- December 3, 2023
- Posted by:
- Category:
Warum klassische Quoten nicht reichen
Du kennst das: Die Buchmacher zeigen dir eine Zahl, du wirfst einen Blick darauf und hoffst. Das ist nichts für Profis. Hier geht’s um Daten, um Muster, um das, was das Spielfeld wirklich sagt.
Der Kern: Poisson‑Verteilung
Erstmal: Runs sind selten gleichmäßig verteilt. Poisson fasst das zusammen – jeder Lauf ist ein eigenständiges Ereignis, das mit einer festen Rate pro Spiel passiert. Kurz gesagt: Wenn ein Team im Schnitt 4,5 Runs pro Spiel erzielt, das ist dein λ.
Wie du das berechnest
Durchschnitt bilden, Saison‑ bis jetzt, Home‑/Away‑Differenz einrechnen – fertig. Dann nimm die Formel P(k)=e^(-λ)·λ^k/k! und du hast die Wahrscheinlichkeit für k Runs.
Logistische Regression für Moneyline
Hier geht’s nicht um einzelne Runs, sondern um Sieg‑/Niederlage‑Wahrscheinlichkeit. Du fütterst das Modell mit Variablen wie Team‑ERA, WHIP, Bullpen‑Stärke, und es schießt dir eine Prozentzahl.
Feature‑Engineering leicht gemacht
Vergiss die komplizierten Spezialisten‑Indices. Nutze einfache Kennzahlen: Win‑Loss‑Differenz der letzten 10 Spiele, Gegner‑Bats‑Avg, und eine Binär‑Spalte für Night‑Games. Kombiniere, lass das Modell laufen, und du hast deine Basisquote.
Monte‑Carlo‑Simulationen für Over/Under
Stell dir vor, du wirfst tausendmal die Würfel, um zu sehen, wie oft die Gesamtzahl über 9,5 liegt. Genau das macht Monte‑Carlo. Du ziehst zufällig aus den Poisson‑Verteilungen beider Teams, summierst, und zählst.
Speed‑Trick
Zieh nur 5 000 Iterationen, das reicht für stabile Ergebnisse. Und wenn du Python nutzt, sparst du dir die Endlosschleife – NumPy erledigt das in Millisekunden.
Bewertung des Modells
Du brauchst mehr als nur R‑Squared. Schau auf Brier‑Score, log‑loss, und vor allem: Kalibrierungs‑Plot. Wenn deine Vorhersagen systematisch zu hoch sind, justiere λ nach unten.
Praktischer Test
Setz dein Modell gegen die Live‑Odds von sportwettenbaseball.com. Wenn deine implizite Wahrscheinlichkeit 2 % höher ist, setz den Dollar. Wenn nicht, überarbeite das Feature‑Set.
Risiko‑Management, nicht vergessen
Ein gutes Modell ist nichts ohne Bankroll‑Strategie. Kelly‑Criterion ist dein bester Freund. Setz nie mehr als 2 % deines Kapitals auf einen einzelnen Tipp, sonst gerätst du schnell in die Tiefe.
Abschließender Rat
Implementier sofort ein einfaches Poisson‑Model für das Total, verifiziere es gegen die echten Ergebnisse der letzten 20 Spiele und passe λ dynamisch an. Wenn die Abweichung über 15 % liegt, wirf das Modell weg und starte neu. Jetzt geh und baue das Ding.