Методология

Рынки: ТБ2.5, ТМ3.5, ТБ1.5, ТМ2.5. Другие рынки/виды спорта не публикуем, чтобы качество не размазывалось.

Стратегия: value-подход — играем там, где оценённая нами вероятность событий выше «честной» вероятности рынка.

Планируем расширение на хоккей после отдельного обучения и валидации.

2.1. Источники и обновление

Исторические матчи + предматчевые признаки. Нормализация форматов (счёт, дата/время, ID лиг/команд), очистка пропусков, консистентность.

2.2. Временная стратификация

• Тренировочные/валидационные разрезы формируем по времени (без утечки будущего).
• Time-decay: свежим матчам даём больший вес.

2.3. Контроль качества

• Проверки диапазонов и типизации (тотал ≥ 0, неотрицательные счётчики).
• Дедупликация матчей и корректная разметка home/away.
• Логи качества загрузок и трансформаций.

3.1. Форма

Оконные агрегаты 3–5 матчей: забитые/пропущенные, удары, допущенные соперником. Разделяем домашние/гостевые профили.

3.2. Сезонность

Сглаживание с периодом ~12 месяцев, перенос паттернов между сезонами.

3.3. Recency-взвешивание

Экспоненциальное сглаживание/дисконтирование по времени — недавняя форма весит больше.

3.4. Лига-специфика

Доменные признаки и пороги по лигам: темп, средние тоталы, маржа рынка.

4.1. Что предсказываем

Классификация вероятностей по линиям ТБ/ТМ (2.5/3.5/1.5/2.5).

4.2. Калибровка вероятностей

Platt/изотоническая регрессия по временным фолдам → согласование предсказаний с фактической частотой.

4.3. Неопределённость

Разброс ансамбля и стабильность на фолдах — учитываем при фильтрации сигналов.

Смешиваем XGBoost/LightGBM/NN для устойчивости и снижения дисперсии.

5.1. Обучение

• Подбор гиперпараметров на временных фолдах.
• Регуляризация: depth, learning rate, L1/L2, subsample/colsample.
• Нормализация/масштабирование — для NN по необходимости.

5.2. Блендинг

Стэкинг: финальная вероятность — взвешенная комбинация по логлосс/Брайеру.

• Rolling/Expanding TimeSplit для out-of-time оценки.
• Анти-утечка: признаки считаются только из доступной тогда информации.
• Метрики: логлосс, Брайер, ROC-AUC/PR-AUC; бизнес-метрика — стабильность EV.

7.1. Снятие маржи

P_fair(i) = (1/O_i) / Σ_j (1/O_j), где O_i — котировка исхода.

7.2. Ожидаемая доходность

EV = p * O - 1, где p — оценённая нами вероятность события, O — котировка.

Пример: модель даёт p=0.58 на ТБ2.5, в линии O=1.90 ⇒ EV = 0.58*1.90 - 1 = 0.102 (10.2%).

7.3. Фильтрация

• Порог EV (например, 0.02–0.05) + проверки калибровки.
• Ограничение по дисперсии (устойчивость на фолдах/ансамбле).
• Лига-специфические пороги, если статистика это подтверждает.

8.1. Банк

• Базовая ставка: 1–2% от банка на сигнал.
• Опционально доля Келли ≤ 0.5 для сильных сигналов при good-калибровке.

8.2. Контроль дисперсии

• Отсев матчей с высокой неопределённостью ансамбля.
• Ограничение числа одновременных позиций, экспозиции по лигам и суткам.

Мы не используем догон/мартингейл. Цель — ровная кривая на дистанции (см. Статистику).

1. Детектирование: модель находит value по ТБ/ТМ.
2. Проверка: фильтры EV, калибровка, дисперсия.
3. Публикация в Telegram-боте (основной канал).
4. Сопровождение: фиксация результата в статистике.

Движение линии: если ваш кэф хуже, чем в сигнале, — снизьте долю или пропустите. Не «догоняйте» рынок.

• Домен: только футбол и только тоталы ТБ2.5/ТМ3.5/ТБ1.5/ТМ2.5.
• Смещения: темпы лиг, судейство, редкие события могут менять распределения.
• Рынок: маржа, лимиты и движение коэффициентов ограничивают реализацию edge.
• Гарантий нет — мы про матожидание и дисциплину, а не про «железные» исходы.

• EV — ожидаемая доходность ставки. Положительный EV не гарантирует выигрыш конкретной ставки, а даёт преимущество на дистанции.
• Fair-probability — «честная» вероятность без маржи букмекера.
• Калибровка — соответствие предсказанных вероятностей реальным частотам.
• Recency — «свежесть» данных: недавние матчи важнее старых.
• Дисперсия — изменчивость результатов. Контролируется банком и фильтрами.

Больше о проекте — на странице О проекте. Точки входа — Тарифы и Контакты.