Det vil de færreste nok benægte, da selve fodboldstillingen er statistik. Hvis et hold har vundet 15 hjemmekampe i træk og på lørdag skal møde et hold, som har tabt 15 udekampe i træk, så siger statistikken, at hjemmeholdet vinder. Så langt er de fleste nok enige om, at statistik er nyttigt i bettingsammenhæng.
Der er nok heller ikke mange, som er uenige i, at man kan udvide statistikbegrebet lidt, og se på holdenes formkurve. Efter at Liverpool havde tabt fem hjemmekampe i træk i starten af året, var det ikke chokerende, at de også tabte hjemme til Fulham i starten af marts. Hvis det samme var sket i deres mesterskabssæson, ville det have været en sensation.
Så i en eller anden grad er vi alle enige om, at statistik er nyttigt til betting. Spørgsmålet er bare, hvordan man kan bruge det, og her skiller vandene sig.
Jeg har spillet på fodboldkampe siden 1970’erne på den almindelige tipskupon med først 12 kampe, og derefter 13 kampe. Det var en bragende underskudsforretning, hvilket burde have været indlysende, eftersom Tipstjenesten dengang kun havde en tilbagebetalingsprocent på 45, og derudover skulle man betale 15 procent i ”afgift” af præmiebeløb på over 200 kr. På den baggrund kunne man stort set lige så godt smide pengene direkte i toilettet.
Senere kom bookmakerne ind på det danske marked. Jeg var selvfølgelig med på vognen og oprettede en konto hos D.O.B.S. (Danish Overseas Betting Services) i England og et par andre tilsvarende selskaber. Det gav også underskud.
Det er anden gang, jeg bruger ordet ”underskud” i forbindelse med betting, og jeg bliver desværre nødt til at bruge det for tredje gang, når jeg rykker historien frem til nutiden.
Selvom man som spiller i dag har fået uendeligt meget bedre vilkår end tidligere med langt flere spillemuligheder, højere tilbagebetalingsprocenter fra bookmakerne osv. tabte jeg stadig penge. Heldigvis er jeg ingen spillernatur, men synes det er analyserne, som er det spændende, så spil har aldrig været et problem for mig. Der er nok ikke ret andre end mig, som kunne finde på at spille 2 kr. på en WBA sejr ude mod Chelsea til odds 15, men det har jeg det fint med. Så er jeg med i spillet, men uden nogen reel risiko.
Det ændrer dog ikke ved, at jeg selvfølgelig hellere vil have overskud end underskud, og efter adskillige årtiers erfaring kom jeg til sidst frem til den sørgelige konklusion:
Jeg er umanerligt ringe til at forudsige fodboldresultater!
Det skyldes utvivlsomt, at jeg kun har de samme overfladiske informationer til rådighed, som en million andre amatører verden over, så hvor er min fordel? Den eksisterer ikke, og dermed blev jeg reduceret til endnu en af de optimistiske amatører, som finansierer de ca. 3 procent af spillerne med overskud. Tallet er fra en artikel på Pinnacle, og den udnævner stort set os alle sammen til kanonføde for de rigtig gode spillere.
Jeg tror på det, og den naturlige konsekvens ville være at vende spillemarkedet ryggen. Men der er også en anden mulighed. Nemlig at finde en niche, hvor jeg ikke udfordrer de professionelle, men i stedet spiller på markedets indbyggede værktøjer.
Et af disse værktøjer er bookmakernes løbende justering er odds. Her i formiddag har jeg f.eks. for sjov fulgt med i Danske Spils odds på onsdagens japanske kampe, og de er blevet opdateret adskillige gange. Er der nogen, som helt seriøst tror på, at Danske Spils oddsleverandør 2. påskedags formiddag løbende har modtaget væsentlige faktuelle informationer om J-League, som har givet anledning til oddsændringer?
Jeg tror ikke på det. Jeg tror i stedet, at det er udtryk for bookmakernes balancering af odds. Altså at de justerer oddsene, så de ikke risikerer at skulle levere en meget stor nettoudbetaling på et bestemt kampresultat. Bookmakere lever i dag ikke af at slå spillerne, men af at skimme indsatserne så de vinder uanset kampenes udfald.
