Wieviele Tips bis man die Qualität eines Systems kennt?

Meiner Meinung nach können Systeme (die ja grundsätzlich NUR auf Basis von langfristiger Valuefindung funktionieren; in welcher Form auch immer) nur mit harten Faktoren zuverlässig bewertet werden. Natürlich kannst du auch langfristig erfolgreich mit weichen Faktoren spielen - so machen es ja auch die meisten erfolgreichen Punter. Das würde ich dann aber nicht als System in dem begrifflichen Sinne bezeichnen, wie der OP es hier meint.


Ich bin auch der Meinung das dies der beste Weg ist...und seien wir mal ehrlich, auch mit dem besten System kann es mal in die Hose gehen...der Faktor Mensch bleibt immer unberechenbar!
 
Hi,

ich möchte diesen thread nochmal nach oben schieben.

wie seht ihr das: nach 1000 wetten 10% gewinn auf den umsatz. also pro gesetzte 100€, 10€ gewonnen. gesetzt flat stakes nach harten faktoren, also daten, keine intuitiven enscheidungen, druchschnittsquote bei 3,5. ist das ein indiz dafür, dass da EV+ gespielt wird, oder wie wahrscheinlich ist, dass es sich bei dem gewinn gewöhnliche varianz handelt?

ich wüsste gerne, wie sich das mathematisch prüfen lässt. hab mich schon mit dem t-test und dem z-test? befasst...

was meint ihr?

nen schönen abend!
rickfischer
 
Das ganze kann man mit 'nem Script simulieren.
1 Millionen virtuelle Wetter mit einer Strategie, deren ROI lediglich 97,5% ist, aber einige Glückspilze darunter.
Nach 1000 Wetten mit Quote 3.5, haben es am Ende immerhin 5960 geschafft 10+% Gewinn zu machen.
Also zu 99,4% ist deine Strategie besser als ein blindes Zufallswetten.
Interessanter ist allerdings, ob du langfristig zumindest minimal Gewinn machst, also simulieren wir als nächstes 100% ROI-Wetter, die versuchen 10+% Gewinn zu machen.
Auch hier haben wir 22679 erfolgreiche Wetter.
Zu 97,7% hast du eine Strategie mit zumindest minimalem Gewinn, zu 2,3% ist es reines Glück.
 
  • Like
Reaktionen: rickfischer

Ich habe deine Berechnung nachvollzogen und muss zugeben, dass ich die Binomialverteilung nicht ausreichend verstehe um zu verstehen wie die Formeln zustandekommen.

Besonders stolpere ich über den großen Unterschied zwischen der von Dir geposteten Variante und der von
Annod, er schreibt von einer Variante:

Schritt 1: Wie viele Wetten hast du bisher gewonnen, und wie hoch war die Durchschnittsquote (nur der gewonnenen Wetten!)
Z. B. 45 von 100 Wetten gewonnen und dabei durchschnittlich eine Quote von 2,5 eingefahren => 12,5 Prozent Gewinn.
Schritt 2: Varianz der Stichprobe berechnen: (Anzahl der Spiele)*(1/Durchschnittsquote)*(1-(1/Durchschnittsquote).
Im Beispiel: 100*1/2,5*(1-1/2,5)=100*0,4*0,6=24
Schritt 3: Daraus die Wurzel ziehen, um die Standardabwichung zu bekommen. Im Beispiel ca. 4,9
Schritt 4: Wie sähe der ROI aus, wenn du um 2 Standardabweichungen weniger Spiele gewonnen hättest? D.h. statt 45 nur 45-2*4,9=35,2 Spiele

Diese hier gibt aber in meinem Fall ein komplett anderes Ergebnis (ein deutlich positives) als die von dir beschriebene (z bei 0,3). Wie kann es dazu kommen?
 
binom.vert(45;200;0.2;1) "gibt die Wahrscheinlichkeit an, es bei 200 Versuchen maximal 45 Mal zu schaffen, aus jeweils 5 Kugeln die einzige schwarze zu ziehen. Aus diesem Wert kann man (fürs Wetten) ableiten, dass für jede zufällige 200er-Auswahl aus einem unendlichen Pool von Ereignissen (Wetten) mit Eintrittswahrscheinlichkeit 0.2 eine 16.5% Chance besteht, 46 oder mehr eingetroffene Ereignisse (gewonnene Wetten) in der Auswahl zu haben."

