Cara Merancang Strategi Taruhan Olahraga: Panduan Tingkat Lanjut

testing your betting system advanced guide

Dalam artikel kami sebelumnya, kami memperkenalkan tiga cara untuk menguji keterampilan Anda dalam taruhan olahraga:

  • Bertaruh dengan bankroll kecil (atau tanpa bankroll, mencatat taruhan ‘palsu’ dalam spreadsheet)
  • Backtesting
  • Nilai Garis Penutup

Dalam artikel ini, saya akan menjelaskan cara lain untuk menguji keterampilan Anda dan merancang strategi taruhan dengan mengikuti salah satu dari tiga metode ini:

  • Mengukur nilai-p dari backtest Anda
  • Pengujian ke depan
  • Taruhan buta

Ukur Nilai-p Backtest Anda

Backtest adalah cara menguji metode Anda dengan data sebelumnya. Anda akan memerlukan database acara olahraga dengan setidaknya:

  • Tanggal, sehingga acara Anda dapat dipesan tepat waktu
  • Pemain atau tim
  • Hasil acara
  • Kemungkinan

Mengenai peluang, peluang mana yang kita butuhkan? Peluang terbuka? Menutup peluang? 1 jam sebelum pertandingan? Nilai maksimum/minimum antara pembukaan dan penutupan? Dari berapa banyak bandar? Jawaban sederhana: semakin banyak, semakin baik (di Spanyol kami mengatakan, semakin banyak gula, semakin manis).

Pastikan saja peluangnya akurat, dan peluang itu sudah ada cukup lama untuk memasang taruhan Anda.

Ada beberapa sumber gratis untuk semua data ini, seperti betexplorer, oddsportal, data sepak bola dan data tenis, flashscore… Anda dapat membangun basis data dari mereka.

Untuk melakukan backtest Anda, Anda dapat menetapkan seperangkat aturan yang harus dipenuhi untuk bertaruh.

Kita dapat melakukannya dengan sangat cepat dengan Betaminic dan alat Pembuat Betaminnya. Sebagai contoh:

  • Tim yang belum pernah memenangkan satu pun dari 3 pertandingan terakhir berturut-turut saat bermain di kandang
  • Tim tandang tidak mencetak >2 gol dalam 3 pertandingan tandang terakhirnya
  • Pertandingan antara 2016 dan hari ini (26/11/2020)
  • Jika kedua syarat terpenuhi, maka bertaruhlah untuk tim tuan rumah, berapa pun peluangnya

Kita bisa mengecek “backtest” dari metode ini dengan hasil dan odds dari database, untuk periode lima tahun terakhir (2016 hingga 2020). Strategi ini akan memperoleh keuntungan 55 unit dengan odds rata-rata 2,95 dengan hasil 7,66%. Tetapi aturan khusus ini hanya menghasilkan 719 taruhan (dari 73009 pertandingan antara 2016 dan 2020, 1%). Anda dapat memeriksa strategi di sini (balas dendam rumah):

Simulasi Beta

Saya mengubah jumlah pertandingan berturut-turut dan jumlah gol beberapa kali sebelum mendapatkan strategi yang menguntungkan, jadi mungkinkah sistem terakhir adalah hasil dari “penambangan data” atau “overfitting”? Faktor-faktor ini pertama-tama perlu diperhitungkan untuk menyimpulkan jika hasil positif mungkin telah dicapai dengan keberuntungan atau varians sederhana.

Jadi, mari kita analisa apakah sistem ini akan memperoleh kemenangan jangka panjang? Kita dapat mengevaluasi nilai-p dengan kalkulator nilai-p ini, yaitu, probabilitas memperoleh hasil seperti itu hanya karena keberuntungan.

Perhitungan Nilai-P

Tidak buruk! 7,427%. Ini adalah hasil yang baik untuk strategi yang dibangun dalam beberapa menit. Tetapi ketahuilah bahwa kami belum menghitung probabilitas kemenangan kandang, kami juga tidak memperkirakan peluang minimum yang menguntungkan, dan kami juga belum memperhitungkan peluang, untuk memutuskan apakah kami bertaruh atau tidak. Aturannya sangat sederhana, mungkin terlalu sederhana.

Nilai wajar yang diperlukan untuk mempertimbangkan bahwa kita belum beruntung adalah memperoleh nilai p lebih rendah dari 1% (@12xpert akan mengatakan bahkan lebih rendah dari 0,1%). Jadi apa yang dapat kita lakukan untuk meningkatkan strategi kita?: Kita membutuhkan hasil yang lebih tinggi!

