Statistik

Sportwetten-Systeme: Modelle, Einsatzstrategien und die Beweislage

Auf dieser Seite
  1. Was bedeutet „Sportwetten-System“?
  2. Die Grundmathematik: Wahrscheinlichkeit, Quote und Erwartungswert
  3. Quoten enthalten eine Marge, keine fertigen wahren Wahrscheinlichkeiten
  4. Prognosesysteme: Was die Modelle tatsächlich schätzen
  5. Auswahlregeln: Eine Prognose ist nur ein Eingang
  6. Einsatzsysteme: Die Steuerung des Risikos ist eine eigene Aufgabe
  7. Warum Martingale den zugrunde liegenden Nachteil nicht beseitigt
  8. Das Kelly-Kriterium: ein Wachstumsziel mit anspruchsvollen Annahmen
  9. Kombiwetten, Round Robins und Systemwetten
  10. Arbitrage und Hedging sind etwas anderes als die Prognose eines Ergebnisses
  11. Wie du ein Sportwetten-System testest, ohne dich selbst zu täuschen
  12. Wahrscheinlichkeiten, finanzielle Ergebnisse und Risiko getrennt messen
  13. Wie viele Belege sind genug?
  14. Eine praktische Checkliste für die Bewertung eines behaupteten Systems
  15. Häufige Fragen
  16. Quellen und Geltungsbereich der Belege

Kurze Antwort: Sportwetten-Systeme sind Regeln, um Ergebnisse zu schätzen, Quoten auszuwählen, Einsätze zu bemessen oder Auswahlen zu kombinieren. Das sind verschiedene Aufgaben. Eine Einsatzregel allein kann aus Auswahlen mit negativem Erwartungswert keinen Prozess mit positivem Erwartungswert machen, wenn Quoten und bedingte Wahrscheinlichkeiten gleich bleiben. Statistische Modelle lassen sich testen, aber ein historischer Gewinn ist kein Beweis für einen dauerhaften Vorteil. Die nützlichen Fragen lauten: Was setzt ein System voraus, wie verhalten sich seine Wahrscheinlichkeiten zu den verfügbaren Quoten, und ob seine Ergebnisse einem realistischen Test an zuvor ungesehenen Daten standhalten.

Dieser Leitfaden trennt die Mathematik vom Marketing. Er erklärt die wichtigsten Arten von Systemen, rechnet die Beispiele durch und beschreibt, wie belastbare Belege aussehen würden. Er ist eine erklärende Zusammenstellung von ABV Tips, einem Herausgeber von Sportprognosen mit einem kommerziellen Interesse an diesem Thema. Es ist keine unabhängig geprüfte Studie, keine Empfehlung zum Wetten und keine Behauptung, dass ein System Gewinn garantiert.

Sofern nicht anders angegeben, verwenden die Beispiele hypothetische Dezimalquoten, Einsätze in abstrakten Einheiten und Wetten mit zwei Ausgängen: voller Gewinn oder voller Verlust. Rückflüsse enthalten den ursprünglichen Einsatz, Gewinne nicht. Reale Märkte können Unentschieden, Einsatzrückzahlungen, Teilabrechnungen, Provisionen, Steuern und andere Bedingungen enthalten, die die Berechnungen verändern. Die Beispiele veranschaulichen Mechanismen, keine Prognosen erreichbarer Renditen.

Was bedeutet „Sportwetten-System“?

Der Begriff wird für mehrere Dinge verwendet, die getrennt bewertet werden sollten.

Art des SystemsFrage, die es beantwortetBeispieleHauptgrenze
PrognosemodellWie wahrscheinlich ist jedes Ergebnis?Poisson-Modelle, Ratings, logistische Regression, maschinelles LernenGeschätzte Wahrscheinlichkeiten können falsch sein oder veralten
AuswahlregelWelche verfügbaren Quoten bestehen einen festgelegten Test?Ein Schwellenwert, der die Modellwahrscheinlichkeit mit der angebotenen Quote vergleichtEin Schwellenwert hilft nur, wenn die zugrunde liegenden Wahrscheinlichkeiten und Quoten glaubwürdig sind
EinsatzregelWie viel wird bei jeder Auswahl riskiert?Feste Einsätze, feste Anteile, Kelly, VerlustprogressionenEine Änderung der Einsatzhöhe belegt keinen Vorteil
KombinationsstrukturWie werden mehrere Auswahlen zusammengefasst?Kombiwetten, Doppelwetten, Round Robins und SystemwettenGemeinsame Wahrscheinlichkeiten und das Gesamtrisiko sind entscheidend
AusführungsprozessKann die festgehaltene Chance tatsächlich genutzt werden?Zeitgestempelte Quotenerfassung, Abrechnungsregeln und RisikolimitsEin theoretisches Ergebnis übersteht die reale Ausführung möglicherweise nicht

Ein vollständiger Prozess kann alle fünf enthalten. Wenn man einen Prozess „datengetrieben“ nennt, sagt das wenig darüber aus, ob jede Komponente funktioniert. Ein anspruchsvolles Prognosemodell kann mit einer riskanten Einsatzregel kombiniert werden; eine vorsichtige Einsatzregel kann mit einem ungenauen Modell kombiniert werden.

Außerdem gibt es eine Begriffsfalle. Eine Systemwette kann eine Sammlung kleinerer Kombinationen bezeichnen, etwa alle Doppelwetten aus vier Auswahlen. Das ist eine Wettstruktur und nicht unbedingt ein statistisches System zur Erkennung günstiger Quoten.

Die wissenschaftliche Literatur liefert konkrete Beispiele für diese Unterscheidung. Dixon und Coles entwickelten ein Modell für Fußballergebnisse und untersuchten eine daraus abgeleitete Wettstrategie. Kellys Arbeit befasst sich mit der Kapitalaufteilung bei vorgegebenen Wahrscheinlichkeiten und Auszahlungen. Das sind verwandte, aber nicht austauschbare Fragestellungen. Dixon and Coles, 1997; Kelly, 1956.

Die Grundmathematik: Wahrscheinlichkeit, Quote und Erwartungswert

Dezimalquoten und die Break-even-Wahrscheinlichkeit

Bei der Dezimalquote d bringt ein gewinnender Einsatz von einer Einheit d Einheiten zurück, einschließlich der ursprünglichen Einheit. Der Nettogewinn beträgt d − 1. Ein verlierender Einsatz verliert eine Einheit.

Wenn die tatsächliche Gewinnwahrscheinlichkeit p beträgt, ist der erwartete Nettogewinn pro eingesetzter Einheit:

EV = p × (d − 1) − (1 − p) = p × d − 1

„Erwartet“ bedeutet einen wahrscheinlichkeitsgewichteten Durchschnitt, nicht das, was die nächste Auswahl zurückbringt. Die Break-even-Wahrscheinlichkeit für diese einfache Abrechnung ist:

p_break-even = 1 / d

Bei einer Quote von 1.90 liegt die Break-even-Wahrscheinlichkeit bei etwa 52.63%. Eine Trefferquote von 50% verliert bei diesem Preis im Durchschnitt Geld, obwohl Gewinne und Verluste gleich oft vorkommen.

