Explorar dados de apostas sem se enganar: teste fora da amostra
Mais dados não tornam uma regra verdadeira. Teste-a em apostas que nunca viu e conte quantas regras experimentou.
Para um apostador, data mining é peneirar preços e resultados passados à procura de uma regra que valha a pena apostar, e depois verificá-la em apostas que nunca viu. Um artigo da Pinnacle descreve um modelo de apostas como um sistema capaz de identificar pontos de referência sem enviesamento para determinar a probabilidade de todos os resultados, e diz depois que tem de ser testado e mantido. A armadilha é o volume: teste regras suficientes e a melhor delas parece uma vantagem. Suponha que 250 regras sem vantagem são testadas, cada uma nas suas próprias 200 apostas independentes a uma cotação de 2,00, com valor apostado fixo; a melhor tem em média +19,87% por aposta (hipotético). Esta página cobre os dados, as variáveis, essa armadilha e o que um registo de apostas permite testar numa exchange de apostas como a Orbit Exchange.
De onde vêm os dados
Um artigo da Pinnacle sobre como construir um modelo de apostas dá duas formas de recolher dados: «por si próprio, ou usando outros dados publicados online». O âmbito é uma questão de critério. O mesmo artigo pergunta «deve considerar todos os jogos ou apenas os jogos de campeonato?» e responde que a decisão é «determinada pelo seu objetivo». Portanto o objetivo vem primeiro, e a folha de cálculo depois.
Os ecrãs dos próprios brokers, como extratos, análises e gráficos do historial de preços, diferem de um broker para outro. A página das ferramentas dos brokers cobre o que cada um põe no ecrã, pelo que não se repete aqui. A interface da Orbit tem um ecrã «Account Statement» e um ecrã «Betting Profit & Loss».
Uma condição pertence a qualquer conversa sobre dados. Os termos da MadMarket e da BetInAsia proíbem, cada um, que um utilizador use «qualquer robô, spider ou outro mecanismo automatizado» para obter ou indexar informação do serviço.
Que variáveis, e porquê
Poucas, explicadas e verificadas quanto à deriva.
O artigo da Pinnacle expõe um ciclo. Leia-o como um ciclo e não como uma receita rígida. Os passos:
- Fixe um objetivo, porque «Sem um objetivo pode ficar sobrecarregado de números».
- Recolha os dados, por si próprio ou a partir de outros dados publicados online.
- Escolha uma forma para o modelo. O conselho do artigo: «A nossa recomendação é não complicar demasiado.»
- Liste os seus pressupostos e os respetivos limites; por exemplo, «as médias e os desvios-padrão pressupõem que os acontecimentos seguem uma distribuição normal», o que tem de ser testado.
- Teste a sensibilidade aos resultados e mantenha-o ao longo do tempo, porque «precisa de ser mantido à medida que o tempo passa».
Que variáveis entram é consigo. O artigo da AsianConnect sobre análise com IA lista os dados que uma ferramenta dessas pode processar: resultados passados, estatísticas de jogadores, tendências das equipas, historial em casa e fora, lesões, posse de bola, conversão de remates e movimentos do mercado. Outro artigo da AsianConnect diz «A posse de bola mede apenas uma coisa», pelo que um número da lista pode medir menos do que o seu nome sugere.
A MadMarket oferece uma calculadora de Poisson como exemplo de um modelo alimentado à mão. Introduza valores esperados, como golos no futebol, e ela devolve os dez resultados mais prováveis, ordenados da probabilidade mais alta para a mais baixa. Mostra de quão pouco um modelo simples precisa e quanto assenta nos números que escreve.
Os dados também ficam desatualizados. A AsianConnect escreve, a propósito dos esports, que uma atualização do jogo deixa os resultados anteriores «menos preditivos», e que os dados históricos devem ser combinados com desempenhos recentes na versão atual. Outro artigo da AsianConnect diz que alguns jogos no início de uma época são uma amostra pequena. Eu preferia duas variáveis que consigo explicar a doze que não consigo, porque as doze são mais doze sítios onde o historial pode favorecer a regra, e um modelo cujo resultado não consegue rastrear até aos dados de entrada é um modelo que não consegue reparar quando deixa de funcionar.
A armadilha da melhor de muitas
Porque é que o vencedor de um concurso de regras costuma ser sorte.
Experimente regras suficientes e uma delas vai parecer brilhante. Qual delas é a pergunta a que o historial não consegue responder.
Algumas definições simples, nas palavras do site. Testar «no historial» é aplicar uma regra a apostas já jogadas. Fora da amostra é aplicá-la a apostas que nunca viu. O sobreajuste é escolher uma regra porque se saiu bem no historial. O risco é o número de regras que experimentou, por isso conte-as e guarde as perdedoras no registo.
Hipotético. Cada regra é testada nas suas próprias 200 apostas independentes a uma cotação de 2,00 (50% de probabilidade de ganhar), com valor apostado fixo e sem vantagem. A barra é o valor esperado exato do melhor resultado entre N regras.
