The Value of a Sharp Network

The Value of a Sharp Network

Selama kelas peluncuran perdana Analisis Terapan dan Taruhan Olahraga, Profesor Harry Crane dan Phillip Maymin berbagi contoh bagaimana mereka menggunakan teknik analitik khusus untuk menemukan peluang taruhan yang menguntungkan di masa lalu. Harry memberikan contoh yang dirujuk di atas yang menjelaskan bagaimana dia menggunakan Distribusi Beta-Binomial untuk memperkirakan probabilitas total kemenangan yang tepat dari setiap tim NFL. Proses tersebut menemukan sejumlah besar peluang menguntungkan di musim sebelumnya. Luar biasa, tapi tidak bisa ditiru. Matt Buchalter (PlusEVAnalytics) telah menerbitkan karya dan peluang sebelum musim sebelumnya dan banyak buku olahraga populer telah menyesuaikan.

Apa intuisi di balik peluang?

Taruhan over / under pada total kemenangan musim NFL cenderung menjadi pasar yang dalam dan likuid. Ini menyiratkan bahwa mereka sulit dikalahkan tanpa keterampilan handicap yang sangat baik. Namun, taruhan kemenangan yang tepat (yaitu Eagles memenangkan tepat 10 pertandingan) secara historis memiliki kekurangan dalam cara menentukan harga, yang dapat Anda manfaatkan dengan mengetahui cara yang tepat untuk memodelkan masalahnya. Umumnya, sportsbooks memberi harga taruhan kemenangan yang tepat dengan asumsi bahwa “keterampilan” sebuah tim adalah konstan. Kenyataannya adalah bahwa “keterampilan” ini sangat fluktuatif. Pemula akan melampaui atau kurang dari harapan, pelatih akan lebih baik atau lebih buruk dari yang diharapkan, QB akan terluka, dll. Singkatnya, beberapa buku telah mengambil jalan pintas untuk menentukan harga total kemenangan yang tepat. Jalan pintas ini secara signifikan meremehkan seberapa sering hasil liar benar-benar terjadi.

Perspektif John

Suatu malam setelah bekerja beberapa minggu kemudian, saya perhatikan bahwa situs populer telah memperluas penawarannya untuk memasukkan total kemenangan musim NFL yang tepat. Saya meninjau penawaran beberapa tim dan tentu saja harga tampaknya telah disesuaikan dengan penemuan Matt tahun sebelumnya. Saya memeriksa situs terkenal lainnya, tetapi tes bola mata menunjukkan bahwa itu adalah peluang yang adil. Jika ada, sepertinya mereka telah memberikan kompensasi yang berlebihan untuk tahun sebelumnya – sebuah tren umum di semua lapisan masyarakat.

Saya beralasan jika ada peluang, kemungkinan besar di sportsbook itu:

1) Memiliki penawaran yang cukup luas untuk berpotensi memasukkan total taruhan kemenangan yang tepat

2) Kurang populer secara nasional, jadi jika mereka menawarkan garis dengan nilai, kecil kemungkinannya ada orang yang bertaruh dan pindah garis

3) Idealnya tidak menawarkan pasar tahun sebelumnya dan karenanya tidak mempelajari apa yang dipelajari oleh bandar taruhan lain dari musim sebelumnya

Saya menyusun daftar pendek, termasuk buku olahraga yang baru-baru ini saya dengar di acara penghargaan VIP baru-baru ini. Situs ini tidak hanya menawarkan pasar tetapi juga tampaknya memberikan harga yang menguntungkan. Saya memeriksa penawaran Chiefs dan segera melihat peluang mereka berbeda secara signifikan dari buku olahraga yang lebih populer yang saya lihat sehari sebelumnya.

Menggunakan KC sebagai kasus uji, saya mulai mengkonsolidasikan penawaran buku baru dan salah satu pemimpin pasar ke dalam spreadsheet dan mengidentifikasi peluang terbaik yang tersedia di setiap total kemenangan antara dua buku olahraga seperti yang disorot dengan warna hijau pada bagan di bawah ini. Saya perhatikan bahwa pengembalian bebas risiko 12% dapat dicapai dengan strategi ini, yang menunjukkan peluang yang sangat menguntungkan.

