گرچه شرط بندی بر اساس نظر و حسیات فردی هیچ مشکلی ندارد، اما کسب سود طولانی مدت یک استراتژی شرط بندی مناسب نیست. اگر در مورد شرط بندی جدی هستید، یک مسابقه فوتبال را تجزیه و تحلیل کرده و برآورد می کنید که قیمت پیشنهادی مسابقات فوتبال چقدر است و اینکه چه ضریب هایی باید داشته باشد. برای کسب اطلاعات بیشتر در مورد نحوه قیمت گذاری یک مسابقه فوتبال، این مقاله را بخوانید.
چرا قیمت گذاری در شرط بندی مسابقات فوتبال را خودتان انجام میدهید؟
برای یافتن یک شرط ارزشمند، باید ضریب هایی را که در آن شرط بندی کرده اید را با آنچه شما فکر می کنید بازتاب دقیق تری از احتمال واقعی یک رویداد ورزشی است مقایسه کنید. اگر ضرایب موجود، احتمال یک نتیجه در یک رویداد را در مقایسه با ارزیابی تان، دست کم بگیرد، این به شما یک ارزش مورد انتظار مثبت را ارائه میدهد.
در حالی که این یک مفهوم ساده کافی برای درک این موضوع است، اما داشتن چیزی برای مقایسه ضرایب سایت شرط بندی در جایی است که بیشتر شرط بندان سقوط می کنند. مقایسه ضرایب شرط بندی مطمئنا به شما کمک می کند تا بهترین ضریب را برای شرط بندی پیدا کنید، اما ایجاد احتمالات خود و مقایسه آنها با ضرایب موجود چیزی است که به شما کمک می کند گزینه مناسب شرط بندی را در یک بازار مشخص پیدا کنید.
بسیاری از افراد نمی توانند بفهمند که در واقع چقدر بردن در شرط بندی دشوار است، و شما به محض شروع قیمت گذاری در شرط بندی مسابقات فوتبال خود، در اصل شروع به یافتن شرط های ارزشمند نمیکنید. با این حال، شما باید از جایی شروع کنید و مطمئنا به بهبود درک شما از احتمالات کمک خواهد کرد. هنگامی که دانش خود را توسعه می دهید، به اطلاعات بهتری دسترسی پیدا می کنید و ورودی های مختلف و روش های قیمت گذاری را آزمایش می کنید، ممکن است فرصت های شرط بندی قانونی را نیز پیدا کنید (پیشنهاد ما شرط بندی در سایت قانونی بتکارت)
گرچه که من در این مقاله مثالی از نحوه قیمت گذاری در شرط بندی مسابقات فوتبال را مرور می کنم، اما توجه به این نکته ضروری است که شما لزوما نباید “افزایش| قیمت گذاری یک بازار را خودتان انجام دهید. برخی از افراد اعتماد به بازار را انتخاب می كنند، با استفاده از اطلاعاتی كه توسط یک سایت شرط بندی كارآمد مانند BetCart ارائه می شود و به دنبال مغایرت با سایر سایت های پیش بینی هستند.
ممکن است شما از ضرایب betcart برای یک بازی در شرط بندی تنیس استفاده کرده و آن را در ضرایب مسابقه فوتبال قرار دهید. یا ممکن است به این شکل باشد که شما از مجموع تیم های تکی در NBA برای کشف احتمال گلزنی هر تیم از تیم دیگر (و تعداد آنها) و محاسبه ضرایب یک شرط بندی مانی لاین یا هندیکپ در شرط بندی استفاده کنید. اگرچه می توانیم چنین مثالهایی (و مشکلات احتمالی آنها) را برای مقاله دیگری استفاده کنیم.
مجبورید که بالاخره از یک جا شروع کنید
احتمال انجام کاری که یک سایت شرط بندی معتبر انجام می دهد (ایجاد ضرایب برای یک رویداد) با منابع غیرقابل مقایسه، برای بسیاری از شرط بندان بسیار دلهره آور به نظر می رسد. به شرطی که بخواهید وقت خود را برای یادگیری بگذارید و خوشحال باشید که اشتباه می کنید و شکست ها را می پذیرید (زیرا این اتفاقات بالاخره رخ خواهد داد)، در نهایت می توانید از بازارهای قیمت گذاری خود چیزی بدست آورید.
