How to Make Money When the Bookies Get It Wrong and Lose
Zusammenfassung
Kurz
Der Artikel erklärt Value Betting als Vergleich eigener Wahrscheinlichkeitsschätzungen mit Buchmacherquoten und zeigt manuelle sowie Python-gestützte Vorgehensweisen anhand von Fußballbeispielen. Der Autor hält langfristige Gewinne für möglich, räumt aber Risiken und die Abhängigkeit von Daten und Stichproben ein; ein tatsächlicher Gewinnnachweis fehlt, und eine Berechnungsformel bleibt uneindeutig.
Mittel
Frank Andrade stellt Value Betting als Strategie vor, bei der man Wetten sucht, deren Buchmacherquote im Verhältnis zur eigenen Wahrscheinlichkeitsschätzung günstig erscheint. Der Artikel berechnet aus geschätzten Wahrscheinlichkeiten „reale Quoten“ und vergleicht sie mit Anbieterquoten: Ein positiver Wert nach der Formel „Buchmacherquote / reale Quote − 1“ gilt als Value Bet. An Beispielen zu Liverpool gegen Manchester City findet der Autor unter anderem Wetten auf einen City-Sieg bei drei Anbietern mit positivem Wert.
Zur Suche empfiehlt er den manuellen Vergleich über Prognose- und Wettquotenseiten sowie ein Python-Verfahren mit Pandas und Selenium. Dieses soll historische Fußballdaten laden, Wahrscheinlichkeiten für Märkte wie „mehr als 2,5 Tore“ berechnen und mit Buchmacherquoten vergleichen. Der Autor behauptet, Value Betting könne langfristig profitabel sein und automatisierte Auswertung spare Zeit; zugleich sei es nicht risikofrei.
Der Bericht belegt keine tatsächlichen Gewinne. Ergebnisse hängen laut Autor von Daten und ausgewählten Spielzeiten ab. Außerdem ist die Formel zur Berechnung der „realen Quoten“ im Tor-Beispiel nicht eindeutig: Sie wird als Häufigkeit günstiger Ergebnisse beschrieben, obwohl Quoten zuvor als Kehrwert einer Wahrscheinlichkeit definiert werden.
Ausführlich lesen
Der Bericht von Frank Andrade erläutert „Value Betting“ als Strategie, bei der Sportwetten auf Ausgänge gesetzt werden, deren geschätzte Wahrscheinlichkeit aus Sicht des Wettenden besser ist, als die angebotenen Quoten vermuten lassen. Der Autor behauptet, dass solche Wetten langfristig profitabel sein können, betont aber ausdrücklich, dass die Strategie nicht risikofrei ist.
Zunächst führt der Artikel das Prinzip anhand eines Liverpool-Manchester-City-Spiels vor. Mit von FiveThirtyEight genannten Siegchancen von 28 Prozent für Liverpool und 47 Prozent für Manchester City sowie einer daraus abgeleiteten Unentschieden-Wahrscheinlichkeit von 25 Prozent berechnet der Autor sogenannte „reale Quoten“ als Kehrwert der Wahrscheinlichkeiten: 3,57, 2,12 und 4,0. Diese vergleicht er mit Buchmacherquoten anhand der Formel „Wert = Buchmacherquote / reale Quote − 1“. Ein positiver Wert gilt ihm als Value Bet. Im Beispiel identifiziert er Wetten auf einen Sieg von Manchester City bei MarathonBet, Pinnacle und Unibet als wertvoll. Ein weiteres Beispiel vergleicht Quoten für mehr als 2,5 Tore; dabei sei laut Artikel nur William Hill kein Value Bet.
Für die manuelle Suche empfiehlt der Autor, Wahrscheinlichkeiten etwa bei FiveThirtyEight zu recherchieren und Quoten verschiedener Anbieter mit kostenlosen Wettvergleichsseiten wie OddsPortal abzugleichen. Für eine automatisierte Analyse beschreibt er drei Schritte mit Python, Pandas und Selenium: historische Fußballergebnisse beschaffen, daraus eigene Wahrscheinlichkeiten beziehungsweise „reale Quoten“ für einen Markt berechnen und die Ergebnisse mit aktuellen Buchmacherquoten vergleichen. Als Datenquelle nennt er football-data.co.uk mit Angaben aus 27 Ligen und bis zu zehn Jahren Historie. Das Rechenbeispiel zu mehr als 2,5 Toren nutzt Heim- und Auswärtstore und soll für Liverpool gegen Manchester City den Wert 1,67 ergeben. Die Auswahl der Saisons und Daten beeinflusse das Ergebnis; der Autor verwendet im Beispiel fünf Spielzeiten.
Der Text präsentiert damit eine Methode und Beispiele, aber keinen Nachweis tatsächlicher Gewinne oder eine unabhängige Prüfung der Berechnungen. Die geschätzten Wahrscheinlichkeiten hängen von Daten und Stichprobenauswahl ab. Zudem ist die dargestellte Python-Formel für „reale Quoten“ erklärungsbedürftig: Der Artikel beschreibt sie als Anteil günstiger Ergebnisse an allen Spielen, während die frühere Definition Quoten als Kehrwert einer Wahrscheinlichkeit festlegt. Die Angabe 1,67 lässt sich aus dem Bericht allein daher nicht eindeutig mit der gezeigten Formel vereinbaren. Der Beitrag sagt, Automatisierung spare Zeit und Value Bets könnten langfristig helfen, macht aber keine Aussagen zu Einsatzgrößen, Verlustserien oder konkreten Renditen.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Es wurden keine Fragen zur Einordnung angegeben (Lunas Einordnung je Sammel- und Teilfrage ist leer), daher bleibt die Einordnung leer. Die Zusammenfassungen sind im Kern treu; die Formel zur realen Quote wird im Bericht selbst uneinheitlich beschrieben (Kehrwert einer Wahrscheinlichkeit gegenüber Anteil günstiger Ergebnisse), was Luna richtig benennt.
Im Bericht, aber nicht in der Zusammenfassung
- Surebets als risikofreie Alternative, die mehr Zeit kostet, werden in beiden Zusammenfassungen nicht erwähnt
- Die Beispielrechnung mit 100 Dollar auf ein Unentschieden und auf einen City-Sieg fehlt
- Die Stufe der Python-Umsetzung mit Selenium und Pandas wird nur knapp erwähnt
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Kein Modell sieht bei diesem Bericht einen Bezug zu einer der 44 Sammelfragen.