Soutěžení ve fantasy sportech s pomocí strojového učení

Abstract

Cílem mojí bakalářské práce bylo navrhnout model na tvorbu portfolia fotbalových fantasy soupisek pro Daily fantasy turnaje s top-heavy výplatní strukturou. V těchto turnajích připadne většina zisku pouze nejlepším hráčům. Naším cílem tedy nebylo pouze maximalizovat očekáváný hráčský výkon, ale také varianci a kovarianci hráčů. Dalším cílem bylo minimalizovat korelaci mezi soupiskami portfolia. Vzorkováním pravděpodobnostních modelů jednotlivých fantasy statistik hráčů jsme odhadli distribuci fantasy bodů všech hráčů. Predikovaný průměr a kovarianci fantasy bodů hráčů jsme využili v následné námi navržené úloze smíšeného celočíselného kvadratického programování (MIQP). Vytvořený model jsme otestovali na reálných datech nacrawlovaných od poskytovatele fantasy sportů. Výsledky jsou velice slibné. Model skončil na konci sezóny v zisku.

The goal of my bachelor thesis was to design a model for the creation of fantasy football lineup portfolios in Daily fantasy tournaments with top-heavy payoff structures. In these tournaments, most of the winnings go only to the top participants. Therefore, we not only aimed to maximize players expected performance but also their variance and covariance. Our objective was also to minimize the correlation between the portfolio’s lineups. By sampling probabilistic models of individual fantasy player statistics, we estimated fantasy point distribution for all players. We used players fantasy points mean and covariance prediction in our subsequent mixed-integer quadratic program (MIQP). We tested the created model on real fantasy data crawled from the fantasy sports provider. The results are very promising. The model finished in profit at the end of the season.