تصور معمول یک شرط بند موفق ورزشی در سالهای اخیر تغییر کرده است. در حالی که هندیکپرهای سنتی که محاسبات خود را بر اساس دانش و تجربه خود انجام می دهند هنوز وجود دارند، این بیشتر در مورد افراد یا گروههایی است که مدلهای خود را با مجموعه داده های بزرگ و الگوریتم های پیچیده می سازند.
اگر هدف شما رسیدن به سطح شرط بندان حرفه ای است که بسیاری آرزو می کنند مانند آنها باشند، باید درک کنید که باید از جایی شروع کنید. شما تنها اکسل، R یا پایتون را روشن نمی کنید، بلکه مقدار زیادی داده را در آن قرار می دهید و بازی می کنید تا زمانی که چیزی مفید ایجاد کند. با اصول اولیه، یک رویکرد ساده با مقدار کمی داده را در برنامه وارد کرده و سپس شروع کنید و از آنجا به سمت بالا حرکت کنید.
مثالی از چکونگی قیمت گذاری در شرط بندی مسابقات فوتبال
برای اینکه توضیح دهم که اگر می خواهید روی فوتبال شرط بندی کنید، قیمت گذاری مسابقات فوتبال مهم است، من از یک مثال ساده برای نشان دادن نحوه انجام آن استفاده کرده ام. لازم به ذکر است که این روش نقایص زیادی دارد (که بعدا به آنها خواهیم پرداخت)، و در صورت استفاده از آن توسط شخص شما، در نتیجه به شما در پیدا کردن ارزش در بازارهای شرط بندی فوتبال کمکی نمیکند.
من از یک مدل پواسون برای ایجاد ضریب 1X2 برای یک دوره از شرط بندی مسابقات فوتبال در لیگ برتر استفاده کرده ام (من اولین دوره شرط بندی مسابقات فوتبال را از فصل 2019/20 برای این مثال انتخاب کرده ام). اینکه چگونه می توان از توزیع پواسون در شرط بندی استفاده کرد، در مقاله ای جداگانه با جزئیات بیشتری توضیح داده شده است، با این حال من در اینجا اصول را نیز بیان خواهم کرد.
با استفاده از داده های گلهای مورد انتظار “Infogol” از فصل گذشته لیگ برتر (2018/19)، من توانستم “قدرت حمله” و “مقاومت دفاعی” هر تیم را برای بازی در خانه و خارج از خانه محاسبه کنم.
این با استفاده از نسبت میانگین تیم و میانگین لیگ، توانایی نسبی تیم را از نظر گلزنی و دریافت گل اندازه گیری می کند. استفاده از گل های مورد انتظار به جای گل های واقعی، بازتاب دقیق تری از عملکرد تیم ها خواهد داشت و راهی برای از بین بردن تصادفی بودن و موارد شانسی است که در یک فصل 38 بازیه مشاهده خواهیم کرد.
قدرت حمله تیم میزبان =
گل های مورد انتظار تیم در هر بازی خانگی / میانگین گل های مورد انتظار لیگ در هر بازی خانگی
قدرت دفاع تیم میزبان =
گل های مورد انتظار تیم علیه هر بازی خانگی / میانگین گل های مورد انتظار لیگ علیه هر بازی خانگی
قدرت حمله تیم میهمان =
گل های مورد انتظار تیم در هر یک از بازی های خارج از خانه / میانگین گل های مورد انتظار لیگ در هر یک از بازی های خارج از خانه
Away Defence Strength =
گل های مورد انتظار تیم علیه هر یک از بازی های خارج از خانه / میانگین گل های مورد انتظار لیگ علیه هر یک از بازی های خارج از خانه
پیش بینی لیگ برتر 2019/20 : قدرت حمله و قدرت دفاع
تیم | xGF میزبان | xGA میزبان | xGF میهمان | xGA میهمان | قدرت حمله میزبان (AS) | قدرت دفاعی میزبان (DS) | قدرت حمله میهمان (AS) | قدرت دفاعی میهمان (DS) |
منچسترسیتی | 52.6 | 15.6 | 37.9 | 12.9 | 1.679 | 0.619 | 1.505 | 0.412 |
لیورپول | 43.9 | 15.7 | 34.6 | 18.4 | 1.401 | 0.623 | 1.374 | 0.587 |
چلسی | 34.8 | 16.0 | 30.1 | 25.7 | 1.111 | 0.635 | 1.195 | 0.820 |
