Strategia value betting: come trovare scommesse +EV
Il value betting non è un metodo per scegliere il vincitore più probabile. È un metodo per decidere se il prezzo disponibile compensa il rischio stimato. Un forte favorito può essere scarso value a quota corta, mentre un underdog può avere valore atteso positivo anche se è più probabile che perda piuttosto che vinca.
La teoria è semplice: stimare la probabilità, convertirla in quota equa e comprare solo quando il mercato offre un prezzo sufficientemente più alto. La sfida pratica è produrre stime calibrate, ottenere il prezzo quotato, lasciare margine di errore e applicare il processo in modo coerente su un campione significativo.
Cos’è una scommessa value?
Una scommessa ha value teorico quando il suo rendimento atteso è positivo sotto una stima di probabilità accurata.
Per quote decimali O e probabilità di vincita stimata p:
Valore atteso per unità = (p × O) − 1
Supponi di stimare il 55% e di poter scommettere a 2.00:
EV = (0.55 × 2.00) − 1 = +0.10
Il rendimento teorico è +0.10 unità per unità puntata, ovvero +10%, se la stima del 55% è corretta.
La scommessa perde comunque il 45% delle volte. Un EV positivo descrive una media su decisioni comparabili ripetute, non il risultato successivo.
Il prezzo determina se la stessa selezione ha value
Assumi che la stima resti al 55%, producendo una quota equa di:
1 ÷ 0.55 = 1.82
| Quota disponibile | Probabilità implicita | EV al 55% | Interpretazione |
|---|---|---|---|
| 1.65 | 60.61% | −9.25% | Prezzo scarso |
| 1.80 | 55.56% | −1.00% | Leggermente sotto il fair |
| 1.90 | 52.63% | +4.50% | Value potenziale |
| 2.00 | 50.00% | +10.00% | Edge potenziale maggiore |
La squadra non diventa migliore a 2.00. Il prezzo diventa più favorevole. Il value è sempre una relazione, mai una proprietà della sola squadra.
+EV non significa «profitto garantito»
L’espressione +EV è condizionata a diverse assunzioni:
- la stima di probabilità è abbastanza accurata;
- le quote sono realmente disponibili;
- le regole di regolamento corrispondono all’evento modellato;
- le puntate sono accettate senza cambiamenti materiali;
- il campione è sufficientemente ampio;
- esecuzione e registrazione sono coerenti.
Se la stima del 55% è in realtà 48%, la stessa scommessa a 2.00 ha:
EV = (0.48 × 2.00) − 1 = −4%
Un foglio di calcolo non salva un input scarso.
Passo 1: Scegli un ambito di mercato stretto
La specializzazione migliora qualità dei dati e contesto. Invece di modellare ogni sport, inizia con un universo definito come:
- totali pre-match di una lega di calcio;
- handicap asiatici di prima divisione;
- vincitori di match di tennis su una superficie;
- una specifica categoria di player prop con dati affidabili.
Un ambito stretto facilita la comprensione di pratiche di formazione, effetti di calendario, definizioni dei dati, limiti di mercato e performance del modello. Riduce anche la tentazione di forzare scommesse su eventi sconosciuti.
Passo 2: Definisci il mercato esattamente
Registra:
- tempo regolamentare o con tempi supplementari;
- linea di handicap o total;
- requisiti di partecipazione del giocatore;
- regole di annullamento e rinvio;
- fornitore ufficiale di dati per i prop statistici.
«Squadra che vince» e «squadra che si qualifica» non hanno la stessa probabilità. Un modello è invalido se stima un evento mentre la scommessa ne regola un altro.
Passo 3: Crea una stima di probabilità indipendente
Una stima può provenire da un modello statistico, un sistema di rating strutturato, una baseline di mercato più aggiustamenti giustificati, o una combinazione.
Per il calcio, gli input rilevanti possono includere:
- expected goals a favore e contro;
- forza della squadra aggiustata per l’avversario;
- formazioni attese e impatto dei giocatori;
- vantaggio casalingo;
- riposo e viaggi;
- matchup tattico;
- meteo quando è materialmente rilevante.
Evita di trattare risultati recenti, narrative mediatiche o confronti diretti come evidenza autoesplicativa. Ogni aggiustamento deve avere una ragione documentata ed essere disponibile prima dell’evento.
Il mercato come benchmark
Rimuovere il vig dai prezzi liquidi dà una baseline utile. Non crea una previsione indipendente. Se la stima diverge materialmente, identifica l’informazione o la caratteristica del modello responsabile del disaccordo.
Passo 4: Testa il modello prima di fidarti
Fai backtest con dati storici impedendo che informazioni future filtrino nelle previsioni passate.
Usa:
- periodi di training e test cronologici;
- valutazione out-of-sample;
- quote storiche realistiche e disponibilità;
- regole di regolamento specifiche del mercato;
- commissioni e assunzioni su scommesse rifiutate dove rilevante.
