Футбол часто обсуждают языком ощущений:
«Команда сейчас на ходу».
«Этот клуб дома почти не проигрывает».
«Форвард набрал форму».
Такие наблюдения действительно полезны. Но проблема в том, что человек легко переоценивает последние события. Команда выиграла три матча подряд — кажется очень сильной. Проиграла два — уже кажется кризисной.
Статистика позволяет посмотреть на ту же игру немного иначе.
Не пытаясь заменить футбол математикой, можно использовать цифры как дополнительный инструмент анализа.
Начнём с результатов
Допустим, команда выиграла четыре из последних пяти матчей.
Хороший показатель. Но что стояло за этими победами?
Можно посмотреть:
кто был соперником;
где проходили матчи;
сколько моментов создавали команды;
забитые и пропущенные мячи;
xG;
домашнюю и гостевую форму;
силу состава.
Один результат редко рассказывает всю историю.
xG: почему счёт не всегда показывает содержание матча
Expected Goals, или xG, оценивает качество голевых моментов.
Представим две игры.
В первой команда победила 1:0, а xG составил:
0,6 — 1,8
Во второй тоже победа 1:0:
1,9 — 0,4
Формально результаты одинаковые.
Но содержание матчей совершенно разное.
В первом случае победившая команда создала немного и реализовала один из своих моментов. Во втором она сама создавала гораздо более опасные ситуации.
xG не отменяет результат матча. Он просто добавляет информацию, которой нет в счёте.
Elo: как оценивать силу команд
Ещё один инструмент — рейтинг Elo.
Идея простая: победа над сильным соперником должна влиять на рейтинг сильнее, чем победа над слабым.
Поэтому вместо простого «5 побед из 10» можно получить динамическую оценку относительной силы команды.
Рейтинг меняется после новых матчей, поэтому учитывает развитие сезона лучше, чем статичная оценка.
Dixon-Coles: математика футбольного счёта
Если перейти от отдельных показателей к моделированию, можно использовать модель Dixon-Coles.
Она предназначена для футбольных результатов и моделирует количество голов, которые могут забить команды.
Особенность футбола в том, что низкорезультативные счета вроде 0:0, 1:0, 0:1 и 1:1 встречаются достаточно часто. Dixon-Coles учитывает эту специфику и позволяет получить распределение вероятностей различных результатов.
Это уже не просто статистика прошлых матчей, а попытка математически оценить будущие сценарии.
Стоимость состава — ещё один фактор
Стоимость игроков тоже может использоваться в качестве дополнительного показателя.
Конечно, команда за €150 млн не обязана обыгрывать команду за €50 млн.
Но стоимость состава может давать представление о кадровом потенциале клубов.
Особенно интересно смотреть на неё вместе с другими данными.
Например, дорогой состав может показывать слабый текущий xG, а команда с гораздо меньшей стоимостью игроков — устойчиво хорошие игровые показатели.
Такое расхождение уже интересно исследовать.
А что происходит с коэффициентами?
Здесь появляется ещё одна важная цифра.
Допустим, букмекер предлагает коэффициент 2,50.
Если просто перевести его в обратную вероятность:
1 / 2,50 = 40%
Но коэффициент не является чистой вероятностью.
В рыночной линии присутствует маржа.
Поэтому правильнее рассматривать коэффициент как рыночную цену события, а затем сравнивать её с собственной статистической оценкой.
Например, модель оценивает вероятность события в 44%.
Тогда соответствующий Fair-коэффициент:
1 / 0,44 = 2,27
Рынок — 2,50.
Модель — 2,27.
Возникает расхождение, которое можно исследовать.
При коэффициенте 2,50 и вероятности 44% математическое ожидание составит:
0,44 × 2,50 − 1 = +10%
Но это не означает гарантированной прибыли или победы в конкретном матче. Модель тоже может ошибаться.
Почему интересно сравнивать рынок и модель
На мой взгляд, именно здесь начинается наиболее интересная часть спортивной аналитики.
Можно посмотреть не только на то, что предлагает рынок, но и на независимую статистическую оценку.
Получается цепочка:
рыночная оценка → модель → сравнение → поиск причины расхождения.
Почему возникла разница?
Возможно, из-за текущей формы.
Возможно, из-за xG.
Возможно, из-за силы соперников или состава.
А может быть, наоборот, модель не учитывает какую-то важную информацию.
Поэтому расхождение — это повод для анализа, а не готовый прогноз.
Проблема начинается, когда таких матчей становится много
Теоретически всё это можно собрать вручную.
Открыть статистику.
Найти xG.
Посчитать Elo.
Посмотреть стоимость состава.
Собрать коэффициенты.
Затем перенести всё в таблицу и сравнить.
Для одного матча нормально.
Для нескольких десятков — уже довольно много рутинной работы.
Именно поэтому я сделал Truebet.
Это инструмент, который собирает основные данные по футбольным матчам в одном интерфейсе и автоматизирует часть расчётов.
На странице матча можно посмотреть:
букмекерские коэффициенты;
расчётные вероятности;
Fair-коэффициенты;
ROI;
xG;
текущую форму;
статистические показатели;
стоимость составов;
движение коэффициентов.
В расчётах используется комбинация нескольких подходов: Dixon-Coles, Elo, xG, стоимость составов и ensemble-подход, объединяющий несколько моделей и факторов.
Также сервис агрегирует коэффициенты из открытых источников.
Как использовать всё это на практике
Я бы не начинал анализ со слов:
«Кто сегодня точно выиграет?»
Гораздо интереснее пройти несколько этапов:
1. Посмотреть рыночную линию.
2. Сравнить её с расчётной вероятностью.
3. Посмотреть Fair-коэффициент и ROI.
4. Проверить xG и текущую форму.
5. Сравнить силу команд и стоимость составов.
6. При необходимости посмотреть движение коэффициента.
7. Попытаться понять, почему разные оценки расходятся.
Получается не «волшебный прогноз», а второе мнение, основанное на данных.
И главное ограничение
Ни одна модель не может предсказать конкретный футбольный матч со 100% точностью.
Даже если команда статистически должна выигрывать в 70% случаев, это означает, что в остальных случаях она не выиграет.
Красная карточка, травма, рикошет или один эпизод могут полностью изменить игру.
Поэтому смысл математической модели не в том, чтобы обещать правильный результат каждого матча.
Её задача — дать количественную оценку вероятности и позволить сравнить разные источники информации.
Именно поэтому мне интересен такой подход к футболу.
Вместо «команда сейчас на ходу» можно посмотреть, что говорят результаты, xG и Elo.
Вместо «коэффициент выглядит высоким» — сравнить рыночную цену с собственной оценкой вероятности.
А вместо одного показателя — посмотреть на несколько моделей одновременно.
Truebet в этой схеме является просто инструментом, который собирает всё это в одном месте.
Не кнопкой, которая знает результат матча, а способом посмотреть на футбольную игру немного глубже, чем позволяет один только итоговый счёт.
Комментарии