Det er vigtigt at forstå, da det betyder, at man ikke kan tage de konkrete odds som udtryk for en eksperts objektive vurdering af en kamps udfald. Et tilsyneladende lidt forkert odds kan udmærket være resultatet af, at bookmakeren ønsker at trække spillerpenge ind til afdækning af det modsatte resultat. Det giver mig som spiller en interessant mulighed.
Nemlig at finde de steder i oddssætningen, hvor oddset ikke stemmer med virkeligheden. Det er i bund og grund det vi alle leder efter, og som vi kalder for kampens Estimated Value (EV). Men som nævnt tidligere har jeg rigtig mange års erfaring med at tabe penge på den vurdering ud fra en sportslig vurdering.
I stedet prøver jeg derfor at lave statistikken overtage dirigentstokken 100 procent. Jeg ser helt bort fra min personlige vurdering (som alt for ofte er forkert) og forlader mig i stedet på den objektive tal-verden.
Selvom jeg har været WBA-fan siden de gyldne dage i slutningen af 1970’erne med Cyrille Regis, Bryan Robson, Laurie Cunningham, Len Cantello osv. ville jeg aldrig have sat en krone på WBA ude mod Chelsea, hvis min sunde fornuft skulle bestemme. Men mine tal fortalte mig, at EV på odds 15 var positiv, og så bør der spilles på kampen.
Eftersom sandsynligheden for at tabe spillet var overvældende stor, skulle indsatsen til gengæld være lav. Den blev på 0,7 procent af min aktuelle ”Bank Roll-for-sjov”, svarende til 2 kr. WBA vandt 5-2, og glæden ved sejren overskyggede selvfølgelig glæden ved et overskud på fantastiske 28 kr.
Men hvad gør jeg så?
Jeg bruger ELO-systemet, som primært er kendt fra skakverdenen, hvor man bruger det til at lave ranglister over spillere, som ikke nødvendigvis har mødt hinanden. Men de har mødt andre spillere med et ELO-styrketal, og ud fra disse møder justerer en central skakmyndighed løbende alle registrerede spilleres styrke.
Man kan læse mere om ELO-systemet mange steder (f.eks. på Wikipedia), men det betyder f.eks., at hvis jeg stiller op i en kamp mod Magnus Carlsen, så får jeg et begynder-ELO på 1000, mens Magnus Carlsen p.t. har et ELO-tal på 2847. Sådan en kamp svarer principielt til, at Manchester C møder Hythe Town fra Isthmian League South East Division, og vi ved alle hvem vinderen ville blive.
Derfor vil en sejr til Magnus Carlsen over mig, eller til Manchester C over Hythe Town, stort set ikke forøge deres ELO-tal. Til gengæld vil et nederlag koster dem et ordentligt hug i ELO’en. Omvendt for mig - eller Hythe Town - som vil få et pænt løft i ELO’en for en sejr, men stort set ikke nogen negativ effekt af et nederlag.
Men nogle gange sker det uventede. I dansk fodbold husker mange, da Skagen slog Brøndby ud af pokalturneringen, og i denne weekend afsluttede nedrykningstruede WBA med kun 3 sejre i 29 kampe altså Chelseas stribe på 14 kampe som ubesejret. Tilmed på udebane og med 5-2.
Pointen er, at i fodbold kan man ikke tage noget for givet. I stedet er man nødt til at se på sandsynligheden for at noget bestemt sker, og det er her ELO-tallet har sin styrke.
Ligesom den internationale skakorganisation FIDE tildeler sine medlemmer ELO-tal efter deres indbyrdes resultater, gør jeg det samme med fodboldhold. Det er ikke specielt indviklet, og som tidligere nævnt kan man læse om det mange steder på internettet.
Men jeg går et skridt videre, og det er her min niche måske ligger
Jeg beregner nemlig ikke sandsynligheden for et bestemt resultat ved at sætte to ELO-tal op mod hinanden. Man kunne f.eks. komme frem til, at Magnus Carlsen har 2843 / (2843 + 1000) = 74 procent sandsynlighed for at slå mig i skak. Dette tal er måske logisk ud fra tallene, men i praksis er det himmelråbende forkert.
Mine vinderchancer ville udelukkende ligge i, at Magnus Carlsen undervejs i partiet fik et hjerteanfald og var nødt til at opgive.
