EdgeRadar kutatás · 2026. szeptember 30. · történelmi tesztek
Hét sport, 120 modellváltozat
Kézilabdában és Counter-Strike-ban használható előrejelzési jel látszik. Bizonyítottan profitáló, azonnal élesíthető fogadási modellt ez a vizsgálat egyik sporthoz sem igazolt.
A pozitív ROI önmagában nem elég. A Bundesliga +25,50%-os ROI-ja 70 fogadáson keletkezett, a bizonytalansági sáv nullát is tartalmaz. Az új NFL-osztályozó +30,86%-a mindössze 3 fogadásból származik. Eredményalapú pozitív jel és tényleges fogadási edge külön szerepel.
1. Mit teszteltem?
2. Fogadási eredmények
Fix 1 egység fogadásonként. A ROI a profit és a megtett egységek hányadosa. Fő szűrő: becsült EV 5–30%; decimális odds 1,20–5,00. Az NBA-nél minden érvényes odds megmaradt. Egy meccs/piac legfeljebb egy kiválasztás. Nincs tétoptimalizálás, utólagos ligakivágás, extra díj, adó vagy árromlás a fő számokban. Az ismert bookmaker-margin már benne van az oddsokban.
A futball-odds több iroda átlagára; ez kutatási referenciaár, nem igazoltan ugyanabban a pillanatban végrehajtható ajánlat. A pozitív ligák kiválasztása a most látott teszt alapján új, feltáró hipotézisnek számít. A következő friss időszakon kell megerősíteni.
3. Előrejelzési minőség
A log loss és a Brier kisebb értéke jobb. Oddsos sportoknál a viszonyítás a bookmaker-margin nélküli piaci valószínűség. Odds nélküli sportoknál egyszerű történelmi bázis: NHL hazai győzelemarány, Counter-Strike első felsorolt fél győzelemaránya, kézilabdában korábbi hazai/döntetlen/vendég gyakoriság. E három bázis könnyebben megverhető a fogadási piacnál.
A kézilabda találati arányának javulása 12,75 százalékpont, az összgól abszolút hibája 5,42-ről 5,06-ra csökkent. Ez nagyjából 0,37 gól, azaz 6,76% javulás. A teljes háromkimeneteles log loss különbségének napokra csoportosított 95%-os sávja −0,191 … −0,131, ezért az egyszerű bázishoz képest következetes előrejelzési jel látszik. Ez férfi HBL-re vonatkozik, nem a tanulmány női klubmintájára.
Counter-Strike-ban a javulás 9,25 százalékpont. A log loss különbségének sávja −0,0613 … −0,0533. A csapaterő tehát információt ad, de az oddsokkal nem tudtam összehasonlítani. A különböző szintű versenyek, névváltozások, roster-cserék, és BO1/BO3 formátumok kezelése további feladat.
NHL-ben a kiválasztott modell 56,85%-ot ért el, a bázis 56,17%-ával szemben. A log loss-javulás sávja −0,0119 … +0,0093: a különbség bizonytalan. A teszt 2016–2018-as, ezért mai használatra nem elég.
4. Melyik paraméter mennyit számított?
Az alábbi párokban egy paramétert változtattam, a többit rögzítettem. A log loss ugyanazon értékelési meccseken összevethető. A fogadásszűrés miatt a ROI már eltérő fogadáshalmazokon keletkezik, ezért nem oksági feature-fontosság. Ezek leíró tesztkülönbségek, külön konfidenciasáv és többszörös összehasonlítás-korrekció nélkül.
Az oddsok hozzákeverése javította a valószínűségi előrejelzést a felsorolt példákban, de a tenisz hozamát nem javította. A borítás külön modellezése ATP-n másként teljesített, mint WTA-n, ezért a két tour közös paraméterezése nem indokolt. A kézilabda hosszabb emlékezete enyhén jobb lett; az erősebb ridge büntetés ezen a mintán rontott. Az e-sportos inaktivitási visszahúzás is rontott, ezért ezt a kiválasztott változatban kikapcsoltam.
NHL-ben az 50 Elo hazai előny utólag jobban mutat a teszten, de a korábbi validáción a nulla hazai előny nyert. Nem neveztem ki utólag az 50-es beállítást győztesnek.
5. Az EV-küszöb megemelése segített?
Utólagos érzékenységvizsgálat a már kiválasztott modelleken. Csak az 5% feletti történelmi jelzésekből szűrök, a modell nem változik. Ebből nem választottam új éles küszöböt.
A nagyobb becsült EV nem feltétlenül jelent jobb valódi edge-et: a szélsőséges jel gyakran modellhibát vagy hibás árat is tükrözhet. A minta csökkenését mindig együtt kell nézni a ROI-val. Minden 0,01 egység további költség fogadásonként 1 százalékponttal csökkentené a fő ROI-t: az NBA kis plusza így negatív lenne.
