Obliczanie prawdziwego prawdopodobieństwa i znajdowanie value betów
Wygrany wybór nie musi być dobrym zakładem, a przegrany nie musi być złym. Jakość zakładu zależy od relacji między prawdopodobieństwem a ceną w momencie postawienia. Jeśli wynik jest oferowany po kursie wyższym niż sprawiedliwy, może mieć dodatnią wartość oczekiwaną, nawet jeśli nadal może przegrać.
Trudna część to nie konwersja kursów. To uczciwe szacowanie prawdopodobieństwa, mierzenie niepewności i odmawianie wytwarzania precyzji tam, gdzie dowody są słabe. Ten przewodnik wyjaśnia praktyczne ramy takiego działania.
Prawdziwe prawdopodobieństwo, oszacowane prawdopodobieństwo i prawdopodobieństwo implikowane
Te pojęcia należy rozdzielić.
| Pojęcie | Znaczenie | Czy da się poznać dokładnie przed wydarzeniem? |
|---|---|---|
| Prawdziwe prawdopodobieństwo | Rzeczywista bazowa szansa wyniku | Zwykle nie |
| Oszacowane prawdopodobieństwo | Twój model lub osąd o tej szansie | Tak, ale zawiera błąd |
| Prawdopodobieństwo implikowane | Próg break-even zakodowany w oferowanych kursach | Tak |
| Prawdopodobieństwo rynkowe bez marży | Ocena rynku po usunięciu marży | Tak, ale zależne od metody |
Nazywanie własnej liczby „prawdziwym prawdopodobieństwem” jest zbyt pewne siebie. Prawdziwe prawdopodobieństwo jest nieznane; Twoim zadaniem jest stworzyć obronny szacunek i zrozumieć, jak bardzo może się mylić.
Czym jest value bet?
Zakład ma teoretyczną wartość, gdy dostępne kursy są wyższe niż sprawiedliwe kursy wynikające z dokładnego szacunku prawdopodobieństwa.
Załóżmy, że szacujesz prawdopodobieństwo wygranej drużyny na 50%.
Sprawiedliwy kurs = 1 ÷ 0.50 = 2.00
- Kurs rynkowy 1.85: poniżej Twojej sprawiedliwej ceny; wartość ujemna przy Twoim szacunku.
- Kurs rynkowy 2.00: teoretyczna cena break-even.
- Kurs rynkowy 2.20: powyżej sprawiedliwej ceny; potencjalna wartość dodatnia.
„Potencjalna” ma znaczenie, bo wniosek jest tylko tak wiarygodny jak szacunek 50%.
Krok 1: Precyzyjnie zdefiniuj wydarzenie
Prawdopodobieństwa nie da się oszacować, dopóki wydarzenie jest niejednoznaczne.
„Wygrana drużyny A” może oznaczać:
- wygraną w regulaminowym czasie;
- awans po dogrywce lub rzutach karnych;
- wygraną z azjatyckim handicapem −0.5;
- wygraną którejkolwiek połowy;
- wygraną i obie drużyny strzelają.
Każde wydarzenie ma inne prawdopodobieństwo. Zapisz rynek, okres rozliczenia i warunki unieważnienia przed rozpoczęciem analizy.
Krok 2: Ustal punkt odniesienia
Zacznij od stopy bazowej, a nie od historii. Przydatne punkty odniesienia mogą obejmować:
- rynkowe prawdopodobieństwo bez marży;
- model statystyczny;
- ratingi drużyn w stylu Elo;
- projekcje expected goals;
- historyczną stopę dla wąsko zdefiniowanej populacji.
Rynek jest użytecznym punktem odniesienia, bo agreguje informacje, ale kopiowanie go i robienie dowolnych korekt to nie niezależna analiza. Model jest użyteczny tylko wtedy, gdy został przetestowany na danych nieużytych do jego budowy.
Usuwanie marży z rynku
Załóżmy, że rynek 1X2 oferuje:
| Wynik | Kurs | Surowe prawdopodobieństwo implikowane |
|---|---|---|
| Wygrana gospodarzy | 2.20 | 45.45% |
| Remis | 3.50 | 28.57% |
| Wygrana gości | 3.40 | 29.41% |
| Razem | 103.44% |
Przy normalizacji proporcjonalnej:
Prawdopodobieństwo bez marży = Surowe prawdopodobieństwo implikowane ÷ 103.44%
| Wynik | Proporcjonalne prawdopodobieństwo bez marży |
|---|---|
| Wygrana gospodarzy | 43.94% |
| Remis | 27.62% |
| Wygrana gości | 28.44% |
To interpretacja rynku bez marży, a nie obiektywna prawda.