Beim Übertragen von "Auswahl aus einem unendlichen Pool von Ereignissen mit [fester] Eintrittswahrscheinlichkeit" aufs Wetten sehe ich folgende Probleme:

1. Die Eintrittswahrscheinlichkeiten sind unbekannt & variabel, insb. ist 1/Quote selten gleich der Eintrittswahrscheinlichkeit.
2. Es mag ja eine riesig erscheinende Wettauswahl geben, der Pool aus denen man seine Wetten auswählt ist aber endlich und imho ist die Größe durchaus von Belang.

-> siehe Einleitung & Formel https://www.sportwettenvergleich.net/wettforum/div...65#post3178865

Obige Kritik (insb. Punkt 2) trifft auch auf die von Annod beschriebene Methode zu, ein ähnlich positiveres Ergebnis wirst du mit 1-binom.vert(Trefferanzahl-1, Wettanzahl, 1/Durchschnittsquote;1) erzielen.

Die Ergebnisse aller Formeln bedürfen der Interpretation, es gibt keine Ja/Nein - Aussage. Eine 0.3 bei der von mir vorgeschlagenen Berechnung bedeutet für mich eine noch sehr hohe Wahrscheinlichkeit, das keine Korrelation zwischen Wettauswahlkriterien und erzielter Rendite besteht, es schließt dies aber keinesfalls aus!

Bei allen Formeln verbessert sich das Ergebnis bei gleicher Perfomance & größeren Fallzahlen.
 
Zuletzt bearbeitet:
  • Like
Reaktionen: rickfischer
Ich verstehe noch nicht, wie sicher der Unterschied erklärt, der durch verschieden große Gesamtmengen (aus der die Auswahl getätigt wird) entsteht. Und wie kommt diese Formel zustande?

Zufälligkeitswert Z = binomvert(GT-AT;G#-A#;GT/G#,1)

weiters könnte man GT auch diese

Annahme GT = G#/(A#*ROI/AT)

einfach durch die eingetretenen Ereignisse in der Gesamtmenge ersetzen? Also man sucht Wetten aus der Gesamtmenge mittels Analyse, alles Tip1, dann ist GT alle Heimsiege in der Gesamtmenge? Und wenn ja, wie kommt dann der ROI seine Abbildung im Ergebnis?
 
Zuletzt bearbeitet:
Es kommt noch hinzu, dass der Gesamtmenge, wie mir scheint, eine sehr große Bedeutung zukommt. Wenn diese klein ist, sinkt das t verhätlnismäßig stark, anders gesagt: Solange G# recht nahe an A# genügt ein verhätnismäßig kleiner ROI damit der Test gut abschneidet. Aber welchen Grund hat das, oder was wird dadurch gezeigt?
 
Zuletzt bearbeitet:
Ich verstehe noch nicht, wie sicher der Unterschied erklärt, der durch verschieden große Gesamtmengen (aus der die Auswahl getätigt wird) entsteht. Und wie kommt diese Formel zustande?

Zufälligkeitswert Z = binomvert(GT-AT;G#-A#;GT/G#,1)

weiters könnte man GT auch diese

Annahme GT = G#/(A#*ROI/AT)

einfach durch die eingetretenen Ereignisse in der Gesamtmenge ersetzen? Also man sucht Wetten aus der Gesamtmenge mittels Analyse, alles Tip1, dann ist GT alle Heimsiege in der Gesamtmenge? Und wenn ja, wie kommt dann der ROI seine Abbildung im Ergebnis?
Was passiert bei der Wettauswahl?

