Слово «ИИ» обещает больше, чем следует. Полезнее думать о модели как о калькуляторе: она берёт исторические числа и выдаёт оценку вероятности каждого исхода. Никакой магии там нет, и это хорошая новость — калькулятор можно проверить.
Что она считает
Модель оценивает силу команд по сыгранным матчам, учитывает домашний фактор и особенности лиги и переводит это в вероятности исходов, тоталов и других рынков. В разделе ИИ-прогнозов оценки собраны по всем ближайшим матчам, а на карточке матча — с разбивкой по рынкам.
Оценки калибруются: если модель говорит «30%», то среди всех таких прогнозов исход должен случаться примерно в 30% случаев. Калибровка проверяется на матчах, которых модель не видела при обучении — иначе она проверяет саму себя.
Чего модель не знает
- Новостей. Травма основного нападающего, объявленная за час до матча, ей неизвестна.
- Мотивации. Что команде этот матч не нужен, потому что через три дня еврокубок.
- Обстоятельств. Поле, погода, перелёт, конфликт с тренером.
Это не недостаток реализации, а граница метода: всё перечисленное не выражено в исторических числах.
Как ей пользоваться
Совпадение модели с коэффициентом не даёт ничего: платить маржу за подтверждение цены смысла нет. Весь интерес в расхождении — и здесь нужна честность. Расхождение означает одно из двух: либо модель нашла то, чего не заметил рынок, либо она не знает того, что рынок уже учёл. Второе случается чаще.
Поэтому порядок такой: увидели расхождение — ищите, чего модель могла не знать. Нашли (травма, ротация, ничего не решающий матч) — расхождение объяснено, и ставки в нём нет. Не нашли — вот тогда это повод.
Подробнее о том, какие именно модели работают в проверяемых прогнозах, — в статье о моделях верификатора.
Про согласие моделей
Когда несколько независимых оценок сходятся на одном исходе, это весомее одной. Но и подвох известен: модели, обученные на одних и тех же данных, ошибаются одинаково. Разбор — в статье о консенсусе.
Дальше
Верификатор — раздел, где прогнозы делают люди, а проверяет их машина.
Модель — это калькулятор вероятностей по историческим числам. Полезна она не сама по себе, а в расхождении с коэффициентом — и расхождение чаще означает, что модель чего-то не знает.