Mit Mathematik zur Sportwetten-Strategie: Der Weg zum eigenen Wettmodell

Mit Hilfe mathematischer Ansätze können Schwächen der Buchmacher ausfindig gemacht werden. Erfahrene Sportwetter ziehen daraus einen Nutzen und biegen langfristig auf die Siegerstraße ein. Die Wettbasis hat es sich zur Aufgabe gemacht, allen Lesern die Grundlagen zu vermitteln, um mit Wettmodellen Value-Wetten identifizieren und Sportereignisse aus einem völlig neuen Blickwinkel betrachten zu können. Wenn ein neuer Trainer bei einem Verein sein erstes Match bestreitet, stellen sich nicht nur die Fragen: “Wird er die Mannschaft erreichen? Kann er ein neues Spielsystem kreieren?”

Inhaltsverzeichnis

Nein, es gilt auch bei solchen Fakten zu versuchen, eine objektive und logische Denkstruktur herzustellen, mit der Korrelationen abzuleiten sind. Fragen, die gestellt werden müssen, sind beispielsweise: “Ist der Prozentsatz der Siege bei den ersten Spielen mit einem neuen Trainer in der Vergangenheit tatsächlich höher gewesen? Hat ein neuer Chefcoach tatsächlich Auswirkungen auf den Spielausgang oder ist das nur ein Irrglaube?”

Themen wie der Zielscheibenfehler, Zinseszinsgedanken und der Unterschied zwischen Glück und Zufall wird analysiert. Mathematik verhilft zu starken Sportwetten-Strategien. Wettbasis erklärt, nach welchen Punkten ein eigenes Wettmodell erstellt werden kann.

Der Zielscheibenfehler

Der Mensch neigt dazu, Geschichten im Nachhinein zu erzählen und Muster erst dann zu erkennen, wenn sie eingetroffen sind. Dies ist unter dem Begriff Zielscheibenfehler zusammengefasst. Ein kurzes Beispiel dazu: In der Rückrunde der Saison 2015/16 gewann Real Madrid den Clasico beim FC Barcelona und trat kurze Zeit später in der Champions League gegen den VfL Wolfsburg an. Nach dem Spiel (Endergebnis: 2:0 für Wolfsburg) hatte jeder vermeintliche Experte eine Erklärung für dieses überraschende Resultat.

Die Spieler von Real wären vom Kopf her noch im Clasico gewesen, sie hätten nach dem Erfolg vom Wochenende den Gegner unterschätzt. Durch einige Minuten in Unterzahl war die körperliche Fitness der Madrilenen nicht mehr vorhanden und so weiter. Wenn man das Spiel gesehen hat, weiß man aber auch, dass Real mit 1:0 hätte in Führung gehen können oder gar müssen. Ein angebliches Abseitstor wurde durch eine Millimeter-Entscheidung der Unparteiischen nicht gewertet.

Hätte es gezählt und die Königlichen wären in Wolfsburg in Führung gegangen, vielleicht hätten sie das Match mit 3:0 gewonnen und alle Experten wären wieder der Meinung gewesen, dass Real durch den Sieg über Barca Selbstvertrauen getankt hat und Wolfsburg durch die damalige “Kruse-Affäre” sowieso aus dem Konzept war.

Ein weiteres kurzes Beispiel ist die Partie der Bayern gegen Mainz 05 ebenfalls aus dem Frühjahr 2016. Die Mainzer gewannen völlig überrachend in der Allianz Arena mit 2:1 und der Aufschrei war nach dem Spiel groß. Durch das anstehende Topspiel gegen den BVB am Samstag danach wurde den Spielern mangelnde Konzentration vorgeworfen, dass sie die falsche Einstellung an den Tag legten und vieles mehr.

Eine genauere Betrachtung ist gewinnbringender: Sowohl vom ersten Eindruck, als auch von den rein statistischen Zahlen her war das Heimspiel der Münchner fast identisch zu den Spielen vorher in der Allianz Arena. Ballbesitz, Torschüsse, Laufleistung, all diese Werte hatten keine signifikanten Abweichungen zu den Vorwochen. Nur der Ball wollte in dieser Begegnung einfach nicht in das gegnerische Tor und Mainz nutzte eiskalt beiden sich ergebenden Gelegenheiten aus und nahm den Dreier mit nach Hause.