Mostrar a tabela de dados
| Regras testadas | Melhor retorno médio por aposta |
|---|---|
| 1 regra | 0,00% |
| 10 regras | +10,87% |
| 50 regras | +15,87% |
| 250 regras | +19,87% |
Dez regras, nenhuma com vantagem
Suponha que testa dez regras, cada uma nas suas próprias 200 apostas independentes a uma cotação de 2,00, e nenhuma tem vantagem. A melhor delas continua a ter em média +10,87% por aposta neste cálculo. Escolha-a e aposte nas 200 seguintes, e não há razão para se repetir.
Os recursos da Pinnacle descrevem a mesma sorte por outros ângulos. Um colaborador dos recursos da Pinnacle escreve que um historial de apostas com valor esperado positivo acabou mesmo assim em perda numa parte das simulações, e que o intervalo de retornos possíveis estreita à medida que o historial cresce. Um artigo diz que, mesmo ao longo de uma época inteira, «a aleatoriedade continua a influenciar o total final de pontos de uma equipa», e outro descreve «períodos de desempenho acima e abaixo do esperado que duram milhares de apostas». Um convidado de um podcast da Pinnacle diz que, quando um modelo é avaliado por métricas de erro, se quer «um grande número de ensaios fora da amostra» para garantir que o que se vê é «estatisticamente significativo». Quantas apostas isso significa para a sua regra é outra questão, e o roteiro do ponto de equilíbrio começa por ela sem dar um limiar.
Um ajuste ao passado não é um plano
Uma regra que se ajusta ao passado não é um plano para a próxima aposta, e a maioria dos apostadores acaba em prejuízo. Isto explica como testar uma regra. Não diz em que regra apostar.
O que o seu registo de apostas permite testar
O seu próprio registo é um conjunto de teste, e constrói-o sem tocar nos dados de um broker. Um artigo da Pinnacle sugere que «Documentemos as nossas apostas e procuremos padrões estranhos na folha de cálculo». A Orbit Exchange tem um ecrã «Account Statement». O registo do que pretendia é um registo separado, e é seu para manter. Comparar o preço que obteve com o fecho é o trabalho da página do preço de fecho, que esta página não trata. As colunas de que o registo precisa e a frequência com que o deve ler estão na página da rotina de trabalho, e a página sobre estimar um preço justo cobre a origem da probabilidade por trás de uma regra.
Um artigo da Pinnacle mede um apostador pela proximidade com que o valor esperado previsto acompanha o retorno real «ao longo de uma amostra de dimensão suficiente». O registo é o sítio onde os dois ficam lado a lado, por isso escreva uma regra antes das apostas que ela cobre e, quando mudar uma regra, comece uma contagem nova, não uma continuação da antiga.
Respostas breves
O que é um backtest nas apostas desportivas?
Fazer um backtest é repetir, sobre preços e resultados passados, uma regra escrita de antemão, para ver o que ela teria feito. O ponto fraco é o preço. O teste precisa das cotações que estavam disponíveis quando teria apostado, não das cotações de fecho. Um artigo da Pinnacle expõe o problema dos preços de fecho assim: «é um exercício retrospetivo; não podemos saber as cotações de fecho de um jogo antes de ele começar». Escreva primeiro a regra, teste-a uma só vez em apostas a partir das quais não foi construída e guarde o registo de todas as regras que experimentou.
O que é sobreajuste num modelo de apostas?
O sobreajuste (overfitting) é escolher uma regra porque se saiu bem no historial que tinha à frente. A regra passa então a levar consigo a sorte desse historial, além do que nele for real. O gráfico da secção sobre a armadilha mostra o caso mais limpo: regras sem qualquer vantagem, e a melhor de muitas continua a ter em média um retorno positivo no historial de onde foi escolhida. Fora da amostra, não há razão para se repetir.
Quantas apostas são precisas para testar uma estratégia?
Um artigo da Pinnacle pergunta se uma época é uma amostra suficientemente grande, e outro descreve períodos de desempenho acima e abaixo do esperado que duram milhares de apostas. Um convidado de um podcast da Pinnacle, a falar de modelos avaliados por métricas de erro, diz que se quer «um grande número de ensaios fora da amostra». A página do preço de fecho traz o mínimo sugerido pela AsianConnect para acompanhar o valor da linha de fecho, e o roteiro mostra quanto tempo demora a aparecer mesmo uma vantagem real. Esta página não fixa nenhum limiar.
Para onde ir a seguir
Para a matemática que está por baixo de tudo isto, a amostra e a variância, volte ao roteiro. A página das calculadoras lista o que o site e os brokers oferecem, e o conversor de cotações transforma qualquer preço numa probabilidade. Uma regra precisa de um sítio onde ser apostada, e a profundidade de mercado diz quanto vale um preço com apostas de valor elevado. Para abrir a própria porta, o caminho para a Orbit Exchange explica que brokers o fazem, e a comparação de brokers põe-nos lado a lado.