มี tipster อยู่กลุ่มหนึ่งที่เรียนรู้วิธีพูดให้ฟังดูเป็นวิทยาศาสตร์ พวกเขาพูดถึง "AI engine", "thousands of data points", "machine learning models" และทีมของ "data scientists with PhDs" และต้องยอมรับว่า บางรายก็เปิดเผยสถิติทั้งหมดอย่างตรงไปตรงมา ทุกการทาย ถูกรวบรวมไว้หมด จะชนะหรือแพ้ก็ถูกบันทึก ดาวน์โหลดได้เป็นไฟล์เดียว
เราลองเอารายหนึ่งที่มีขนาดใหญ่พอสมควรมาเช็กตามคำพูด ดาวน์โหลดชุดข้อมูลสาธารณะของเขา แล้ววิเคราะห์ 25,890 แมตช์ จากปีเดียว นี่คือสิ่งที่ตัวเลขบอก — ทั้งหมดเป็นของเขา ไม่ใช่ของเรา
สิ่งแรกที่ต้องดูในทุกโมเดลคือ มันทำอะไรที่ราคาฟรีๆ ไม่ได้บอกไว้แล้วหรือไม่ ดังนั้นสำหรับทุกแมตช์ เราเทียบ pick ของ tipster กับ baseline ที่ง่ายที่สุด: ทีมเต็งของ bookmaker — ทีมที่มีอัตราต่อรองต่ำที่สุด
ผลตรงกัน 83% ของเวลา
พูดอีกแบบคือ สี่ในห้าครั้ง "AI engine" แค่เลือกทีมที่ bookmaker ทำให้เป็นทีมเต็งอยู่แล้ว นั่นไม่ใช่โมเดลที่เจอ value ที่ซ่อนอยู่ แต่มันคือการอ่านอัตราต่อรองแล้วก็ลอกตาม
และยังไปไกลกว่านั้น แต่ละ pick จะมาพร้อมคะแนน "trust" หรือ "confidence" ที่นำเสนอว่าเป็น output ของอัลกอริทึม เราเอาไปเทียบกับความน่าจะเป็นที่ implied จากอัตราต่อรอง — แล้วมันเดินไปแทบจะตรงกันหมด (correlation 0.61 และสูงขึ้นอีกใน pick ที่มั่นใจ) "confidence score" โดยประมาณก็คือราคาของ bookmaker เองที่ใส่เสื้อกาวน์แล็บ
นี่คือตัวเลขที่การตลาดของเขาชูไว้: ใน pick ที่มั่นใจที่สุด พวกเขาทายถูกประมาณ 73% ของเวลา ฟังดูดีมาก แต่ไม่มีค่า และนี่คือเหตุผลแบบตรงๆ
pick ที่มั่นใจสูงพวกนี้เป็นทีมเต็งหนักๆ ที่ราคาเฉลี่ย 1.40 ลองคิดแบบที่ bettor สนใจจริง: ชนะ 73% ของเดิมพันที่ราคา 1.40 จะได้ 0.73 × 1.40 = 1.02 ต่อเงินเดิมพันทุก 1.00 — ก่อนที่ margin ของ bookmaker จะกินส่วนที่เหลือ ผลลัพธ์คือผลตอบแทนประมาณ −0.1% ชนะเกือบทุกบิล แต่ค่อยๆ หมดตัว
จาก pick ที่เผยแพร่ทั้งหมด 25,890 รายการ ถ้าตามทุก pick ที่ราคาแสดงไว้ ผลตอบแทนจะอยู่ที่ −5.6% ไม่ใช่จากโมเดลของเรา จากของเขาเอง
การทดสอบที่บอกอะไรได้มากที่สุดคือ 17% ของแมตช์ที่ pick ของ tipster ไม่ตรง กับทีมเต็งของ bookmaker — จุดเดียวที่โมเดลจริงๆ อาจแสดง Edge Score ได้ ถ้าอัลกอริทึมรู้บางอย่างที่ตลาดไม่รู้ ตรงนี้แหละที่มันควรคุ้มค่าสมาชิก
แต่ไม่มี On those matches pick ถูกแค่ 28.7% และให้ผลตอบแทน −9.95% ถ้าแทงทีมเต็งแบบไม่คิดอะไรมาก ยังขาดทุนน้อยกว่า คำว่า "intelligence" กลับหัก value แทนที่จะเพิ่ม
เราไม่ได้เอ่ยชื่อบริการ จุดประสงค์ไม่ใช่บริษัทเดียว — แต่มันคือฟอร์แมตทั้งหมด "67% accuracy", "AI-powered", "verified results": ตัวเลขพวกนี้ไม่ได้หมายถึงสิ่งที่มันพยายามทำให้คุณรู้สึก เพราะความแม่นยำที่อัตราต่อรองต่ำไม่ได้แปลว่ากำไร และโมเดลที่ลอกทีมเต็งก็ไม่ใช่โมเดล
นี่ก็เป็นกระจกที่เรายินดีถือสะท้อนมาที่ตัวเราเองด้วย นี่คือเหตุผลที่ TipsAudit ไม่ขายตัวเลข accuracy เราเผยแพร่ fair price หลังหัก margin ของ bookmaker เรา flag value เฉพาะจุดที่ bookmaker ที่ราคานิ่มกว่า mispricing แมตช์จริงๆ และตัวเลขหัวข้อบนหน้า track record ของเราคือ closing line value — ตัวชี้วัดเดียวที่สัมพันธ์กับ long-term edge จริง — แสดงทุก pick ก่อนเริ่มแข่ง รวมทั้งผลแพ้ด้วย
ความจริงที่ไม่สบายใจในข้อมูลข้างบนคือ คุณเองก็ audit tipster คนนั้นได้ ไฟล์นั้นเปิดสาธารณะมาตลอด แต่คนส่วนใหญ่ไม่เคยเปิด เพราะภาพสกรีนช็อตสีเขียวเต็มกำแพงดูน่าเชื่อกว่าสเปรดชีต เราคิดว่ามันควรจะกลับกัน
Data: public tipster results dataset, 25,890 matches with odds and outcomes from a single season, วิเคราะห์การตรงกันระหว่าง pick กับทีมเต็ง, accuracy แยกตาม confidence band, และ return on investment ที่ราคาแสดงไว้ ไม่มีอะไรในนี้เป็นคำแนะนำการลงทุนหรือการพนัน; การพนันมีความเสี่ยงทางการเงินจริง 18+, เล่นอย่างรับผิดชอบ