I Used to Pay $180/yr for a Profitable Betting Tool. This Year I Built One in Python
Zusammenfassung
Kurz
Der Bericht zeigt, wie ein Python-Werkzeug mit Selenium Buchmacherquoten sammelt und sie mithilfe historischer Fußballstatistiken filtert, um mögliche Wetten auf Über 2,5 Tore und „Beide Teams treffen“ zu sortieren. Die Ergebnisse sind laut Autor nur Kandidaten für eine weitere Prüfung; eine tatsächliche Profitabilität wird nicht belegt, und Datenabdeckung sowie Aktualität begrenzen das Verfahren.
Mittel
Der Artikel erklärt, wie Frank Andrade mit Python ein Werkzeug zur Vorauswahl möglicher Fußballwetten gebaut hat. Nach eigener Darstellung ersetzte er damit ein zuvor bezahltes Tool; unabhängige Belege für dessen Profitabilität liefert der Bericht jedoch nicht.
Ein Selenium-Skript sammelt bei Betfair Quoten für ausgewählte Ligen und Märkte, darunter Über/Unter 2,5 Tore und „Beide Teams treffen“. Pandas bereinigt die Tabellen und Datumsangaben. Ein zweites Skript verbindet diese Quoten mit historischen CSV-Daten. Fuzzywuzzy gleicht abweichende Mannschaftsnamen ab. Für Berechnungen verwendet der Autor vor allem die jüngsten zwei Spielzeiten, da ältere Daten nicht alle benötigten Statistiken enthalten.
Das Werkzeug berechnet Tor-, Schuss- und Eckendaten und filtert Partien nach Schwellenwerten sowie eigenen „fairen“ Quoten. Die verbleibenden Kandidaten werden nach dem berechneten Wert einer Über-2,5-Tore-Wette sortiert. Der Autor betont, dass die Liste nur mögliche Spiele aufzeigt und keine Wette automatisch empfohlen wird. Die Quoten reichen laut Bericht nur wenige Tage voraus, weshalb der Scraper regelmäßig laufen und die historischen Daten aktualisiert werden müssen. Leser merken an, dass Codeanpassungen für neuere Bibliotheksversionen nötig sein könnten.
Ausführlich lesen
Der Bericht ist ein Programmier-Tutorial von Frank Andrade. Er beschreibt, wie der Autor nach eigenen Angaben einen kostenpflichtigen Fußball-Wettbewerbsfilter mit Python nachgebaut hat. Das Werkzeug soll mögliche Wetten anhand von Buchmacherquoten und historischen Spieldaten finden. Der Artikel erklärt den Aufbau und die Berechnungen; seine Aussagen über Profitabilität sind nicht durch ausgewiesene Testergebnisse oder Leistungsdaten belegt.
Das Projekt besteht aus zwei Skripten. Im ersten Teil werden mit Selenium Vorabquoten von Betfair für ausgewählte europäische Ligen gesammelt. Der Autor zeigt, wie der Browser automatisiert, ein Cookie-Hinweis bestätigt, die Website auf Englisch gestellt und durch Wettbewerbe navigiert wird. Erfasst werden Mannschaftsnamen, Spieltermine und Quoten für „Über/Unter 2,5 Tore“ sowie „Beide Teams treffen“. Pandas führt diese Daten anschließend in Tabellen zusammen, bereinigt sie und wandelt die Datumsangaben in ein einheitliches Format um. Die Ergebnisse werden als Pickle-Datei gespeichert. Laut Bericht enthält der Abruf nur Quoten für die kommenden Tage; der Autor empfiehlt deshalb, den Scraper regelmäßig auszuführen.
Das zweite Skript verbindet die Quoten mit historischen Fußballdaten, die als CSV-Dateien eingelesen und bereinigt werden. Weil Buchmacher und Datensätze Mannschaftsnamen unterschiedlich schreiben können, gleicht der Code sie mit Fuzzywuzzy ab. Für die Profilberechnungen nutzt der Autor zwei jüngere Spielzeiten, obwohl die historische Sammlung fünf Jahre umfasst: Nicht für alle älteren Saisons seien die benötigten Statistiken verfügbar. Aus den Daten berechnet das Werkzeug teambezogene Durchschnittswerte für Tore sowie Summen für Schüsse aufs Tor und Ecken. Dabei werden Heim- und Auswärtssituation getrennt betrachtet; die Torzahl umfasst erzielte und kassierte Tore.
Für ein ausgewähltes Datum filtert das System Partien zunächst nach Durchschnittswerten von mehr als 2,5 Toren, mehr als neun Schüssen aufs Tor und mehr als neun Ecken. Anschließend berechnet es eigene „faire“ Quoten für Über 2,5 Tore und „Beide Teams treffen“ und berücksichtigt laut Beschreibung nur Werte über 2, also geschätzte Wahrscheinlichkeiten von mindestens 50 Prozent. Teams ohne verfügbare Statistiken, etwa möglicherweise aufgestiegene Mannschaften, erhalten für die Filter den Wert null. Zum Schluss ordnet das Programm die übrig gebliebenen Spiele nach dem berechneten Wert der Über-2,5-Tore-Wette und gibt eine Liste möglicher Kandidaten aus.
Der Artikel stellt klar, dass diese Liste keine Aufforderung ist, auf jedes Spiel zu setzen: Die einzelnen Partien sollen zusätzlich geprüft werden. Eine manuelle Analyse zwischen den Mannschaften wird als ergänzende, ebenfalls programmierbare Funktion erwähnt. Der Bericht beschreibt somit eine datenbasierte Vorauswahl und deren Implementierung, belegt aber nicht, dass die Methode zuverlässig Gewinne erzielt. Als praktische Einschränkungen nennt er den kurzen Zeitraum der gescrapten Quoten, fehlende Statistiken für manche Teams oder Saisons und die Notwendigkeit, historische Daten aktuell zu halten. In den Leserreaktionen wird außerdem angemerkt, dass Teile des Codes mit aktuellen Bibliotheksversionen möglicherweise aktualisiert werden müssen.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Es sind keine Sammelfragen oder Teilfragen angegeben, daher bleibt die Einordnung leer. Die Zusammenfassungen (kurz und mittel) geben den Bericht im Kern treu wieder; die Einordnung der Profitabilität als unbelegt ist durch den Text gedeckt.
Im Bericht, aber nicht in der Zusammenfassung
- Die konkreten Filterschwellen des Werkzeugs (Durchschnittstore über 2,5, Schüsse aufs Tor und Ecken über 9, reale Quote unter 2,0) fehlen in beiden Zusammenfassungen.
- Der Bericht ist eine Schritt-für-Schritt-Anleitung des Autors und keine unabhängige Untersuchung; das wird in den Zusammenfassungen nicht ausdrücklich benannt.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Kein Modell sieht bei diesem Bericht einen Bezug zu einer der 44 Sammelfragen.