Berechnung am Beispiel der English Premier League
Wie bereits geschrieben, das Beispiel geht davon aus, dass die Wettquoten für jedes Spiel während der gesamten Saison immer gleich sind; was offensichlich falsch ist. Man braucht sich nur mal den Spielschein für ein Wochenende anzusehen und da sieht man, dass jedes Spiel unterschiedliche Quoten hat. Dennoch, zum allgemeinen Verständnis von Wettquoten-Mathematik, bleiben wir mal bei dieser so offensichtlich unrichtigen Annahme.
Die English Premier League hat 380 Spiele während einer Saison. Hat man ein statistisch basiertes System, muss man natürlich auf alle Spiele wetten, da man ja nicht weiß, in welchen genau die Heim- oder Auswärtstore fallen.
Wettquoten Beispielrechnung: English Premier League
Legt man die Minimalquote (1.99) erreicht man einen Gewinn i.H.v. 78.93 € und hat nur in den Jahren 2005/2006 und 2009/2010 einen Verlust gemacht.
Legt oder backt man zu der kalkulierten Durchschnittsquote 2.08, kommt man am Ende mit genau 0.00 € raus.
Backt man zu den 2.17 Maximumquoten, hat man einen Gewinn i.H.v. 85.80 €, wobei das Jahr 2008/2009 einen geringfügigen Verlust gebracht hätte.
Abgeleitete Regel: Man kann langfristig nur Gewinne erzielen, wenn man zu Quoten legt oder backt, die NICHT exakt die Durchschnittsquote (das statistisch erwartete Ergebnis) darstellen. Man legt, wenn die Quoten niedriger sind als statistisch erwartet und backt, sind die Quoten höher.
Es war eine Menge an Mathe und Statistik; ich entschuldige mich und ich hoffe sehr, dass der Artikel dem einen oder anderen hilft, Wettenmathematik etwas besser zu verstehen.
In meinen nächsten Artikeln werde ich tiefer in die Materie eindringen und erläutern, wie man im Markt Abweichungen findet, was für Rückschlüsse man daraus ziehen kann und was wahrscheinlich alle am meisten interessiert, wie man dann Spiele zum Legen oder Wetten auf dieser Grundlage auswählt. Um meinen Artikeln und Erklärungen jedoch folgen zu können, muss man die Begriffe Mittelwert, absolute und relative Abweichung (Fehler) jedoch vollkommen verstehen wie auch die Formel, wie Wettquoten berechnet werden. Daher lege ich jedem ans herz, die Hausaufgaben gründlich zu machen und alles nachzurechnen; auch mit eigenen Beispielen und mit der eigenen bevorzugten Liga.
Ein Instrument zum Erkennen von Value Wetten, Kalkulieren von Zerowettquoten (wahre Wettquoten), Berechnung des potentiellen Ertrags ist in meinem Kurs Wetten auf Über/ Unter X Tore beschrieben. Der Leser lernt Schritt-für-Schritt die Herangehensweise an eine professionelle Wettauswahl.
Könnte man so auch Quoten für einzelne Mannschaften errechnen? Indem man guckt wie einzelne Mannschaften z.B. Bayern München zuhause gespielt hat, statt wie oben im Beispiel die gesamte Liga? Um die Heimquote für Bayern zu berechnen, würden wir dann die Durchschnittlichen Siege zu Hause nehmen + die Auswärtsniederlagen des gegners und dann die relative Abweichung einbauen? Möglich? oder Ansatz Falsch?
Hallo Sam,
ja, nicht nur „könnte“ man so auch Quoten für einzelne Mannschaften errechnen, sondern, man errechnet diese genau so! Man schaut wie einzelne Mannschaften z.B. Bayern München zuhause, spielen, und kombiniert das mit den Team, gegen das sie antreten. Um dann die Heimquote zu berechnen, nehmen wir dann die durchschnittlichen Siege zu Hause + die Auswärtsniederlagen des Gegners und bauen die relative Abweichung ein. Ja, total korrekt geschlussfolgert!
Dein Kommentar sagt mir jedoch, dass du nicht im Besitz meines Kurses (Wettkurs – Wetten auf Mehr als / Weniger als X Tore) bist. Liege ich da richtig? Denn in diesem geht’s um die Quotenberechnung für einzelne Mannschaften. Ich erkläre da lang und breit wie man das alles rechnet. Im Kurs geht’s zwar “nur” um Torverteilungen, denn beim 1×2 Wetten gibt’s noch etwas mehr zu beachten, aber er ist ein hervorragender Startpunkt.
Kennst du die beiden Artikel hier?
Tore in der Bundesliga: Abweichung vom Mittelwert & Standardabweichung
Andere Länder, andere Sitten – Tor Statistik Bundesliga, Premier League, Le Championnat & Eredivisie
Sollten deine English Kenntnisse nicht von schlechten Eltern sein, dann lege ich jedoch die englische Version ans Herz. Diese ist nicht nur wesentlich besser formatiert, sondern viele Fragen sind wesentlich detailierter beantwortet.
Ich hatte den Kurs zuerst auf Deutsch geschrieben hatte, dann hat diesen ein Übersetzer aus dem Finanzbereich übersetzt, und schließlich hat mein Mann editiert. Es ist somit das Werk dreier Leute geworden, was dem Kurs echt gut getan hat. Er ist toll wie er ist im Deutschen, aber im Englischen ist er ein Kunstwerk geworden. 🙂
welche daten sollte man bei einem aufsteiger verwenden von 25 spielen!? beispiel Hertha BSC..2013/14 —> 1.Bundesliga, 2013/12 —-> 2. Bundesliga, 2012/11 —> 1. Bundesliga
die daten von der zweiten liga oder die von der ersten liga 2012/11??
und lässt sich trotzdem das programm verwenden, wenn es kaum h2h daten gibt??
Es ist schon herausfordernd genug, einigermaßen akkurate Vorhersagen für Spiele mit einer H2H History zu erstellen, aber Spiele mit Aufsteigern… Mann oh Mann!
Man muss Riesen Portfolios an Wetten haben, so dass Durchschnittswerte der letzten Saison eine Rolle spielen.
Ich empfehle die Finger davon lassen!