Es war einfach eine Statistik-Phänomen, dass die Bayern eben eines von vielen Heimspielen gegen kleine Gegner auch einmal nicht gewinnen.

Der Unterschied zwischen Glück und Zufall?

Angenommen der FCB ist so dominant, dass er unabhängig vom Gegner nur 5% seiner Heimspiele verliert und in 95% der Fälle mindestens ein Unentschieden holt. Dann liegt die Wahrscheinlichkeit, dass die Münchner in der gesamten Saison in der Liga irgendwann mal ein Spiel verlieren, bei genau 58,19% (Rechnung: 1 – 0,95^17). Es wird also mathematisch gesehen sehr wahrscheinlich einmal in der Spielzeit passieren, dass Bayern trotz klarer Überlegenheit eine Partie am Ende als Verlierer beendet. Egal, wer dann der Gegner war, die Medien werden wieder ihre Gründe und Geschichten parat haben, wodurch sich dies begründen lässt.

Jedoch ist es nunmal so, dass dies einfach nur ein reiner Zufall war, der mathematisch dann und wann vorkommen muss. Genau diese Denkweise gilt es sich anzueignen. Bei Spielen wie Bayern vs. Mainz oder auch Wolfsburg vs. Real ist es nicht die Aufgabe Muster zu erkennen und dann bei einer ähnlichen Konstellation eine Wette auf den Außenseiter zu riskieren. Stattdessen ist zu hinterfragen, ob das Ereignis tatsächlich Value hatte, oder Bayern in 20 vergleichbaren Spielen wohl kein weiteres Match gegen Mainz verlieren würde. Die Fähigkeit, Glück vom mathematischem Zufall zu unterschieden, zeichnet einen guten und strategisch denkenden Sportwetter aus. 

Die Suche nach der goldenen Formel

Das große Ziel eines Mathematikers (und auch Sportwetters) muss es sein, diese eine goldene Formel zu erstellen, mit der er ohne mit der Wimper zu zucken, ohne Medienvorberichte, teils ohne eine der Mannschaften überhaupt zu kennen, eine Wette abschließen kann, von der er weiß, dass sie profitabel ist.

Es werden auf dem Weg dorthin einige Klippen zu überqueren sein und man wird auch den ein oder anderen Rückschlag hinnehmen müssen. Wer eine Formel, ein Modell oder einen Algorithmus gefunden hat, der ist wetttechnisch gesehen im gelobten Land angekommen. Auch wenn man nur einen Profit von 1% pro abgeschlossener Wette zu erwarten hat und vielleicht auch nur drei Spiele jeden Tag findet, die Value enthalten, so ist langfristig ein dicker Gewinn möglich.

Angenommen ein Tipper beginnt mit 1000€ Startkapital und setzt immer nur 1% des verfügbaren Kapitals ein – also bei der ersten Wette genau 10€. Dann sind laut dem Beispiel 365 Tage×3 Spiele pro Tag=1095 Spiele zum Wetten zur Verfügung und der Einsatz könnte regelmäßig erhöht werden. Da dieses Wachstum exponentiell verläuft, braucht man nur zu Beginn ein wenig Geduld und Disziplin, bevor die großen Gewinne von alleine kommen.

Das ist alles natürlich nicht so einfach wie es vielleicht wirkt. Erst einmal ist ein System zu finden, bei dem es jeden Tag bis zu drei Value-Bets (Wetten mit Gewinn-Potential) gibt. Bei dieser Suche wird die Wettbasis Hilfen und Anregungen geben.

Außerdem ist natürlich auch eine langfristige Kontrolle der Ergebnisse notwendig, um eventuelle stochastische Abweichungen nicht überzubewerten und falsch zu interpretieren. Dafür bekommt man mit der Zeit ein gutes Gespür. Deshalb ist es absolut verpflichtend notwendig, über jede einzelne Handlung, jede Wette, jedes Ergebnis, ordentlich Buch zu führen. Dies ist eine Arbeit, die vielleicht nicht den allergrößten Spaß macht, aber zwingend von Nöten ist, um Erfolge beim Wetten zu generieren. Auch dort lassen sich natürlich Excel-Vorlagen erstellen, die das Sammeln von Daten vereinfachen und teilweise automatisieren.

