آیا الگوریتمها میتوانند بوکمیکرها را شکست دهند؟
بررسی جامع، تخصصی و فوقتخصصی نقش مدلهای آماری و هوش مصنوعی در شرطبندی ورزشی
برای دههها تصور عمومی این بود که بوکمیکرها همواره برنده هستند و شکست دادن آنها در بلندمدت تقریباً غیرممکن است.
اما تاریخ شرطبندی ورزشی نشان داده است که برخی الگوریتمها واقعاً توانستهاند بازار را شکست دهند و سودهای چندصد میلیون دلاری ایجاد کنند؛ اما این موفقیتها حاصل ترکیب علوم داده، آمار، اقتصاد، مهندسی نرمافزار، مدیریت ریسک و دسترسی به دادههای باکیفیت بودهاند، نه چند فرمول ساده اکسل یا رباتهای تضمینی.
ظهور شرطبندان حرفهای مانند:
– بیلی والترز (Billy Walters)،
– تونی بلوم (Tony Bloom)،
– متیو بنهام (Matthew Benham)،
– هارالابوس وولگاریس (Haralabos Voulgaris)،
این باور را که بوک میکر را نمیتوان شکست داد ، به چالش کشید.
وجه مشترک موفقیت همه قماربازان افسانه ای ، یک عامل کلیدی بود:
«استفاده از مدلهای کمی (Quantitative Models) و الگوریتمهای تصمیمگیری.»
امروزه این سؤال مطرح است:
«آیا واقعاً الگوریتمها میتوانند بوکمیکرها را شکست دهند ؟
برای پاسخ به این پرسش ابتدا باید فهمید بوکمیکرها چگونه کار میکنند. چگونه ضرایب را تعیین میکنند.
برخلاف تصور رایج ،بوکمیکرها صرفاً پیشبینیکننده نتایج نیستند؛ بلکه مدیران ریسک هستند.
اهداف آنها عبارتاند از:
– برآورد احتمال واقعی رخدادها؛
– افزودن حاشیه سود (Vigorish)؛
– متعادلسازی جریان سرمایه؛
– محدودسازی شرطبندان حرفهای.
__
فرضیه بازار کارا (Efficient Market Hypothesis)
بر اساس نظریه یوجین فاما:
«تمام اطلاعات موجود در ضرایب منعکس میشوند.»
اگر بازار شرطبندی کاملاً کارا باشد:
– الگوریتمها نمیتوانند مزیت ایجاد کنند؛
– هیچ شرطبندی دارای ارزش مورد انتظار مثبت نخواهد بود.
اما مطالعات متعدد نشان دادهاند:
«بازارهای شرطبندی کاملاً کارا نیستند.»
____
ناکارآمدی های بازار شرطبندی
پژوهشها نشان دادهاند که عوامل زیر باعث ایجاد خطا در قیمتگذاری میشوند:
۱. Favorite–Longshot Bias
تمایل مردم به شرط بستن روی:
– ضرایب بسیار کم؛
– ضرایب بسیار بالا.
در نتیجه:
احتمالات واقعی تحریف میشوند.
۲. سوگیری تیمهای محبوب
تیمهایی مانند:
– رئال مادرید؛
– منچستریونایتد؛
– دالاس کابویز.
معمولاً بیش از ارزش واقعی قیمتگذاری میشوند.
۳. واکنش بیش از حد به نتایج اخیر
Recency Bias.
۴. تأخیر اطلاعات
بوکمیکرها گاهی در واکنش به:
– مصدومیتها؛
– تغییرات ترکیب؛
– شرایط آبوهوایی.
کند عمل میکنند.
___
الگوریتم چیست؟
در شرطبندی الگوریتم مجموعهای از قواعد ریاضی برای تخمین احتمال واقعی رخدادها و هدف نهایی آن ، تبدیل داده به احتمال است.
نسل اول الگوریتمها
دهههای ۱۹۷۰ و ۱۹۸۰.
ویژگیها:
– محاسبات دستی؛
– جداول آماری؛
– رگرسیون خطی.
نمونه:
بیلی والترز.
نسل دوم
دهه ۱۹۹۰ و ۲۰۰۰.
ویژگیها:
– پایگاههای داده بزرگ؛
– مدلهای پواسون؛
– رگرسیون لجستیک.
نمونه:
متیو بنهام.
نسل سوم
دهه ۲۰۱۰.
ویژگیها:
– یادگیری ماشین؛
– XGBoost؛
– Random Forest.
نمونه:
تونی بلوم و Starlizard.
نسل چهارم
دهه ۲۰۲۰
ویژگیها:
– هوش مصنوعی؛
– Deep Learning؛
– Tracking Data؛
– پردازش لحظهای دادهها.
الگوریتمهای مشهور در شرطبندی فوتبال
مدل پواسون
برای پیشبینی:
– تعداد گلها؛
– نتیجه دقیق؛
– بازارهای اوور و آندر.
