L’intelligenza artificiale viene ormai utilizzata in moltissimi settori e anche il mondo delle statistiche sportive sta vivendo una rapida evoluzione.
Algoritmi, modelli probabilistici e grandi quantità di dati permettono oggi di effettuare analisi che fino a pochi anni fa richiedevano strumenti specialistici.
Questo non significa però che un software possa prevedere con certezza il risultato di una partita.
Intelligenza artificiale e modelli statistici nelle scommesse sportive: cosa possono fare davvero
Prevedere non significa conoscere il futuro
Uno degli equivoci più comuni riguarda proprio il significato della parola previsione.
Un modello statistico non dice necessariamente: “questa squadra vincerà”.
Dice piuttosto: “in base ai dati disponibili, questo risultato possiede una determinata probabilità”.
Se un esito viene valutato al 60%, significa implicitamente che in condizioni analoghe potrebbe non verificarsi circa quattro volte su dieci.
È quindi sbagliato giudicare un modello soltanto sulla base del risultato di una singola partita.
Il modello Poisson
Uno degli strumenti più utilizzati nell’analisi calcistica è la distribuzione di Poisson.
Partendo da parametri offensivi e difensivi è possibile stimare il numero atteso di gol delle due squadre e costruire successivamente una distribuzione dei possibili risultati.
Da questa distribuzione vengono ricavate le probabilità di vittoria della squadra di casa, pareggio e vittoria della squadra ospite.
È un approccio matematico relativamente semplice, ma ancora molto utilizzato per la sua capacità di trasformare dati offensivi e difensivi in probabilità.
Il sistema Elo
Un altro modello molto conosciuto è il rating Elo.
Nato originariamente per gli scacchi, può essere adattato anche agli sport di squadra.
Ogni squadra possiede un punteggio che aumenta o diminuisce in base ai risultati ottenuti e alla forza degli avversari affrontati.
A differenza di un modello strettamente legato ai gol, Elo cerca quindi di descrivere la forza relativa delle squadre attraverso la loro evoluzione nel tempo.
Perché combinare modelli diversi
Due modelli costruiti su informazioni differenti possono commettere errori differenti. Per questo motivo una possibile strategia consiste nel combinarli.
È il principio degli Ensemble Model, sistemi che producono una previsione finale attraverso più modelli.
ValueBet Radar, ad esempio, utilizza attualmente un controllo sperimentale che combina una componente Poisson con una componente Elo.
Quando i due modelli concordano sullo stesso esito, il sistema evidenzia il consenso. La concordanza non garantisce naturalmente la vittoria, ma rappresenta un’informazione aggiuntiva sulla stabilità della previsione.
Dal pronostico alla valutazione della quota
La parte forse più interessante arriva però dopo la previsione. Conoscere la probabilità stimata di una squadra non basta. Bisogna confrontarla con la quota proposta dal mercato.
Se un modello considera una squadra favorita al 55%, ma il bookmaker propone una quota coerente con una probabilità ancora superiore, potrebbe non esistere alcun vantaggio.
Al contrario, se il bookmaker sembra attribuire a quell’esito una probabilità significativamente inferiore rispetto al modello, potrebbe comparire una Value Bet.
Edge ed Expected Value
Per misurare questa relazione vengono utilizzati indicatori come Edge ed Expected Value.
L’Edge rappresenta la differenza tra probabilità stimata e probabilità di mercato.
L’Expected Value considera invece anche la remunerazione offerta dalla quota.
Sono indicatori molto più interessanti rispetto alla semplice domanda “chi vincerà?”, perché permettono di analizzare il prezzo dell’esito e non soltanto la previsione.
Il ruolo dell’intelligenza artificiale
L’intelligenza artificiale può essere utilizzata per identificare pattern, combinare segnali, analizzare grandi quantità di dati e confrontare modelli differenti.
Ma il rischio consiste nel trasformarla in un’etichetta commerciale. Un sistema serio dovrebbe essere in grado di spiegare perché evidenzia un determinato evento.
Probabilità, quantità dei dati disponibili, quota, Edge ed EV dovrebbero rimanere leggibili dall’utente.
È questa una delle impostazioni adottate da ValueBetRadar.com, piattaforma dedicata all’analisi statistica delle quote sportive.
L’obiettivo non è presentare un fantomatico “pronostico AI sicuro”, ma mostrare i diversi passaggi che portano alla classificazione di una possibile Value Bet.
I limiti restano fondamentali
Nessun algoritmo elimina la componente casuale dello sport. Un’espulsione dopo cinque minuti, un rigore sbagliato, un infortunio o un semplice errore possono cambiare completamente una partita.
Inoltre un modello è valido soltanto quanto i dati utilizzati per alimentarlo.
Per questo dimensione del campione, qualità dei dati e verifica dei risultati nel tempo sono aspetti fondamentali.
Più trasparenza, meno promesse
Probabilmente il contributo più interessante della tecnologia alle analisi sportive non consiste nella capacità di prevedere tutto. Consiste nella possibilità di rendere il processo più trasparente.
Con strumenti come ValueBetRadar.com l’utente può osservare separatamente probabilità del modello, probabilità di mercato, Edge, EV, affidabilità dei dati e segnali provenienti da modelli differenti.
La statistica non trasforma una scommessa in una certezza, ma può aiutare a valutare in maniera più razionale il rapporto tra rischio, probabilità e quota.