Kita bisa menambahkan aturan tambahan untuk mendapatkan strategi baru (Home come back):

  • Tim tuan rumah tidak kebobolan lebih dari 1 gol dalam setidaknya satu dari 3 pertandingan terakhir (tidak menang).

Simulasi Beta yang Disesuaikan

Ya! Hasil telah meningkat menjadi 15,90%, dengan keuntungan yang hampir sama, 44,7 unit. Tetapi jumlah taruhan telah dikurangi menjadi 300 dalam 5 tahun terakhir… Akibatnya, nilai-p sekali lagi tidak cukup kecil:

Perhitungan Nilai-P yang Disesuaikan

terlepas dari itu, ini tidak secara pasti mengkonfirmasi apakah strategi ini menguntungkan atau tidak, kami akan memverifikasi sistem menggunakan bentuk pengujian berikut: uji maju.

Tes Maju

Uji maju adalah evaluasi metode atau strategi, tanpa memperhitungkan data masa depan yang tidak akan kita ketahui saat menetapkan aturan metode.

Anda mungkin berpikir: Hei, kami telah melakukan backtest dengan data masa lalu, kami tidak menggunakan data masa depan. Tapi ya, kami melakukannya. Kami telah menetapkan aturan untuk memutuskan apakah kami bertaruh atau tidak menggunakan data peluang dan hasil yang seharusnya tidak kami ketahui. Kami telah menggunakan data “masa depan” (peluang dan hasil) untuk mengkalibrasi parameter metode kami.

Tetapi sekarang, setelah Anda mengkalibrasi model Anda dengan data sebelumnya, kami harus memelihara sistem dan menghindari perubahan apa pun di masa mendatang, dan mengevaluasi metode Anda dengan data yang akan datang.

Kami juga dapat mensimulasikan ini di Betamic. Kita dapat membangun strategi dengan data masa lalu dari periode waktu kalibrasi, dan melakukan uji maju teoritis dengan tahun berikutnya, misalnya.

Saya telah membuat strategi sederhana baru (Kejutan tim tandang):

  • Tim tuan rumah telah memenangkan 2 pertandingan berturut-turut
  • Tim tuan rumah tidak mencetak lebih dari 2 gol di kedua pertandingan
  • Jika itu terjadi, kami bertaruh AH Away+0.5 (X2)
  • Periode kalibrasi dari 2014 hingga 2019.

Simulasi Uji Betamin Maju

Dari total 84835 pertandingan, pada periode backtest antara 2014 dan 2018/2019, kami akan bertaruh 453 pertandingan, dengan keuntungan 12,42 unit dan hasil 2,74%. Nilai p adalah 28,1%. Apa yang akan terjadi dalam beberapa tahun ke depan? Sudahkah kita beruntung dalam masa kalibrasi? Kami dapat menetapkan parameter yang sama dan mengevaluasi strategi lagi, melakukan uji maju kami dengan strategi (Tes maju kejutan tim tamu):

Tes maju kejutan tim tamu

Kami telah menang lagi! Sebenarnya saya tidak menyangka bisa menang di forward-test, tapi mungkin kita telah menemukan “tambang emas”. Saya pikir saya sangat beruntung! Mari kita lihat di masa depan…

Statistik periode total (total kejutan tim Tamu) adalah 591 taruhan dengan odds rata-rata 1,98, dengan keuntungan 17,01 unit, dan hasil 2,88%. Itu menghasilkan nilai p yang sedikit lebih rendah dari 23,97%. Saya masih tidak akan mengambil risiko uang nyata dengan strategi ini…

Simulasi total uji maju

Taruhan Buta

Metode ini membutuhkan disiplin yang ekstrim. Taruhan buta tidak bertaruh dengan penutup mata. Taruhan buta mencoba menghitung probabilitas hasil pertandingan tanpa mengetahui apa pun tentang peluang taruhan. Beberapa tipster ahli, seperti @SquashPicks, gunakan metode ini.