Fortan beschäftigt sich die Wettmodell-Serie mit einem Thema, das auch ein essentieller Bestandteil des Wettmodells ist: Die Korrelation. Was ist Korrelation, wie berechnet man diese und welche Vorteile liefert jene für anstehende Wetten? Auch der Begriff Value-Bet sollte verstanden sein. Einige wissen sicherlich, wovon bei einer Value-Bet die Rede ist. Wie man jedoch auch erkennt, wann eine solche Wette vorliegt, wird in den kommenden Zeilen ebenso erklärt.

Value-Bet definieren

Das Wort “Value” bedeutet im Englischen soviel wie Wert, Nutzen oder Mehrwert. Mit den Wetten soll ein langfristiger Vorteil erarbeitet werden. Ein Beispiel: In einem Tennismatch ist folgende Quotenverteilung gegeben:

Sieg Kerber 3,00
Sieg Sharapova 1,45

Die Buchmacher legen damit folgende Wahrscheinlichkeiten fest (Formel: 1/Quote*100):

Sieg Kerber: 33%
Sieg Sharapova: 69%

Die übertroffenen 2% sind die Gewinnmarge des Anbieters.

Wer jedoch weiß, dass Sharapova gegen Linkshänder schwächer spielt, kommt möglicherweise zu anderen Einschätzungen:

Sieg Kerber: 40%
Sieg Sharapova: 60%

In diesem Fall hätte man eine Value-Bet gefunden, da ein Tipp auf Kerber nach subjektiver Einschätzung mit größerer Wahrscheinlichkeit gewinnt, als es die Quote impliziert. Zu 60% geht die Wette – beispielsweise mit 10€ Einsatz angespielt – verloren, doch langfristig bleibt ein Gewinn, denn der erwartete Ausschüttungsbetrag beträgt (Siegchance * Einsatz * Quote) 0,40 * 10€ * 3,00 = 12€. Mathematisch gesehen steigert dieser Einsatz die Bankroll langfristig um 2€ (12€ erwarteter Gewinn abzüglich Einsatz von 10€ = 2€).

Was sind Korrelationen?

Mathematisch betrachtet geben Korrelationen Zusammenhänge zweier Variablen an. Dieser Zusammenhang kann unterschiedlich stark sein und wird mit Werten zwischen -1 und 1 ausgedrückt. Es gibt also sowohl positive als auch negative Korrelationen. Positive Korrelationen geben „Je mehr, desto mehr“-Beziehungen an, was am Beispiel der Torschüsse (unten) zu erkennen ist. Je mehr Torschüsse ein Team in einem Match abgibt, desto mehr Tore wird es am Ende auch erzielen (auf lange Sicht gesehen). Negative Korrelationen sind wiederum „Je mehr, desto weniger“-Beziehungen, was im zweiten Beispiel zur Anzahl der Verletzten oder der Fehlpässe zu erkennen ist.

Je mehr Fehlpässe ein Team spielt, desto weniger Torchancen wird es herausspielen und desto weniger Tore wird es erzielen. Zusätzlich gilt es die Gesamtzahl der Variablen zu betrachten. Wenn bei 400 Pässen 100 Fehlpässe unterlaufen, ist die Chance auf eine Torchance natürlich größer, als wenn bei 100 Pässen 40 Fehlpässe zustandekommen. Auch die Größe der Stichprobe spielt eine entscheidende Rolle bei der Einschätzung von Korrelationen. Unter den positiven, wie auch unter den negativen, Korrelationen gilt: Je näher der Wert betragsmäßig an der 1 liegt, desto mehr korrelieren die beiden Variablen. Demnach ist eine Korrelation von -0,8 sehr stark, während ein Wert von -0,05 auf fast keinen Zusammenhang schließen lässt.

Wie lassen sich Korrelationen berechnen?