Eine Gesamtmenge G an möglichen Wetten (zB alles Tipp 1 bei 1X2) wird durch bewußte und/oder unbewußte (Intuition) Auswahlkriterien in 2 Untermengen A und G-A aufgeteilt.

Die Performance einer Menge ergibt sich durch die Anzahl ihrer gewonnen Wetten (Treffer) GT, AT, GT-AT durch Division mit der Wettanzahl G#, A#, G#-A#.

** mit der Bedingung GT/G# <= AT/A# -> Ist dies bei Betrachtung der Treffer nicht der Fall, gehören die Nichttreffer in die Rechnung!
-> Bei konstanter Menge A und Performance in G gilt, umso größer G, umso besser ist die Performance in G-A.

Bsp: A#=200; AT=100
Fall 1: G#=1000; GT=400 -> Performance G = 0.4 -> G#-A#=800; GT-AT=300 -> Performance G-A = 0.375
Fall 2: G#=2000; GT=800 -> Performance G = 0.4 -> G#-A#=1800; GT-AT=700 -> Performance G-A = 0.388..

Nun stellt (man) sich die Frage, wie stark die Korrelation zwischen Auswahlkriterien und Performance ist.

Wie vormals von mir kritisiert, wird dabei häufig nur Teilmenge A untersucht.

Es macht imho einen himmelweiten Unterschied zB 200 Wetten und ROI 120% mit laschen Bedingungen aus 500 (-> besser) oder mit recht harten / vielen Kriterien aus 5000 Spielen (-> schlechter) auszusieben.
-> Bei einer Gesamtmenge mit Performance von zB ROI 100% hat man also eine Untermenge G-A gebildet a) mit laschen Bedingungen und signifikant schlechterer Performance (86.666..%) bzw. b) mit recht harten / vielen Kriterien und kaum veränderter Performance (99.166..%).
--> Eine Korrelation zwischen Auswahlkriterien und Performance (der Untermengen) vermute ich eher bei a) als bei b).

Wenn man dagegen Menge G-A und die Erfolgswahrscheinlichkeit der Gesamtmenge heranzieht, betrachtet man automatisch die Gesamtsituation.

-> Zufälligkeitswert Z = binomvert(GT-AT;G#-A#;GT/G#,1) mit * & ** https://www.sportwettenvergleich.net/wettforum/div...65#post3178865

Z gibt die Wahrscheinlichkeit an, dass bei zufälliger Auswahl einer G#-A# großen Untermenge aus G maximal GT-AT gewonnene Wetten dabei sind (und entsprechend/zwangsläufig Untermenge A mit mindestens AT gewonnener Wetten).

Bsp: wie oben in a) und b) und AT=120, GT/G = 0.5 -> ** erfüllt
-> a) Z = binomvert(130;300;0.5;1) = 0.012 & b) Z = binomvert(2380;4800;0.5;1) = 0.287

Falls ich die letzte Frage richtig verstehe, dann siehe Anmerkung/Bedingung *.
 
Zuletzt bearbeitet:
  • Like
Reaktionen: rickfischer
Es kommt noch hinzu, dass der Gesamtmenge, wie mir scheint, eine sehr große Bedeutung zukommt. Wenn diese klein ist, sinkt das t verhätlnismäßig stark, anders gesagt: Solange G# recht nahe an A# genügt ein verhältnismäßig kleiner ROI damit der Test gut abschneidet.
Sind dir Auwahlkriterien bekannt, die kaum Wetten ausschließen, die Performance aber (signifikant/ausreichend) verbessern? Dann herzlichen Glückwunsch!
 
-> Bei einer Gesamtmenge mit Performance von zB ROI 100% hat man also eine Untermenge G-A gebildet a) mit laschen Bedingungen und signifikant schlechterer Performance (86.666..%) bzw. b) mit recht harten / vielen Kriterien und kaum veränderter Performance (99.166..%).
--> Eine Korrelation zwischen Auswahlkriterien und Performance (der Untermengen) vermute ich eher bei a) als bei b).