I parentes bemærket kan man faktisk beregne sandsynligheden for det med Laplace-metoden, som blev opfundet af en franskmand i slutningen af 1700-tallet. Laplace-metoden ser sådan ud, hvor x er antal udtagne prøver, og n er antal udfald: (x + 1) / (n + 2).
Med den kan man også beregne sandsynligheden for, at solen står op i morgen. Eftersom solen er stået op de seneste 5 mia. år, er sandsynligheden for, at det også sker i morgen: (1 mia + 1) / (1 mia. + 2). Ifølge Laplace-metoden behøver vi ikke gå bange i seng i aften.
Nå, tilbage til fodbold…
Ved at gennemgå de seneste års resultater i eksempelvis den engelske Premier League opretter jeg en liste over holdenes ELO-tal på henholdsvis hjemme- og udebane. Herefter (og det er her det vigtige kommer) laver jeg en statistik over, hvordan kampe med et givet forhold mellem hjemmeholdets og udeholdets ELO-tal ender.
Udfaldet af en enkelt kamp kan svinge som vinden blæser, men med tilstrækkeligt mange kampe i datagrundlaget tegner der sig et billede. Billedet kunne f.eks. være, at når en skakspiller med Magnus Carlsens styrke møder en spiller som mig, så vinder Magnus Carlsen ikke 74 procent af kampene. Han vinder i praksis hver gang. Et odds på alt over 1 vil altså være spilbart. Selv odds 1,00001 vil have en positiv EV.
Med kombinationen af løbende justerede ELO-tal og en tilsvarende løbende justeret oversigt over, hvilket resultat mødet mellem forskellige ELO-værdier resulterer i, får jeg et helt kontant bud på, hvad oddset som minimum skal være for at være spilbart.
Eftersom datamaterialet løbende ændrer sig, og der tilmed er tale om stikprøver fra en ubegrænset resultatmængde i både fortid, nutid og fremtid, fratrækker jeg endvidere en statistisk usikkerhed fra den beregnede sandsynlighed.
Jeg bruger statistiske værktøjer som Adjusted Wald, Wilson Score Interval, Poisson osv. i beregningerne, men det er bare fordi jeg som talnørd synes, den slags er sjovt. Man kunne lige så godt bare bruge statistik på folkeskole-/gymnasieniveau med beregning af et ensidet konfidensinterval, og lade den nederste grænse erstatte den historiske sandsynlighed for en kamps udfald.
Omsat til virkelighed betyder teorien f.eks., at jeg uden den fjerneste viden om japansk fodbold på onsdag anser FC Tokyo for at være 63 procent favorit mod Consadole Sapporo med ELO-tal på henholdsvis 1071 og 975.
Efter statistisk korrektion falder tallet til 43 procent, og med en CV for hjemmesejr på 43 procent skal minimumsoddset være 1/0,43 = 2,33. Da jeg lagde spillet ind her på Betxpert, var oddset 2,40 hos Betfair Sportsbook, så der er teoretisk værdi i spillet.
Det betyder ikke, at FC Tokyo nødvendigvis vinder denne kamp, men over tid vil de gennemsnitligt vinde denne kamp mindst 43 procent af gangene, og så får jeg overskud. Det er i hvert fald planen.
Virker det så?
Godt spørgsmål. Det ved jeg ikke endnu. Jeg er i gang med at teste metoden på tre forskellige ligaer (Premier League, Tjekkiet og Japan), og foreløbig har jeg testet metoden over 60 spil. Det er alt for lidt til at give et klart billede af, om det er overskudsgivende eller ej.
Efter de første 60 spil er min TBP 97, så det taler for, at der ikke er penge at hente. Men resultatet er meget forskelligt på de tre ligaer. Premier League har således en TBP på 119 og Japan en TBP på 103. Til gengæld har Tjekkiet en TBP på 64!
Så teoretisk set kunne jeg have haft en TBP over 100 ved at holde mig væk fra Tjekkiet og kun spille på England og Japan. I praksis er de store udsving dog forventelige med så beskedent et resultatmateriale. Den endelig konklusion på, om jeg har fat i noget brugbart eller ej, vil vise sig med tiden.