Dies ist natürlich die Aufgabe des Computers. Zuerst gilt es die Daten für die Variablen in einer Tabelle aufzulisten. Anschließend wird in einer eigenen Zelle die Funktion KORREL() (engl.: CORREL() ) verwendet. Dort sind zunächst die Daten der einen Variable einzugeben. Anschließend folgt ein „ ; “ , der die beiden Variablen voneinander abgrenzt. Nun sind noch die Zellen mit den Punkten einzufügen.

Excel oder auch andere Programme spucken sofort den passenden Korrelationswert aus. Es gilt natürlich darauf zu achten, dass die Wertpaare nebeneinander stehen, damit eine genaue Zuordnung möglich ist. Es ist leicht möglich, diese Werte zu bestimmen. Die einzige Aufgabe ist es nun, passende Daten zu suchen und zu sammeln, um jeden möglichen Faktor für ein Spielereignis zu berücksichtigen.

Wer optisch etwas anschaulicher die Korrelation graphisch darstellen will, der muss nur ein XY-Diagramm mit den Wertepaaren erstellen.

Gefahren bei Korrelationen

1. Korrelationen müssen plausibel sein

Ein einfaches Beispiel dafür ist eine Korrelation zwischen der Trikotnummer 9 und der Anzahl der Torerfolge während einer Saison. Es wird sicherlich eine Korrelation entstehen. Dies hat aber natürlich nichts mit der Rückennummer 9 zu tun, es liegt viel mehr daran, dass häufig Stürmer mit einer 9 auf dem Rücken auflaufen und somit zwangsläufig mehr Tore erzielen können. Dies ist natürlich ein banales Beispiel, was aber dennoch gut zeigt, welche Gefahren diese Thematik aufwirft. Jede einzelne Korrelation sollte neben dem eigentlichen Wert auch nochmals hinterfragt werden und nur verwendet werden, wenn diese auch plausibel ist.

2.Gegenseitiges Einwirken von Variablen

Auch dies ist ein Faktor, der häufig verletzt wird und zwingend beachtet werden muss. Der Satz „Geld schießt (keine) Tore“ ist eine der bekanntesten Fußballfloskeln und kann natürlich auch mit zahlreichen Studien belegt(widerlegt) werden. Wenn nun ein Korrelationswert zwischen dem Gehalt eines Fußballspielers und der Anzahl der Treffer angedacht ist, wird mit Sicherheit ein positiver Zusammenhang entstehen. Es ist aber auch logisch, dass ein Spieler meist besser ist, wenn er mehr verdient. Wenn er dann mehr verdient schießt er auch auf Dauer mehr Tore und wenn er mehr Tore schießt, wird er auch wieder mehr verdienen. Diese beiden Faktoren beeinflussen sich somit gegenseitig.

3.Zielscheibenfehler

Ein sehr häufiger Fehler, der vor allem von Medien und Journalisten immer wieder gemacht wird, ist der sogenannte Zielscheibenfehler, der bereits ausgiebig erläutert wurde. Dieser besagt, dass erst nach Eintreten eines Ereignisses die Gründe dafür gefunden werden. Man malt praktisch die Zielscheibe erst auf, nachdem die Schüsse abgegeben wurden und kann somit immer eine gute Treffergenauigkeit erreichen. Wenn ein Team mit einem sehr jungen Durchschnittsalter antritt und verliert, wird die mangelnde Erfahrung als Begründung herangezogen, während bei einem Sieg die jugendliche Unbekümmertheit ein Grund für den Erfolg war.

Beim Berechnen von Korrelationen ist aufzupassen, dass nur Daten verwendet werden , die bereits vor dem Spiel vorherrschten. Rückwirkend sind keine Schlüsse auf irgendwelche Zusammenhänge zu ziehen, da man schnell Gefahr läuft, eben diesen Zielscheibenfehler zu begehen.

4.Zusammenhänge können rein zufällig sein

Auch dieses eigentlich logische Kriterium muss beachtet werden. Wenn man sich 50 Fußballspiele anschaut und alle möglichen Variablen versucht miteinander in Verbindung zu setzen, dann wird man zwangsläufig auf einige Zusammenhänge stoßen.