تاتنهام | 33.3 | 27.2 | 27.7 | 24.7 | 1.063 | 1.080 | 1.100 | 0.788 |
آرسنال | 35.9 | 26.2 | 27.8 | 32.0 | 1.146 | 1.040 | 1.104 | 1.021 |
منچستر یونایتد | 37.5 | 23.9 | 32.2 | 30.7 | 1.197 | 0.949 | 1.278 | 0.980 |
ولز | 34.9 | 21.4 | 23.6 | 25.3 | 1.114 | 0.849 | 0.937 | 0.808 |
اورتون | 33.4 | 23.8 | 24.6 | 27.5 | 1.066 | 0.945 | 0.977 | 0.878 |
لستر سیتی | 28.3 | 20.5 | 26.9 | 26.0 | 0.903 | 0.814 | 1.068 | 0.830 |
وست هام یونایتد | 27.6 | 26.4 | 23.2 | 42.1 | 0.881 | 1.048 | 1.076 | 1.344 |
واتفورد | 25.2 | 32.1 | 27.1 | 35.9 | 0.804 | 1.274 | 1.076 | 1.146 |
کریستال پالاس | 28.7 | 26.9 | 22.1 | 30.2 | 0.916 | 1.068 | 0.877 | 0.964 |
نیوکسل یونایتد | 25.6 | 29.4 | 17.5 | 33.6 | 0.817 | 1.167 | 0.695 | 1.072 |
بورنموث | 32.1 | 27.3 | 27.9 | 35.0 | 1.025 | 1.084 | 1.108 | 1.117 |
برنلی | 28.4 | 30.5 | 21.1 | 38.2 | 0.906 | 1.211 | 0.838 | 1.219 |
ساوثهمپتون | 28.3 | 27 | 26.3 | 33.5 | 0.903 | 1.072 | 1.044 | 1.069 |
برایتون | 22.4 | 26.3 | 18.4 | 39.0 | 0.715 | 1.044 | 0.730 | 1.245 |
نورویچ | 29.1 | 27.4 | 19.4 | 38.4 | 0.929 | 1.088 | 0.770 | 1.226 |
شفیلد یونایتد | 26.8 | 30.5 | 19.2 | 42.6 | 0.855 | 1.211 | 0.762 | 1.360 |
استون ویلا | 18.0 | 29.8 | 16.2 | 35.4 | 0.575 | 1.183 | 0.643 |
1.130 |
در مرحله بعد، باید این مورد را به بخش های خاصی تقسیم کنیم که می خواهیم قیمت آنها را افزایش دهیم. سپس می توانیم از قدرت حمله تیم میزبان و قدرت دفاع خارج از خانه تیم میزبان برای محاسبه تعداد گل هایی که تیم میزبان انتظار می رود در آن استفاده کنیم (و این را معکوس کنیم – با استفاده از قدرت دفاع تیم میزبان و قدرت حمله میهمان – برای محاسیه اینکه چه تعداد گل تیم میهمان ممکن است بثمر برساند).
این روند برای بازی از گیم ویک 1 از فصل لیگ برتر 2018/19 بین لستر و ولوز به نظر می رسد.
گل های لیستر =
قدرت حمله خانه لستر x قدرت دفاعی خارج از خانه ولز x میانگین گل های مورد انتظار لیگ در هر بازی خانگی
0.903 x 0.808 x 1.649 = 1.203
گل های ولز =
قدرت حمله خارج از خانه ولز x قادت دفاعی خانه لستر x میانگین گل های مورد انتظار لیگ در هر بازی خارج از خانه
0.937 x 0.814 x 1.326 = 1.011
این تعداد گلی را که انتظار می رود هر تیم در صورت بازی با یکدیگر به ثمر برسانند، ضریب (1.203 برای لستر و 1.011 برای ولوز) به ما می دهد. با این حال، بازی نمی تواند به شکل ضریب 1.203 – 1.011 به پایان برسد، بنابراین ما باید یک توزیع احتمال را در نتایج مختلف پیدا کنیم.
ما می توانیم از تابع پواسون در اکسل برای محاسبه توزیع احتمال تعداد مختلفی که ممکن است هر تیم در یک از مسابقات فوتبال به ثمر برسد، استفاده کنیم (من برای ساده سازی کارها از مقدار 0-5 استفاده کردم). با استفاده از مثال بالا، توزیع به این شکل است.
توزیع پواسون برای شرط بندی مسابقات فوتبال لستر و ولوز
Goals | 0 | 1 | 2 | 3 | 4 | 5 |
لستر | 0.3002 | 0.3612 | 0.2173 | 0.0871 | 0.0262 | 0.0063 |
ولز | 0.3639 | 0.3678 | 0.1858 | 0.0626 | 0.0158 | 0.0031 |
برای محاسبه احتمال برد میزبان، تساوی و برد میهمان (1X2)، باید احتمال هر یک از نتایج قطعی را بسنجیم.
