⚽ Bagaimana Odds Piala Dunia Dikira? Membongkar Logik Pengiraan Kebarangkalian & Metodologi Model Data
📊 Langkah 1: Model Kebarangkalian Asas (Tidak Termasuk Faktor Pasaran)
Formula Teras: Odds = 1 / Kebarangkalian × Kadar Pulangan
Model Penarafan ELO (Asas Paling Biasa):
Menukar perbezaan ELO antara dua pasukan kepada kebarangkalian menang/seri/kalah.
Contoh: Perancis (1680) vs AS (1520), perbezaan 160 mata.
Formula penukaran: P(Menang) = 1 / (1 + 10^(-perbezaan/400))
Keputusan: Kadar menang Perancis ≈71%, Seri ≈18%, Kadar menang AS ≈11%
Model Taburan Poisson (Untuk Gol / Over/Under):
Berdasarkan purata gol dijaringkan dan dibolosi sejarah kedua-dua pasukan, meramalkan kebarangkalian pelbagai skor.
Contoh: Pasukan A purata 1.8 gol, Pasukan B bolos purata 1.2 gol → Jangkaan gol ~1.5
Menggunakan formula Poisson: 0 gol 22%, 1 gol 33%, 2 gol 25%, 3+ gol 20%
Kemudian mengira garisan over/under (contohnya, 2.5 gol: Kebarangkalian Over = 20%+25% = 45%)
Simulasi Monte Carlo (Pelbagai Faktor):
Mensimulasikan 10,000 perlawanan, setiap kali menambah secara rawak pemboleh ubah seperti kecederaan, bentuk, kelebihan tempat sendiri, dsb., kemudian mengira taburan kekerapan keputusan akhir.
📈 Langkah 2: Pengiraan Aktuari Odds (Menambah Faktor Pasaran)
Kadar Pulangan (Overround):
Bookmakers tidak boleh menawarkan "odds adil" – mereka mesti meninggalkan margin keuntungan.
Kadar pulangan biasa: 92%-98% (iaitu komisen bookmaker 2%-8%)
Contoh: Odds adil ialah 2.00-3.00-3.50; dengan komisen 5%, ia menjadi 1.90-2.85-3.32
Penetapan Odds Pembukaan:
Pasukan aktuari menetapkan odds pembukaan berdasarkan model di atas, digabungkan dengan faktor berikut:
- Asas pasukan (ELO, pertemuan sejarah, bentuk terkini)
- Kecederaan/penggantungan
- Hubungan taktikal perlawanan
- Perbezaan tempat sendiri/neutral/tempat lawan
- Pengalaman kejohanan (Piala Dunia membawa wajaran lebih tinggi daripada perlawanan biasa)
📉 Langkah 3: Perubahan Odds Langsung (Didorong Pasaran)
Prinsip Teras: Odds tidak meramalkan keputusan perlawanan – ia mengimbangi wang pertaruhan.
Mekanisme Perubahan:
1. Apabila sejumlah besar wang mengalir ke satu pihak, odds pihak itu menurun, dan odds pihak lain meningkat
2. Matlamatnya adalah untuk bookmaker mendapat keuntungan tanpa mengira keputusan (melalui margin kadar pulangan)
3. Pengumuman berita besar (contohnya, kesebelasan utama, kecederaan) mencetuskan perubahan odds dalam masa 10-30 minit
Contoh Lazim:
Odds pembukaan: Menang tuan rumah 2.00, Seri 3.20, Menang lawan 3.50
Jika 80% wang bertaruh pada menang tuan rumah → Odds menang tuan rumah turun kepada 1.80, Seri naik kepada 3.40, Menang lawan naik kepada 4.00
Bookmaker akhirnya mendapat kira-kira 6% margin keuntungan melalui kadar pulangan (contohnya, 94%)
🔬 Langkah 4: Metodologi Model Data Lanjutan
1. Model Kemas Kini Dinamik Bayesian
Selepas setiap perlawanan, mengemas kini parameter kekuatan pasukan berdasarkan keputusan sebenar. Contohnya: selepas pasukan bawah mengejutkan pasukan pilihan, penarafan ELOnya tidak diselaraskan dalam satu langkah tetapi dikemas kini sebahagian menggunakan formula Bayesian untuk mengelakkan reaksi berlebihan.
2. Hutan Rawak / XGBoost Pembelajaran Mesin
Memasukkan beratus-ratus ciri (penguasaan bola, tembakan tepat sasaran, kad merah/kuning, cuaca, pengadil, sejarah pertemuan, dsb.) untuk melatih model meramalkan kebarangkalian menang/seri/kalah. Acara peringkat Piala Dunia biasanya menggunakan data kejohanan besar dari 5 tahun kebelakangan untuk latihan.
3. Pengesahan Hipotesis Kecekapan Pasaran
Penyelidikan menunjukkan bahawa perubahan odds antara 24 jam selepas pembukaan hingga 2 jam sebelum sepak mula membawa maklumat paling banyak (pasaran telah menghadam maklumat awam). Perubahan odds dalam masa 5 minit sebelum sepak mula sering mencerminkan "maklumat dalaman" (contohnya, kecederaan yang tidak dilaporkan).
📊 Ringkasan Proses Lengkap
Langkah 1: ELO + Taburan Poisson → Kebarangkalian Asas (tiada faktor pasaran)
Langkah 2: Tambah Kadar Pulangan → Odds Pembukaan (penetapan aktuari)
Langkah 3: Aliran masuk wang pasaran → Perubahan Odds Langsung
Langkah 4: Model Pembelajaran Mesin → Membantu pelarasan aktuari
Akhir: Odds = Kebarangkalian Tersirat (konsensus pasaran)
Pemahaman Utama: Odds mencerminkan "kebarangkalian yang dipercayai oleh pasaran," bukan "kebarangkalian sebenar keputusan perlawanan." Perbezaan antara keduanya adalah tepat ruang di mana model data mencari "pertaruhan nilai."
📌 Ringkasan Satu Ayat
Odds Piala Dunia = (Kebarangkalian ELO + Taburan Poisson + Monte Carlo) × Kadar Pulangan, kemudian diselaraskan secara langsung oleh aliran wang pasaran. Odds adalah pemetaan konsensus pasaran, bukan kebarangkalian sebenar. Memahami perbezaan ini adalah teras untuk mentafsir model data.