3. Absolute Estimations
Estimations sind die Grundlage jeglichen Wettens. Jeder macht Estimations, meistens intuitiv ohne grundlegende Ueberlegungen, was meistens on the long run verlustreich ist, ausser man weiss seine Erfahrungswerte richtig einzuschätzen. Mal abgesehen von Live-bets, Motivationswetten, fixed games, etc sind, gesetztenfalls man ist dazu halbwegs in der Lage, gültige Estimations die Grundlage des erfolgreichen Wettens. Schnell reich wird man dadurch nicht, aber stimmen die Berechnungen halbwegs, dann sollte man in der Lage sein den Value einer Quote zu erkennen und demzufolge seine 10, 20% ROI per anno zu machen.
Nachfolgend zeig ich mal kurz auf, wie ich absolute Estimations mache. Die Gewichtung der einzelnen Parameter hängt von der jeweiligen Liga ab und ändert sich lauffend. Mit Hilfe von Tabellen und Algorithmen findet man meist eine gute Annäherung. Voraussagend aber bleibt festzusetellen, das dies mit einem nicht unerheblichen Zeitaufwand verbunden ist, mehr als zwei Ligen kann man aufgrund der zeitintensiven News-Recherche kaum abdecken, auch wenn man fast Vollzeitwetter ist:
20%: Ausgangspunkt meiner Estimationsberechnung ist die langjährige Verteilung von Heimsieg, Unentschieden und Auswärtssieg einer Liga (Daten gibt’s dazu z.B bei betexplorer), wobei das laufende Jahr deutlich höher gewichtet wird als die vorherigen Saisons.
10%: je 5% für die totale 1X2-Bilanz der beiden Teams über die letzten Saisons gerechnet. Insgesamt geh ich bei allen Berechnungen von vier Saisons aus, wobei das Verhältnis der Gewichtung in etwa 50; 30, 12, 8 ist.
10%: je 5% für die jeweilige home- und away-Bilanz der beiden Teams.
5%: H2H, was die Kompatibiltät der beiden Spielsysteme der jeweiligen Teams ziegt. Auch hier gewichtet nach Saison.
5%: H2H at home
20%: Form der beiden Teams, wobei Siege auswärts mehr zählen und solche gegen stärkere Teams natürlich auch. Ev müssen gewisse Resultate je nach Leistung hinsichtlich ihrer Gewichtung revidiert werden. Demzufolge ist nicht nur die Kenntnis der Resultate wichtig, entscheidender ist wie sie zustande kamen.
10%: Personelles, d.h. Ausfälle, unmotivierte Spieler, handicapierte Spieler, schwach besetzte Bank etc. Je nach Umstand und Tragweite kann sich der Einfluss auf die Estimations bei mir auf bis zu 20% erhöhen.
10%: Motivation, wobei insbesondere gegen Schluss der Saison, dieser Parameter z.T. deutlich stärker gewichtet werden muss, ohne gleich in den Bereich der Motivationswetten abzudriften.
10%: Besonderes, wie Platzverhältnisse, Trainerwechsel, etc. Hier gibt es inhaltliche Ueberschneidungen zu den beiden oben genannten Punkte.
Dies sind meine Punkte, aus denen ich, so hoffe ich wenigstens, halbwegs gültige absolue Estimations ableite um dann den Value-Gehalt der Quoten erkennen zu können. Da dies im besten Fall passable Annäherungen sind, werden nur solche Wetten platziert, deren Quotendifferenz über ein bestimmtes Mass hinausgehen und/oder die Eintretenswahrscheinlichkeit ausgesprochen hoch ist. Wie gesagt, es gibt viele Wege Estimations zu berechnen, dies ist nur ein Weg und wie es mir das letzte Jahr gezeigt hat, sicher nicht der Schlechteste. Optimierungsbedarf herrscht ständig.
Langfristiges Wetten ohne halbwegs gültige Estimations (bzw der daraus abgeleitete Valuegehalt einer Quote) ist eine Einbahnstrasse in den Ruin.
4. Relative Estimations:
Ich habe angefangen meine Estimations dahingehend zu verfeinern, als dass ich versuche, die Leistungen eines Teams der Stärkeklasse x gegen Teams der Stärkeklasse Y einzubeziehen. Ausgangslage dazu sind die Tabellen der letzten Saison. Dort wird die durchschnittliche Punktzahl der einzelnen Teams pro Runde errechnet und in einer Rangliste in Gruppen eingeteilt. Z.B ist Gruppe A dann Teams die pro Runde über 2 Punkte im Schnitt machen und um den Meistertitel mitspielen. Gruppe B sind die Teams die zwischen 1.5 und 2 Punkte pro Runde machen und demzufolge so um Platz drei spielen. Die Punktangabe bezieht sich hier auf die Schweizer Super League. In anderen Ligen, wo es zum Beispiel mehr Teams hat, muss dies anders eingeteilt werden. Im Gesamten unterscheide ich fünf verschiedene Stärkeklassen.
In einem nächsten Schritt werden alle Ergebnisse im Sinne von Klasse B gegen Klasse D katalogisiert. Das ergibt dann eine Wahrscheinlichkeit, wie Teams der Stärke B gegen Teams der Stärke D spielen, daheim und separat natürlich away. Imo die etwas feinere Analyse und als Ausgangswert sicher höher einzuschätzen, als die normale 1X2-Verteilung einer Liga.
Problem hier ist natürlich in einer Anfangsphase einer Liga die Einschätzung der jeweiligen Teams. Ich mache dies so, in dem ich meine Erfahrungswerte mit den Analysen aller relevanten Quellen, dazu gehören Sportseiten, Zeitungen, Foren, etc vermische und so hoffe, dass daraus eine halbwegs stimmige Einschätzung der Teams entsteht. Im Verlauf einer Meisterschaft wird es natürlich einfacher.
Der nächste Schritt ist dann folgerichtig wie ein Team gegen Teams der Stärkeklasse X spielt, je nach Match home oder away und so hat man ein gutes Instrument zum Arbeiten. Natürlich erfordert dies viel Aufwand und Zeit, aber es aus Erfahrung (nicht nur meiner) zeigen sich die Vorteile dieser Herangehensweise relativ bald, da es flexibler als die absoluten Berechnungen ist.
In der Praxis verwende ich ein System, dass sowohl absolute, als eben auch relative Estimations miteinbezieht. Wobei in am Anfang eher unübersichtlicheren Ligen (wo man viele der neuen Spieler nicht richtig einschätzen kann), wie der Schweizer Challenge League eher absolute Estimations dominieren.
( Hab ich mir vor x Jahren aus einem Forumsbeitrag rauskopiert )
[[yo]]