Krok 3: Wybierz istotne dowody
Więcej danych nie jest automatycznie lepsze. Używaj zmiennych mających wiarygodny związek z wydarzeniem i dostępnych przed zakładem.
Dla prawdopodobieństw meczu piłkarskiego przydatne dowody mogą obejmować:
- długoterminową siłę ofensywną i defensywną;
- expected goals za i przeciw;
- przewagę boiska;
- spodziewaną jedenastkę i dostępność zawodników;
- odpoczynek i zagęszczenie terminarza;
- jakość przeciwnika;
- taktyczne starcie;
- pogodę lub warunki boiska, gdy są istotne.
Zachowaj ostrożność wobec:
- surowych ostatnich serii zwycięstw;
- bilansów bezpośrednich ze starych składów;
- posiadania bez jakości sytuacji;
- selektywnie wybranych próbek z ostatnich pięciu meczów;
- narracji motywacyjnych bez mierzalnych dowodów.
Dowody powinny zmieniać Twój szacunek tylko wtedy, gdy potrafisz wyjaśnić, dlaczego wpływają na zdefiniowany wynik.
Krok 4: Zbuduj model prawdopodobieństwa
Nie ma jednego wymaganego modelu. Odpowiedni poziom zależy od dyscypliny, danych i umiejętności.
Proste podejście ratingowe
Rating siły drużyn może oszacować względną jakość i przełożyć różnicę na prawdopodobieństwa meczu. Przewaga boiska i absencje zawodników mogą być jawnymi korektami.
Podejście expected goals
Oszacuj expected goals każdej drużyny, a następnie użyj modelu Poissona lub pokrewnego do prawdopodobieństw wyniku. Sumowanie odpowiednich wyników daje szacunki gospodarzy, remisu, gości, totali lub dokładnego wyniku.
Model empiryczny
Przy propu zawodnika oszacuj rozkład minut i wskaźnik zdarzeń na 90 minut, skorygowany o rolę i przeciwnika. Prosta średnia sezonowa nie wystarczy, jeśli rola zawodnika się zmienia.
Ustrukturyzowany osąd
Jeśli formalny model jest niedostępny, zacznij od przejrzystego punktu odniesienia i dokumentuj małe, uzasadnione korekty. Unikaj dużych zmian opartych wyłącznie na intuicji.
Niezależnie od metody, zamroź proces przed zobaczeniem wyniku. Zmiana założeń po meczu tworzy retrospekcję, a nie uczenie się.
Krok 5: Sprawdź kalibrację
Model prawdopodobieństwa należy oceniać według tego, czy prawdopodobieństwa są skalibrowane — nie tylko według wybierania zwycięzców.
Jeśli wybory z przypisanymi 60% wygrywają mniej więcej w 60% przypadków na wystarczająco dużej próbie, grupa jest dobrze skalibrowana. Jeśli wygrywają tylko 48%, model jest zbyt pewny siebie.
| Grupa prognoz | Liczba prognoz | Przewidywana stopa | Rzeczywista stopa | Interpretacja |
|---|---|---|---|---|
| 40–49% | 220 | średnio 45% | 44% | Blisko |
| 50–59% | 190 | średnio 55% | 51% | Lekko zbyt pewny |
| 60–69% | 140 | średnio 65% | 56% | Istotnie zbyt pewny |
Kalibracja wymaga wielu niezależnych obserwacji. Dziesięć wygranych zakładów nie waliduje modelu 60%.
Reguły scoringu takie jak Brier score lub log loss oceniają jakość prawdopodobieństwa skuteczniej niż sam wskaźnik wygranych.
Krok 6: Przelicz szacunek na sprawiedliwy kurs
Sprawiedliwy kurs dziesiętny = 1 ÷ Oszacowane prawdopodobieństwo
| Oszacowane prawdopodobieństwo | Sprawiedliwy kurs dziesiętny |
|---|---|
| 70% | 1.43 |
| 60% | 1.67 |
| 55% | 1.82 |
| 50% | 2.00 |
| 45% | 2.22 |
| 40% | 2.50 |
| 25% | 4.00 |
Zachowaj wystarczająco dużo miejsc po przecinku w obliczeniach, ale nie prezentuj szacunku jako precyzyjniejszego, niż model pozwala. „55%” może być uczciwsze niż „55,37%”, gdy ważne wejścia są niepewne.
Krok 7: Oblicz przewagę i wartość oczekiwaną
Dwie powszechne miary to przewaga prawdopodobieństwa i wartość oczekiwana.
