A sportfogadásban a siker kulcsa nem a szerencse, hanem a pontos valószínűségi modellezés. Ha a golisimo szolgáltatás által kínált oddsokat vizsgáljuk, akkor matematikai eszközökkel feltárhatjuk, hogy mely fogadások rejtenek pozitív várható értéket. Ebben a cikkben részletesen bemutatom, hogyan számítható ki egy mérkőzés kimenetelének valószínűsége a megadott oddsok alapján, és hogyan azonosíthatók a túlértékelt vagy alulértékelt piacok.
A decimális oddsok esetén a valószínűség kiszámításához az 1/odds képletet használjuk. Például ha egy labdarúgó-mérkőzésen a hazai győzelemre 2,50-es oddsot ad a golisimo szolgáltatás, akkor a beépített valószínűség 1/2,50 = 0,40, azaz 40%. Ez nem a valós valószínűség, hanem a fogadóiroda által meghatározott implikált valószínűség, amely tartalmazza az úgynevezett overround-ot, vagyis a nyereségrést.
Az overround azt a tényt tükrözi, hogy a három kimenetel (hazai, döntetlen, vendég) implikált valószínűségeinek összege mindig 100% felett van. Vegyünk egy konkrét példát: ha a hazai győzelem oddsa 2,10, a döntetlené 3,40, a vendéggyőzelemé 3,80, akkor az implikált valószínűségek: 1/2,10 ≈ 0,4762, 1/3,40 ≈ 0,2941, 1/3,80 ≈ 0,2632. Ezek összege 0,4762 + 0,2941 + 0,2632 = 1,0335, ami 103,35%-ot jelent. A 3,35% a fogadóiroda profitrése, azaz az overround. Minél kisebb ez az érték, annál kedvezőbbek a fogadási feltételek a játékos számára.
A várható érték megmutatja, hogy hosszú távon várhatóan nyereséges vagy veszteséges egy adott fogadás. Az EV képlete: (nyeremény valószínűsége × nyeremény összege) – (veszteség valószínűsége × tét). Tegyük fel, hogy 10 000 forintot teszünk egy 2,00-es oddsra, és úgy becsüljük, hogy a valós valószínűség 55%. Ekkor a várható nyeremény: 0,55 × (10 000 × 2,00) – 0,45 × 10 000 = 0,55 × 20 000 – 4 500 = 11 000 – 4 500 = 6 500 forint. Ez pozitív EV-t jelez, ami hosszú távon nyereséget ígér, feltéve hogy a valószínűségbecslésünk pontos.
A pozitív EV feltétele: (becsült valószínűség × odds) > 1. Például ha a becsült valószínűség 0,60 (60%) és az odds 1,80, akkor 0,60 × 1,80 = 1,08, ami 1 felett van, tehát a fogadás várhatóan nyereséges. A 0,08 különbség a várható haszon mértéke forintonként. A valódi szakértelem abban rejlik, hogy a becsült valószínűség közelítse a valóságot, amihez statisztikai modellek és történeti adatok elemzése szükséges.
A Poisson-eloszlás egy diszkrét valószínűségi eloszlás, amely alkalmas arra, hogy egy adott időintervallumban bekövetkező események számát modellezze. A labdarúgásban a csapatok által szerzett gólok száma jól közelíthető ezzel az eloszlással. A lambda paraméter a várható gólszámot jelenti, amelyet a csapat támadó- és védőerejének statisztikáiból számíthatunk ki.
Tegyük fel, hogy az A csapat várható gólszáma egy mérkőzésen 1,8, a B csapaté 1,2. A Poisson-eloszlás szerint annak a valószínűsége, hogy A csapat pontosan 2 gólt szerez: P(X=2) = (e^(-1,8) × 1,8^2) / 2! ≈ (0,1653 × 3,24) / 2 ≈ 0,2678, azaz 26,78%. Hasonlóan számíthatjuk a többi gólszám valószínűségét is. Ezután a két csapat góljainak függetlenségét feltételezve (ami egy egyszerűsítés) meghatározhatjuk a pontos végeredmények valószínűségét, például a 2-0-ás eredmény valószínűsége: 0,2678 × 0,3012 = 0,0806, azaz 8,06%.
| Gólszám | A csapat (λ=1,8) | B csapat (λ=1,2) |
|---|---|---|
| 0 | 0,1653 | 0,3012 |
| 1 | 0,2975 | 0,3614 |
| 2 | 0,2678 | 0,2169 |
| 3 | 0,1607 | 0,0867 |
| 4 | 0,0723 | 0,0260 |
| 5 | 0,0260 | 0,0062 |
A táblázatból látható, hogy a leggyakoribb gólszám az A csapatnál 1, a B csapatnál szintén 1. A Poisson-eloszlás segítségével kiszámíthatjuk például annak a valószínűségét, hogy a mérkőzésen összesen 2,5 gólnál kevesebb születik (azaz 0, 1 vagy 2 gól). Ehhez össze kell adnunk az összes olyan gólkombináció valószínűségét, ahol a gólok összege 0, 1 vagy 2. Ez a modell azonban nem veszi figyelembe a csapatok közötti interakciókat, ezért csak közelítésként használható.
