Predikování jevů přidružených fotbalovým výsledkům

Abstract

Predikování výsledků fotbalových zápasů je v literatuře dobře zavedeným problémem. Dosud však bylo příliš málo práce věnováno predikování jevů přidružených těmto výsledkům, jako například zda bude celkový počet vstřelených gólů vyšší/nižší než X, nebo skutečnost, zda oba týmy v zápase skórují. Existují modely, které mohou tyto jevy predikovat výpočtem pravděpodobnostních rozdělení přes všechna možná výsledná skóre. Většina těchto modelů používá jako vstupní data pouze skóre historických zápasů. V této práci jsme shromáždili podrobnější data a otestovali hypotézu, že taková data mohou být užitečná při predikci jevů přidružených fotbalovým výsledkům. Navrhli a naimplementovali jsme několik modelů, které buď odhadují pravděpodobnostní rozdělení přes všechna možná skóre s užitím Poissonova rozdělení, anebo predikují přímo výskyt konkrétního jevu. K ověření hypotézy jsme vytvořili simulaci pro predikování a sázení na jevy v čase. Nakonec jsme vyhodnotili všechny modely a srovnali jejich výkony z různých perspektiv. Zjistili jsme, že detailní statistiky mohou být velmi užitečné při řešení tohoto problému, a že klasifikační modely jsou pro tuto úlohu vhodnější než modely založené na Poissonově rozdělení. Náš klasifikační model používající detailní data dosáhl slibných výsledků.

Predicting the outcome of a soccer match is a well-established problem in the literature. But too little endeavor has been devoted to forecasting associated events related to scores, such as over/under X goals scored or whether both teams score in a match. There are models that can predict such events by modeling a probability distribution over all possible scores. These models mostly take only scores of historical matches as input. In this thesis, we have gathered more detailed data and tested a hypothesis that such data can be useful in predicting score-related events. We have designed and implemented multiple models that are either estimating a probability distribution over all possible scores using Poisson distribution or predicting directly an occurrence of a specific event. To verify the hypothesis we have created a simulation for predicting and betting on the events in time. In the end, we have provided an experimental evaluation of all the models and a comparison of their performances from different perspectives. We have found out that detailed match statistics can be very useful in this problem and that using classification models is more suitable for this task than Poisson-based models. Our classification model using detailed data has achieved promising results.