Dixon–Coles Model
نسخه اصلاحشده پواسون.
مناسب برای فوتبال.
Logistic Regression
برای بازارهای برد، مساوی و باخت.
Elo Rating
برآورد قدرت نسبی تیمها.
Bayesian Models
بهروزرسانی مداوم احتمالات.
Monte Carlo Simulation
اجرای هزاران شبیهسازی مسابقه.
—
ولیو بتینگ ، هدف نهایی الگوریتم
هدف الگوریتم یافتن شرطهایی است که احتمال واقعی آنها بیشتر از احتمال ضمنی بازار باشد.
فرمول:
EV = (Probability × Profit) − (Loss Probability × Stake)
اگر EV مثبت باشد:
شرط دارای ارزش است.
آیا شواهد واقعی وجود دارد؟
بله.
نمونههای مشهور:
تونی بلوم
سندیکای Starlizard.
برآورد سود:
1.4 میلیارد دلار.
متیو بنهام
Smartodds.
برآورد سود:
حدود ۳۰۰ میلیون دلار.
بیلی والترز
ترکیب مدل آماری و تحلیل انسانی.
حدود ۲۵۰ میلیون دلار سود
هارالابوس وولگاریس
مدلهای NBA.
سود تخمینی:
بیش از ۱۵۰ میلیون دلار
چرا همه نمیتوانند بوکمیکرها را شکست دهند؟
زیرا داشتن الگوریتم کافی نیست.
نیاز به موارد زیر وجود دارد:
داده باکیفیت
داده ناقص = مدل ناقص.
—
سرمایه کافی
واریانس اجتنابناپذیر است.
اجرای سریع:
مزیتهای قیمتی کوتاهمدت هستند.
مدیریت سرمایه
بدون کنترل ریسک، حتی مدل خوب نابود میشود.
زیرساخت فنی
– سرورهای قدرتمند؛
– API؛
– سیستمهای خودکار ثبت شرط.
واکنش بوکمیکرها به الگوریتم ها:
بوکمیکرها نیز بیکار ننشستهاند.
اقدامات آنها:
– محدود کردن حساب حرفهایها؛
– کاهش سقف شرط؛
– الگوریتمهای ضدآربیتراژ؛
– مانیتورینگ رفتار کاربران.
رقابت الگوریتم در برابر الگوریتم
بازار امروز:
«انسان در برابر بوکمیکر نیست.»
بلکه:
«الگوریتم شرطبند در برابر الگوریتم بوکمیکر است.»
آیا هوش مصنوعی آینده را تغییر میدهد؟
احتمالاً بله.
اما:
«هوش مصنوعی مزیت را از بین نمیبرد؛ بلکه سطح رقابت را بالاتر میبرد.»
شرکتهایی که:
– داده بهتر؛
– متخصصان قویتر؛
– منابع مالی بیشتر.
داشته باشند، همچنان برتری خواهند داشت.
محدودیتهای الگوریتم ها:
الگوریتمها کامل نیستند.
مشکلات اصلی:
– بیشبرازش (Overfitting)؛
– تغییر ساختار مسابقات؛
– رویدادهای غیرمنتظره؛
– سوگیری دادهها؛
– هزینههای تراکنش و ویگ.
جمعبندی
آیا الگوریتمها میتوانند بوکمیکرها را شکست دهند؟
پاسخ علمی:
«بله؛ اما نه بهصورت آسان، تضمینی یا دائمی.»
شواهد تاریخی نشان میدهد که گروه کوچکی از شرطبندان حرفهای با استفاده از مدلهای آماری، علوم داده و مدیریت ریسک توانستهاند در بازههای زمانی طولانی به سودهای عظیم دست پیدا کنند.
با این حال، موفقیت آنها نتیجه «فرمول جادویی» نبوده است؛ بلکه حاصل ترکیب پیچیدهای از داده، تخصص، سرمایه، فناوری و انضباط بوده است.
در نهایت، مهمترین حقیقت این است:
«الگوریتمها قادر به شکست بوکمیکرها هستند، اما تنها زمانی که مزیت اطلاعاتی یا تحلیلی واقعی ایجاد کنند؛ زیرا در بازاری که هر دو طرف به داده و فناوری مجهز هستند، برنده کسی است که احتمال را دقیقتر از دیگران قیمتگذاری کند.»
اگر بخواهیم از منظر کاملاً علمی و دانشگاهی به موضوع نگاه کنیم، شاید دقیقترین پاسخ این باشد:
«الگوریتمها میتوانند بوکمیکرها را شکست دهند، اما نه به این دلیل که آینده را پیشبینی میکنند؛ بلکه به این دلیل که گاهی احتمال وقوع رویدادها را اندکی دقیقتر از بوک میکر برآورد میکنند. همین برتری کوچک، اگر هزاران بار با مدیریت سرمایه مناسب تکرار شود، میتواند به ثروتهای چندصد میلیون دلاری تبدیل شود.»