لستر 0 – 0 ولز =
احتمال گلزنی لستر 0 x احتمال گلزنی ولز 0
0-0 = 0.3002 x 0.3639 = 0.1092 or 10.92%
سپس این مورد را برای همه ترتیب های احتمالی نتایج تکرار می کنیم که در آن هر دو تیم می توانند بین 0 تا 5 گل به ثمر برسانند (در مجموع 36 گل – شش تساوی، 15 برد میزبان و 15 برد مییهمان). نتایج این مسابقه به این شکل است:
گل های ممکن لستر برابر ولز
لستر | ولز | احتمال | % |
0 | 0 | 0.109 | 10.924 |
1 | 1 | 0.133 | 13.285 |
2 | 2 | 0.040 | 4.037 |
3 | 3 | 0.005 | 0.545 |
4 | 4 | 0.000 | 0.041 |
5 | 5 | 0.000 | 0.002 |
نتیجه | تساوی | 0.288 | 28.835 |
1 | 0 | 0.131 | 13.144 |
2 | 0 | 0.079 | 7.908 |
3 | 0 | 0.032 | 3.170 |
4 | 0 | 0.010 | 0.953 |
5 | 0 | 0.002 | 0.229 |
2 | 1 | 0.080 | 7.992 |
3 | 1 | 0.032 | 3.204 |
4 | 1 | 0.010 | 0.964 |
5 | 1 | 0.002 | 0.232 |
3 | 2 | 0.016 | 1.618 |
4 | 2 | 0.005 | 0.487 |
5 | 2 | 0.001 | 0.117 |
4 | 3 | 0.002 | 0.164 |
5 | 3 | 0.000 | 0.039 |
5 | 4 | 0.000 | 0.010 |
نتیجه | پیروزی لستر | 0.402 | 40.231 |
0 | 1 | 0.110 | 11.041 |
0 | 2 | 0.056 | 5.578 |
0 | 3 | 0.019 | 1.879 |
0 | 4 | 0.005 | 0.474 |
0 | 5 | 0.001 | 0.093 |
1 | 2 | 0.067 | 6.711 |
1 | 3 | 0.023 | 2.261 |
1 | 4 | 0.006 | 0.571 |
1 | 5 | 0.001 | 0.112 |
2 | 3 | 0.014 | 1.360 |
2 | 4 | 0.003 | 0.343 |
2 | 5 | 0.001 | 0.067 |
3 | 4 | 0.001 | 0.138 |
3 | 5 | 0.000 | 0.027 |
4 | 5 | 0.000 | 0.008 |
نتیجه | پیروزی ولز | 0.307 | 30.664 |
جدول زیر احتمالات را برای هر نتیجه فراهم می کند.
نتیجه ممکن پیش بینی مسابقات فوتبال لستر و ولز
نتیجه | % |
پیروزی لستر | 40.23 |
تساوی | 28.84 |
پیروزی ولز | 30.66 |
سپس می توانیم این درصد ها را به ضریب تبدیل کنیم، یا ضرایب سایت های شرط بندی را به درصد تبدیل کنیم تا این دو را با هم مقایسه کنیم و سعی کنیم شرط هایی که ارزش آنها را دارند، شناسایی کنیم. در زیر مقایسه ضرایب بتکارت برای ضرایب آژاد بازی گیم ویک 1 در فصل لیگ برتر 2019/20 با گل های مورد انتظار مدل پواسون آورده شده است.