Namun, saya tidak bersedia meluangkan waktu atau tenaga untuk membangun model Beta-Binomial dari awal pada jam 11 malam di malam kerja. Batas (karena taruhan olahraga sebelumnya) di situs yang lebih populer menghilangkan kemungkinan memainkan arbitrase yang tersedia, jadi saya mengambil beberapa taruhan yang mudah diidentifikasi (yaitu KC untuk memenangkan 16 pertandingan pada 60-1). Hanya karena saya tidak memiliki adrenalin tengah malam untuk menirunya, bukan berarti orang lain tidak. Saya memposting yang berikut ini di saluran slack kelas kami dan memasukkan Tom Quinn:

“Bagi mereka yang tertarik, XXX Sportsbook memberi harga terlalu banyak konsentrasi di sekitar rata-rata dan memiliki ekor yang terlalu sempit seperti yang dibahas di kelas untuk total kemenangan musim NFL. SB A & B cukup dekat satu sama lain. Saya hanya bertaruh Chiefs untuk memenangkan 16 pertandingan pada 60-1, itu adalah nilai terbaik yang saya lihat untuk Chiefs di XXX. SB A menawarkan 17-2 untuk perbandingan.”

Perspektif Tom

Saya suka tidak lebih dari bertaruh pada acara ekor yang salah harga, jadi saya memanfaatkan kesempatan yang disajikan John dan memeriksa situs, saya fokus pada Cardinals sebagai tim yang saya lihat memiliki berbagai hasil untuk musim ini. Jelas bagi saya bahwa sportsbook yang diidentifikasi John salah menilai hasil ekor (Puncak yang lebih tinggi dan ekor yang lebih rata pada bagan di bawah).

Beberapa anggota lain bergabung dalam diskusi dan mulai membawa buku olahraga tambahan untuk memeriksa dan menunjukkan kekurangan dalam banyak jalan pintas yang saya coba untuk menemukan taruhan yang paling menguntungkan.

Saya akhirnya memutuskan untuk membuat model yang Harry dan Phil pergi ke kelas. Saya seorang programmer biasa-biasa saja, jadi saya harus membuatnya bekerja di Excel. Saya percaya bahwa pendekatan saya sangat sederhana dan cacat sampai saya mendaftar di kursus Taruhan Olahraga Bayesian dan menemukan bahwa Matt, yang karyanya saya coba tiru juga melakukan sebagian besar pekerjaannya di Excel dan fungsionalitas pemecah yang ditawarkan.

Saya tidak akan membuat Anda bosan dengan semua detail pemodelan, Anda harus mengikuti kelas untuk itu. Tapi ringkasan singkatnya:

Memperkirakan Parameter:

Untuk menghitung probabilitas suatu hasil menggunakan model Beta-Binomial, Anda memerlukan 2 input (A dan B), yang tidak dapat langsung dihitung (tentu saja). Namun Anda dapat mengamati A+B, yang telah kami hitung di kelas menjadi 18,3 untuk musim 2020. Kami juga menghitung musim sebelumnya, tetapi saya memilih untuk menggunakan nomor 2020 karena masalah terkait Covid dengan ketersediaan pemain menjadi faktor umum yang tidak diperhitungkan di musim sebelumnya.

Saya menghitung jumlah kemenangan median yang tersirat di pasar untuk setiap tim menggunakan kombinasi garis atas/bawah ‘tajam’ (juga diajarkan di kelas). Ini memberi saya titik data spesifik untuk ditargetkan (berapa nilai A dan B yang 50% dari hasil yang diperkirakan akan jatuh di bawah perkiraan median, sementara A+B=18,3). Untuk mengatasi ini, saya menggunakan pemecah Excel dan add-in statistik untuk excel, yang menghitung fungsi binomial beta. (Perangkat lunak Risiko Vose)

Setelah saya memiliki parameter A dan B untuk setiap tim, itu adalah proses langsung untuk menghitung probabilitas dari setiap total kemenangan yang tepat.

Mengidentifikasi taruhan kami

Menggunakan peluang yang diposting pada buku pertama yang ditemukan John, kami mengidentifikasi 36 taruhan di mana keunggulannya lebih besar dari 70% berdasarkan perkiraan probabilitas kami.

Author: Arthur Collins