Οικονομική Βελτιστοποίηση Εκμετάλλευσης Προβλέψεων Ποδοσφαίρου από Μηχανική Μάθηση

Abstract

Η εξαγωγή προβλέψεων φαβορί ποδοσφαιρικών αναμετρήσεων με τη χρήση βελτιστοποιημένων μοντέλων Μηχανικής Μάθησης αποτελεί αντικείμενο μεγάλου αριθμού ερευνητικών δημοσιεύσεων. Όμως, δεν έχει παρουσιαστεί επαρκής έρευνα που να καταδεικνύει τα μοντέλα μηχανικής μάθησης που είναι καταλληλότερα στην εξαγωγή πιθανοτήτων που αντιστοιχούν στην εκπλήρωση των πιθανών αποτελεσμάτων για κάθε αγώνα. Η εργασία θα παρουσιάσει μια μεθοδολογία εξαγωγής βέλτιστων ποσών τοποθέτησης στο παίγνιο του στοιχήματος που βασίζεται στο κριτήριο Kelly. Η ποιότητα των προγνώσεων πιθανοτήτων είναι απόλυτα συνδεδεμένη με τη κερδοφορία που επιτυγχάνεται με τη χρήση αυτής της μεθόδου. Με αυτόν τον τρόπο προκύπτουν συμπεράσματα για τους ταξινομητές. Ταυτόχρονα, αποδεικνύεται πως η προσέγγιση του Kelly Criterion για το παίγνιο αποτελεί τη βέλτιστη οπότε η εργασία παρουσιάζει και μια ρεαλιστική μελέτη που αφορά τη βέλτιστη χρήση αυτών των προβλέψεων στο παίγνιο. Λαμβάνονται αποτελέσματα από προσομοιώσεις παιξίματος με τη χρήση ιστορικών δεδομένων για 3 διαφορετικούς συνδυασμούς μοντέλων Μηχανικής Μάθησης και της τεχνικής εξαγωγής ποσών τοποθέτησης στο παίγνιο που εισάγει η εργασία για τα κύρια πρωταθλήματα 4 μεγάλων ευρωπαϊκών κρατών. Τα αποτελέσματα που προκύπτουν είναι αρκετά ικανοποιητικά.