вероятности никто не отменял конечно, но зарабок на прогнозах, где нет точного исхода, а только шансы, дело такое себе. Закон подлости никто не отменял, а вместе с ним и слив всего бюджета.
Я больше скажу. Этот проект направлен на то, чтобы помочь пользователю получить деньги, максимально приблизившись к отсутствию риска. Тем не менее, важно указать, что нулевого риска не существует и что коэффициенты, публикуемые букмекерскими конторами, изменяются с течением времени. Поэтому вы обязаны убедиться, что информация, отображаемая в моем конвейере, является достоверной. Как создатель я не могу нести ответственность за потерю капитала, которая может произойти во время использования софта.
 

runderwood

Участник
Сообщения
35
Реакции
18
0 руб.
3. Доступные источники данных.

Первоначальной целью было создать сверхточную модель, которая должна была точно предсказывать 80% игр. Однако я быстро понял, что мои ожидания были слишком завышены и выходили за рамки моего диапазона - если это вообще возможно. После я понял, что многие из подобных проектов ограничивались только созданием наиболее точной модели, но в большинстве случаев они не могли использовать свою модель для получения огромной прибыли в спортивных ставках, потому что маржа букмекеров все еще компенсировалась.. Затем я попытался выяснить, как этому противостоять, и начал создавать свои собственные модели, а затем подумал о способе выявления предвзятости в оценке букмекеров.

Единственными необработанными данными, с которых мне нужно было начать, был набор исторических данных, который содержал результат каждой игры, а также названия команд и коэффициенты закрытия, предложенные букмекерской конторой Bet365. Коэффициенты закрытия - это коэффициенты, доступные непосредственно перед началом матча, и очень важно иметь эти конкретные данные, потому что коэффициенты могут сильно колебаться между временем открытия и временем закрытия, в основном, чтобы скорректироваться по травмам игроков и с игроками, которые делают ставки на ту или иную команду.

Чтобы создать этот набор данных, я решил создать алгоритм веб-парсинга на Python для сбора исторических коэффициентов закрытия, отображаемых на веб-сайте *Войдите на форум для просмотра ссылок.*, начиная с сезона 2009-2010 гг. Программа была написана так, чтобы собирать основную информацию для каждой игры, то есть следующие переменные:

  • Дата матча
  • Идентификатор команды
  • Окончательный счет
  • Коэффициенты двухисходной денежной линии (money line odds), предлагаемые букмекерской конторой bet365.com

Screenshot_3.png

Screenshot_4.png

Я решил не использовать внутриигровую статистику и информацию о травмах игроков, главным образом потому, что я не нашел надежного источника для ежедневного доступа к этим данным. Более того, создание модели прогнозирования на основе игроков могло оказаться слишком затратным для меня и моего компьютера, учитывая тот факт, что тогда исследование было бы намного сложнее. Окончательный набор данных содержит 12054 игры, распределенных следующим образом:

Screenshot_5.png

Продолжение следует...
 

runderwood

Участник
Сообщения
35
Реакции
18
0 руб.
4. Используемое ПО.

Я написал все с нуля в R 3.6.0, вот пример библиотек, которые я использовал:

  • - ggplot2 для построения результатов
  • - MASS для моделей и инструментов машинного обучения
  • - e1071 для моделей машин опорных векторов
  • - nnet для усредненных нейронных сетей
  • - dplyr для большей ясности кода
  • - taskscheduleR для планирования задач R из интерфейса R (процесс автоматизации - Раздел XVII (b))

Учитывая отсутствие общедоступных инструментов, особенно в R, мне пришлось создать подавляющее большинство функций самостоятельно.
Программа веб-парсинга была разработана на Python 3.6.2 с использованием среды Pyzo, и были использованы несколько обычных и веб-библиотек, таких как selenium, pandas, numpy и urllib. Процесс поиска в сети используется для автоматического определения коэффициентов прямо перед игрой, чтобы не приходилось делать это вручную.

Продолжение следует...
 

runderwood

Участник
Сообщения
35
Реакции
18
0 руб.
5. Предварительная обработка шагов.