Dieselbe Prognose kann bei einer Quote attraktiv und bei einer anderen unattraktiv sein

Angenommen, ein Modell weist einem Ergebnis eine Gewinnchance von 55% zu. Diese Wahrscheinlichkeit ist eine Annahme für das Beispiel; sie wurde nicht als richtig nachgewiesen.

DezimalquoteAngenommene GewinnwahrscheinlichkeitErwarteter Nettogewinn pro EinheitDeutung unter dieser Annahme
1.7055%−0.065 Einheiten−6.5% erwartete Rendite auf den Einsatz
1.8055%−0.010 Einheiten−1.0% erwartete Rendite auf den Einsatz
1.9055%+0.045 Einheiten+4.5% erwartete Rendite auf den Einsatz
2.0055%+0.100 Einheiten+10.0% erwartete Rendite auf den Einsatz

Die Tabelle identifiziert keine profitable Chance. Sie zeigt, warum eine Auswahl ohne Quote nicht beurteilt werden kann. Wenn die Schätzung von 55% zu hoch ist, kann der scheinbare Vorteil verschwinden.

Außerdem zeigt sie, warum eine hohe Trefferquote nicht ausreicht. Ein System, das 70% der Auswahlen bei einer Quote von 1.30 gewinnt, hat einen erwarteten Gewinn von 0.70 × 1.30 − 1 = −0.09, also −9% pro Einheit. Ein System mit weniger Gewinnen kann eine bessere Rendite haben, wenn seine erfolgreichen Auswahlen mit ausreichend höheren Quoten bezahlt werden.

Push und Teilabrechnungen brauchen eigene Wahrscheinlichkeiten

Wenn eine Wette gewinnen, mit Einsatzrückzahlung enden oder verlieren kann, verwende die Wahrscheinlichkeiten aller drei Ausgänge. Bei voller Rückerstattung im Fall eines Push gilt:

EV = p_win × (d − 1) − p_loss

Ein Push trägt einen Nettogewinn von null bei. Ein halber Gewinn oder ein halber Verlust trägt seine tatsächliche anteilige Auszahlung bei. Wenn man diese Abrechnungen in eine einfache Gewinn-/Verlust-Angabe presst, können sowohl der Erwartungswert als auch die Leistungsstatistik verzerrt werden.

Unser Leitfaden zum Asiatischen Handicap erklärt die Abrechnungsmechanik; der entscheidende Punkt hier ist, dass das mathematische Modell zu den tatsächlichen Wettbedingungen passen muss.

Quoten enthalten eine Marge, keine fertigen wahren Wahrscheinlichkeiten

Für einen Markt mit sich gegenseitig ausschließenden und erschöpfenden Ausgängen mit den Dezimalquoten d₁, d₂, … berechne die rohen impliziten Wahrscheinlichkeiten qᵢ = 1 / dᵢ.

Ihre Summe ist oft größer als eins. Der Überschuss über eins heißt Overround:

overround = Σ(1 / dᵢ) − 1

Betrachten wir zum Beispiel einen hypothetischen Markt mit zwei Ausgängen, bei dem beide Ausgänge mit 1.90 quotiert sind. Die rohen impliziten Wahrscheinlichkeiten betragen 52.63% und 52.63% und ergeben zusammen 105.26%. Der Overround beträgt etwa 5.26 Prozentpunkte.

Wenn die Ausgänge tatsächlich gleich wahrscheinlich sind, beträgt der erwartete Verlust bei jeder Auswahl 5% des Einsatzes: 0.50 × 1.90 − 1 = −0.05. Beachte: 5.26% Overround und 5% erwarteter Verlust sind verschiedene Größen. Der Overround ist nicht automatisch die realisierte Gewinnrate des Anbieters oder der erwartete Verlust bei jeder möglichen Auswahl.

Das Entfernen des Overrounds ist eine Schätzentscheidung

Eine gängige erste Näherung teilt jede rohe implizite Wahrscheinlichkeit durch deren Summe:

pᵢ_normalised = qᵢ / Σqⱼ

Dadurch ergeben sich Wahrscheinlichkeiten, die sich zu eins addieren, aber das setzt eine bestimmte Aufteilung der Marge voraus. Es enthüllt nicht die wahren Wahrscheinlichkeiten. Andere Methoden treffen andere Annahmen darüber, wie Quoten verzerrt sind, einschließlich des Favoriten-Außenseiter-Effekts.

Štrumbelj untersuchte Methoden, Wahrscheinlichkeitsprognosen aus Wettquoten abzuleiten. Praktisch bedeutet das: Eine aus einem Markt abgeleitete „faire Wahrscheinlichkeit“ sollte als Schätzung gekennzeichnet werden, die mit einer angegebenen Methode erzeugt wurde. Sie ist keine beobachtete Tatsache. Štrumbelj, 2014.

Marktquoten als Maßstab, nicht als Orakel

Quoten bündeln Informationen und kommerzielle Entscheidungen. Sie können Prognosekompetenz, Kundenpräferenzen, Risikoexposition und den Wettbewerb im Markt widerspiegeln. Man sollte nicht davon ausgehen, dass sie entweder perfekt genau sind oder mechanisch so angepasst werden, dass auf jeden Ausgang gleich viel Geld entfällt.

Levitts Untersuchung eines bestimmten Wettdatensatzes zum American Football fand Belege für gezielte Risikosteuerung und die Ausnutzung von Verzerrungen bei den Wettenden. Sie stellt die einfache Erklärung „der Buchmacher gleicht sein Wettbuch immer aus“ infrage. Ihre Ergebnisse beschreiben den untersuchten Markt und Zeitraum, nicht jeden Sport, jeden Anbieter oder jeden modernen Markt. Levitt, 2004.

Prognosesysteme: Was die Modelle tatsächlich schätzen

Ratings und Regression

Ratingmodelle fassen die relative Stärke von Mannschaften oder Spielern zusammen. Regressionsmodelle verbinden Prädiktoren, etwa geschätzte Stärke und Heimvorteil, mit einem Ergebnis oder einer Wahrscheinlichkeitsverteilung.

Die Familie der Regressionsmodelle muss zum Zielwert passen. Die logistische Regression kann ein binäres Ergebnis modellieren; multinomiale Modelle können mehrere Ergebniskategorien abbilden; Zählmodelle können Tore oder Punkte abbilden. Die gewöhnliche lineare Regression ist ein Werkzeug unter mehreren und nicht die Standardlösung für jedes Sportergebnis.

Prognostischer Nutzen unterscheidet sich außerdem von Kausalität. Eine Variable kann eine Prognose verbessern, ohne nachweislich das Ergebnis zu verursachen. Umgekehrt zeigt eine plausible kausale Erklärung nicht, dass sie über das hinaus, was bereits im Preis steckt, zusätzliche Prognoseinformationen liefert.

