Základ predikčního procesu a matematická analýza fotbalových zápasů
Každá rozumná predikce začíná daty, ne pocitem. Za jedenáct let práce se sportovní analytikou jsem viděl desítky přístupů k fotbalovým prognózám — a ty, které přežily test času, měly jedno společné: systematický postup s měřitelnými vstupy. Intuice má v sázkování místo, ale pouze jako doplněk strukturované analýzy, nikdy jako její náhrada. Pokud neumíte vysvětlit, proč sázkujete na konkrétní výsledek, bez odkazů na pocity nebo „tipařský instinkt“, nemáte predikci — máte odhad.
Datové vstupy pro predikci zápasu Chance Ligy zahrnují pět základních kategorií. Forma obou týmů za posledních osm až deset zápasů (body na zápas, gólový rozdíl). Vzájemná bilance (head-to-head) za poslední tři sezóny s důrazem na domácí a venkovní výsledky. Gólové statistiky (průměr vstřelených a inkasovaných gólů doma i venku). Pokročilé metriky, pokud jsou dostupné (xG, střely na bránu, PPDA). A kontext (zranění, disciplinární tresty, pohárová zátěž, motivace v rámci skupiny po rozdělení ligy).
Váhování faktorů je klíčové. Aktuální forma má vyšší prediktivní hodnotu než celosezonní průměr — tým, který prohrál čtyři z posledních pěti zápasů, se chová jinak než tým se čtyřmi výhrami, bez ohledu na to, kde stojí v tabulce na konci roku. Ale forma není všechno: pokud tým prohrával proti top šestce a teď hraje proti celku ze spodní části tabulky, kontext těch proher je jiný než série porážek od průměrných soupeřů.
Jednoduchý predikční model si můžete vytvořit v tabulkovém procesoru. Sloupce: domácí tým, průměr gólů doma vstřelených, průměr gólů doma inkasovaných, venkovní tým, průměr gólů venku vstřelených, průměr gólů venku inkasovaných. Predikce gólů domácího týmu = (domácí průměr vstřelených + venkovní průměr inkasovaných soupeře) / 2. Stejný výpočet pro hostující celek. Výsledkem jsou dva očekávané počty gólů, ze kterých odvodíte pravděpodobný výsledek a over/under linii. Je to zjednodušení, ale funguje překvapivě dobře jako výchozí bod.
Domácí faktor v české lize má statisticky měřitelný vliv. Domácí týmy v Chance Lize vyhrávají přibližně ve čtyřiceti procentech zápasů, zatímco hosté kolem třiceti procent. Zbylých zhruba třicet procent tvoří remízy. Tento poměr se mění sezónu od sezóny, ale tendence zůstává konstantní, domácí prostředí poskytuje výhodu, která by měla být součástí každého predikčního modelu. Konkrétní korekční faktor závisí na konkrétním stadionu: Letná a Eden generují silnější domácí efekt než menší stadiony v regionech.
Zdroje dat pro český fotbal nejsou tak bohaté jako pro velké evropské ligy, ale jsou dostatečné. Flashscore.com pokrývá základní statistiky a head-to-head. SofaScore nabízí pokročilé metriky včetně xG pro většinu zápasů Chance Ligy. Transfermarkt poskytuje tržní hodnoty a přestupová data. Oficiální web FAČR (fotbal.cz) je autoritativní zdroj pro výsledky, disciplinární záznamy a pravidla soutěže. Kombinace těchto čtyř zdrojů vám dá dostatečný datový základ pro informovanou predikci.
Výstupem predikčního procesu by neměl být jeden tip, ale rozmezí pravděpodobností. Místo tvrzení „Sparta vyhraje“ je analyticky poctivější říct „pravděpodobnost výhry Sparty je 55-60 procent“. Tohle rozmezí pak porovnáte s implied probability z kurzu, pokud bookmaker nabízí kurz 1,70 (implied probability 58,8 %), a váš model říká 60 procent, máte marginální hodnotu. Pokud váš model říká 50 procent, kurz je příliš nízký a hodnota leží na opačné straně.
Které chyby znehodnocují predikce?
Recency bias, nadhodnocení posledního výsledku — je nejrozšířenější chyba, kterou potkávám u sázkařů všech úrovní. Tým prohraje derby 0:3 a najednou je „v krizi“. Tým vyhraje venku na hřišti lídra a najednou je „v nejlepší formě sezóny“. Jeden zápas je jeden datový bod. Statisticky je téměř bezcenný pro predikci dalšího výsledku. Forma se měří přes minimálně pět zápasů, ideálně osm až deset. Cokoliv méně je šum, ne signál.
