Hi ha un tipus concret de tipster que ha après a sonar científic. Parlen d'un "AI engine", "thousands of data points", "machine learning models" i d'un equip de "data scientists with PhDs". I — en crèdit seu — alguns publiquen el registre complet obertament, amb cada predicció anotada, guany o pèrdua, descarregable en un sol fitxer.
N'agafem un dels més grans, vam baixar el seu conjunt de dades públic i vam analitzar 25,890 partits d'un sol any. Això és el que diuen les xifres — totes seves, no nostres.
La primera cosa que mires amb qualsevol model és si fa res que un preu lliure no faci ja. Així que, per a cada partit, vam comparar l'aposta del tipster amb el punt de referència més simple possible: el favorit de la casa d'apostes — l'equip amb les quotes més baixes.
Coincidien en 83% dels casos.
Dit d'una altra manera, quatre de cada cinc vegades l'"AI engine" simplement tria qui la casa ja havia posat de favorit. Això no és un model que troba valor ocult. Això és llegir les quotes i copiar-les.
I encara va més enllà. Cada aposta porta una puntuació de "trust" o "confidence", presentada com la sortida de l'algoritme. La vam comparar amb la probabilitat implícita a les quotes — i segueixen gairebé perfectament (correlació 0.61, pujant més en les apostes més segures). La "confidence score" és, aproximadament, la pròpia quota de la casa amb una bata de laboratori.
Aquesta és la dada amb què venen el producte: en les apostes amb més confiança, encerten aproximadament 73% del temps. Sona molt bé. També és inútil, i aquí tens exactament per què.
Aquestes apostes d'alta confiança són favorites clars amb una quota mitjana de 1.40. Fem el càlcul que importa a un apostador: encertes 73% de les apostes a quota 1.40 i cobres 0.73 × 1.40 = 1.02 per cada 1.00 apostat — abans que el marge de la casa s'endugui la resta. El resultat és una rendibilitat d'aproximadament −0.1%. Guanyes gairebé sempre i vas perdent a poc a poc.
En total, sobre les 25,890 apostes publicades, seguir totes les quotes mostrades dona −5.6%. No sobre el nostre model. Sobre el seu.
La prova més reveladora és el 17% dels partits en què l'aposta del tipster no coincideix amb el favorit de la casa — l'únic lloc on un model real podria mostrar avantatge. Si l'algoritme sap alguna cosa que el mercat no sap, aquí és on es guanya la subscripció.
No ho fa. En aquests partits, les apostes encerten 28.7% del temps i retornen −9.95%. Seguir el favorit a cegues hauria perdut menys. La "intel·ligència" resta valor en lloc d'afegir-ne.
No estem dient el nom del servei. El punt no és una empresa — és tot el format. "67% accuracy", "AI-powered", "verified results": cap d'aquestes xifres significa el que estan pensades per fer-te sentir, perquè encertar amb quotes curtes no és benefici, i un model que copia el favorit no és un model.
Això també és un mirall que estem contents de posar-nos al davant. És el motiu pel qual TipsAudit no ven una xifra d'encert. Publiquem el preu just amb el marge de la casa eliminat, marquem value bet només quan una casa més feble realment està fixant malament un partit, i la dada principal del nostre track record és la closing line value — l'única mètrica que realment correlaciona amb un avantatge a llarg termini — mostrada a cada aposta, abans de l'inici, amb les pèrdues incloses.
La veritat incòmoda de les dades de dalt és que tu mateix hauries pogut auditar aquell tipster. El fitxer sempre ha estat públic. La majoria de gent no l'obre mai, perquè una paret de captures verdes convenç més que un full de càlcul. Nosaltres pensem que hauria de ser al revés.
Data: un conjunt públic de resultats d'un tipster, 25,890 partits amb quotes i resultats d'una sola temporada, analitzat per l'acord aposta-vs-favorit, l'encert per banda de confiança i el retorn sobre la inversió amb les quotes mostrades. Res d'això és consell d'apostes; apostar comporta risc financer real. 18+, juga amb responsabilitat.