Poisson-Fußballmodelle und Dixon–Coles

Ein einfaches Poisson-Modell behandelt die Torzahl einer Mannschaft als Zufallsvariable mit einer erwarteten Rate, die oft als λ geschrieben wird:

P(G = k) = exp(−λ) × λ^k / k!

Dabei ist k eine nichtnegative Torzahl und k! ihre Fakultät. Mit einem Modell für die Tore beider Mannschaften lassen sich die Wahrscheinlichkeiten einzelner Endstände zu Wahrscheinlichkeiten für Heimsieg, Unentschieden, Auswärtssieg oder den Gesamttormarkt summieren.

Zur Veranschaulichung: Wenn ein unabhängiges Poisson-Modell der Heimmannschaft 1.5 erwartete Tore und der Auswärtsmannschaft 1.0 erwartete Tore zuweist, beträgt seine Wahrscheinlichkeit für ein 0:0:

P(0:0) = exp(−1.5) × exp(−1.0) = exp(−2.5) ≈ 8.21%

Diese Zahl folgt aus dem angenommenen Modell. Sie ist kein Beweis dafür, dass ein echtes Spiel diese Wahrscheinlichkeit hat. Zu den Grenzen des Modells gehören Veränderungen der Mannschaftsstärke und Abhängigkeiten zwischen den beiden Torprozessen.

Die Arbeit von Dixon und Coles aus dem Jahr 1997 entwickelte einen auf der Poisson-Regression basierenden Ansatz für Fußballergebnisse, der die dynamische Natur der Mannschaftsleistung berücksichtigt, und untersuchte eine daraus abgeleitete Wettstrategie mit historischen Quoten. Die berichtete historische Rendite ist ein Beleg für das Modell und die Stichprobe dieser Studie. Sie belegt nicht, dass derselbe Ansatz bei den heutigen Quoten eine positive Rendite erzielt. Dixon and Coles, 1997.

Maschinelles Lernen ändert die Modellklasse, nicht die Beweislast

Baumensembles, neuronale Netze und andere flexible Verfahren können komplexe Zusammenhänge abbilden. Sie können aber auch Rauschen anpassen, zufällige Datenlecks ausnutzen oder auf einem Testdatensatz gut abschneiden, der die Entwicklung unbemerkt beeinflusst hat.

Ein Modell mit mehr Variablen ist nicht automatisch ein besserer Schätzer für Wahrscheinlichkeiten. Seine Leistung hängt von Datenqualität, Zieldefinition, Regularisierung, Validierungsdesign und Veränderungen im zugrunde liegenden Sport ab. Prinzipien zur Modellauswahl und -bewertung werden ausführlich in The Elements of Statistical Learning behandelt. Hastie, Tibshirani and Friedman, 2009.

Bei jedem Modell solltest du fragen, welche Informationen zum Zeitpunkt der Prognose verfügbar waren. Eine „Pre-Match“-Prognose, die mit der tatsächlichen Startelf erstellt wurde, ist nicht vergleichbar mit einer Quote, die erfasst wurde, bevor diese Aufstellung bekannt gegeben wurde.

Auswahlregeln: Eine Prognose ist nur ein Eingang

Eine Auswahlregel übersetzt Wahrscheinlichkeiten und verfügbare Quoten in eine festgelegte Entscheidung. Eine analytische Regel könnte etwa Auswahlen zur Prüfung markieren, wenn der geschätzte Erwartungswert einen Schwellenwert übersteigt.

Dieser Schwellenwert kann ein schlecht kalibriertes Modell nicht reparieren. Wenn ein Modell die Wahrscheinlichkeit eines Ergebnisses systematisch überschätzt, kann die Auswahl seiner größten scheinbaren Vorteile das Risiko auf seine größten Fehler konzentrieren.

Ein transparentes Protokoll sollte unterscheiden:

  • Die Wahrscheinlichkeit des Modells, bevor das Ergebnis bekannt war.
  • Die Quote, die zum selben Entscheidungszeitpunkt verfügbar war.
  • Die Berechnung, mit der diese Wahrscheinlichkeit mit dieser Quote verglichen wird.
  • Die Regel für Aufnahme oder Ausschluss.
  • Der Umgang mit nicht verfügbaren Quoten, geänderten Märkten und annullierten Auswahlen.

Diese Details sind wichtiger als eine Bezeichnung wie „Value-System“. Eine kürzere Einführung in das Konzept findet sich in unserem Leitfaden zu Value-Wetten.

Einsatzsysteme: Die Steuerung des Risikos ist eine eigene Aufgabe

Feste Einsätze

Beim Flat Staking wird bei jeder Auswahl derselbe Nennbetrag gesetzt. Ein Einsatz von einer Einheit bleibt eine Einheit, unabhängig davon, ob die vorherige Auswahl gewonnen oder verloren wurde.

Der wichtigste analytische Vorteil ist die Vergleichbarkeit. Die Ergebnisse werden weniger davon beeinflusst, dass kurz vor einer erfolgreichen Serie das Risiko erhöht wurde. Allerdings wird eine feste Nenneinheit bei einem schrumpfenden Kontostand ein größerer Anteil und bei einem wachsenden Kontostand ein kleinerer.

Flat Staking belegt keinen positiven Erwartungswert. Es legt lediglich einen Teil des Prozesses fest.

Feste Anteile

Eine Regel mit festem Anteil setzt einen festgelegten Anteil des aktuellen Kontostands ein. Bei 2% ergibt ein Kontostand von 100 Einheiten einen Einsatz von zwei Einheiten; nach einem Verlust ergibt ein Kontostand von 98 Einheiten einen Einsatz von 1.96 Einheiten.

Nach zehn aufeinanderfolgenden vollen Verlusten bei diesem Anteil beträgt der Kontostand:

100 × 0.98^10 ≈ 81.71 Einheiten

Der Drawdown beträgt etwa 18.29%, statt der 20%, die zehn feste Verluste zu je zwei Einheiten ergeben. Das veranschaulicht, wie sich das Risiko verändert; es zeigt nicht, dass eine 2%-Regel angemessen oder sicher ist.

In einem idealisierten Modell mit beliebig teilbaren Einsätzen und einem Anteil strikt unter 100% erreicht der Kontostand nach endlich vielen gewöhnlichen Verlusten nicht exakt null. In der Praxis kann ein Kontostand unbrauchbar klein werden, Mindesteinsätze spielen eine Rolle, und große Drawdowns bleiben möglich. „Erreicht nie mathematisch null“ ist nicht dasselbe wie „kann das Budget nicht ruinieren“.

Positive und negative Progressionen

Progressionssysteme ändern die Einsatzhöhe abhängig von früheren Ergebnissen. Negative Progressionen erhöhen das Risiko nach Verlusten. Positive Progressionen erhöhen es nach Gewinnen, oft mit einer Rücksetzregel.

Beispiele sind Martingale, Fibonacci, D’Alembert und Regeln nach Art des Paroli. Ihre Abfolgen unterscheiden sich, aber die zentrale Frage ist dieselbe: Hat die nächste Auswahl zu ihrer verfügbaren Quote einen positiven bedingten Erwartungswert, und wie viel Risiko fügt der Einsatz hinzu?