Es kann sein, dass bei regnerischem Wetter eher die Mannschaften mit den dunklen Trikots gewinnen oder dass bei einem jungen Schiedsrichter das Auswärtsteam meist gewinnt. Diese Korrelationen können und werden auch zwangsläufig zufällig entstehen.

Deshalb ist es enorm wichtig, dass man die Stichprobengröße auf mindestens 300 Spiele (am besten noch mehr) vergrößert, um einen dauerhaften Zusammenhang zwischen zwei Variablen zu untersuchen. Im Beispiel mit dem regnerischen Wetter wird sich mit ziemlicher Sicherheit herausstellen, dass diese Korrelation bei den 100 Spielen ein reiner Zufall war und in den übrigen Partien die Verteilung wieder ausgeglichen sein wird.

Auch bei diesem wichtigen mathematischen Konzept gilt wieder: Probieren geht über Studieren! Die grundsätzliche Vorgehensweise ist nicht sonderlich schwer und jeder kann mit einfachen Excel-Tabellen selbst Korrelationen berechnen. Umso mehr Zusammenhänge man findet, desto genauer ist es möglich, in einem Wettmodell die Wahrscheinlichkeit eines Ereignisses zu bestimmen.

Nun wollen wir beginnen, für Sportwetten ein strategisches Modell zu erstellen, welches gewinnbringend einzusetzen ist. Dies ist ein mühsamer Weg, der einige neue Zusammenhänge aus der Welt des Sports liefert.

Es geht darum, sich eine grundsätzliche mathematische Strategie für Sportwetten zu überlegen, wie die Erstellung eines Wettmodells denkbar ist. Es ist wichtig, nicht auf gut Glück Daten zu sammeln und nach denen zu wetten. Ein gutes System entwickelt sich mit der Zeit von selbst und verbessert sich durch gesammelte Erfahrungswerte.

Es kann jederzeit abgeändert werden, ohne dass es komplett wieder verworfen werden muss. Aus diesem Grund sind die ersten Schritte die wichtigsten, um sich in Zukunft jede Menge Frust und Arbeit zu ersparen.

in 7 Schritten ein Wettmodell erstellen

Das Ziel festlegen (Schritt 1)

Zunächst ist festzulegen, welches Ziel das Wettmodell verfolgen soll. Es hilft nichts, die richtigen Daten zu sammeln, sie aber für die falschen Wahrscheinlichkeiten zu nutzen. Später wird anhand eines Beispiels erklärt, wie das funktioniert und welche Fehler zu vermeiden sind.

Die Metrik bestimmen (Schritt 2)

Ein äußerst wichtiger Punkt ist die Metrik, welche die Wahrscheinlichkeiten berechnen soll. Wenn man nur den Sieger eines Fußball-Matches bestimmen möchte, muss diese natürlich andere Wahrscheinlichkeiten berechnen, als für eine Over/Under-Wette beim Eishockey.

Zudem ist zu berücksichtigen, wie viele unterschiedliche Wahrscheinlichkeiten die Metrik berechnen soll und wie diese untereinander gewichtet werden. Auch dazu wird im Beispiel weiter unten noch genauer eingegangen.

Einflussfaktoren festlegen (Schritt 3)

Um zu entscheiden, mit welchen Daten das Wettmodell gefüttert werden soll, muss man sich überlegen, welche Zahlen und Fakten einen Einfluss auf die zu berechnende Wahrscheinlichkeit haben. Es reicht natürlich nicht, nur die Tabellenposition oder das Torverhältnis anzusehen, sondern weit kleinere Einflussfaktoren (Torschüsse, gefährliche Angriffe?) sind zu ergänzen.

Bet365	100%	Testbericht	Wetten
Interwetten	100€	Testbericht	Wetten
Bwin	100€	Testbericht	Wetten
Happybet	100€	Testbericht	Wetten
Betway	100€	Testbericht	Wetten

Daten sammeln (Schritt 4)

Einer der zeitaufwändigsten Aufgaben eines Mathematikers ist es, die notwendigen Daten zu sammeln und zu archivieren. Es gibt natürlich auch dazu Hilfestellungen, die zu nutzen sind. Einige Softwares erleichtern die Arbeit und ersetzen die Notierung per Hand. Der Prozess wird immer weiter automatisiert.

