点击进入!

　　与投注方法或资金管理策略相比，体育博彩投注系统是一种结构化预测方法，建立在对历史数据进行定量分析的基础上，旨在克服博彩公司的利润空间并找到积极因素。

投注者经常混淆资金管理和投注系统，在百度上搜索“投注系统”，你会发现大多数是像必发指数和泊松分布一类的投注策略，但实际上投注策略和投注系统是不同的东西。

　　资金管理只会改变与您的投注相关的风险的性质；然而，它不能将失败的预测方法变成长期的胜利方法，相比之下，投注系统试图找到体育比赛中发生的事情的“真实”概率。

　　体育博彩投注系统最广泛的使用方法是统计回归分析，对那些不熟悉统计术语的人来说，这听起来很困惑，但实际上它只是一种估算变量之间关系的方法。

虽然回归分析是设计博彩系统的有用工具，但其潜在的弱点是无法区分相关性和因果关系。

　　其中最简单的是简单线性回归，其中只考虑两个变量，例如团队得分的目标数（预测变量或自变量）及其匹配获胜频率（响应或因变量）。

通过使用大量的比赛样本，例如从2000/11赛季年到2017/18共8个赛季，可以绘制一个图表，将计算出的比赛评分（主队的6场比赛均进球减去客场的6场比赛进球）与主队比赛获胜的概率分布如下所示：

　　虽然图表中的各个数据点有些分散，但两个变量之间存在明显的线性趋势：主队相对于客队在过去6场比赛中的净胜球数越多，就越有可能主队将赢得比赛。

图表上绘制的回归线基本上描述了相对目标优势与主队获胜之间的理想关系，其中关于运气值被移除。

　　我们可以通过方程描述上述线; 作为一个简单的线性回归模型，它采用y = mx + c的形式，其中y是因变量（获胜概率），x是自变量，m是趋势线的斜率或梯度（及队伍实力）和c是线截取y轴的常数或点（即x = 0）。

在这个例子中，等式由下式给出：

　　当比赛评分为零时（也就是说主队和客队在目标差异方面或多或少均匀分配），胜率为46.5％。

考虑到大约46％的足球比赛以主场胜利结束，这似乎是直觉上明智的。

在过去的六场比赛中，主队的净进球差距比客场球队差十倍，回归模型显示这些球队通常赢得62％的时间。

凭借20分的优势，这一比例上升至78％。

　　我们的回归分析也可以告诉我们这个投注系统模型解释了获胜频率的多少变化，在这种情况下，它是86％。

您可以通过趋势线与数据的拟合优度来说明这一点，它告诉我们两个变量之间存在很强的相关性。

　　为了将我们的回归线性模型转变为功能完善的投注系统，我们现在需要对未来的匹配进行预测，并使用它们来识别具有正预期价值的投注。

与大多数建模方法一样，标准假设是关键。

如果前一场比赛得分为+10的比赛以62％的主场胜利结束，那么假设一支主力10比1的主力球队将有62％的概率赢得比赛。

　　然后我们可以简单地将这些概率转换为“真实”赔率，从而找到提供更长赔率的博彩公司的预期价值。

将这个模型应用到2011/12英格兰足球联赛赛季，在526个投注中以最佳主场赢球赔率获得了+ 2.1％的营业利润，相比之下，如果我简单地下注全部归来，则损失-3.7％盲目地赢得那个赛季。

　　一个赛季投注500多次投注并不能保证盈利能力可以在每个赛季地重现，确保一个可靠的投注系统似乎是一个足够的数字，但定期参与投注玩家会知道情况并非如此。

即使是1000个赌注的样本也可以揭示出虚假的盈利模式，这种模式实际上没有因果关系的基础，而只是偶然的机会。

可悲的是，接下来的五个赛季使用这个投注系统全部都输了。

虽然这个简单的目标霸权回归模型很好地找到了哪些主队更有可能获胜，但并不能保证能够找到比博彩公司赔率隐含的概率中更有可能获胜的球队。

　　如果回归线性模型只是复制博彩公司的模型所做的事情，那么盈利能力就不会显示持久性，只会反映出随意性的变幻莫测。

它似乎不是建立在任何有效的相关性上回归线性模型预测没有“导致”这些利润，因为它并不比其他模型做同样的事情更准确。

　　当然，双变量线性回归模型几乎不是试图找到期望值的最复杂的投注系统，引入更多独立变量或预测变量的多元回归提供了一种提高预测精度的方法。

但是分析师应该谨慎，不要以牺牲准确性为代价。

　　精确模型是测量彼此接近的模型，例如，如上面的简单线性回归模型中的趋势线所示。

但是精度并不能保证准确性。

准确度衡量您与“真实”价值的接近程度，精度与随机误差和系统精度相关（也称为偏差）。

　　要使投注系统有效，也就是说要真正做它应该做的事情（即始终如一地找到有利可图的期望值），它必须既准确又准确，有效性意味着可预测性和持久性。

不幸的是，许多体育博彩玩家在研究他们的投注历史时，往往会误解精确性，准确性和有效性相关的因果关系。

他们的错误在于相信他们所做的利润是由他们的投注系统“引起的”，因为他们经常因为好运而出现这种情况。

　　虽然回归分析是设计博彩投注系统的重要工具，但其潜在的弱点是无法区分相关性和因果关系。

回归分析有效识别变量之间的关联，例如得分和失败的目标与获胜匹配的概率，但无法确定是否导致另一个。

　　回归分析可能会告诉我们，当巴塞罗那输球时，梅西没有进球。

但是，我们不能得出结论，梅西没有得分是导致巴塞罗那输掉比赛的原因。

如果没有在我们的投注系统中建立因果关系和有效性，我们应该警惕它可能并不比其他人使用的预测模型更好，在体育博彩这样的相对技能环境中，我们不仅仅因为预测未来而获得报酬，我们必须比其他玩家更好。