Mám za sebou první seriózní sezonu sázení na základě statistických modelů se vzorkem cca. 800 sázek a dosáhl jsem ROI přes 4%. Sázel jsem několik evropských hokejových lig a AHL, později jsem přidal volejbal (za moc to nestálo- málo sázek). U malých lig jsem musel čekat na odstranění koleček, větší jsem sázel po 1. nebo 2. navýšení limitů.
Použil jsem pouze regresi s max. 2 páry proměnných, v případě volejbalu se přidaly binární stromy (nemá cenu se snažit použít Markovovy řetězce).
Další sezonu budu sázet všechny hokejové ligy, které půjdou a chci taky zkusit basket. Jestli bude čas, pohrál bych si s NN, ale jak zjišťuju, tak je dobré mít model co nejjednodušší. Co se týče časové náročnosti, nejhorší je získávání a předzpracování dat a platí zde nepřímá úměra k velikosti ligy. Nejvíc jsem si užil s futsalem, který jsem chtěl sázet jako první a Pinnacle ho na(ne)štěstí přestal vypisovat. Mimochodem futsal a některé ještě obskurnější sporty se dají porazit i lineární regresí
Pokud by někdo měl odvahu, tak by se mohl podívat na výše zmíněné SVN, celulární automaty nebo deep learning. Moc mě ale nenapadá, jak by se daly úspěšně aplikovat na sázení. Je ale pravda, že o nich prakticky nic nevím.
Odpověď s citací