Man bildet G-A in a) mit schlechterer Performance, dadurch ergibt sich für A eine bessere Performance, ist das richtig?

und verstehe ich richtig, dass grundsätzlich lasche Auswahlbedingungen bessere z-Werte erzeugen? Wieso ist das so?

#################################################


Falls ich die letzte Frage richtig verstehe, dann siehe Anmerkung/Bedingung *.

mit * meinst du folgendes?

* Sehr wichtig bei dieser Berechnung bzw. deren Aussagewert ist, das die Durchschnittsquote der getroffenen Spiele in der Auswahlmenge nicht signifikant von der durchschnittlichen Eintrittswahrscheinlichkeit (also derem Invers) in der Gesamtmenge abweicht.
Es macht keinen Sinn herauszufinden, dass die Auswahl von 2000 aus 10000 Spielen mit durchschnittlicher Eintrittswahrscheinlichkeit von 0.2 und 500 Treffern einen sehr geringen Zufälligkeitswert Z hat (0.0026), wenn die getroffenen Wetten der Auswahl eine Durchschnittsquote 3 haben.
Andersherum übersieht man schnell Potenzial, wenn zB widerum die Auswahl von 2000 aus 10000 Spielen mit durchschnittlicher Eintrittswahrscheinlichkeit von 0.24 und 500 Treffern einen hohen Zufälligkeitswert Z hat (0.305), wenn die getroffenen Wetten der Auswahl eine Durchschnittsquote 5 haben.


##################################################

Bsp: wie oben in a) und b) und AT=120, GT/G = 0.5 -> ** erfüllt
-> a) Z = binomvert(130;300;0.5;1) = 0.012 & b) Z = binomvert(2380;4800;0.5;1) = 0.287

wie stehen diese zahlen in Zusammenhang mit oben? Vielleicht stehe ich gerade auf dem Schlauch, aber ich verstehe nicht woher sie kommen.


Einen schönen Abend!
 
mit * meinst du folgendes? ...
Ja.


Man bildet G-A in a) mit schlechterer Performance, dadurch ergibt sich für A eine bessere Performance, ist das richtig?
Die Menge A ist in a) und b) angenommen gleich (-groß, -performant), nämlich 200 Wetten mit ROI 120%. Z ist in a) kleiner -> besser als in b) siehe
Es macht imho einen himmelweiten Unterschied zB 200 Wetten und ROI 120% mit laschen Bedingungen aus 500 (-> besser) oder mit recht harten / vielen Kriterien aus 5000 Spielen (-> schlechter) auszusieben. *
-> Bei einer Gesamtmenge mit Performance von zB ROI 100% hat man also eine Untermenge G-A gebildet a) mit laschen Bedingungen und signifikant schlechterer Performance (86.666..%) bzw. b) mit recht harten / vielen Kriterien und kaum veränderter Performance (99.166..%).
...
Bsp: wie oben in a) und b) und AT=120, GT/G = 0.5 -> ** erfüllt
-> a) Z = binomvert(130;300;0.5;1) = 0.012 & b) Z = binomvert(2380;4800;0.5;1) = 0.287


und verstehe ich richtig, dass grundsätzlich lasche Auswahlbedingungen bessere z-Werte erzeugen? Wieso ist das so?
Automatisch nur, wenn beim Vergleich von verschieden stark ausschließenden Bedingungen und gleicher Gesamtmenge, Auswahlmengen gleicher Performance entstehen.
-> Bsp: Menge G hat 1000 Wetten und 400 Treffer, Untermenge A hat 200 Wetten und 100 Treffer, Untermenge B hat 300 Wetten und 150 Treffer. (Die Auswahlbedingung bei Menge B hat weniger Wetten ausgeschlossen und trotzdem die gleiche Performance wie Menge A.)
--> Z(A) = binomvert(300;800;0.4;1) = 0.079 & Z(B) = binomvert(250;700;0.4;1) = 0.011


Aber was ist beim Vergleich von Auswahlmengen bei nicht identischen Gesamtmengen und unterschiedlicher ROI?

