Palmeiras e São Paulo irão disputar a semifinal do Paulistão no domingo, e a Betano neste momento está com as seguintes odds para a partida no mercado de Money Line (resultado final):
Palmeiras vence: 1,78
Empate: 3,60
São Paulo vence: 4,85
Além disso, a casa está com as seguintes cotações para o mercado de Over/Under 2,5 gols (ou seja, três gol ou mais e dois gol ou menos).
Over 2,5: 2,05
Under 2,5: 1,78
Tanto a Betano como as demais casas de apostas não trabalham “no feeling” para definir essas odds. As casas usam modelos estatísticos sofisticados para precificar as cotações.
Alguns dos modelos e dados mais utilizados pelas casas para definir os cálculos dos principais mercados são:
- Poisson
- Regressão linear e logística
- xG (Expected Goals)
- Machine Learning
Poisson
A chamada Distribuição de Poisson é um dos modelos mais clássicos de previsão, sobretudo para número de gols em uma partida de futebol.
O nome vem do matemático francês Siméon Denis Poisson (1781 – 1840), que desenvolveu um modelo estatístico para calcular a probabilidade de um número específico de eventos acontecer dentro de um intervalo fixo, desde que esses eventos ocorram de forma independente e com uma média conhecida.
A Distribuição Poisson passou a ser aplicada para o futebol porque a premissa básica é que gols são eventos raros e os jogos têm uma média historicamente previsível.
As casas usam esse modelos para prever Over/Under e definir a quantidade de gols de uma partida, mas também usam o modelo nos mercados de Ambas equipes marcam (Both Teams To Score – BTTS) e Placar exato.
Na prática, a fórmula de Poisson calcula a média ponderada de gols que o Time A marca como visitante e o Time B toma como visitante.
No entanto, o modelo Poisson puramente matemático pode falhar pois um gol em uma partida pode mudar tudo, incluindo o aspecto tático e psicológico dos jogadores. Times mais fortes aceleram quando precisam, times mais fracos se retrancam, e por aí vai.
Foi aí que surgiram novas ferramentas de análise considerando mais variáveis que o modelo de Posson.
Regressão linear
As casas evoluíram o modelo de Poisson para modelos de regressão que incorporam múltiplas variáveis, tais como:
- Força ofensiva das equipes
- Força defensiva
- Fator casa
- Forma recente
- Dias de descando para a partida
- Lesões
- Fechamento de odds anteriores
Com esses dados é possível modelar a relação entre uma variável dependente (resultado de uma partida) e uma ou mais variáveis independentes.
Na prática, seria uma fórmula matemática Y = a + bX
Y = variável dependente (o que você quer prever)
X = variável independente (fator que influencia)
a = intercepto (valor de Y quando X = 0)
b = coeficiente angular (quanto Y varia para cada 1 unidade de X)
Em um exemplo prático no contexto do futebol, X = número de finalizaões de um time, Y = número de gols marcados
Se a regressão indicar: Gols = 0,2 + 0,15 x Finalizações
Significaria que mesmo sem finalizar, a expectativa seria 0,2 gols, e cada finalização aumentaria a expectativa de gols em 0,15.
Isso em tese ajuda a modelar desempenho de equipes e estimar gols esperados.
xG (Expected Goals)
Com a sofisticação do uso da regressão linear, os apostadores e casas de apostas chegaram ao xG, que é basicamente o cálculo de gols esperados em uma partida.
O xG revolucionou o mercado ao medir a qualidade das chances de gol criadas por uma equipe, deixando para traz a velha análise histórica de número de gols em jogos passados.
Essa métrica ajuda a avaliar quando o mercado pode estar reagindo exacebadamente a resultados e deixando de lado o desempenho real das equipes.
Machine Learning
As grandes casas de apostas hoje em dia usam modelos que conseguem detectar interações complexas entre variáveis e atualizar as probalidades em tempo real, através de técnicas de:
- Random Forest
- Gradiente Boosting
- XGBoost
- Redes neurais
- Modelos bayesianos hierárquicos
Em breve publicarei um post destrichando esses termos.
Por fim, é importante ressaltar que as casas não vivem de prever resultados melhor do que todo mundo, mas sim usando um modelo robusto de dados para ajustar suas margens e obter lucro independente dos resultados dos eventos.