Eine Abfolge von Einsatzhöhen ist kein Beleg dafür, dass die Auswahlen selbst günstig sind.

Warum Martingale den zugrunde liegenden Nachteil nicht beseitigt

Das bekannte Martingale-Beispiel verdoppelt den Einsatz nach jedem Verlust und setzt ihn nach einem Gewinn zurück. Die übliche Rechnung setzt einen Nettogewinn von eins zu eins voraus, was Dezimalquoten von 2.00 entspricht, ohne Kosten oder Abrechnungskomplikationen.

Beginnend mit einer Einheit ergeben sechs aufeinanderfolgende verlierende Einsätze:

1 + 2 + 4 + 8 + 16 + 32 = 63 Einheiten

Der nächste Einsatz wäre 64 Einheiten. Gewinnt er bei 2.00, bringt er 64 Einheiten Nettogewinn, gleicht den vorherigen Verlust von 63 Einheiten aus und lässt eine Einheit übrig. Doch um ihn zu platzieren, braucht man nach bereits verlorenen 63 Einheiten weitere 64 Einheiten: 127 Einheiten kumulierte Finanzierungskapazität für diesen Pfad.

Dadurch entstehen viele mögliche kleine Zyklusgewinne und ein seltenerer, aber viel größerer Verlust, wenn eine Bankroll-Grenze, ein Einsatzlimit oder eine Stopp-Regel die Fortsetzung verhindert. Ein hoher Anteil erfolgreicher Zyklen kann daher mit schwachen erwarteten Ergebnissen einhergehen.

Was passiert bei Quoten unter 2.00?

Bei einer Dezimalquote von 1.90 holt einfaches Verdoppeln die aufgelaufenen Verluste nicht immer ein. Nach Verlusten von einer und zwei Einheiten bringt ein Einsatz von vier Einheiten bei einem Treffer 4 × 0.90 = 3.60 Einheiten Nettogewinn, sodass der Zyklusgewinn 0.60 Einheiten beträgt. Nach Verlusten von einer, zwei und vier Einheiten bringt ein Einsatz von acht Einheiten bei einem Treffer 7.20 Einheiten, sodass nur 0.20 Einheiten übrig bleiben. Nach Verlusten von einer, zwei, vier und acht Einheiten bringt ein Einsatz von 16 Einheiten bei einem Treffer 14.40 Einheiten, gegenüber bereits verlorenen 15 Einheiten: Der Zyklus verliert trotzdem 0.60 Einheiten.

Um bei festen Quoten d einen bestimmten Zyklusgewinn zu erreichen, wäre der nötige nächste Einsatz stattdessen:

nächster Einsatz = (aufgelaufene Verluste + Zielgewinn) / (d − 1)

Bei Quoten unter 2.00 steigt diese Anforderung zur Verlustaufholung schneller als die bekannte Verdopplungsfolge. Außerdem setzt sie voraus, dass der nötige Einsatz und die Quote verfügbar bleiben.

Der allgemeine Grund über den Erwartungswert

Angenommen, ein Einsatz sₜ wird nur mit Informationen gewählt, die vor der Auswahl t verfügbar sind. Seine bedingte Gewinnwahrscheinlichkeit sei pₜ und seine Dezimalquote dₜ. Der bedingte erwartete Nettogewinn ist:

E[Gewinnₜ | verfügbare Informationen] = sₜ × (pₜ × dₜ − 1)

Wenn pₜ × dₜ − 1 bei jedem nichtnegativen Einsatz nicht positiv ist, macht eine Änderung von sₜ diesen bedingten Erwartungswert nicht positiv. Bei einer festen endlichen Folge oder einem Prozess mit begrenzten Einsätzen und begrenztem Stopp-Horizont bleibt diese Schlussfolgerung beim Summieren dieser erwarteten Gewinne erhalten. Ein unbegrenztes Argument „weiter bis in die Unendlichkeit“ braucht zusätzliche mathematische Annahmen und beschreibt keine endliche Bankroll.

Die Argumentation setzt nicht voraus, dass alle Auswahlen unabhängig sind. Sie setzt voraus, dass die bedingte Erwartungswertannahme angesichts der Informationen gilt, die zur Wahl des Einsatzes verwendet wurden. Ändern sich relevante Informationen tatsächlich, muss die Wahrscheinlichkeitsschätzung neu bewertet werden; eine Verlustserie allein ist kein Beleg dafür, dass nun ein Gewinn fällig ist.

Stop-Loss- und Stop-Win-Regeln können das Risiko, die Spieldauer und die Verteilung der Ergebnisse verändern. Unter denselben Annahmen erzeugen sie jedoch keinen positiven Erwartungswert.

Das Kelly-Kriterium: ein Wachstumsziel mit anspruchsvollen Annahmen

Das Kelly-Kriterium verteilt Kapital so, dass das erwartete logarithmische Vermögenswachstum unter einem festgelegten Modell maximiert wird. Kellys ursprüngliche Arbeit erschien 1956; spätere Darstellungen behandeln Anwendungen auf Glücksspiel und Finanzmärkte. Kelly, 1956.

Für eine einfache Wette mit vollem Gewinn oder vollem Verlust gilt:

  • p sei die Gewinnwahrscheinlichkeit.
  • q = 1 − p sei die Verlustwahrscheinlichkeit.
  • b = d − 1 seien die Nettoquoten.
  • f sei der Anteil des Vermögens, der eingesetzt wird.

Das erwartete logarithmische Wachstum für eine solche Chance ist:

g(f) = p × ln(1 + b × f) + q × ln(1 − f)

Das unbeschränkte innere Optimum lautet:

f* = (b × p − q) / b = (p × d − 1) / (d − 1)

Wenn nur das Setzen auf die Auswahl erlaubt ist, bedeutet ein nicht positives Ergebnis unter diesem Modell keine positive Zuteilung. Es ist keine Anweisung, einen negativen Einsatz zu platzieren. Weitere Beschränkungen müssen ebenfalls berücksichtigt werden.

Ein durchgerechnetes Kelly-Beispiel

Angenommen, die Quote beträgt 1.90 und die Gewinnwahrscheinlichkeit von 55% ist tatsächlich richtig:

f* = (0.55 × 1.90 − 1) / 0.90 = 0.05

Der Full-Kelly-Anteil des Modells beträgt 5%. Half-Kelly wären 2.5%, Quarter-Kelly 1.25%.

Dies sind Ergebnisse hypothetischer Annahmen, keine empfohlenen persönlichen Einsatzhöhen. Eine Full-Kelly-Aufteilung kann auch dann erhebliche Drawdowns haben, wenn die Wahrscheinlichkeiten stimmen. Sie maximiert ein bestimmtes langfristiges Wachstumsziel, nicht die Chance, die nächste Auswahl zu gewinnen, Verluste zu vermeiden oder einen kurzfristigen Ausgabenbedarf zu decken.