Bsp:
i) G1 sind alle Wetten auf Heimsieg und Quote <4 -> 10000 Wetten mit 5000 Treffern. Auswahlkriterium X erzeugt Untermenge A mit 2000 Wetten und 1060 Treffern. Durchschnittsquote in G1 & A ist 2.
ii) G2 sind alle Wetten auf Unentschieden -> 12000 Wetten mit 3000 Treffern. Auswahlkriterium Y erzeugt Untermenge B mit 2400 Wetten und 645 Treffern. Durchschnittsquote in G2 & B ist 4.
iii) G3 sind alle Wetten auf Auswärtssieg und Quote zwischen 2 und 6 -> 8000 Wetten mit 2000 Treffern. Auswahlkriterium Z erzeugt Untermenge C mit 3200 Wetten und 835 Treffern. Durchschnittsquote in G3 & C ist 4.

Wo ist eine Korrelation zwischen Auswahlkriterium und Performance wahrscheinlicher?

Menge A siebt viele Wetten (80%) aus und erzeugt ROI 106%, Menge B siebt genauso stark (80%) aus und erzeugt ROI 107.5%, hat allerdings eine geringere Trefferwahrscheinlichkeit und Menge C siebt weniger (60%) aus, erzeugt aber den kleinsten ROI 104.4%.

Z(A) = 0.092 < Z(C) = 0.125 < Z(B) = 0.147 -> Obwohl weder die lascheste Bedingung noch der beste ROI, am wahrscheinlichsten ist eine Korrelation zur Performance bei Auswahlkriterium X.

Auf die Frage nach dem Warum (die Reihenfolge, die Ergebnisse) weiß ich dir nichts Besseres zu antworten, als auf die Charakteristik der Binomialverteilung zu verweisen und weitere Beispiele anzugeben. [[nixweiss]]

PS: Auch die Standardabweichung empfiehlt Kriterium X, ein Unterschied zur Z-Berechnung wird bei weniger stark aussiebenden Kriterium Z deutlich, welches für mich eben nicht so viel schlechter ist, wie es die Standardabweichung suggeriert.
 
Zuletzt bearbeitet:
  • Like
Reaktionen: rickfischer
Nabend!
Interessanter Thread...
Sind diese statistischen Berechnungen im Grunde nicht alle für den Eimer, bezogen auf Wettsysteme? Wenn mir ein statistischer Test sagt, dass meine 10% Yield nach 1000 Wetten "nur" zu 5% zufällig waren, ignoriert dieser Signifikanztest ja sämtliche vorherigen Systeme, die bereits nach 100 Wetten bei hoffnungslosem Minus verworfen wurden. Jedes 20. Mal erreiche ich dann ein so feines Ergebnis, prüfe es auf Signifikanz und freue mich, dass es nur zu 5% zufällig gut ist...
Dasselbe gilt für sämtliche Tipster. Alle Tipster auf blogabet, die bereits früh gescheitert sind, fallen raus oder starten neu. Übrig bleiben ein paar gute Tipster und ein paar, die endlich einen glücklichen Run hatten. Mit einem Signifikanztest kann man das aber nicht beurteilen. Daher sollte man den Tipster an sich einschätzen, ob man denkt, dass er einen Gewinn erzielen kann oder bei eigenen Systemen auf die Logik dahinter schauen. Und wie schon ganz am Anfang dieses Threads erwähnt wurde, sind sekundäre Statistiken, wie das Verhältnis aus Quote zum Closer, dabei sicherlich hilfreich. Auch wenn ich nicht der Meinung bin, dass der Closer immer korrekt ist, so ist es doch sehr unwahrscheinlich, dass man ein schlechtes System spielt, wenn man den Closer deutlich schlägt. Schwierig wird es da natürlich für Systeme, die nahe am Closer spielen...
 
