Zbudowaliśmy ~50 modeli bukmacherskich. Każdy z nich przegrał.

Większość serwisów bettingowych opowiada o swoich wygranych. To jest ten drugi artykuł: taki, w którym spędziliśmy miesiące na budowie około pięćdziesięciu modeli i strategii typowania piłki nożnej, testując je tak, jak zrobiłby to naukowiec — i obserwując, jak każdy z nich traci pieniądze. Publikujemy tę sekcję zwłok, bo to, jak przegrywały, uczy więcej o rynkach bukmacherskich niż jakikolwiek wątek tipsterski.

Co właściwie zbudowaliśmy

To nie był jeden leniwy model. W czterech fazach zbudowaliśmy i przetestowaliśmy metodą walk-forward między innymi:

• rankingi Elo z formą, klasyczny punkt odniesienia;
• XGBoost na danych meczowych z wielu sezonów;
• Dixon-Coles, akademicki standard dla wyników piłkarskich;
• modele expected goals (xG), w tym hybrydę xG-Elo, która okazała się najlepsza;
• ensembles powyższych, plus delty składu i kontuzji zbudowane na podstawie minut i ocen zawodników.

Każdy eksperyment używał walidacji walk-forward — model widział tylko przeszłość, nigdy przyszłość — z wyraźnymi audytami przeciw wyciekowi danych. Gdy celowo wstrzyknęliśmy cechę „leaky” zawierającą przyszłe informacje, skuteczność wzrosła do 57–100%; nasze czyste modele utrzymywały się około 53%. Ta różnica to odcisk palca uczciwego testowania.

Tabela wyników

Nasz najlepszy model — hybryda xG-Elo — osiągnął 53.7% accuracy w predykcjach 1X2. Brzmi przyzwoicie, dopóki nie porównasz tego z benchmarkiem, którego nikt nie zwolni: po prostu wybieranie faworyta rynkowego daje około 55.6% przy zerowej inteligencji. Miesiące inżynierii cech, gradient boosting i kalibracji krzywych, a cena na sharp market i tak wiedziała więcej niż nasze modele. Nie czasami — systematycznie. I nie powinno nas to dziwić: cena rynkowa nie jest modelem konkurencyjnym, jest agregatem wszystkich modeli konkurencyjnych, wypolerowanym przez pieniądz aż do kickoffu.

Potem zrobiliśmy to, czego prawie nikt nie robi: zasymulowaliśmy rzeczywiste obstawianie, w prawdziwej walucie. Osiem lig europejskich, sezon 2025-26, 1,329 bets po kursach otwarcia, z odpowiednimi strategiami kontrolnymi obok:

Czytaj tę tabelę powoli. Wszystko przegrywa, i wszystko przegrywa mniej więcej o marżę bukmachera — dokładnie tak, jak przewiduje efektywny rynek. Nasz starannie zaprojektowany model wypadał w granicach szumu podobnie jak ślepe stawianie na faworytów. Strategia na outsiderów traciła trzy razy więcej, z powodu longshot bias. W podziale na ligi znaki zmieniały się losowo — La Liga +4%, Segunda −18% — klasyczna wariancja, nie umiejętność.

Fałszywe świty (najbardziej pouczająca część)

Trzy razy podczas tego badania wydawało nam się, że już to mamy. Trzy razy się myliliśmy, a każdy z tych trybów porażki to coś, z czym zetkniesz się w praktyce:

Błąd +96% ROI. Jeden backtest pokazał strategię niemal podwajającą kapitał. To był wyciek danych — subtelny błąd pozwolił modelowi podejrzeć informacje, które nie były jeszcze dostępne przed kickoffem. Drugi błąd dał fałszywe +35%. Znaleźliśmy oba, bo niezwykłe wyniki wymagają niezwykłej podejrzliwości. Tipster, który znalazłby +96%, założyłby kanał na Telegramie; my otworzyliśmy debugger.

Szczęśliwy sezon. Nasza strategia delty składu pokazała +15% ROI w jednym sezonie ligowym. Ta sama strategia w kolejnych ligach: −9% i −5%. Jeden zyskowny sezon to nie dowód — to moneta, która kilka razy z rzędu wypada orłem, i pisaliśmy o tym, jak często to się zdarza.

Curse zwycięzcy. Sygnały ruchu linii rzeczywiście przewidywały kierunek zmian kursów — nasze typy przebijały closing line o +5.2% mierzone po najlepszych dostępnych kursach. Te same zakłady straciły 2.4% w gotówce. Dlaczego? „Najlepsze kursy” systematycznie pochodzą od tego bukmachera, który wycenia najwolniej — a spieniężenie tej luki kosztuje więcej, niż ta luka daje. Sygnał był realny; zysk nie.

Kontuzje i wiadomości o składzie są już w cenie. Nasze cechy związane z kontuzjami i składem — zbudowane na faktycznych minutach i ocenach zawodników — nie wnosiły nic na ligach z płynnymi rynkami. Zanim dowiesz się, że gwiazdor napastnik nie zagra, cena wie to już od dwudziestu minut.

Co przetrwało z tego zgliszcza

Jeśli rynku nie da się przewyrokować na podstawie publicznych danych, to czy wszystko jest stracone? Niekoniecznie — ale uczciwa okazja jest węższa i mniej efektowna, niż branża udaje:

1. Sama sharp cena jest aktywem. Jeśli zdejviggowana linia Pinnacle jest najlepszym publicznym szacunkiem rzeczywistości, to warto ją publikować — pokazuje fair odds dla każdego meczu po odjęciu marży.
2. Soft bookmakerzy popełniają błędy, które sharp market już skorygował. Luka między leniwą rekreacyjną ceną a fair price to jedyna wartość, do której zwykły gracz może realnie sięgnąć — mechanizm wyjaśniamy tutaj. To rzadkie, małe i kończy się limitowaniem konta. Ale w przeciwieństwie do modelowych marzeń, jest prawdziwe.
3. Weryfikacja wygrywa z predykcją. Ta sama rygorystyczność, która zabiła nasze modele, to dokładnie coś, czego branża tipsterska nie przetrwa — dlatego właśnie audytujemy tipsterów używając tej metody.

To właśnie jest ten serwis. Każda strona meczu pokazuje zdejviggowaną fair price. Value bet jest oznaczany tylko wtedy, gdy soft book odchyli się powyżej niej. A wszystko, co deklarujemy, trafia do publicznego, niezmiennego track record rozliczanego względem closing line — bo po pięćdziesięciu martwych modelach jedyną rzeczą, której ufamy, jest księga.

Mogliśmy skasować porażki i sprzedać wam zrzut ekranu +96%. Prawie wszyscy inni tak robią.