Przewaga prawdopodobieństwa
Przewaga prawdopodobieństwa = Twój szacunek − Prawdopodobieństwo implikowane
Przy kursie 2.20 prawdopodobieństwo implikowane wynosi 45.45%. Jeśli Twój szacunek to 50%:
50.00% − 45.45% = 4.55 punktu procentowego
To luka w punktach procentowych, nie gwarantowany zwrot.
Wartość oczekiwana
Dla jednej jednostki stawki przy kursie dziesiętnym O i oszacowanym prawdopodobieństwie wygranej p:
EV = (p × O) − 1
Przy kursie 2.20 i prawdopodobieństwie 50%:
EV = (0.50 × 2.20) − 1 = +0.10
Teoretyczny oczekiwany zwrot to +0.10 jednostki na jednostkę stawki, czyli +10%, jeśli szacunek jest dokładny.
Ten sam zakład nadal przegrywa w 50% przypadków.
Krok 8: Przeprowadź analizę wrażliwości
Pojedynczy szacunek ukrywa niepewność. Sprawdź, jak zmienia się wniosek, jeśli Twoje prawdopodobieństwo jest lekko błędne.
Dla kursu 2.20:
| Oszacowane prawdopodobieństwo | EV na jednostkę | Implikacja decyzji |
|---|---|---|
| 47% | +0.034 | Cienka pozorna przewaga |
| 48% | +0.056 | Mała przewaga |
| 50% | +0.100 | Wyraźniejsza przewaga |
| 52% | +0.144 | Większa przewaga |
Break-even to 45.45%. Jeśli rozsądny zakres niepewności to 43%–51%, znak przewagi jest niepewny. Jeśli zakres to 48%–52%, wniosek jest bardziej odporny.
Dlatego stałe etykiety w rodzaju „1–3% mała przewaga” lub „7% silna przewaga” mogą wprowadzać w błąd. Obliczona 7% przewaga ze słabego modelu nie jest silniejsza niż 2% z dobrze skalibrowanego.
Przykład: wygrana gospodarzy w piłce nożnej
Załóżmy, że rynek oferuje wygraną gospodarzy po 2.35.
Punkt odniesienia
Po usunięciu marży z kilku płynnych cen rynkowych Twoje prawdopodobieństwo referencyjne wynosi 41%.
Niezależna analiza
Twój model szacuje 44%, odzwierciedlając:
- silniejszą bazową grę według expected goals niż sugerują ostatnie wyniki;
- pełnoskładową jedenastkę gospodarzy;
- absencję kluczowego środkowego pomocnika u przeciwnika;
- normalny odpoczynek i brak istotnej korekty pogodowej.
Sprawiedliwa cena
1 ÷ 0.44 = 2.27
Próg rynkowy
1 ÷ 2.35 = 42.55%
Wartość oczekiwana
EV = (0.44 × 2.35) − 1 = +0.034
Szacowany zwrot to +3.4% na jednostkę. To cienka przewaga. Jeśli błąd modelu wynosi kilka punktów procentowych, przewaga może nie być realna. Rozsądną odpowiedzią może być bardzo mała stawka — albo brak zakładu — a nie traktowanie każdego dodatniego obliczenia jako wykonalnego.
Porównywanie cen ma znaczenie
Twój szacunek prawdopodobieństwa może pozostać niezmieniony, podczas gdy wartość zmienia się wraz z ceną.
Przy oszacowanym prawdopodobieństwie 44%:
| Dostępny kurs | Prawdopodobieństwo implikowane | EV |
|---|---|---|
| 2.20 | 45.45% | −3.2% |
| 2.27 | 44.05% | −0.1% |
| 2.35 | 42.55% | +3.4% |
| 2.45 | 40.82% | +7.8% |
Wybór się nie zmienił. Zmieniła się tylko cena zakupu. Dlatego „Kto wygra?” jest mniej użyteczne niż „Jaka cena jest dostępna?”
Typowe błędy prawdopodobieństwa
Zaczynanie od kursów i dopasowywanie zgody wstecz
Jeśli Twój szacunek po prostu odzwierciedla rynek z małą korektą, może nie zawierać niezależnej informacji.
Podwójne liczenie informacji
Kontuzja może już być odzwierciedlona w ratingach drużyny, a potem ponownie odjęta ręcznie.
Nadmierne ważenie ostatnich wyników
Wyniki zawierają szczęście w wykończeniu, efekty przeciwnika i szum małej próby. Bazowa forma jest często stabilniejsza.