Hvis du har læst hele teksten, fortjener din tålmodighed virkelig ros. Og hvis du er en af dem, som har spurgt dig selv, hvad fanden ham Kurt egentlig har gang i, så har du forhåbentlig fået svar på dit spørgsmål nu.
Tak, fordi du hængte ved.
Der er nok heller ikke mange, som er uenige i, at man kan udvide statistikbegrebet lidt, og se på holdenes formkurve. Efter at Liverpool havde tabt fem hjemmekampe i træk i starten af året, var det ikke chokerende, at de også tabte hjemme til Fulham i starten af marts. Hvis det samme var sket i deres mesterskabssæson, ville det have været en sensation.
Så i en eller anden grad er vi alle enige om, at statistik er nyttigt til betting. Spørgsmålet er bare, hvordan man kan bruge det, og her skiller vandene sig.
Jeg har spillet på fodboldkampe siden 1970’erne på den almindelige tipskupon med først 12 kampe, og derefter 13 kampe. Det var en bragende underskudsforretning, hvilket burde have været indlysende, eftersom Tipstjenesten dengang kun havde en tilbagebetalingsprocent på 45, og derudover skulle man betale 15 procent i ”afgift” af præmiebeløb på over 200 kr. På den baggrund kunne man stort set lige så godt smide pengene direkte i toilettet.
Senere kom bookmakerne ind på det danske marked. Jeg var selvfølgelig med på vognen og oprettede en konto hos D.O.B.S. (Danish Overseas Betting Services) i England og et par andre tilsvarende selskaber. Det gav også underskud.
Det er anden gang, jeg bruger ordet ”underskud” i forbindelse med betting, og jeg bliver desværre nødt til at bruge det for tredje gang, når jeg rykker historien frem til nutiden.
Selvom man som spiller i dag har fået uendeligt meget bedre vilkår end tidligere med langt flere spillemuligheder, højere tilbagebetalingsprocenter fra bookmakerne osv. tabte jeg stadig penge. Heldigvis er jeg ingen spillernatur, men synes det er analyserne, som er det spændende, så spil har aldrig været et problem for mig. Der er nok ikke ret andre end mig, som kunne finde på at spille 2 kr. på en WBA sejr ude mod Chelsea til odds 15, men det har jeg det fint med. Så er jeg med i spillet, men uden nogen reel risiko.
Det ændrer dog ikke ved, at jeg selvfølgelig hellere vil have overskud end underskud, og efter adskillige årtiers erfaring kom jeg til sidst frem til den sørgelige konklusion:
Jeg er umanerligt ringe til at forudsige fodboldresultater!
Det skyldes utvivlsomt, at jeg kun har de samme overfladiske informationer til rådighed, som en million andre amatører verden over, så hvor er min fordel? Den eksisterer ikke, og dermed blev jeg reduceret til endnu en af de optimistiske amatører, som finansierer de ca. 3 procent af spillerne med overskud. Tallet er fra en artikel på Pinnacle, og den udnævner stort set os alle sammen til kanonføde for de rigtig gode spillere.
Jeg tror på det, og den naturlige konsekvens ville være at vende spillemarkedet ryggen. Men der er også en anden mulighed. Nemlig at finde en niche, hvor jeg ikke udfordrer de professionelle, men i stedet spiller på markedets indbyggede værktøjer.
Et af disse værktøjer er bookmakernes løbende justering er odds. Her i formiddag har jeg f.eks. for sjov fulgt med i Danske Spils odds på onsdagens japanske kampe, og de er blevet opdateret adskillige gange. Er der nogen, som helt seriøst tror på, at Danske Spils oddsleverandør 2. påskedags formiddag løbende har modtaget væsentlige faktuelle informationer om J-League, som har givet anledning til oddsændringer?
Jeg tror ikke på det. Jeg tror i stedet, at det er udtryk for bookmakernes balancering af odds. Altså at de justerer oddsene, så de ikke risikerer at skulle levere en meget stor nettoudbetaling på et bestemt kampresultat. Bookmakere lever i dag ikke af at slå spillerne, men af at skimme indsatserne så de vinder uanset kampenes udfald.
Det er vigtigt at forstå, da det betyder, at man ikke kan tage de konkrete odds som udtryk for en eksperts objektive vurdering af en kamps udfald. Et tilsyneladende lidt forkert odds kan udmærket være resultatet af, at bookmakeren ønsker at trække spillerpenge ind til afdækning af det modsatte resultat. Det giver mig som spiller en interessant mulighed.