didyyydas kling ja ganz gut, danke. mit was für nem skript simulierst du das?[/QUOTE]

Nach deiner Frage selber geschrieben. Ist doch ein banales Script, es wird angenommen, das die Strategie nicht gewinnbringend ist und die Performance durch Glück erreicht werden kann. Das ist anhand des Simulationsergebnisses tatsächlich möglich, also hast du vielleicht nur Glück gehabt. Da die Anzahl aber relativ gering war, ist es wahrscheinlicher, daß die Annahme(keine gewinnbringende Strategie) verkehrt ist.
Ab ca 6000 Wetten und ROI>=110 ist es praktisch nicht mehr möglich die Performance mit Glück zu erklären.
 
Nabend!
Interessanter Thread...
Sind diese statistischen Berechnungen im Grunde nicht alle für den Eimer, bezogen auf Wettsysteme? Wenn mir ein statistischer Test sagt, dass meine 10% Yield nach 1000 Wetten "nur" zu 5% zufällig waren, ignoriert dieser Signifikanztest ja sämtliche vorherigen Systeme, die bereits nach 100 Wetten bei hoffnungslosem Minus verworfen wurden. Jedes 20. Mal erreiche ich dann ein so feines Ergebnis, prüfe es auf Signifikanz und freue mich, dass es nur zu 5% zufällig gut ist...
Das ist richtig, aber Ziel ist es, eine entsprechend große Menge an Wetten gespielt zu haben, daß dieses nicht durch entsprechende Neustarts erreicht werden kann.
Wenn die Chance bei 1:1000000000 ist, wirst du auch mit 100 Neustarts nicht erfolgreich sein.
 
Das ganze kann man mit 'nem Script simulieren.
1 Millionen virtuelle Wetter mit einer Strategie, deren ROI lediglich 97,5% ist, aber einige Glückspilze darunter.
Nach 1000 Wetten mit Quote 3.5, haben es am Ende immerhin 5960 geschafft 10+% Gewinn zu machen.
Also zu 99,4% ist deine Strategie besser als ein blindes Zufallswetten.
Interessanter ist allerdings, ob du langfristig zumindest minimal Gewinn machst, also simulieren wir als nächstes 100% ROI-Wetter, die versuchen 10+% Gewinn zu machen.
Auch hier haben wir 22679 erfolgreiche Wetter.
Zu 97,7% hast du eine Strategie mit zumindest minimalem Gewinn, zu 2,3% ist es reines Glück.
Excel & Co haben dafür auch die binomvert-Funktion im Repertoire:

1000 Versuche, 314.3 Treffer (mit Quote 3.5 -> ROI 110%) und Eintrittswahrscheinlichkeit entweder 1/3.5 (Erwartungswert(ROI)=100%) bzw 0.975/3.5 (E(ROI)=97.5%)

-> 1-binomvert(314;1000;1/3.5;1) = 0.022716 (-> bei 1000000 Neustarts 22716x 315 oder mehr Treffer (10+% Gewinn))
-> 1-binomvert(314;1000;0.975/3.5;1) = 0.006067 (-> bei 1000000 Neustarts 6067x 315 oder mehr Treffer(10+% Gewinn))
 
  • Like
Reaktionen: didyyy
Bsp:
i) G1 sind alle Wetten auf Heimsieg und Quote <4 -> 10000 Wetten mit 5000 Treffern. Auswahlkriterium X erzeugt Untermenge A mit 2000 Wetten und 1060 Treffern. Durchschnittsquote in G1 & A ist 2.
ii) G2 sind alle Wetten auf Unentschieden -> 12000 Wetten mit 3000 Treffern. Auswahlkriterium Y erzeugt Untermenge B mit 2400 Wetten und 645 Treffern. Durchschnittsquote in G2 & B ist 4.
iii) G3 sind alle Wetten auf Auswärtssieg und Quote zwischen 2 und 6 -> 8000 Wetten mit 2000 Treffern. Auswahlkriterium Z erzeugt Untermenge C mit 3200 Wetten und 835 Treffern. Durchschnittsquote in G3 & C ist 4.