6. Hasonló csapatok és BTTS
Előre rögzített futballhipotézis: a várható hazai és vendéggólszám különbsége legfeljebb 0,35; a támadó változatban mindkét várható gól legalább 1,20. Ez nem egyenlő a „hasonló csapatstílussal”: annak tesztjéhez külön tempó-, lövés-, labdabirtoklás- vagy xG-jellemzők kellenének. A jelenlegi teszt a támadó/védekező gólintenzitásra épül.
A nullszaldós odds az egész csoport múltbeli találati arányának reciproka; nem meccsenkénti fair odds és nem figyelmeztetési küszöb. Korabeli BTTS-odds nélkül nem számoltam profitot. A magasabb gólintenzitásból várhatóan több BTTS következik, amit a bookmaker is beárazhat.
7. Időrend, adatellenőrzés és bizonytalanság
- A konfigurációt a korábbi validációs időszak legkisebb log loss-a alapján választottam. A későbbi teszt-ROI nem szerepelt a kiválasztásban. A futball/NBA/NFL pontmodell korábbi kutatási futását újra felhasználtam; a többi sport és az új NFL-osztályozó ebben a vizsgálatban készült.
- Futball: 2020/21-től történelmi adatok, havi újraillesztés a hónap eleje előtti 1095 napból. Validáció 2022/23. Tenisz: 2019–2022 rating-felépítés, validáció 2023. NBA: tanítás 2015–2017-es szezonfájlok, validáció 2017/18. NHL: felépítés 2007–2015, validáció 2015/16. HBL: 2020/21–2021/22 felépítés, validáció 2022/23. Counter-Strike: rating-felépítés 2018-tól, validáció 2023.07–2024.06. NFL: pontmodell havi illesztés, új osztályozó tanítása 2010–2021 adatokon, validáció 2022.
- Az azonos napra eső Elo-meccsek összes előrejelzése megelőzi az aznapi eredmények frissítését. A havi gólmodellek tanító rekordjai szigorúan a hónap eleje előttiek. A hónap első napján játszott meccs is így értékelhető.
- A teniszt betűrend szerinti szereplősorrenddel értékeltem, nem mindig a később nyerő játékost tettem az első helyre. Csak Completed meccsek szerepelnek; a visszalépésekre, feladásokra külön elszámolás kell. A kétoldali implied probability összege 1,00–1,20 között kell legyen. Kevesebb mint öt korábbi meccsel rendelkező szereplőt kihagytam.
- Az NBA-oddsot dátum, csapat és hazai/vendég szerep szerint kapcsoltam, majd ellenőriztem a végeredményt. Egy hibás validációs kapcsolás kiesett. Nem használom az aznapi boxscore-t az aznapi előrejelzésben.
- A Counter-Strike döntetlen sorai, önmaguk ellen játszó nevek és duplikált match_id-k nem kerültek a bináris tesztbe. A publikáció korábbi snapshotjától eltérően a most letöltött adat 2026.06.30-ig tart. A nap-szintű dátum és a névalapú csapatazonosítás korlát.
- HBL: 1604 történelmi sor, az utolsó két idény 612 meccséből 604 értékelhető. Nyolc meccsnél a havi tanítás nem ismert mindkét csapatot. Ez nem teljes minden-meccses lefedettség.
- Az odds nélküli adat és az eredményadat nem bizonyít végrehajtható kereskedési jelzést. Az archív oddsokhoz nem igazolt a konkrét bukmékeri lekérés időpontja, fogadási limit és tényleges elérhetőség. A mostani riportból nem következik, hogy ma is ugyanezt az árat lehetne megjátszani.
- A ROI-sávok napokra csoportosított bootstrapek, 1500 vagy 2000 újramintával. BTTS-nél Wilson-sáv szerepel. A bootstrapek nem korrigálnak 120 konfiguráció és több liga vizsgálatára. A többnapos versenyen belüli függés és roster-változás további bizonytalanságot okozhat.
- 15 ellenőrzés futott sikeresen: korábbi 5 modellteszt, 7 új időrendi/valószínűségi/eredményegyeztetési teszt és 3 paper-tracker teszt. Ezek a kód ellenőrzései; nem önmagukban a profit bizonyítékai.
8. Hogyan hasznosítanám az EdgeRadarban?
Első prioritás: kézilabda és Counter-Strike előrejelzési kutatás. A meglévő eredményadat már ad elkülöníthető jelet. A következő szükséges lépés korabeli vagy előre időbélyegzett odds rögzítése, sporthoz illő piacazonosítóval, majd változatlan modell melletti paper követés. Kézilabdánál a bookmaker totals-vonalat kell a becsült góleloszláshoz mérni. Counter-Strike-nál map és series piac, valamint BO1/BO3/BO5 nem keverhető.
Második prioritás: német és olasz futball totals. A kisebb pozitív mintát friss előre rögzített feltételekkel kell megerősíteni. A BTTS-hez odds szükséges. A tenisz jelenlegi változatát fogadási jelzésre félretenném. NBA/NHL esetén az archív adatok kora miatt újabb adatot kell bevonni.