Untuk mempraktikkan metode taruhan buta ini, Anda perlu:

  1. Pilih pertandingan dan pasaran (Home/Away, Over/Under, dll). Hindari melihat peluang bandar taruhan!
  2. Cobalah untuk menetapkan probabilitas dari semua hasil yang mungkin. Ingat bahwa jumlah semua probabilitas harus menghasilkan 1!
  3. Hitung perkiraan peluang sebagai kebalikan dari perkiraan probabilitas.
  4. Perkirakan kesalahan dengan mencatat jika Anda “sangat yakin” atau “tidak yakin” tentang probabilitas yang telah Anda buat. Anda dapat menggunakan beberapa tingkat ketidakpastian.
  5. Bergantung pada kesalahan, tingkatkan peluang dengan mengalikan dengan “faktor keamanan” yang bergantung pada perkiraan kesalahan. Misalnya 1.1 untuk “sangat yakin” dan 1.25 untuk “tidak yakin”. Ini adalah “peluang menguntungkan minimum” Anda.
  6. Catat semua nilai sebelumnya untuk berkonsultasi dengan peluang taruhan apa pun.
  7. Periksa taruhan Anda dan simpan nilai peluangnya. Jika memungkinkan, simpan juga peluang penutupan. Jika Anda ingin membandingkan perkiraan probabilitas Anda, dengan probabilitas yang diperkirakan oleh bandar, ingatlah bahwa Anda perlu menghitung kebalikan dari peluang bandar dan kemudian menghapus margin.
  8. Jika peluang lebih tinggi dari peluang minimum yang menguntungkan, maka Anda harus mencatat taruhan. Anda dapat menggunakan strategi yang berbeda untuk ukuran taruhan, seperti yang kami jelaskan di sini.
  9. Tunggu hasilnya dan evaluasi metode Anda.

Dengan melakukan itu, Anda melatih estimasi probabilitas dan kesalahan Anda. Jika Anda melacak taruhan Anda dan akhirnya mendapatkan keuntungan, mungkin Anda telah menemukan metode taruhan nilai baru! Saya sarankan Anda menghitung nilai p dari taruhan Anda juga, kemudian mulai bertaruh jika nilai p ini cukup kecil untuk Anda.

Metode taruhan buta ini juga dapat disesuaikan dengan jenis backtest yang sama dengan mengubah “faktor keamanan” atau ukuran taruhan Anda (Anda tidak boleh mengubah perkiraan probabilitas Anda setelah pertandingan dimainkan, karena Anda mungkin tahu hasil atau peluangnya, dan dapat dipengaruhi oleh “bias jangkar”). Namun, semakin Anda meningkatkan faktor keamanan Anda, semakin sedikit taruhan yang akan Anda pasang. Hasil mungkin akan tumbuh, tetapi nilai-p seringkali masih lebih tinggi.

Kesimpulan

Kami telah menjelaskan tiga cara lanjutan untuk menguji strategi atau metode Anda. Semuanya membutuhkan waktu untuk “berpikir lambat” dan sangat sulit untuk menemukan metode yang menguntungkan dengan backtest nilai-p yang sangat rendah yang juga berkinerja baik dalam uji maju; atau metode taruhan buta yang memperoleh hasil yang baik, bahkan setelah menyesuaikan faktor keamanan; atau strategi taruhan yang secara sistematis mengalahkan Nilai Garis Penutupan.

Namun, saya sarankan Anda menggabungkan ketiga metode pengujian. Gunakan tes balik yang dihasilkan oleh taruhan buta, sesuaikan faktor keamanan, hitung nilai-pnya, lalu evaluasi tes maju.

Jika Anda hanya menggunakan pikiran dan intuisi Anda untuk memperkirakan probabilitas Anda, akan sangat sulit untuk melakukan lebih dari satu backtest: “Jika saya dapat kembali ke waktu satu tahun, probabilitas apa yang akan saya prediksi untuk pertandingan hari berikutnya? ” Karena Anda mungkin sudah mengetahui hasil atau peluangnya, atau Anda telah memperkirakan probabilitas ini sebelumnya, Anda akan terpengaruh olehnya. Ini adalah salah satu kerugian menjadi seorang tipster daripada menggunakan algoritme, seperti yang dijelaskan dalam artikel Tipsters vs AI Machine Learning.

Satu-satunya cara yang saya tahu untuk melakukan banyak backtest adalah dengan menggunakan algoritma atau metode statistik seperti contoh di atas, tetapi itu membutuhkan banyak data dan juga keterampilan pemrograman, statistik, dan matematika. Pada akhirnya, jika Anda ingin menang, Anda harus menginvestasikan banyak tenaga dan waktu (dan mungkin juga Anda akan membutuhkan uang untuk membeli komputer baru yang kuat!).

Beri tahu kami bagaimana Anda menguji sistem taruhan Anda, metode mana yang Anda gunakan? Jika Anda memiliki metode pengujian lain yang Anda gunakan, beri tahu kami di komentar di bawah!

Author: Aubrey Moore