Fehler bei der Wahrscheinlichkeit können die Rechnung umkehren

Die Quote bleibt bei 1.90, aber angenommen, die wahre Wahrscheinlichkeit liegt bei 52% statt 55%. Die tatsächliche erwartete Rendite pro Einheit ist:

0.52 × 1.90 − 1 = −0.012

Die scheinbare Chance ist nun ein erwarteter Verlust von 1.2%. Ein präzise wirkender Kelly-Anteil, der aus der falschen Wahrscheinlichkeit berechnet wurde, schützt den Kontostand nicht.

Fractional Kelly verringert das Risiko gegenüber der vollen Modellaufteilung, macht aber aus einer Auswahl mit negativem Vorteil keine mit positivem Vorteil. Zu den Annahmen, Varianten und Anwendungen des Kriteriums siehe Thorps Darstellung im Handbook of Asset and Liability Management. Thorp, 2008.

Mehrere offene Positionen erfordern eine Portfolio-Sicht

Die einfache Formel rechtfertigt nicht, den vollen Anteil unabhängig auf jede gleichzeitige Auswahl anzuwenden. Mehrere Positionen können vom selben Spiel, derselben Mannschaft, derselben Liga oder demselben zugrunde liegenden Modellfehler abhängen.

Eine Portfolio-Betrachtung braucht die gemeinsame Verteilung der Ergebnisse, den Abrechnungszeitpunkt und das Gesamtrisiko. Scheinbar getrennte Wettscheine können dasselbe Risiko tragen. Die Summe einzeln berechneter Kelly-Einsätze kann die angemessene Gesamtaufteilung überschätzen.

Eine kürzere Behandlung von Einheiten und Risiko findet sich in unserem Leitfaden zum Bankroll-Management.

Kombiwetten, Round Robins und Systemwetten

Eine Kombiwette erfordert normalerweise, dass jeder Teil gewinnt. Wenn alle Teile unabhängig sind und die Abrechnung jedes Teils mit vollem Gewinn oder vollem Verlust mit der Kombiwette vereinbar ist:

P(alle gewinnen) = p₁ × p₂ × … × pₙ

Wenn ihre Dezimalauszahlung das Produkt der Einzelquoten ist:

d_Kombiwette = d₁ × d₂ × … × dₙ

Ihre erwartete Bruttorendite pro Einheit ist daher:

erwartete Bruttorendite = ∏(pᵢ × dᵢ)

Nehmen wir vier unabhängige hypothetische Auswahlen, jede mit einer Gewinnwahrscheinlichkeit von 55% und einer Quote von 1.80. Jede Einzelwette hat eine erwartete Bruttorendite von 0.99 Einheiten pro eingesetzter Einheit. Die Vierer-Kombiwette hat:

  • Wahrscheinlichkeit, dass alle vier gewinnen: 0.55^4 ≈ 9.15%.
  • Dezimalauszahlung: 1.80^4 = 10.4976.
  • Erwartete Bruttorendite: 0.99^4 = 0.96059601.
  • Erwarteter Nettogewinn: etwa −3.94% des Einsatzes.

Die höhere Schlagzeilen-Auszahlung belegt keinen besseren Wert. In diesem Beispiel verstärkt das Kombinieren der Teile ihre Nachteile.

Unabhängigkeit ist für diese Produktberechnung entscheidend. Wenn Auswahlen korreliert sind, muss ihre gemeinsame Wahrscheinlichkeit direkt modelliert werden. Selbst einzeln günstige Schätzungen belegen den Wert einer kombinierten Quote nicht ohne die richtigen Abhängigkeitsannahmen.

Warum die Trefferzahl einer Systemwette irreführen kann

Ein Round Robin verteilt Einsätze auf mehrere Kombinationen. Vier Auswahlen ergeben sechs verschiedene Doppelwetten. Bei einer Einheit auf jede Doppelwette beträgt der Gesamteinsatz sechs Einheiten, nicht eine.

Wenn alle vier unabhängigen Auswahlen im Beispiel dieselben Wahrscheinlichkeiten und Quoten haben, hat jede Doppelwette eine erwartete Bruttorendite von 0.99² = 0.9801 pro Einheit. Das Portfolio aus sechs Doppelwetten hat folglich eine erwartete Bruttorendite von 6 × 0.9801 = 5.8806 Einheiten bei sechs eingesetzten, also einen erwarteten Verlust von 0.1194 Einheiten oder 1.99% des Umsatzes.

Die Doppelwetten teilen sich Teile, daher sind ihre Auszahlungen voneinander abhängig. Für die Addition ihrer Erwartungswerte ist keine Unabhängigkeit zwischen den Doppelwetten nötig, aber diese Abhängigkeit ist für die Schwankungsbreite des Gesamtergebnisses sehr wichtig.

„Einige Kombinationen haben gewonnen“ ist kein Maß für Gewinn. Der Einsatz und die Abrechnung jedes Wettscheins müssen gezählt werden. Unser Leitfaden zu Kombiwetten behandelt die grundlegende Auszahlungsterminologie. Quote, Auszahlung und gemeinsame Wahrscheinlichkeit einer einzelnen Kombiwette prüfst du mit unserem Kombiwetten-Rechner.

Arbitrage und Hedging sind etwas anderes als die Prognose eines Ergebnisses

In einem einfachen Markt mit sich gegenseitig ausschließenden und erschöpfenden Ausgängen kann eine Menge ausführbarer Quoten eine theoretische Arbitrage ermöglichen, wenn:

Σ(1 / dᵢ) < 1

Die Bedingung beschreibt eine mathematische Auszahlungsstruktur. Eine Bewertung in der Praxis muss prüfen, ob alle nötigen Positionen zu den erfassten Quoten angenommen werden und ob ihre Abrechnungsregeln übereinstimmen. Provision, Quotenbewegung, teilweise Annahme, Annullierungen, Kontobeschränkungen und Gegenparteirisiko können das Ergebnis verändern.

Hedging bedeutet, eine weitere Position einzugehen, die ein bestehendes Risiko verringert. Es kann ein bestimmtes Risiko senken, zugleich aber den erwarteten Gewinn schmälern oder Kosten verursachen. Weder das Vorhandensein einer Absicherung noch das Wort „Arbitrage“ macht einen operativen Prozess risikofrei.

Dieser Leitfaden empfiehlt keine Ausführungsstrategie. Der Unterschied besteht darin, dass Prognosesysteme ungewisse Ergebnisse schätzen, während eine ideale Arbitrage-Berechnung einen vollständigen Satz vertraglich festgelegter Auszahlungen vergleicht.

Wie du ein Sportwetten-System testest, ohne dich selbst zu täuschen

Entwicklung und Bewertung trennen

Ein Backtest wendet eine Regel auf historische Daten an. Er ist nur nützlich, wenn der Prozess berücksichtigt, was damals bekannt und verfügbar war.

