Så fungerar våra prognoser

Varje siffra på den här sajten är resultatet av en enda kedja som körs likadant för varje match. Ingen redaktör väljer matcherna, ingen människa skriver över en sannolikhet, och inget dras tillbaka i tysthet efter att det förlorat.

I korthet: anfalls- och försvarsvärderingar, viktade efter hur nya matcherna är, skattas utifrån flera säsongers resultat, omvandlas till en fullständig fördelning över möjliga slutresultat, stäms av mot vad spelmarknaden prissätter och avräknas till sist offentligt mot det verkliga resultatet. Avsnitten nedan går igenom vart och ett av stegen.

Data i botten

Modellen skattas på flera säsongers avslutade matcher i samtliga tävlingar som täcks här: slut- och halvtidsresultat, tagna och medgivna hörnor samt de skott och den bollinnehavsstatistik som dataflödet bär med sig och som driver sidornas kontextpaneler och hörnmodellens reservkedja. Vid sidan av dem ligger en ögonblicksbild av spelbolagens odds, tagen när en prognos genereras och uppdaterad så länge matchen fortfarande är öppen. E-sport och virtuella eller simulerade tävlingar utesluts via ett handhållet register och inte genom namnmatchning, så att deras resultat aldrig kan förorena ett riktigt lags värdering.

Tidsviktade anfalls- och försvarsvärderingar

Varje lag bär en anfallsvärdering och en försvarsvärdering — hur mycket det skapar och hur mycket det släpper till i förhållande till sin egen miljö. De två skattas tillsammans med iterativ proportionell anpassning, en lösare på sluten form som växlar mellan anfall och försvar tills hela poolen återger den målproduktion som faktiskt observerats i den, samtidigt som varje historisk match diskonteras med en exponentiell aktualitetskärna. Den senaste formen dominerar och äldre säsonger tonar bort mjukt i stället för att kapas vid en godtycklig säsongsgräns. Skattningen sker inuti pooler per land, som håller ihop ett lands divisioner med dess inhemska cuper: cupmöten blir därmed broar mellan divisioner, och ett nykomlingslag anländer med en värdering intjänad mot riktiga motståndare i stället för med ett blankt blad.

När underlaget är tunt

Råa värderingar överreagerar på små urval, så varje värdering dras mot sin pools referensvärde i proportion till det underlag som finns bakom den — ett empiriskt bayesianskt steg som hindrar en klubb med en handfull registrerade matcher från att se oövervinnerlig ut för att två av dem slutade 4-0. Seriernas basnivåer får samma behandling mot poolens medelvärde, vilket hindrar en liten tävling inne i en stor pool från att driva iväg på brus. Styrkan i det draget beror på den effektiva urvalsstorleken och inte på antalet matcher, så kraftigt diskonterade gamla matcher väger med rätta mindre.

Från värderingar till en fördelning över slutresultat

För varje match ger de två lagens värderingar och tävlingens hemma- och bortabasnivåer ett förväntat antal mål för vardera sidan. Dessa förväntningar vecklas ut till ett fullständigt sannolikhetsrutnät över slutresultat — varje rimligt resultat från 0-0 och uppåt — med Dixon-Coles-korrektionen för det väldokumenterade beroendet mellan de två resultaten i målfattiga matcher, alltså precis där oberoende Poisson-modeller går fel och precis där fotbollen faktiskt lever. Matchresultat, exakt resultat, över/under mål, båda lagen gör mål, dubbelchans och asiatiskt handikapp läses alla av från samma normaliserade rutnät. Två marknader som vi publicerar kan därför inte motsäga varandra: priset på över/under och priset på exakt resultat är samma fördelning sedd två gånger.

Att läsa marknaden rätt

Där spelbolagsodds finns tas de inte för givna. Publicerade odds innehåller spelbolagets marginal, så den avlägsnas först och oddsen räknas om till rättvisa sannolikheter. Handikapp- och totallinjer löses sedan som ett system för de två storheter marknaden faktiskt uttrycker — styrkeskillnaden mellan lagen och det förväntade målantalet —, vilket är en långt stabilare signal än något enskilt odds. Kvartslinjer prissätts genom en kärna med delad insats som hanterar halv vinst och halv förlust exakt, i stället för att rundas till närmaste hela linje, vilket de flesta publicerade modeller tyst gör.

En särskild hörnmodell

Hörnor härleds inte ur mål. De har egna anfalls- och försvarsvärderingar — tagna och medgivna hörnor, skattade med samma tidsviktade lösare —, projiceras för vardera laget och prissätts sedan mot matchens exakta hörnlinje via en diskretiserad kontinuerlig fördelning i stället för en uppslagstabell. Är ett lags hörnhistorik för tunn för att lita på faller modellen tillbaka längs en fastlagd kedja: först värderingarna, sedan livestatistiken från matchen, sedan enbart marknaden. Om ingen av dessa nivåer klarar tröskeln anger modellen att data saknas i stället för att hitta på en siffra.

Precisionsviktad sammanvägning

Modell och marknad vägs samman med precisionsvikter utifrån effektiv urvalsstorlek: för lag med tunn historik bär marknaden merparten av vikten, i djupt täckta serier gör modellen det, och övergången är glidande snarare än en strömbrytare. När ett värdegap på 5 % eller mer överlever sammanvägningen märks tipset som value — modellen hävdar ett övertag som oddset inte speglar, och säger det offentligt före avspark, där det går att pröva i efterhand.

Kalibrering och test utanför urvalet

Ingenting går live för att en backtest ser fin ut. Modellen valideras på ungefär en halv miljon historiska matcher med strikt åtskillnad utanför urvalet: värderingarna skattas enbart på det som gick att veta före respektive avspark, och utfallen poängsätts med log-loss och Brier-poäng — egentliga poängregler som bestraffar självsäkra felbedömningar i stället för att belöna dem — tillsammans med träffprocent mot linjen och gruppvisa kalibreringskurvor som kontrollerar om ett tips på 60 % verkligen går in i ungefär 60 % av fallen. En version som inte når sina acceptanströsklar går inte live.

Inget handplockande

Varje kvalificerad match i riktig fotboll får en prognos — ingen gallring av de enkla. Prognoser fryses 30 minuter före avspark, och varje fryst tips avräknas mot slutresultatet och räknas in i den offentliga träffstatistiken, både vinster och förluster.