Auch API`s von vielen Wettanbietern sind öffentlich zugänglich und das lässt sich für eigene Zwecke nutzen. Sportwetter mit Programmier-Kenntnissen können selbst Programme erstellen, die einem die Arbeit später abnehmen und selbstständig die nötige Recherche im Internet durchführen. All dies entwickelt sich auch mit der Zeit und Wett-Neulinge dürfen sich davon nicht abschrecken lassen. Zu Beginn reicht es komplett aus, einen Stift und einen Zettel in die Hand zu nehmen und selbst im Internet nach verfügbaren Daten zu suchen.

Mit ein paar Grundkenntnissen in Excel ist es nicht allzu schwer, die ersten Wahrscheinlichkeiten zu berechnen und diese mit den Buchmachern zu vergleichen.

Korrelation und Regression zur Mitte beachten (Schritt 5)

Dieser Punkt ist der vielleicht wichtigste und knüpft direkt an die Schritte 3 und 4 an. Wenn die nötigen Daten ausgewählt und gesammelt wurden, gilt es jene nach unterschiedlichsten Kriterien auszuwerten. Unter Korrelation versteht der Mathematiker den kausalen Zusammenhang zwischen einer Bedingung und einer Ursache, wie zum Beispiel die Anzahl der Torschüsse und die tatsächliche Anzahl der gefallenen Tore. Dieser Zusammenhang kann mit einem sogenannten Korrelationskoeffizienten beschrieben werden, der einen Wert zwischen -1 und 1 annimmt (genauere Erklärung im vorherigen Artikel).

Auch die Regression zur Mitte gilt es zu beachten, welche bedeutet, dass sich mathematisch gesehen alle Ereignisse auf die Dauer gesehen ihrem Erwartungswert anpassen. Wenn Manchester United im Schnitt drei Tore pro Spiel schießt, jedoch in den ersten zehn Spielen nur 20mal trifft, dann bedeutet dies auf der einen Seite nicht zwingend, dass sie torungefährlicher geworden sind, da es theoretisch reiner Zufall gewesen sein könnte.

Auf der anderen Seite bedeutet dies aber auch nicht, dass man in den nächsten zehn Spielen eine durchschnittliche Toranzahl von vier Treffern pro Match zu erwarten hat. Dieser Punkt ist sehr entscheidend, da man ohne Beachtung der Regression zur Mitte oft Daten falsch interpretiert und somit falsche Schlüsse aus ihnen zieht.

Modell erstellen (Schritt 6)

Wer die Punkte 1 bis 5 absolviert hat, kommt zu einem ersten Teilziel: Die Erstellung des Wettmodells kann beginnen. Dies ist mit Programmen wie Numbers oder Excel recht einfach möglich. Mit etwas Geschick und Übung lassen sich die Daten in das System einspeisen und mit mathematischen Formeln Wahrscheinlichkeiten für bestimmte Ereignisse berechnen. Wenn man anschließend noch die Quoten mit einbezieht, können Value-Bets sehr leicht gefunden und errechnet werden.

Je nach Vorlieben kann auch gleich ein Setzmuster mit in das Modell integriert werden, sodass man letztendlich nur noch ablesen muss, welchen Einsatz man auf welches Ereignis platziert.

Modell überprüfen und ausbessern (Schritt 7)

Wer glaubt, Schritt 6 sei der Abschluss und ein schönes, funktionierendes Wettmodell endgültig erstellt, der wird direkt wieder enttäuscht. Es kann selbst bei noch so guten Mathematikern und Statistikern nicht sein, dass eine Wahrscheinlichkeitsrechnung von Beginn an perfekt abgestimmt ist und alle Faktoren richtig berücksichtigt und gewichtet werden.