Derselbe Datensatz sollte nicht wiederholt als Ideengeber, Optimierungsziel und angeblich unabhängiger Beweis dienen. Die allgemeine Literatur zur Modellbewertung erklärt, warum die scheinbare Leistung auf Entwicklungsdaten zu optimistisch ist. Die Backtest-Forschung untersucht außerdem das Risiko, aus vielen Alternativen eine scheinbar erfolgreiche Regel auszuwählen. Hastie, Tibshirani and Friedman, 2009; Bailey et al., 2017.

Bei zeitlich geordneten Sportdaten kann eine prüfbare Bewertung Folgendes verwenden:

  1. Eine frühere Trainingsperiode zur Schätzung der Modellparameter.
  2. Eine spätere Validierungsperiode zur Auswahl von Einstellungen und Auswahlschwellen.
  3. Eine noch spätere Testperiode, die unberührt bleibt, bis diese Entscheidungen feststehen.
  4. Ein anschließendes Vorwärtsprotokoll mit Prognosen, die vor den Ereignissen zeitgestempelt sind.

Walk-forward-Tests wiederholen einen klar definierten Ablauf aus Training und Test über die Zeit. Jede Testprognose darf nur frühere Informationen verwenden. Eine Neuanpassung ist zulässig, wenn sie Teil des angegebenen Verfahrens ist; das Umschreiben des Verfahrens nach einem schlechten Zeitabschnitt ist ein neuer Entwicklungsschritt, kein unberührter Test.

Datenlecks prüfen

Häufige Datenlecks sind:

  • Die Verwendung der Endtabelle einer Saison, um Spiele derselben Saison vorherzusagen, die früher stattfanden.
  • Die Verwendung einer Schlussquote, um eine Chance auszuwählen, die angeblich Stunden früher erkannt wurde.
  • Die Einbeziehung eines Verletzungsberichts, der zum Entscheidungszeitpunkt noch nicht veröffentlicht war.
  • Das Aufteilen eng zusammenhängender Datensätze auf Trainings- und Testmengen, ohne den zeitlichen Ablauf der Ereignisse zu berücksichtigen.
  • Die Berechnung von Vorverarbeitungs- oder Merkmalsauswahl-Entscheidungen anhand des gesamten Datensatzes.

Jeder Prädiktor sollte einen plausiblen Veröffentlichungszeitpunkt haben, nicht bloß ein Ereignisdatum. Eine nützliche Prüffrage lautet: Hätte jemand, der diese Prognose zu diesem Zeitpunkt erstellt, genau diese Information erhalten können?

Die gescheiterten Regeln zählen

Wenn 1000 unabhängige Regeln getestet werden und jede bei einer nominalen Schwelle von 5% für falsch-positive Ergebnisse bewertet wird, sind unter einer globalen Nullhypothese, in der keine einen echten Effekt hat, etwa 50 falsch-positive Ergebnisse zu erwarten. Die erwartete Anzahl ergibt sich durch Addition der einzelnen Wahrscheinlichkeiten für falsch-positive Ergebnisse; dafür ist keine Unabhängigkeit nötig.

Ein attraktives Ergebnis nach einer großen Suche zu finden, ist daher etwas anderes als die Bestätigung einer im Voraus festgelegten Regel. Lege den Suchprozess offen, behalte einen unberührten Test und ziehe geeignete Verfahren für multiples Testen oder Resampling in Betracht. Eine wiederholte Suche im Testdatensatz macht ihn zu einem weiteren Entwicklungsdatensatz.

Deshalb braucht eine komplizierte Regel wie „Auswärtsteams an einem bestimmten Wochentag nach zwei Niederlagen“ mehr als eine attraktive historische Gewinnquote.

Ausführung und Abrechnung rekonstruieren

Ein realistisches Protokoll sollte Quellen der Quoten, Zeitstempel, Marktdefinition, Verfügbarkeit des Einsatzes, Gebühren und Abrechnung angeben. Fehlende Auswahlen dürfen nicht stillschweigend verschwinden, nur weil ihr Ergebnis unangenehm war.

Eine um 15:00 veröffentlichte Prognose darf zum Beispiel nicht mit einer Quote um 10:00 gutgeschrieben werden, es sei denn, der Prozess hat sie tatsächlich erfasst und hätte sie damals nutzen können. Eine angegebene maximale Auszahlung unterscheidet sich außerdem von einem angenommenen Einsatz zu dieser Quote.

Dokumentiere die Regeln für Annullierungen und Teilabrechnungen, gegebenenfalls die Währungsumrechnung und den Umgang mit gleichzeitigem Risiko. Das sind Annahmen, die das ausgewiesene Ergebnis bestimmen.

Wahrscheinlichkeiten, finanzielle Ergebnisse und Risiko getrennt messen

Kalibrierung und Bewertungsregeln

Eine kalibrierte Prognose von 60% sollte bei einer ausreichend aussagekräftigen Sammlung vergleichbarer Prognosen etwa 60% der Fälle entsprechen, in denen das Ergebnis eintritt. Kalibrierung ist eine Eigenschaft von Gruppen, kein Versprechen, dass ein einzelnes Ereignis eintritt.

Ein Modell, das nur die allgemeine Grundrate vorhersagt, kann kalibriert und dennoch nichtssagend sein. Die Bewertung von Wahrscheinlichkeiten sollte neben der Kalibrierung auch die Aussagekraft ihrer Streuung berücksichtigen.

Strikt eigentliche Bewertungsregeln (Proper Scoring Rules) messen Wahrscheinlichkeitsprognosen an den beobachteten Ergebnissen. Zwei gängige Verlustfunktionen für binäre Ergebnisse sind:

Brier-Verlust = Durchschnitt[(pᵢ − yᵢ)²]

Log Loss = −Durchschnitt[yᵢ × ln(pᵢ) + (1 − yᵢ) × ln(1 − pᵢ)]

Dabei ist yᵢ eins bei einem Gewinn und sonst null. Unter diesen Verlustkonventionen gilt: je niedriger, desto besser. Bei Ereignissen mit mehreren Ausgängen verwende eine passende Mehrkategorie-Definition und gib ihre Skalierung an. Eine Wahrscheinlichkeit von null für einen Ausgang, der eintritt, führt zu einem unbegrenzten Log Loss.

Die Übersichtsarbeit von Gneiting und Raftery erklärt, warum eigentliche Bewertungsregeln ehrliche Wahrscheinlichkeitseinschätzungen belohnen. Eine bessere Bewertung impliziert jedoch nicht automatisch Gewinn zu den Quoten, die für die Ausführung verfügbar sind. Gneiting and Raftery, 2007.

