Há um tipo específico de tipster que aprendeu a soar científico. Eles falam de um "AI engine", "thousands of data points", "machine learning models" e uma equipe de "data scientists with PhDs". E — para o crédito deles — alguns publicam o histórico completo de forma aberta, com cada previsão registrada, ganhe ou perca, baixável em um único arquivo.
Pegamos um dos maiores ao pé da letra, baixamos seu conjunto de dados público e analisamos 25,890 jogos de um único ano. Aqui está o que os números dizem — todos deles, não nossos.
A primeira coisa que você verifica em qualquer modelo é se ele faz algo que um preço livre já não faça. Então, em cada jogo, comparamos a escolha do tipster com o baseline mais simples possível: o favorito da casa de apostas — a equipe com as menores odds.
Eles совпidiram em 83% das vezes.
Em outras palavras, quatro em cada cinco vezes o "AI engine" simplesmente escolhe quem a casa já tinha como favorito. Isso não é um modelo encontrando value escondido. Isso é ler as odds e copiá-las.
E vai além. Cada escolha vem com uma pontuação de "trust" ou "confidence", apresentada como saída do algoritmo. Nós a comparamos com a probabilidade implícita nas odds — e elas acompanham uma à outra quase perfeitamente (correlação 0.61, subindo ainda mais nas escolhas mais confiantes). A "confidence score" é, com boa aproximação, o próprio preço da casa de apostas usando jaleco.
Aqui está o número que o marketing destaca: nas escolhas de maior confiança, eles acertam cerca de 73% das vezes. Parece excelente. Também não vale nada, e aqui está exatamente o motivo.
Essas escolhas de alta confiança são favoritos fortes a um preço médio de 1.40. Faça a conta que realmente importa para um apostador: ganhar 73% das apostas com odds de 1.40 e você recebe 0.73 × 1.40 = 1.02 para cada 1.00 apostado — antes da margem da casa comer o resto. O resultado é um retorno de aproximadamente −0.1%. Você ganha quase todas as apostas e vai quebrando aos poucos.
No total das 25,890 escolhas publicadas, apostar em todas as seleções nas odds exibidas retorna −5.6%. Não no nosso modelo. No deles.
O teste mais revelador é os 17% dos jogos em que a escolha do tipster discorda do favorito da casa — o único lugar onde um modelo real poderia mostrar Edge Score. Se o algoritmo sabe algo que o mercado não sabe, é aqui que ele paga a assinatura.
Não paga. Nesses jogos, as escolhas acertam 28.7% das vezes e retornam −9.95%. Apostar cegamente no favorito teria perdido menos. A "intelligence" subtrai value em vez de adicioná-lo.
Não estamos nomeando o serviço. O ponto não é uma empresa — é o formato inteiro. "67% accuracy", "AI-powered", "verified results": nenhum desses números significa o que foram feitos para fazer você sentir, porque precisão em odds curtas não é lucro, e um modelo que copia o favorito não é um modelo.
Isso também é um espelho que temos prazer em apontar para nós mesmos. É por isso que a TipsAudit não vende uma cifra de accuracy. Publicamos o fair price com a margem da casa removida, sinalizamos value apenas onde uma casa mais lenta está realmente precificando mal um jogo, e o número principal na nossa track record é closing line value — a única métrica que de fato se correlaciona com uma vantagem de longo prazo — mostrada em cada seleção, antes do início, com as perdas incluídas.
A verdade incômoda nos dados acima é que você poderia ter auditado esse tipster por conta própria. O arquivo esteve público o tempo todo. A maioria nunca abre, porque uma parede de capturas de tela verdes parece mais convincente do que uma planilha. Nós achamos que deveria ser o contrário.
Dados: um conjunto público de resultados de tipster, 25,890 jogos com odds e resultados de uma única temporada, analisados para concordância entre pick e favorito, accuracy por faixa de confidence e retorno sobre o investimento nas odds exibidas. Nada aqui é conselho de aposta; apostar envolve risco financeiro real. 18+, jogue com responsabilidade.