Az új implementációk kutatási kódként elkészültek. Mellékeltem egy kézzel indítható SQLite paper trackert: friss importált jelzéseket rögzít, ismétlődéseket kiszűr, megőrzi a belépési árat, kezeli a win/loss/void elszámolást és összesíti a papíron elért ROI-t. A jelzés helyi konzolkimenet. Nem hoztam létre háttérfeladatot, nem küld értesítést, nem ad le fogadást. A webes EdgeRadar éles modellje és értesítései ebben a munkában nem módosultak.
A mellékelt model-registry.json minden új jelöltet research státusszal és kikapcsolt éles értesítéssel tartalmaz. A tracker importja meccsazonosítót, sportot, pontos piacot, line-t, választást, kezdést, quote-időt, modellverziót, valószínűséget és oddsot kér. Ez integrációs alap, nem élő meccsfeed vagy frissen betanított hét sportos szerver.
9. Adatforrások és felhasználás
A nyers harmadik féltől származó adatkészleteket nem csomagoltam újra. A csomag tartalmaz letöltőprogramot és SHA-256 manifestet. A SHA-k lehetővé teszik az azonos bemeneti snapshot ellenőrzését; ha a forrás megváltozott, a teszt nem azonos adatot használ. A régi tanulmányok ROI-állításait nem másoltam át saját eredményként.
10. Ellenőrzött szakirodalom
- Futball — Dixon–Coles (1997)
Idővel súlyozott támadó/védekező erő és kis gólszám korrekció. Saját implementáció, nem az eredeti adatmintán készült replikáció. Elsődleges forrás - Futball — Egidi–Pauli–Torelli
Történelmi góladat és odds kombinálása. A tesztben egyszerű 50%-os keverést használtam, nem a tanulmány teljes hierarchikus Bayes-modelljét. Elsődleges forrás - Futball BTTS — da Costa–Marinho–Pires (2022)
Kilenc liga és több bookmaker BTTS-modellezése. Teljes fizetős eredménytáblát nem igazoltam. A saját BTTS-tesztben nincs korabeli BTTS-odds. Elsődleges forrás - Tenisz — Vaughan Williams és társai (2020/2021)
Standard, borítási és oddsot tartalmazó Elo összehasonlítása. Az ATP/WTA-t külön teszteltem. Elsődleges forrás - Tenisz — Clegg–Cartlidge
Egy korábbi nyereségállítás adatjavítás után lényegesen gyengült. Indokolja a szélsőséges oddsok és adatkapcsolások ellenőrzését. Elsődleges forrás - Kosárlabda — Walsh–Joshi: helyesbítés (2025)
A korábbi NBA-tanulmány korrigált változata és szerzői adattára. Saját időrendi modell, nem az eredeti pipeline replikációja. Elsődleges forrás - Jégkorong — Marek–Šedivá–Ťoupal (2014)
Bivariáns góleloszlás iránya. A rendelkezésre álló NHL-fájlban csak győztes volt, ezért ezen Elo-alapváltozatot tudtam tesztelni. Elsődleges forrás - E-sport — Thorrez: EsportsBench
Nyilvános rating-benchmark, dátum szerinti egyidejű frissítéssel. Counter-Strike adat, nem minden e-sport közös modellje. Elsődleges forrás - Kézilabda — Felice–Ley (2025)
Csapaterő és statisztikai eloszlás. A tanulmány női klubokra vonatkozik; a saját teszt férfi HBL-adaton, Gaussian ridge-változattal készült. Elsődleges forrás - Kézilabda — Groll és társai (2019)
Aluldiszpergált gólmodellek, normális közelítés vizsgálata. A saját havi támadó/védekező regresszió egyszerűbb alternatíva. Elsődleges forrás - Amerikai futball — Dmochowski (2023)
A fogadási döntéshez a kimenet eloszlása és a piaci határvonal számít. Elméleti keret; nem kész, garantáltan profitáló stratégia. Elsődleges forrás - Több sport — Duffield–Power–Rimella (2024)
Elo/Glicko/állapottér megközelítések egységesítése. Következő bővítési irány, nem mindet implementáltam. Elsődleges forrás
11. Minden modellváltozat
A kiválasztott konfigurációt „igen” jelöli. A kiválasztás validációs log loss alapján történt. A teljes táblázat JSON és táblázatos kimenetként is benne van a csomagban.
12. Újrafuttatás
Python 3.12 és a requirements.txt csomagjai szükségesek. A fetch_sources.py a dokumentált forrásokból letölti a kutatási bemeneteket; a manifesttel ellenőrzi az azonosságot. A forrás hozzáférésének vagy a licencének változása megakadályozhatja az újrafuttatást.
python fetch_sources.py
python score_models.py
python nba_model.py
python nfl_model.py
python seven_sport_models.py
python nfl_classifier.py
python test_models.py
python test_seven_sports.py
python test_paper_tracker.py
python build_seven_report.py
Fő eredmények: sportonkénti JSON, kiválasztott előrejelzések és fogadási sorok, összes modellváltozat, paraméterpárok, EV-érzékenység, forrásmanifest és paper-tracker. A sikeres letöltés után a modellfutások helyben számolnak.