Ein Mindestumfang für Leistungsberichte

KennzahlWas sie beschreibtWas sie nicht belegt
TrefferquoteAnteil der abgerechneten Auswahlen, die nach einer festgelegten Konvention als Gewinne verbucht wurdenProfitabilität ohne Angaben zu Quoten und Abrechnung
NettogewinnAuszahlungen abzüglich Einsätze und einbezogener KostenOb das Risiko angemessen war oder ob sich Ergebnisse wiederholen
Rendite auf UmsatzNettogewinn geteilt durch den gesamten Umsatz (eingesetzter Betrag)Wachstum des Startkapitals oder statistische Sicherheit
Maximaler DrawdownGrößter Rückgang vom Höchststand bis zum Tief auf der angegebenen Equity-KurveDen schlimmsten Verlust, der in Zukunft eintreten könnte
Kalibrierung und eigentliche BewertungsregelnQualität von WahrscheinlichkeitsprognosenVerfügbarkeit einer profitablen Quote
Quotenbewegung oder Vergleich mit der SchlussquoteWie erfasste Quoten im Vergleich zu einem späteren Maßstab stehenBeweis, dass der Maßstab richtig ist oder der Prozess profitabel ist
Stichprobengröße und UnsicherheitsintervallWie viele Belege das Protokoll unter angegebenen Annahmen enthältSchutz vor Datenlecks, Auswahlverzerrung oder Regimewechseln

„ROI“ und „Yield“ werden bei verschiedenen Anbietern uneinheitlich verwendet. Ein Bericht sollte seinen Nenner nennen. Eine Rendite von 5% auf den Umsatz ist nicht unbedingt eine Rendite von 5% auf das Anfangskapital, besonders wenn dasselbe Kapital wiederholt eingesetzt wird.

Auch der Drawdown braucht eine Definition: Der abgerechnete Kontostand, der Kontostand einschließlich offener Verbindlichkeiten oder das Eigenkapital zum Marktwert (Mark-to-Market) können unterschiedliche Kurven erzeugen. Ein glatt aussehendes Diagramm kann ungelöstes Risiko verbergen.

Was der Closing-Line-Value zeigen kann und was nicht

Bei gleichem Ausgang und gleichen Abrechnungsbedingungen ist eine höhere Dezimalquote als die spätere Schlussquote ein günstiger roher Quotenvergleich. Ein Protokoll kann dies als eine Diagnosekennzahl erfassen.

Die Schlussquote enthält aber trotzdem eine Marge, kann veraltet oder illiquide sein und ist per Definition nicht die wahre Wahrscheinlichkeit. Ein seriöser Vergleich sollte Markt, Zeitstempel und Methode zur Margenbereinigung angeben. Eine konstante Quotenverbesserung ist ein nützlicher Beleg für die Ausführung; sie ist aber kein eigenständiger Beweis für einen positiven Erwartungswert.

Wie viele Belege sind genug?

Es gibt keine allgemeingültige Mindestzahl von Wetten, die ein System beweist. Die Antwort hängt vom behaupteten Vorteil, der Schwankung der Auszahlungen, der Abhängigkeit zwischen den Auswahlen, der Modellauswahl und der erforderlichen Genauigkeit ab.

Betrachten wir 1000 unabhängige hypothetische Auswahlen mit vollem Gewinn oder vollem Verlust, jede zu einer Quote von 1.90, mit 550 Gewinnen und 450 Verlusten zu je einer Einheit. Der Nettogewinn beträgt:

550 × 0.90 − 450 = 45 Einheiten

Die Rendite auf den Umsatz beträgt 4.5%. Die beobachtete Trefferquote liegt bei 55%. Unter einem einfachen unabhängigen Binomialmodell mit einer gemeinsamen Gewinnwahrscheinlichkeit ist ein grobes 95%-Intervall für diese Wahrscheinlichkeit nach der Normalapproximation:

0.55 ± 1.96 × sqrt(0.55 × 0.45 / 1000)

Das ergibt etwa 51.9% bis 58.1%. Die Break-even-Wahrscheinlichkeit von 52.63% liegt darin. Der beobachtete Gewinn allein schließt daher bei diesem ungefähren Intervallniveau eine Break-even-Gewinnwahrscheinlichkeit nicht aus.

Diese Berechnung ist veranschaulichend und kein vollständiger Test eines echten Protokolls. Unterschiedliche Quoten, gemeinsame Spiele, wechselnde Auswahlqualität, adaptive Regeln und frühere Suchen erfordern ein passenderes Modell. Ein Unsicherheitsintervall kann einen Datensatz nicht korrigieren, der ausgewählt wurde, nachdem seine Ergebnisse bekannt waren.

Auch starke historische Belege stützen nur eine Aussage über den getesteten Prozess und das getestete Umfeld. Veränderungen bei Mannschaften, Spielplänen, Datenquellen, Preisgestaltung und Wettbewerb können einen Vorteil schwächen. Die laufende Bewertung eines Systems gehört zu seiner Definition, sie ist kein optionaler Zusatz.

Eine praktische Checkliste für die Bewertung eines behaupteten Systems

Bevor du eine Leistungsbehauptung als aussagekräftig behandelst, prüfe, ob sie diese Fragen beantwortet:

  1. Was ist das System? Trenne Prognose, Auswahlregel, Einsatzregel und Ausführungsprozess.
  2. Welche Informationen hat es verwendet? Verlange Prognosezeitpunkte und historisch verfügbare Eingaben.
  3. Wo sind die Wahrscheinlichkeiten? Eine Liste von Gewinnern ist kein Wahrscheinlichkeitsmodell.
  4. Welche Quoten waren verfügbar? Verlange zeitgleiche, realistisch erreichbare Quoten.
  5. Was wurde getestet? Nenne Entwicklungszeiträume, unberührte Tests und spätere Regeländerungen.
  6. Wie groß war die Suche? Nimm verworfene Varianten und erfolglose Versuche ins Forschungsprotokoll auf.
  7. Was fließt in den Gewinn ein? Berücksichtige jeden Einsatz, jeden Verlust, jede Gebühr, jede Annullierung und jede Teilabrechnung einheitlich.
  8. Welches Risiko wurde eingegangen? Berichte Drawdown, offenes Risiko und Empfindlichkeit gegenüber Wahrscheinlichkeitsfehlern.
  9. Wie unsicher sind die Ergebnisse? Verwende Methoden, die zu den Quoten und zur Abhängigkeitsstruktur passen.
  10. Wer profitiert von der Behauptung? Unterscheide unabhängige Bewertung von eigenem Marketing des Herausgebers.

Warnsignale sind Formulierungen von garantiertem Einkommen, eine Aufholprogression, die als mathematischer Vorteil dargestellt wird, Screenshots ohne vollständige Historie und Ergebnisse, die sich nicht aus einem zeitgestempelten Protokoll nachvollziehen lassen.

Auf eine Wette zu verzichten braucht keine statistische Begründung. Ein Modell kann als Prognoseübung interessant sein, ohne für finanzielles Risiko geeignet zu sein.

Häufige Fragen

Kann ein Sportwetten-System Gewinn garantieren?

Ein Prognose- oder Einsatzsystem kann den Ausgang unsicherer Ereignisse nicht garantieren. Eine ideale Arbitrage-Berechnung kann unter ihren Annahmen eine festgelegte Auszahlung beschreiben, aber tatsächliche Ausführung, Abrechnung und Gegenparteirisiken müssen trotzdem bewertet werden. Eine Garantie in einer Marketingaussage ist kein Beleg.