Esamina più del profitto:
| Metrica | Cosa valuta |
|---|---|
| Calibrazione | Se previsioni al 60% vincono circa il 60% delle volte |
| Brier score | Errore quadratico delle previsioni di probabilità |
| Log loss | Penalizza previsioni errate con alta confidenza |
| Closing line value | Se i prezzi accettati battono un close rilevante |
| ROI / yield | Rendimento realizzato rispetto alle puntate |
| Drawdown massimo | Maggiore calo osservato del bankroll |
Il profitto storico senza calibrazione o test out-of-sample può essere overfitting.
Passo 5: Rimuovi il margine di mercato
Le probabilità grezze del bookmaker generalmente sommano a più del 100%.
Esempio:
| Esito | Quota | Probabilità implicita grezza |
|---|---|---|
| Casa | 2.20 | 45.45% |
| Pareggio | 3.50 | 28.57% |
| Trasferta | 3.40 | 29.41% |
| Totale | 103.44% |
Una stima proporzionale no-vig divide ciascuna probabilità per 103.44%, producendo circa 43.94%, 27.62% e 28.44% dopo l’arrotondamento.
Il benchmark risultante aiuta a confrontare la tua stima con la visione del mercato senza margine. Non è la probabilità vera, e la normalizzazione proporzionale può non rappresentare come il margine è realmente distribuito.
Passo 6: Calcola la quota equa e il prezzo richiesto
Quota equa = 1 ÷ Probabilità stimata
Supponi che il modello stimi il 47%:
Quota equa = 1 ÷ 0.47 = 2.13
Comprare esattamente a 2.13 lascia praticamente nessun margine per l’errore del modello. Puoi richiedere un buffer minimo—ad esempio un prezzo offerto sopra 2.20—prima di considerare una scommessa.
Il buffer dovrebbe riflettere:
- errore di calibrazione;
- liquidità del mercato;
- incertezza sulle formazioni;
- qualità dei dati;
- volatilità del prezzo;
- costi di transazione o commissione.
Non esiste una regola universale del «3% di edge». Un modello preciso in un mercato liquido e una stima fragile in un prop di nicchia non dovrebbero usare la stessa soglia.
Passo 7: Cerca il miglior prezzo
A probabilità stimata 47%:
| Prezzo | EV |
|---|---|
| 2.05 | −3.65% |
| 2.15 | +1.05% |
| 2.25 | +5.75% |
| 2.35 | +10.45% |
Un passaggio da 2.15 a 2.25 cambia il rendimento teorico di 4.70 punti percentuali senza cambiare la previsione.
Confronta solo condizioni di regolamento identiche. Un prezzo più alto su «qualificarsi» non può essere confrontato con il vincitore del match in tempo regolamentare. Conferma limiti, valuta, commissione e se la quotazione è obsoleta.
Passo 8: Esegui l’analisi di sensibilità
Non affidarti a una sola probabilità precisa. Al prezzo 2.25:
| Stima di probabilità | EV | Risultato |
|---|---|---|
| 43% | −3.25% | Negativo |
| 45% | +1.25% | Sottile |
| 47% | +5.75% | Caso centrale positivo |
| 49% | +10.25% | Più forte |
Se un intervallo ragionevole di probabilità attraversa il tasso di pareggio del 44.44%, l’edge è incerto. Riduci la puntata o passa.
L’analisi di sensibilità è particolarmente importante quando disponibilità di un giocatore, minuti incerti o un’assunzione di formazione non verificata guidano la previsione.
Passo 9: Imposta la puntata indipendentemente dall’emozione
Anche un edge genuino subisce varianza. Usa un metodo di staking predefinito come:
- piccole unità flat;
- percentuale fissa del bankroll corrente;
- Kelly frazionario accuratamente limitato dopo la calibrazione.
Non aumentare mai una puntata perché la scommessa precedente ha perso, perché una selezione «deve vincere» o perché il payout sembra eccitante.
Per i nuovi modelli, tracking su carta o puntate molto piccole sono più appropriati dell’esecuzione a pieno size. Il rischio di modello è spesso maggiore di quanto suggerisca la formula.
Passo 10: Registra la decisione prima del risultato
Registro minimo:
| Campo | Esempio |
|---|---|
| Timestamp | 15 luglio, 14:05 |
| Mercato | Casa −0.25, tempo regolamentare |
| Probabilità modello | 47% valutazione equivalente di win |
| Quota equa | 2.13 |
| Quota accettata | 2.25 |
| Puntata | 0.5 unità |
| Motivo principale | Modello xG aggiustato per formazione |
| Quota di closing | 2.16 |
| Risultato | Registrato dopo il regolamento |
I registri pre-risultato impediscono che il senno di poi riscriva la previsione.
Closing line value come evidenza di processo
Se prendi costantemente 2.25 e un mercato liquido comparabile chiude poi a 2.10, stai comprando prezzi che diventano più cari. Su un grande campione, questo può supportare l’idea che il processo identifichi value in anticipo.
Il CLV non è prova di per sé:
- il close scelto può essere inappropriato;
- le promozioni possono distorcere il confronto;
- i mercati a basso limite possono essere rumorosi;
- battere il close non garantisce che la scommessa vinca.