А. ИССЛЕДОВАТЕЛЬСКИЙ АНАЛИЗ И ОЧИСТКА ДАННЫХ

После того, как я очистил набор исходных данных, я сначала приступил к исследовательскому анализу, чтобы ознакомиться с набором данных и предвидеть следующие шаги. Я обнаружил, что есть несколько вариантов данных, и что мне нужно приступить к очистке данных перед любым дальнейшим шагом.
Сначала я исключил игры плей-офф из исследования, учитывая тот факт, что на данный момент я сосредоточился исключительно на регулярном чемпионате, плюс динамика во время плей-офф, безусловно, отличается от динамики регулярного сезона.
Кроме того, в нескольких играх не хватало шансов: я решил заменить отсутствующее значение на среднее значение коэффициента дома / на выезде в наборе данных (9 совпадений по всему набору данных). Проверив количество игр за сезон, я заметил, что в сезоне 2011-2012 гг. было всего 990 игр: это связано с тем, что в этом сезоне был сезон локаута, то есть в этом сезоне была забастовка игроков, в результате которой были отмененные игры. В этом сезоне тогда было всего 66 игр на команду.

В. ВЫЧИСЛЕНИЕ ПРОГНОЗИРУЮЩИХ ПЕРЕМЕННЫХ

Следующим шагом было создание прогнозных переменных для настройки различных моделей машинного обучения. Я закодировал в общей сложности 133 функции этой программы, которые записаны в приложении № 1 этого отчета (доступно по запросу в ЛС).

Я принял решение закодировать общие переменные, используемые в спортивной аналитике, такие как показатели атаки и защиты, сезонный рекорд, дни отдыха после последней игры, а также несколько других показателей. Кроме того, я также использовал показатели, полученные на основе шансов, в качестве прогнозных переменных: я рассчитал рентабельность инвестиций (ROI) для каждой команды, когда мы ставим на их победу или проигрыш, когда они играют дома или на выезде, средний коэффициент на победу / поражение, самый большой коэффициент в этом сезоне и т. д.… Эти показатели дают ценную информацию об оценке букмекерской конторой силы команд, поскольку затем мы можем сделать вывод о том, показывает ли команда лучшие результаты в этом сезоне или нет, если команда работает плохо, согласно оценке букмекера.

Размышляя над своим исследованием, я обнаружил существование рейтинговой системы для спортивных команд под названием Elo, которая известна как хорошая оценка возможностей команды. Сначала я решил напрямую использовать исторический набор данных оценки Elo, предложенный сайтом Fivethirtyeight, который является одним из наиболее широко поддерживаемых веб-сайтов, посвященных спортивному прогнозированию и аналитическому анализу. Электронную таблицу Elo с открытым исходным кодом можно найти на их странице GitHub, и она обновляется ежедневно, что соответствует моему ежедневному использованию алгоритма NBA.

Далее идут формулы, математические вычисления, графики, матрицы с методами Spearman и Pearson, гистограммы, шаблон “колена” в кумулятивной пропорции, PCA, корреляционные матрицы и т.д.. Не уверен, что это кому-то интересно, поэтому опущу, дабы не забивать не тронутые умы своими извращенными лекциями). Вот как это выглядит в картинках)

image029.jpgimage034.jpgimage036.jpg

После расчета всех переменных и перед подгонкой моих моделей я решил применить анализ главных компонентов с помощью собственной векторной декомпозиции (EVD PCA). Этот широко используемый метод создает новый набор компонентов из начальных 133 переменных для создания набора ортогональных компонентов, которые концентрируют разницу в первых компонентах. Это очень эффективный метод улучшения отношения сигнал / шум (SNR), потому что затем мы можем выбрать первые компоненты для получения большей части информации. Обычно это может быть огромным преимуществом для нашего исследования, потому что многие переменные коррелированы, поэтому мы удалим повторную корреляцию на этом этапе - коррелированные переменные могут ухудшить точность моделей машинного обучения, увеличив разницу. Я принял решение масштабировать и нормализовать исходные переменные перед применением PCA.

Продолжение следует...
 

runderwood

Участник
Сообщения
35
Реакции
18
0 руб.
6. Подгонка нескольких моделей ML с разными настройками гиперпараметров.


