Understanding Market Margins in Sports Odds Data

Warum Rohe Quoten Nicht 100% Ergeben

Das war einer dieser "Aha"-Momente, als ich anfing mit Quotendaten zu arbeiten. Ich konvertierte alle Ergebnisse in implizite Wahrscheinlichkeiten, addierte sie und bekam... 104%. Dann 106%. Manchmal 110%.

Dieser zusätzliche Prozentsatz wird Marge (oder Overround, Vig, Juice) genannt. Ihn zu verstehen ist entscheidend für jeden, der ernsthafte Sportdatenanalyse betreibt.

---

Die Mathematik Hinter Den Margen

In einem theoretisch "fairen" Markt würden implizite Wahrscheinlichkeiten genau 100% ergeben:

Aber echte Märkte sehen so aus: Diese zusätzlichen 5% sind die Marge.

---

Warum Das Für ML-Modelle Wichtig Ist

Beim Erstellen von Vorhersagemodellen haben Sie zwei Optionen, Quoten als Features zu verwenden:

1. Rohe implizite Wahrscheinlichkeiten verwenden
Einfach, aber enthält Rauschen von Margen, die nach Markt und Quelle variieren.

2. Normalisieren, um die Marge zu entfernen

Wahre Wahrscheinlichkeit = Rohe Implizite Prob / Summe Aller Probs

Bei OddsFlow normalisieren wir typischerweise, wenn wir Quoten als Kalibrierungsziele verwenden, behalten aber Rohwerte beim Verfolgen von Marktbewegungen (da Margenänderungen selbst informativ sein können).

---

Margenvariation Nach Quelle

Verschiedene Datenquellen haben verschiedene typische Margen:

Diese Variation ist wichtig für Multi-Source-Datenaggregation. Niedrigere Margenquellen liefern generell sauberere Wahrscheinlichkeitssignale.

---

Margen Als Feature Verwenden

Hier ist etwas, das wir entdeckt haben: Margenänderungen über die Zeit können prädiktiv sein. Wenn Margen enger werden (sich 100% nähern), deutet das oft auf erhöhte Marktsicherheit hin. Wenn sie weiter werden, kann Informationsasymmetrie vorliegen.

Wir verfolgen die Marge zusammen mit Rohquoten in unserer Preprocessing-Pipeline.

---

Praktische Berechnung

def calculate_margin(decimal_odds: list) -> float:
    implied_probs = [1/odds for odds in decimal_odds]
    return sum(implied_probs) - 1
Beispiel: 1X2-Markt
odds = [2.38, 3.17, 3.17]
margin = calculate_margin(odds)  # Gibt 0.05 (5%) zurück

---

📖 Verwandte Lektüre: Implizite Wahrscheinlichkeit Erklärt • Quotenbewegungsanalyse

*OddsFlow bietet KI-gestützte Sportanalyse für Bildungs- und Informationszwecke.*