Aber in welchem Fall gibt es überhaupt einen Grund eine andere Gesamtmenge zu wählen als die gesamte Datenbank? Oder auch alle Spiele der Ligen, die bei Pinnacle gelistet sind. Im Endeffekt ist jede Auswahl aus dieser großen Gesamtmenge gewählt und nicht etwa aus den Spielen einer Liga der letzten 1,2,3,4 Jahre. Oder gibt es Konstellationen in denen eine kleiner Gesamtmenge gerechtfertigt ist?
 
Aber in welchem Fall gibt es überhaupt einen Grund eine andere Gesamtmenge zu wählen als die gesamte Datenbank? Oder auch alle Spiele der Ligen, die bei Pinnacle gelistet sind. Im Endeffekt ist jede Auswahl aus dieser großen Gesamtmenge gewählt und nicht etwa aus den Spielen einer Liga der letzten 1,2,3,4 Jahre. Oder gibt es Konstellationen in denen eine kleiner Gesamtmenge gerechtfertigt ist?
Spiele die nicht zur Auswahl standen, weil nicht beachtet bzw. in Datenbank, konnten auch nicht ausgewählt werden, gehören also vor Begutachtung bzw. Datenbankerweiterung nicht in die Gesamtmenge.

Angenommen du hast Menge A1 mit Kriterium X aus Gesamtmenge G gebildet und bist von der Korrelation zur Performance überzeugt, willst dann aber wissen ob auch Kriterium Y angewendet auf Menge A1 zusätzlich zu & nicht unabhängig von Kriterium X eine Korrelation zur Performance aufweist.

Also Z(Kriterium Y angewendet auf Menge A1) kann durchaus signifikant besser sein als Z(Kriterium Y angewendet auf Menge G) trotz deutlich kleinerer Mengen bzw. die Korrelation zur Performance besteht vielleicht nur angewendet auf Menge A1.

In der Theorie ist es bei mehreren Kriterien sicher besser, wenn sie unabhängig voneinander auf die Gesamtmenge angewendet vorteilhaft sind, in der Praxis ist dies aber wohl noch schwerer zu finden.
 
  • Like
Reaktionen: rickfischer
Hallo zusammen, ich bin seit einiger Zeit stiller Leser hier und habe schon viele gute Beiträge gelesen, danke an alle dafür.

Ich spiele selbst zwei verschiedene Systeme, die in den ersten Monaten zu funktionieren scheinen. Jetzt würde mich eure Meinung interessieren, wieviele Tips man braucht, um davon ausgehen können nicht doch noch Oper der Varianz zu werden. Oder anders gesagt, wieviele Tips brauche ich um davon ausgehen zu können, dass der reingespielte Gewinn nicht nur durch Zufall entstanden ist.

Das erste mit 37 Tips, einer Durchschnitssquote von 1,31 und einem Gewinn von 12,41%
Das zweite mit 139 Tips, einer Durchschnittsquote 3,74 von und einem Gewinn von 33,59%

Ich würde Mittelfristig meine Einsätze erhöhen, wenn ich davon ausgehen kann, dass die Systeme auch auf lange Sicht funktionieren.

Vielen Dank schon mal im Voraus für eure Tips und Meinungen!
Rick

Um die Qualität eines Wett-Systems verlässlich einzuschätzen, braucht man idealerweise mindestens mehrere hundert Tipps. Bei kleinen Sample-Größen (z.B. 30–40 Tipps) kann die Varianz den Eindruck von Gewinn stark verzerren.

Ab etwa 100–200 Tipps wird das Bild stabiler. Es sollten langfristig alle Ergebnisse (inklusive Verlustphasen) berücksichtigt werden, um echtes Systempotenzial zu erkennen.

Also: Geduld haben, am besten über 200+ Tipps beobachten, bevor Einsätze merklich erhöht werden.