Ist Martingale sicherer, weil die meisten Zyklen mit einem kleinen Gewinn enden können?

Die Häufigkeit profitabler Zyklen berücksichtigt nicht die Größe der verlustreichen Zyklen. Progressionen tauschen viele kleine Gewinne gegen eine geringere Wahrscheinlichkeit eines großen Verlusts. Bei endlichen Bankrolls und Einsatzlimits ist eine Aufholung nicht gesichert; unter Dezimalquoten von 2.00 ändert sich außerdem die übliche Verdopplungsrechnung.

Ist das Kelly-Kriterium ein Prognosesystem?

Nein. Es ist ein Aufteilungskriterium bei gegebenen Wahrscheinlichkeiten, Auszahlungen und einem Ziel. Es liefert die Wahrscheinlichkeiten nicht und prüft nicht, ob ein Modell einen Vorteil hat. Falsch geschätzte Wahrscheinlichkeiten und korrelierte Positionen können eine scheinbar präzise Aufteilung unbrauchbar machen.

Bedeutet eine höhere Trefferquote ein besseres System?

Nicht ohne Quoten, Einsätze, Kosten und Risiko. Eine hohe Trefferquote bei niedrigen Quoten kann Geld verlieren. Die Qualität der Wahrscheinlichkeiten und der Wert einer Quote sollten getrennt von der reinen Prognosegenauigkeit gemessen werden.

Kann ein profitabler Backtest einen dauerhaften Vorteil belegen?

Er kann zu weiteren Untersuchungen anregen, belegt aber keine Beständigkeit. Datenlecks, multiples Testen, nicht verfügbare Quoten und ein sich veränderndes Umfeld können eine scheinbare Profitabilität erklären. Unabhängige Testzeiträume und ein vollständiges Vorwärtsprotokoll liefern stärkere Belege, wobei Unsicherheit bestehen bleibt.

Sind Systemwetten dasselbe wie ein Wettsystem?

Nicht unbedingt. Eine Systemwette bezeichnet oft ein Paket aus Kombinationen mehrerer Auswahlen. Sie verändert die Verteilung von Einsätzen und Auszahlungen. Sie verbessert für sich genommen weder die zugrunde liegenden Wahrscheinlichkeiten noch belegt sie einen positiven Erwartungswert.

Quellen und Geltungsbereich der Belege

Die folgenden Quellen stützen bestimmte mathematische, modellierungsbezogene oder bewertende Konzepte. Keine von ihnen belegt, dass ABV Tips oder irgendein heutiger kommerzieller Dienst ein profitables System hat. Historische Studien sollten im Kontext ihrer eigenen Daten, Annahmen und Veröffentlichungsdaten gelesen werden.

  1. Kelly, J. L., Jr. (1956). „A New Interpretation of Information Rate.“ Bell System Technical Journal, 35(4), 917–926. DOI: 10.1002/j.1538-7305.1956.tb03809.x. Originalarbeit, die Informationsrate und Kapitalwachstum unter einem festgelegten Wettmodell verbindet. Öffentlich zugängliche Kopie, gehostet bei Princeton.
  2. Thorp, E. O. (2008). „The Kelly Criterion in Blackjack Sports Betting, and the Stock Market.“ In Handbook of Asset and Liability Management, 385–428. DOI: 10.1016/B978-044453248-0.50015-0. Eine spätere Darstellung des Kriteriums, seiner Anwendungen und praktischen Überlegungen. Frühere Manuskriptfassungen und spätere Nachdrucke kursieren ebenfalls; das Datum hier kennzeichnet die zitierte Ausgabe des Handbuchs.
  3. Dixon, M. J., and Coles, S. G. (1997). „Modelling Association Football Scores and Inefficiencies in the Football Betting Market.“ Journal of the Royal Statistical Society: Series C (Applied Statistics), 46(2), 265–280. DOI: 10.1111/1467-9876.00065. Modellierung von Fußballergebnissen und eine historische Untersuchung einer daraus abgeleiteten Wettstrategie. Eintrag der Lancaster University.
  4. Štrumbelj, E. (2014). „On Determining Probability Forecasts from Betting Odds.“ International Journal of Forecasting, 30(4), 934–943. DOI: 10.1016/j.ijforecast.2014.02.008. Methoden zur Ableitung von Wahrscheinlichkeiten aus Wettquoten und die Bedeutung der gewählten Anpassung.
  5. Levitt, S. D. (2004). „Why Are Gambling Markets Organised So Differently from Financial Markets?“ The Economic Journal, 114(495), 223–246. DOI: 10.1111/j.1468-0297.2004.00207.x. Empirische Analyse von Preisgestaltung, Wettverhalten und Risikoexposition der Anbieter im untersuchten Markt. Vom Autor gehostete Arbeit an der University of Chicago.
  6. Gneiting, T., and Raftery, A. E. (2007). „Strictly Proper Scoring Rules, Prediction, and Estimation.“ Journal of the American Statistical Association, 102(477), 359–378. DOI: 10.1198/016214506000001437. Übersicht und Weiterentwicklung strikt eigentlicher Bewertungsregeln für Wahrscheinlichkeitsprognosen. Vom Autor gehostete Arbeit an der University of Washington.
  7. Hastie, T., Tibshirani, R., and Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction, zweite Auflage. Springer. DOI: 10.1007/978-0-387-84858-7. Ein allgemeines Referenzwerk zum statistischen Lernen, zur Modellkomplexität, Modellbewertung und Modellauswahl. Website der Autoren zum Buch.
  8. Bailey, D. H., Borwein, J. M., López de Prado, M., and Zhu, Q. J. (2017; erstmals 2016 online veröffentlicht). „The Probability of Backtest Overfitting.“ The Journal of Computational Finance, 20(4), 39–69. DOI: 10.21314/JCF.2016.322. Auswahl und Überanpassung bei Backtests in der Finanzforschung; hier zitiert für das allgemeine Bewertungsproblem, nicht als empirischer Test von Sportprognosen. Frühere Manuskriptfassung, vom Autor gehostet.

Redaktionelle Anmerkung und Berechnungshinweis: Die Zahlenbeispiele wurden für diesen Erklärtext erstellt und folgen den jeweils daneben genannten Annahmen. Sie sind weder beobachtete Ergebnisse noch unabhängig entdeckte Marktineffizienzen oder eine neue wissenschaftliche Studie. Der Text ist eine eigenständige Zusammenfassung; er gibt die Formulierungen von Wikipedia nicht wieder. Die Zugänglichkeit der Quellen variiert: Eine DOI-Seite oder ein Universitätsnachweis kann Metadaten und ein Abstract statt des uneingeschränkten Volltexts bieten.

18+ und finanzielle Risiken: Sportwetten können finanziellen Schaden verursachen. Vergangene Ergebnisse garantieren keine künftigen Ergebnisse. Keine Einsatzregel macht nicht tragbare Verluste akzeptabel. Wenn dir das Spielen Sorgen bereitet, hör auf und suche Unterstützung bei Gambling Therapy, einem internationalen Hilfsangebot.