Auch wenn irgendwann ein funktionierendes System besteht, sollte der Verbesserungsgedanke stets bestehen, da jede 0,1-prozentige Verbesserung in den Ergebnissen am Ende einen signifikanten Unterschied in der Gewinn/Verlust-Statistik hervorrufen kann. Aus diesen Gründen ist es wichtig, dass man von Anfang an sauber Buch führt über jede einzelne Wette, jede Wahrscheinlichkeit und jede gefundene Value-Bet, um am Ende Fehler ausfindig zu machen und diese zu beseitigen.

Dieser Schritt 7 ist endlos fortführbar und wird sich einige Male wiederholen, bis man die ersten wirklich guten Resultate erzielt. Aber die Mühen sind es wert. Wie in Artikel 1 bereits geschildert, kann es für einen Sportwetter reichen, einmal ein funktionierendes System zu erstellen und er kann damit herausragende Ergebnisse erzielen.

Beispiel: Wettmodell erstellen

Ein Beispiel soll dazu dienen, die reichlich theoretisch formulierten Schritte leichter verständlich zu machen.

• Schritt 1: Ziel festlegen

Im Beispiel soll ein Modell erstellt werden, das eine möglichst genaue Wahrscheinlichkeit liefert, wie viele Tore in einem Fußballspiel fallen werden, um damit mögliche Value-Bets bei Over/Under-Wetten zu finden.

• Schritt 2: Metrik bestimmen

Der zweite Schritt ist eindeutig: Es gilt eine Metrik zu finden, mit der die Anzahl der Tore beider Mannschaften zu bestimmen ist, um dann einen Durchschnittswert für die Begegnung zu erhalten, der wiederum in Wahrscheinlichkeiten umzuwandeln ist.

• Schritt 3: Einflussfaktoren bestimmen

In diesem Fußball-Beispiel ist ein großer Einflussfaktor bekanntermaßen der Heimvorteil. Bei den Zahlen und Daten ist unbedingt darauf zu achten, ob sie nur aus den Heimspielen einer Mannschaft bestehen oder aus allen Partien. Desweiteren gilt es sich zu überlegen, ob das Wetter, Verletzungen, die Motivation und viele weitere Dinge eine Rolle spielen könnten und somit auch die Anzahl der Tore im Spiel mit beeinflussen werden. Zur leichteren Erklärung wird das nachfolgend erarbeitete Wettmodell sehr vereinfacht. Es spielen nur Tore und Gegentore eine Rolle.

• Schritt 4: Daten sammeln

Die Datensammlung ist im vereinfachten Beispiel natürlich äußerst einfach, da sich nur auf die Anzahl der geschossenen Tore in der bisherigen Saison zu konzentrieren ist. Notiert werden die Torverhältnisse der zur Analyse wichtigen Teams der amtierenden Saison oder der Vorjahre. In der Realität müssen natürlich die Daten nach Heim- und Auswärtsspielen sortiert werden und weitere Faktoren wie Torschüsse berücksichtigt werden.

• Schritt 5: Korrelationen und Regression zur Mitte beachten

Fortan gilt es zu entscheiden, wie groß der Einfluss einzelner Faktoren auf die Wahrscheinlichkeit ist. Natürlich muss ein Spiel vom letzten Wochenende mehr gewichtet werden als ein Match aus dem Vorjahr. Jedoch gilt es zu beachten, dass umso kleiner die Stichprobe ist, sich umso mehr Fehler einschleichen. Dies ist wiederum mit der Regression zur Mitte zu begründen.

Angenommen Manchester United hat einen furiosen Saisonstart hingelegt und an den Spieltagen 9 und 10 nur 0:0 gespielt. Da diese beiden erst kürzlich absolvierten Nullnummern natürlich schwerer gewichtetet werden als die Partien zu Saisonbeginn, könnte die Wahrscheinlichkeit fehlerhaft einen Erwartungswert von eher wenigen Toren liefern. Durch die Regression zur Mitte ist die Erwartung der Tore an Spieltag 11 jedoch fast identisch, wie sie es vor diesen beiden Unentschieden war (angenommen es gab keine grundlegenden Veränderungen in der Aufstellung durch Verletzte oder Sperren). Es lässt sich schon erkennen, dass dieser Schritt sehr schnell äußerst komplex wird. Vereinfacht werden alle Spieltage gleich bewertet, um eine leichte Rechnung zu erhalten.