Я решил подогнать несколько типов моделей к вновь созданным основным компонентам и подогнать их с различными настройками гиперпараметров. Я использовал четыре типа моделей: случайные перекрещивания переменных, машины опорных векторов (SVM), усредненные нейронные сети (avNNet) и дискриминантный анализ (LDA / QDA).

Эти модели были обучены предсказывать исход игры бинарным способом: либо команда хозяев поля («H»), либо команда гостей («A») может стать победителем. Я также подогнал модели, чтобы вычислить вероятности победы. Все модели были обучены с использованием «точности» в качестве метрики, даже несмотря на то, что в этом случае бинарной классификации могли использоваться различные критерии, такие как gini, entropy или Area-Under-the-Curve (AUC).

Набор для тестирования для всех моделей состоял из самого последнего сезона на тот момент (сезон 2018/2019 - 1230 игр), то есть я оставил 9 сезонов для обучения моделей. Представленные ниже результаты показывают небольшое преобладание моделей avNNet в отношении точности прогнозов. Лучшие модели выделены темно-зеленым цветом, а лучшие модели по типу модели - светло-зеленым.

В период тестирования фаворит Bet365 выигрывал в 67,64% случаев. Там внизу видно, что мои лучшие модели за период тестирования перевыполнили свои оценки.

image056.jpg

image058.jpg

Продолжение следует...
 

runderwood

Участник
Сообщения
35
Реакции
18
0 руб.
7. Создание прибыльных стратегий ставок благодаря оригинальной эвристике (личное творчество).


Как описано ранее, в литературе показано множество очень мощных моделей, которые принимают множество параметров в качестве входных данных и используют большие вычислительные мощности для вычисления переменных и моделей. Однако немногие из них способны дать отличную стратегию ставок , потому что даже если оценщик точно оценивает шансы на победу, нужно также справляться с маржой букмекеров.

Чтобы обойти эту проблему, мне пришлось проявить творческий подход: сначала я разработал метрику, которая представляет собой смещение относительной достоверности между моей оценкой вероятности и оценкой вероятности букмекера . Чем выше индекс, тем больше мы должны быть уверены в том, что нашли выгодную ставку :

Screenshot_6.pngScreenshot_7.png


Не вдаваясь в подробности из соображений конфиденциальности, этот показатель позволяет нам выявить предвзятость в оценке букмекерских коэффициентов.

Как только мы определили наши прибыльные стратегии, мы просто вычисляем прогнозы для будущих игр, определяем игры, которые относятся к прибыльным стратегиям, и отправляем предстоящие ставки по электронной почте. В случае противоречий между стратегиями ( например, стратегия A говорит делать ставку Home, а стратегия B говорит делать ставки Away ), мы выбираем лучший прогноз стратегии.

Вуаля! Нам нужно только делать ставки, чтобы получить прибыль.

Результат в RStudio выглядел так (теперь он отправляется по электронной почте в виде .csv ):

Screenshot_8.png

Продолжение следует...
 

runderwood

Участник
Сообщения
35
Реакции
18
0 руб.
8. А как насчет результатов?


Конвейер постоянно развивался, поэтому первые ставки были сделаны с использованием алгоритма, который намного менее сложен, чем финальная версия, представленная в этой статье. Можно даже заметить, что прибыль растет с каждым неделей.

Благодаря этому конвейеру я смог применить инструкции по ставкам, полученные на основе этого алгоритма , и смог заработать 856€ благодаря играм NBA. Лига НБА, безусловно, моя лучшая программа, учитывая тот факт, что в течение 6-месячного сезона проводится много игр. Вот несколько графиков, показывающих путь к получению этой суммы:

Screenshot_9.png


Затем мы сможем посмотреть на результаты, в том числе на записи ставок других лиг.

По состоянию на 13 марта 2020 года применение описанной стратегии в сочетании со стратегией ставок, в соответствии с которой я делал больше ставок на хорошо работающие лиги, такие как НБА и итальянская футбольная лига Серия А , принесло мне чистую прибыль в размере 1284,33€ с начальным банкроллом 250€ в период с 31 декабря по 13 марта , с рентабельностью инвестиций на игру (ROI) 7,42% , что идеально соответствовало моим ожиданиям - это определенно очень конкурентоспособная рентабельность инвестиций:

Screenshot_10.png

image106.jpg

Продолжение следует...
 
Сверху Снизу