Ignorování kontextu je druhá nejčastější past. Výsledek 2:0 v zápase, kde favorit vedl od 5. minuty po červené kartě soupeře, není totéž co 2:0 po vyrovnaném boji. Číslo v tabulce je stejné, ale informační hodnota se zásadně liší. Kontext zahrnuje i faktory mimo hřiště: hraje tým ve středu pohár? Vracejí se hráči z reprezentačního srazu? Změnil se trenér? Má tým finanční problémy, které narušují soustředění? Predikce bez kontextu je projekce do vzduchoprázdna.
Favorite-longshot bias je kognitivní zkreslení, které vede sázkaře k přeceňování šancí outsiderů. V Chance Lize se projevuje typicky u zápasů, kde outsider hraje doma proti favoritovi z top trojky. Sázkař vidí atraktivní kurz (třeba 5,50 na výhru domácího outsidera) a uvažuje: „Za ten kurz to stojí za pokus.“ Jenže matematika je nekompromisní. Pokud skutečná pravděpodobnost výhry outsidera je 14 procent, kurz 5,50 odpovídá implied probability 18,2 procenta — a sázka nemá hodnotu, přestože kurz vypadá lákavě.
Problém malého vzorku je v české lize obzvlášť akutní na začátku sezóny. Po třech odehraných kolech máte k dispozici tři zápasy, ze kterých se nedá vyvodit zhola nic spolehlivého. Tým s třemi výhrami může být mistrovský aspirant, nebo měl snadný los. Tým s třemi prohrami může být sestupový kandidát, nebo narazil na nejsilnější soupeře hned na úvod. Rozumná predikce vyžaduje minimálně deset kol dat z aktuální sezóny. Do té doby se vyplatí pracovat s historickými daty (minulá sezóna, H2H) a přidávat aktuální výsledky postupně, jak se vzorek zvětšuje.
Počasí a motivace patří mezi faktory, které sázkaři buď ignorují úplně, nebo jim přikládají přehnaný význam. Realistický pohled: počasí ovlivňuje styl hry (mokrý terén zvýhodňuje přímočarý fotbal, silný vítr komplikuje dlouhé přihrávky), ale jeho vliv na výsledek je marginální ve srovnání s kvalitou týmů. Motivace je důležitější, tým, který potřebuje bod k záchraně, hraje s jinou intenzitou než celek v klidném středu tabulky. Ale motivaci nelze kvantifikovat snadno, takže ji doporučuju používat jako korekční faktor, ne jako hlavní vstup.
Přílišná komplexita modelu je paradoxně stejně škodlivá jako žádný model. Pokud váš predikční systém zahrnuje dvacet proměnných, pravděpodobně přefitujete — model se naučí vysvětlovat minulost, ale predikovat budoucnost nedokáže. Jednoduché modely s pěti až sedmi klíčovými vstupy (forma, H2H, domácí/venkovní průměry, zranění, motivace) fungují v praxi lépe než složité algoritmy, protože jsou robustnější vůči náhodnému šumu v datech. Kompletní statistiky pro vaše predikce najdete na stránce fotbalových výsledků.
Zpětná validace je krok, který většina sázkařů přeskočí — a právě proto většina sázkařů nemá přehled o tom, jestli jejich predikční metoda funguje. Zpětná validace znamená vzít svůj model, aplikovat ho na data z minulé sezóny (která už znáte) a změřit, jak přesně by predikoval skutečné výsledky. Pokud váš model dokáže zpětně predikovat výsledky s přesností nad 55 procent na trhu 1X2 nebo nad 52 procent na over/under, máte základ, ze kterého se dá vycházet. Pod těmito hranicemi je vaše predikce horší než náhodný výběr korigovaný bookmakerovými kurzy.
Emocionální disciplína je neviditelnou součástí predikčního procesu. Model vám řekne, že sázka na výhru Teplic za kurz 4,20 má pozitivní očekávanou hodnotu. Ale vsadíte? Lidský mozek přirozeně inklinuje k sázkám na favority, protože prohra favorita bolí méně psychologicky („no jo, překvapení se stávají“) než prohra outsidera, na kterého jste vsadili a který vedl 1:0 do 85. minuty. Systematický přístup k predikcím vyžaduje, abyste sázkovali podle modelu, ne podle emocí, a to je dovednost, kterou se učíte měsíce, ne dny.
Evidence svých predikcí a sázek je navíc měřitelným nástrojem ke zlepšování. Jednoduchá tabulka s kolonkami: datum, zápas, predikce, kurz, skutečný výsledek a zisk/ztráta vám po padesáti sázkách ukáže, kde váš model funguje a kde selhává. Systematicky slabá místa (třeba podceňování remíz, nebo přeceňování domácích týmů) se projeví jen ve větším vzorku dat. Bez evidence sázkujete naslepo a opakujete stejné chyby, aniž byste o nich věděli.