• Schritt 6: Modell erstellen

Nun müssen die Daten in das Modell eingebaut werden.

Wie dem Bild zu entnehmen ist, wurde für das Beispielmatch Chelsea vs. Manchester United der Durchschnittswert für die Anzahl der Tore einer Mannschaft berechnet durch den Mittelwert aus dem Durchschnitt der eigenen erzielten Tore und dem der Gegentore des Gegners. Nach diesen Berechnungen würde Chelsea durchschnittlich 2,05 Tore erzielen, Manchester United dagegen nur 1,4 Tore. Insgesamt würden in dieser Partie etwa 3,45 Tore fallen.

Da ein Fußballspiel schwer mit 2,05 : 1,4 enden kann, müssen diese Werte noch verarbeitet werden. Im Beispiel wurde dafür die Poissonverteilung verwendet. Dies ist eine mathematische Verteilung, die festlegt, mit welcher Wahrscheinlichkeit wie viele Tore bei einem gewissen Durchschnittswert fallen. In diesem Fall würde das Match zwischen Chelsea und Manchester nur zu knapp über 3% mit einem 0:0 enden, während fünf Tore in der Begegnung zu knapp 12% fallen.

Die Poissonverteilung ist nur eine Möglichkeit für die Berechnung. Insbesondere im Beispiel “Anzahl der Tore” hat sich diese aber als sehr genau erwiesen und kann deshalb gut verwendet werden.

Aus den Daten resultiert schlussendlich eine Wahrscheinlichkeit von 67%, dass mehr als 2,5 Tore im Spiel fallen und eine Wahrscheinlichkeit von 33% (die Gegenwahrscheinlichkeit), dass es weniger als 2,5 Treffer in der Partie gibt. Diese Wahrscheinlichkeiten lassen sich leicht in faire Quoten umrechnen (Quote= 1/”Wahrscheinlichkeit”), welche anschließend mit denen der Buchmacher abgeglichen wird.

Sollte die Quote der Buchmacher über der “fairen” Quote liegen, ist eine Value-Bet gefunden. Im Beispiel würde eine Wette auf “Über 2,5 Tore” Sinn ergeben. Umso größer die Datensätze werden, umso schwieriger wird es logischerweise zu entscheiden, wie sich die Gesamtwahrscheinlichkeit berechnen lässt. Die goldene Formel hierfür muss sich im Laufe der Zeit entwickeln.

Wichtig ist es natürlich, die Quote ohne Wettsteuer einfließen zu lassen!

Bet365	100%	Testbericht	Wetten
Winamax	100€	Testbericht	Wetten
Tipwin	100€	Testbericht	Wetten
Merkur Bets	100€	Testbericht	Wetten

• Schritt 7: Modell überprüfen und ausbessern

In diesem Schritt würden alle Spiele, die eine Value-Bet liefern, notiert und mit dem jeweiligen Einsatz, der Quote, sowie dem Gewinn oder Verlust eingetragen. Nach einer Stichprobe von etwa 50 bis 100 Spielen kann man das das erste mal abrechnen und überprüfen, ob man bisher einen Gewinn einfahren konnte oder ob das System noch zu viele Schwachstellen hat. Sollte der Wert ein Plus vorweisen, dann kann der Testlauf auf 200 bis hin zu 1.000 Spielen erweitert werden. Erst wenn danach immer noch ein Gewinn herausspringen sollte, ist langsam davon auszugehen, dass mit dem Wettmodell tatsächlich ein positiver Erwartungswert erreicht wird.

In diesem Fall wäre das Ziel erreicht, ein mathematisches Konzept so weit auszufeilen, dass es dauerhaft gewinnbringend ist. Bis dahin heißt es allerdings: Arbeit, Arbeit, Arbeit!

Eine Übersicht über alle interessanten Informationen rund um den langfristigen Wetterfolg, finden Sie in unserem Artikel: Langfristig Erfolgreich Wetten – Bankrollmanagement, Estimations und Co.