Ignorowanie zależności
Zdarzenia zawodnika i drużyny mogą być skorelowane. Mnożenie prawdopodobieństw brzegowych tak, jakby były niezależne, daje fałszywą precyzję.
Używanie danych niedostępnych w momencie decyzji
Backtesty zawierające przyszłe informacje są zanieczyszczone i zawyżają wyniki.
Mylenie pewności z dokładnością
Umiejętność przekonującego wyjaśnienia prognozy nie czyni liczby skalibrowaną.
Ocena procesu na podstawie jednego wyniku
Wynik z 20% średnio wygrywa raz na pięć. Jego wystąpienie nie dowodzi, że szacunek 20% był błędny, tak jak wygrana faworyta nie dowodzi, że jego cena oferowała value.
Prowadzenie zapisów i przegląd modelu
Dla każdej prognozy zapisuj:
- znacznik czasu;
- dokładny rynek i zasady;
- Twoje prawdopodobieństwo przed ostatecznym wynikiem;
- dostępne kursy i stawkę;
- główne wejścia modelu;
- kursy zamknięcia;
- wynik;
- późniejszy przegląd założeń.
Oceniaj:
- kalibrację według koszyków prawdopodobieństwa;
- Brier score lub log loss;
- zwrot według rynku i ligi;
- wyniki względem linii zamknięcia;
- rozmiar próby i niepewność;
- czy wyniki przetrwają po usunięciu outlierów.
Zysk jest ważny, ale krótkoterminowy zysk sam nie odróżnia przewagi od wariancji.
Minimalny standard przed nazwaniem czegoś value
- Wydarzenie i zasady rozliczenia są precyzyjne.
- Szacunek prawdopodobieństwa powstał przed wynikiem.
- Metoda ma sensowną historyczną próbę.
- Wejścia były dostępne w momencie decyzji.
- Uwzględniono marżę bukmachera.
- Użyto bieżącej — nie przestarzałej — ceny.
- Analiza wrażliwości nie kasuje od razu przewagi.
- Stawka odzwierciedla niepewność modelu.
- Uzasadnienie jest zapisane i możliwe do audytu później.
Jeśli nie spełniasz większości tych warunków, nazywaj to hipotezą, a nie value betem.
Często zadawane pytania
Czy prawdziwe prawdopodobieństwo da się obliczyć dokładnie?
Zwykle nie przed wydarzeniem sportowym. Możesz obliczyć szacunek modelu, ale nieznane informacje i losowość pozostają.
Czy rynkowe prawdopodobieństwo bez marży to dobry punkt odniesienia?
Często tak, zwłaszcza na płynnych rynkach. Agreguje informacje, ale nie jest gwarantowanie poprawne i nie należy mylić go z niezależnymi badaniami.
Jak duża powinna być przewaga przed zakładem?
Nie ma uniwersalnego progu. Wymagany zapas powinien odzwierciedlać błąd modelu, płynność rynku, ograniczenia transakcyjne i ryzyko bankrolla. Małe teoretyczne przewagi łatwo przytłacza błąd oszacowania.
Czy dodatnie EV gwarantuje długoterminowy zysk?
Tylko jeśli szacunki prawdopodobieństwa są wystarczająco dokładne, ceny pozostają dostępne, wykonanie jest spójne, a próba wystarczająco duża. Tych warunków nie można zakładać.
Czy powinienem używać kryterium Kelly’ego?
Stakowanie Kelly’ego jest bardzo wrażliwe na błąd prawdopodobieństwa. Ułamkowy Kelly może zmniejszyć zmienność, ale początkujący powinni najpierw udowodnić kalibrację i używać konserwatywnych stawek.
Podsumowanie
Szukanie value nie polega na deklarowaniu, że znasz prawdziwe prawdopodobieństwo. Chodzi o budowę przejrzystego szacunku, porównanie go z ceną i traktowanie niepewności jako części obliczenia.
Zdefiniuj wydarzenie, ustal punkt odniesienia, użyj istotnych dowodów, przetestuj kalibrację, przelicz prawdopodobieństwo na sprawiedliwy kurs, oblicz wartość oczekiwaną i zapytaj, czy wniosek przetrwa rozsądny błąd. Czasem analiza da zakład. Często powinna dać pass. Oba wyniki są oznakami zdyscyplinowanego procesu.
Użyj kalkulatora zakładów OddsWave, aby zweryfikować arytmetykę wypłat, ale pamiętaj, że najtrudniejsze wejście — prawdopodobieństwo — nadal jest Twoją odpowiedzialnością.
Last updated: July 2026
Published by OddsWave Betting Academy