Nemlig at finde de steder i oddssætningen, hvor oddset ikke stemmer med virkeligheden. Det er i bund og grund det vi alle leder efter, og som vi kalder for kampens Estimated Value (EV). Men som nævnt tidligere har jeg rigtig mange års erfaring med at tabe penge på den vurdering ud fra en sportslig vurdering.
I stedet prøver jeg derfor at lave statistikken overtage dirigentstokken 100 procent. Jeg ser helt bort fra min personlige vurdering (som alt for ofte er forkert) og forlader mig i stedet på den objektive tal-verden.
Selvom jeg har været WBA-fan siden de gyldne dage i slutningen af 1970’erne med Cyrille Regis, Bryan Robson, Laurie Cunningham, Len Cantello osv. ville jeg aldrig have sat en krone på WBA ude mod Chelsea, hvis min sunde fornuft skulle bestemme. Men mine tal fortalte mig, at EV på odds 15 var positiv, og så bør der spilles på kampen.
Eftersom sandsynligheden for at tabe spillet var overvældende stor, skulle indsatsen til gengæld være lav. Den blev på 0,7 procent af min aktuelle ”Bank Roll-for-sjov”, svarende til 2 kr. WBA vandt 5-2, og glæden ved sejren overskyggede selvfølgelig glæden ved et overskud på fantastiske 28 kr.
Men hvad gør jeg så?
Jeg bruger ELO-systemet, som primært er kendt fra skakverdenen, hvor man bruger det til at lave ranglister over spillere, som ikke nødvendigvis har mødt hinanden. Men de har mødt andre spillere med et ELO-styrketal, og ud fra disse møder justerer en central skakmyndighed løbende alle registrerede spilleres styrke.
Man kan læse mere om ELO-systemet mange steder (f.eks. på Wikipedia), men det betyder f.eks., at hvis jeg stiller op i en kamp mod Magnus Carlsen, så får jeg et begynder-ELO på 1000, mens Magnus Carlsen p.t. har et ELO-tal på 2847. Sådan en kamp svarer principielt til, at Manchester C møder Hythe Town fra Isthmian League South East Division, og vi ved alle hvem vinderen ville blive.
Derfor vil en sejr til Magnus Carlsen over mig, eller til Manchester C over Hythe Town, stort set ikke forøge deres ELO-tal. Til gengæld vil et nederlag koster dem et ordentligt hug i ELO’en. Omvendt for mig - eller Hythe Town - som vil få et pænt løft i ELO’en for en sejr, men stort set ikke nogen negativ effekt af et nederlag.
Men nogle gange sker det uventede. I dansk fodbold husker mange, da Skagen slog Brøndby ud af pokalturneringen, og i denne weekend afsluttede nedrykningstruede WBA med kun 3 sejre i 29 kampe altså Chelseas stribe på 14 kampe som ubesejret. Tilmed på udebane og med 5-2.
Pointen er, at i fodbold kan man ikke tage noget for givet. I stedet er man nødt til at se på sandsynligheden for at noget bestemt sker, og det er her ELO-tallet har sin styrke.
Ligesom den internationale skakorganisation FIDE tildeler sine medlemmer ELO-tal efter deres indbyrdes resultater, gør jeg det samme med fodboldhold. Det er ikke specielt indviklet, og som tidligere nævnt kan man læse om det mange steder på internettet.
Men jeg går et skridt videre, og det er her min niche måske ligger
Jeg beregner nemlig ikke sandsynligheden for et bestemt resultat ved at sætte to ELO-tal op mod hinanden. Man kunne f.eks. komme frem til, at Magnus Carlsen har 2843 / (2843 + 1000) = 74 procent sandsynlighed for at slå mig i skak. Dette tal er måske logisk ud fra tallene, men i praksis er det himmelråbende forkert.
Mine vinderchancer ville udelukkende ligge i, at Magnus Carlsen undervejs i partiet fik et hjerteanfald og var nødt til at opgive.
I parentes bemærket kan man faktisk beregne sandsynligheden for det med Laplace-metoden, som blev opfundet af en franskmand i slutningen af 1700-tallet. Laplace-metoden ser sådan ud, hvor x er antal udtagne prøver, og n er antal udfald: (x + 1) / (n + 2).