مقایسه ضرایب بتکارت با گل های مورد انتظارِ (xG) بدست آمده توسط مدل پواسون
میزبان | میهمان | ضرایب میزبان بتکارت | ضرایب تساوی بتکارت | ضرایب میهمان بتکارت | گل های مورد انتظارِ (xG) پواسونِ میزبان | گل های مورد انتظارِ (xG) پواسونِ تساوی | گل های مورد انتظارِ (xG) پواسونِ میهمان |
Liverpool | Norwich | 1.15 | 9.59 | 18.05 | 1.23 | 7.89 | 16.3 |
West Ham | Man City | 11.68 | 6.53 | 1.26 | 10.5 | 5.34 | 1.39 |
Bournemouth | Sheffield United | 2.04 | 3.57 | 3.9 | 1.58 | 5.13 | 5.81 |
Burnley | Southampton | 2.71 | 3.31 | 2.81 | 2.72 | 4.27 | 2.51 |
Crystal Palace | Everton | 3.21 | 3.37 | 2.39 | 2.8 | 3.86 | 2.61 |
Watford | Brighton | 1.98 | 3.44 | 4.37 | 2.13 | 4.09 | 3.49 |
Tottenham | Aston Villa | 1.3 | 5.84 | 10.96 | 1.63 | 4.64 | 5.85 |
Leicester | Wolves | 2.21 | 3.34 | 3.66 | 2.48 | 3.46 | 3.25 |
Newcastle | Arsenal | 4.58 | 3.93 | 1.81 | 3.13 | 4.09 | 2.38 |
Man United | Chelsea | 2.21 | 3.37 | 3.63 | 2.47 | 4.17 | 2.81 |
نقاط ضعف خود را شناسایی کنید و برتری خود را به حداکثر برسانید
اگر این یک مثال واقعی بود که ما در حال آزمایش آن بودیم، باید کمی وقت بگذارید تا ارزیابی کنید که این ضرایب ها در مقایسه با آفرهای ارائه شده توسط سایت شرط بندی، دقیق هستند یا خیر. همه این موارد در پیدا کردن اختلافات بسیار موثر هستند، اما اگر سایت شرط بندی دقیق تر از شما باشد، در دراز مدت برنده نخواهید شد.
این وسوسه ممکن است برای این باشد که پول را برای آنچه شرط های ارزشمند تولید میکنند، قرار دهید، اما حتی با مبلغ اندک نیز این کار می تواند یک کار پرهزینه باشد (برای شروع مشاهدات معنادار به شرط های زیادی نیاز داریم). بنابراین، آزمایش برگشت کارآمدترین رویکرد برای بررسی میزان کارایی این روش است.
مقایسه ضرایب این مدل برای رویدادهای گذشته و مقایسه آنها با خطوط بسته BetCart، به ما کمک می کند ببینیم که این استراتژی قیمت گذاری چقدر خوب است. کافی نیست که بگوییم کار می کند یا کار نمی کند. مهمترین چیز این است که بفهمید چرا کار می کند یا چرا کار نمی کند.
دلایل زیادی وجود دارد که مدلهای پواسون مورد استفاده در بالا روش مناسبی برای قیمت گذاری مسابقات فوتبال نیست. استفاده از داده های فصل گذشته و عدم استفاده از داده های چرخشی به این معنی است که به سرعت منسوخ می شوند. عدم احتساب نقل و انتقالات و مدیران جدید می تواند اندازه گیری قدرت تیم و ضرایب پیروزی آنها در یک مسابقه را تغییر دهد. من همچنین از داده های تیم های دسته پایین برای تیم های تازه ارتقا یافته استفاده کرده ام. اینها فقط چند نمونه است که باید مورد توجه قرار ذهید.
اگر به طور فرضی نوعی از برتری ها را با این مدل کشف کنیم، مهم است که بدانید چرا آیا این تنها چیزی است که سایت شرط بندی یا سایر شرط بندان در نظر نگرفته اند؟ آیا این به شرط بندی شما بستگی دارد؟ آیا می توانید کیفیت داده ها را برای سنگین کردن مزیت خود، افزایش دهید؟ هنگامی که ما یک برتری قانونی داریم و می دانیم چگونه بدست می آید، ضروری است که شما بانکرول خود را مدیریت کنید تا این امتیاز را به حداکثر برسانید.
چه کاری باید انجام دهید، وقتی که برنده شرط بندی مسابقات فوتبال شدید؟
مکن است برای برخی تعجب آور باشد اما با یافتن یک استراتژی پیش بینی کارامد، هنوز هم کارتان تمام نشده! در واقع برای بسیاری از افراد، این درست زمانی اتفاق می افتد که کار سخت آغاز شده باشد. متاسفانه، برخی از سایت های شرط بندی کسانی که موفق به پیش بینی دقیق تر از احتمال ارائه شده توسط آن سایت می شوند را ممنوع یا محدود می کنند.
این امر شما را مجبور میسازد که مزیت با برتری خود را به حداکثر برسانید در حالی که می توانید و سعی می کنید مدل خود را مرتبا بهبود بخشید تا در سایتهایی که بدون ممنوعیت و محدودیت هستند، خود را تست کنید، هر چقدر هم برنده شوید، باز هم می توانید خود را محک بزنید. در سایت معتبر و قانونی مانند بتکارت.