Usalo insieme a calibrazione e risultati realizzati, non come sostituto.
Selezione di mercato ed efficienza
Mercati liquidi principali
Vantaggi:
- margini più stretti;
- dati e storia dei prezzi migliori;
- limiti più alti;
- benchmark di prezzo di closing più solido.
Sfide:
- i prezzi sono difficili da battere;
- le informazioni sono incorporate rapidamente.
Mercati di nicchia
Vantaggi:
- possibili gap di modellazione;
- la conoscenza specialistica può contare di più.
Sfide:
- margine più ampio;
- limiti bassi;
- definizioni dei dati inconsistenti;
- errore di stima maggiore;
- restrizioni account più rapide presso alcuni operatori.
Meno efficiente non significa facile. Un mercato può essere mal prezzato e restare comunque impossibile da stimare con precisione.
Falsi segnali di value
Quote alte
Un payout elevato può comunque essere sotto il fair value.
Una recente serie di vittorie
I risultati possono riflettere varianza piuttosto che un cambiamento sostenibile di probabilità.
Un forte calo di quota
Il prezzo precedente può aver contenuto value mentre quello attuale accorciato no.
Disaccordo pubblico
Essere contrarian non è un edge a meno che il prezzo opposto non superi una stima affidabile.
Precisione del modello
Un output come 54.73% può nascondere input incerti. I decimali non sono evidenza.
Profitto di backtest
Parametri ottimizzati, data leakage e prezzi storici non disponibili possono creare value fittizio.
Effetti di portafoglio e correlazione
Cinque scommesse non sono cinque rischi indipendenti se dipendono dallo stesso evento, squadra, condizione meteo o assunzione del modello.
Esempi:
- vittoria casa e marcatore casa;
- under 2.5 e entrambe le squadre non segnano;
- più squadre esposte allo stesso sistema meteo;
- più scommesse generate da un rating di lega mal specificato.
Limita l’esposizione correlata totale. Un insieme di stime individualmente positive può creare un rischio di portafoglio eccessivo quando la stessa assunzione fallisce.
Quando passare è la strategia corretta
Passa quando:
- il prezzo di mercato è sotto la soglia richiesta;
- la formazione è troppo incerta;
- le definizioni dei dati non corrispondono al regolamento;
- un intervallo di sensibilità ragionevole include EV negativo;
- la quotazione è obsoleta o non disponibile;
- il portafoglio ha già esposizione correlata;
- la scommessa esiste principalmente perché vuoi azione.
Una strategia value dovrebbe ridurre il numero di scommesse. Se crea un motivo per scommettere su ogni evento, non è abbastanza selettiva.
Checklist pratica +EV
- Evento esatto e regole di regolamento definiti?
- Probabilità generata prima di vedere il risultato?
- Modello testato out-of-sample e verificato per calibrazione?
- Margine di mercato rimosso in modo appropriato?
- Prezzo corrente—non di apertura o obsoleto—usato?
- Intervallo ragionevole di incertezza testato?
- Quote e limiti specifici realmente disponibili?
- Puntata conservativa e indipendente dai risultati recenti?
- Correlazione con altre posizioni considerata?
- Previsione e motivazione registrate per audit?
Domande frequenti
Una scommessa value deve essere un underdog?
No. Favoriti, underdog, totali e prop possono tutti avere value. Conta la relazione tra probabilità stimata e prezzo.
Quale tasso di vincita serve per essere profittevoli?
Dipende dalle quote medie. A 2.00 il break-even è 50%; a 1.50 è 66.67%; a 3.00 è 33.33%, prima di altri costi.
Posso trovare value solo confrontando i bookmaker?
Il confronto prezzi può rivelare una quotazione insolitamente alta, ma chiamarla value richiede ancora un benchmark di probabilità equa. Anche il resto del mercato può sbagliare.
Quante scommesse dimostrano che una strategia funziona?
Non c’è un numero universale. L’evidenza dipende da dimensione dell’edge, varianza, indipendenza e stabilità del modello. Usa intervalli di incertezza, calibrazione e test out-of-sample.
Dovrei scommettere su ogni opportunità +EV calcolata?
No. Vincoli di esecuzione, errore di modello, correlazione, prezzi obsoleti e limiti di bankroll possono giustificare il passaggio.
Considerazioni finali
Il value betting è una disciplina di prezzo, non una promessa di profitto. Definisci il mercato, stima la probabilità in modo indipendente, testa il modello, rimuovi il margine, calcola la quota equa, richiedi un buffer di errore, cerca il miglior prezzo corrente e registra ogni decisione prima del risultato.
Il processo value più solido è a suo agio nel dire «no bet». I numeri positivi in un modello sono ipotesi finché evidenza ripetuta e auditabile non mostra che le stime sono calibrate e i prezzi possono effettivamente essere ottenuti.
Usa la OddsWave calcolatrice scommesse per verificare l’aritmetica dei rendimenti, mantenendo la responsabilità di probabilità ed esecuzione nel tuo processo.
Ultimo aggiornamento: luglio 2026
Pubblicato da OddsWave Betting Academy