Med den kan man også beregne sandsynligheden for, at solen står op i morgen. Eftersom solen er stået op de seneste 5 mia. år, er sandsynligheden for, at det også sker i morgen: (1 mia + 1) / (1 mia. + 2). Ifølge Laplace-metoden behøver vi ikke gå bange i seng i aften.
Nå, tilbage til fodbold…
Ved at gennemgå de seneste års resultater i eksempelvis den engelske Premier League opretter jeg en liste over holdenes ELO-tal på henholdsvis hjemme- og udebane. Herefter (og det er her det vigtige kommer) laver jeg en statistik over, hvordan kampe med et givet forhold mellem hjemmeholdets og udeholdets ELO-tal ender.
Udfaldet af en enkelt kamp kan svinge som vinden blæser, men med tilstrækkeligt mange kampe i datagrundlaget tegner der sig et billede. Billedet kunne f.eks. være, at når en skakspiller med Magnus Carlsens styrke møder en spiller som mig, så vinder Magnus Carlsen ikke 74 procent af kampene. Han vinder i praksis hver gang. Et odds på alt over 1 vil altså være spilbart. Selv odds 1,00001 vil have en positiv EV.
Med kombinationen af løbende justerede ELO-tal og en tilsvarende løbende justeret oversigt over, hvilket resultat mødet mellem forskellige ELO-værdier resulterer i, får jeg et helt kontant bud på, hvad oddset som minimum skal være for at være spilbart.
Eftersom datamaterialet løbende ændrer sig, og der tilmed er tale om stikprøver fra en ubegrænset resultatmængde i både fortid, nutid og fremtid, fratrækker jeg endvidere en statistisk usikkerhed fra den beregnede sandsynlighed.
Jeg bruger statistiske værktøjer som Adjusted Wald, Wilson Score Interval, Poisson osv. i beregningerne, men det er bare fordi jeg som talnørd synes, den slags er sjovt. Man kunne lige så godt bare bruge statistik på folkeskole-/gymnasieniveau med beregning af et ensidet konfidensinterval, og lade den nederste grænse erstatte den historiske sandsynlighed for en kamps udfald.
Omsat til virkelighed betyder teorien f.eks., at jeg uden den fjerneste viden om japansk fodbold på onsdag anser FC Tokyo for at være 63 procent favorit mod Consadole Sapporo med ELO-tal på henholdsvis 1071 og 975.
Efter statistisk korrektion falder tallet til 43 procent, og med en CV for hjemmesejr på 43 procent skal minimumsoddset være 1/0,43 = 2,33. Da jeg lagde spillet ind her på Betxpert, var oddset 2,40 hos Betfair Sportsbook, så der er teoretisk værdi i spillet.
Det betyder ikke, at FC Tokyo nødvendigvis vinder denne kamp, men over tid vil de gennemsnitligt vinde denne kamp mindst 43 procent af gangene, og så får jeg overskud. Det er i hvert fald planen.
Virker det så?
Godt spørgsmål. Det ved jeg ikke endnu. Jeg er i gang med at teste metoden på tre forskellige ligaer (Premier League, Tjekkiet og Japan), og foreløbig har jeg testet metoden over 60 spil. Det er alt for lidt til at give et klart billede af, om det er overskudsgivende eller ej.
Efter de første 60 spil er min TBP 97, så det taler for, at der ikke er penge at hente. Men resultatet er meget forskelligt på de tre ligaer. Premier League har således en TBP på 119 og Japan en TBP på 103. Til gengæld har Tjekkiet en TBP på 64!
Så teoretisk set kunne jeg have haft en TBP over 100 ved at holde mig væk fra Tjekkiet og kun spille på England og Japan. I praksis er de store udsving dog forventelige med så beskedent et resultatmateriale. Den endelig konklusion på, om jeg har fat i noget brugbart eller ej, vil vise sig med tiden.
Hvis du har læst hele teksten, fortjener din tålmodighed virkelig ros. Og hvis du er en af dem, som har spurgt dig selv, hvad fanden ham Kurt egentlig har gang i, så har du forhåbentlig fået svar på dit spørgsmål nu.
Tak, fordi du hængte ved.