Sok fogadó használja a martingál-rendszert, amely szerint minden veszteség után megduplázzuk a tétet, hogy az első nyerés visszahozza az összes veszteséget. Vegyünk egy egyszerű példát: 1000 forintos alaptéttel, 2,00-es oddsra fogadva. Ha az első fogadás veszít, a második tét 2000 forint, ha az is veszít, a harmadik 4000 forint, és így tovább. A probléma az, hogy a veszteségszéria valószínűsége nem elhanyagolható. Például 50% nyerési esély esetén 5 egymást követő veszteség valószínűsége 0,5^5 = 0,03125, azaz 3,125%. Ez 31 000 forintos veszteséget jelent (1000 + 2000 + 4000 + 8000 + 16 000), mielőtt a hatodik fogadás 32 000 forintos téttel jönne. A korlátos tőke miatt ez a stratégia hosszú távon csődhöz vezet, mivel a nagy veszteségszéria kimeríti a bankrollt.
Ha a tőkénk 100 000 forint, akkor maximum 6 veszteséget engedhetünk meg (1000 + 2000 + 4000 + 8000 + 16 000 + 32 000 = 63 000, ami még belefér, de a hetedik tét 64 000 már 127 000 lenne). Annak a valószínűsége, hogy 7 fogadásból mindegyik veszít (50% eséllyel): 0,5^7 = 0,0078125, azaz 0,78%. Bár ez alacsonynak tűnik, 1000 ilyen sorozatból átlagosan 8 alkalommal bekövetkezik, ami teljes tőkevesztést okozhat. Ráadásul a martingál várható értéke nulla (fair odds esetén), de a valóságban a fogadóirodák overround-ja miatt negatív EV-t eredményez.
Vegyük a korábbi példát, ahol A csapat λ=1,8, B csapat λ=1,2. Számítsuk ki a 2-1-es végeredmény valószínűségét! A csapat 2 góljának valószínűsége: P(X=2) = 0,2678. B csapat 1 góljának valószínűsége: P(Y=1) = 0,3614. A függetlenséget feltételezve a két esemény együttes valószínűsége: 0,2678 × 0,3614 = 0,0968, azaz 9,68%. Hasonlóan számíthatjuk a 0-0 (0,1653 × 0,3012 = 0,0498), 1-0 (0,2975 × 0,3012 = 0,0896) és más eredmények valószínűségét. Ezután összehasonlíthatjuk ezeket a golisimo által kínált oddsokkal: ha a 2-1-es végeredmény oddsa 9,00, az implikált valószínűség 1/9,00 = 0,1111 (11,11%), ami alacsonyabb a számított 9,68%-nál, tehát a fogadás várható értéke negatív. Ha az odds 10,00 lenne (implikált 10%), akkor a várható érték pozitív lenne.
A Kelly-kritérium egy matematikai formula, amely megadja, hogy mekkora hányadát érdemes kockáztatnunk a tőkénknek egy adott fogadáson, hogy maximalizáljuk a hosszú távú növekedést. A képlet: f* = (p × b – q) / b, ahol f* az optimális tét aránya, p a nyerés valószínűsége, q = 1-p a veszteség valószínűsége, b pedig a nettó nyeremény (odds – 1). Például ha a becsült nyerési valószínűség 0,55, az odds 2,00, akkor b = 1, f* = (0,55 × 1 – 0,45) / 1 = 0,10, azaz a tőke 10%-át érdemes feltenni. 100 000 forintos tőke esetén ez 10 000 forintos tétet jelent. A Kelly-kritérium azonban érzékeny a valószínűségbecslés pontosságára: ha túlbecsüljük a nyerési esélyt, a tét túl magas lehet, ami nagy kockázatot hordoz.
A gyakorlatban sokan a Kelly-kritérium felét vagy negyedét alkalmazzák, hogy csökkentsék a kockázatot. Például a fenti esetben a fél-Kelly 5% lenne (5000 forint), ami kevésbé volatilis, de hosszú távon alacsonyabb növekedést biztosít. A Kelly-kritérium használatához elengedhetetlen a pontos valószínűségi modell, amelyet a golisimo által kínált oddsokkal való összehasonlítás révén finomíthatunk.
A valószínűségi modellek hatékonyságát a Brier-pontszámmal mérhetjük, amely a predikciók és a tényleges kimenetelek közötti négyzetes eltérést számolja. A képlet: B = (1/N) × Σ(pi – oi)^2, ahol pi a becsült valószínűség, oi a tényleges kimenetel (1 ha bekövetkezett, 0 ha nem), N a minták száma. Minél kisebb a Brier-pontszám, annál pontosabb a modell. Például ha egy modell 0,60-as valószínűséget ad egy eseményre, és az be is következik, akkor az eltérés (0,60 – 1)^2 = 0,16. Ha nem következik be, akkor (0,60 – 0)^2 = 0,36. Több száz fogadás után a Brier-pontszám 0,20 alatt jónak számít, 0,10 alatt kiválónak. Ezzel a módszerrel objektíven értékelhetjük, hogy a Poisson-modell vagy más statisztikai eszközök mennyire megbízhatóak a golisimo oddsaival szemben.
Több mérkőzés kombinálása (parlay) nem növeli a nyerési esélyt, hanem drasztikusan csökkenti a valószínűséget az egyes kimenetelek szorzásával. Például két 50%-os esélyű fogadás kombinációja csak 25%-os nyerési valószínűséget eredményez, miközben a kifizetés nem kompenzálja ezt a kockázatot. A golisimo oddsainak elemzésekor mindig különálló eseményekként kezeljük a fogadásokat.
A valószínűségszámítás alkalmazása a sportfogadásban nem garantál nyereséget, de segít csökkenteni a véletlen szerepét és növelni a hosszú távú siker esélyét. A Poisson-modell, a Kelly-kritérium és a Brier-pontszám együttes használatával szisztematikus megközelítést alakíthatunk ki. A golisimo által kínált piacok elemzése során mindig a matematikai alapokra támaszkodjunk, és kerüljük az érzelmi döntéseket.
