Wie effizient ist der Wettmarkt?

Lässt sich der Wettmarkt schlagen?

Kaum eine Frage bewegt rund um Sportwetten so viel Geld wie dieser eine Satz. Tippseiten, "sichere Systeme" und Bezahlgruppen bauen alle auf dasselbe Versprechen: Es gebe ein Wissen, mit dem ein Wettender den Buchmacher langfristig übertreffen kann. Wir sind nicht von einem Versprechen ausgegangen, sondern von einer Messung: Wir haben eigene Wahrscheinlichkeitsmodelle gebaut und anschließend systematisch geprüft, ob es einen Punkt gibt, an dem die Bepreisung des Marktes ausnutzbar falsch liegt.

Die kurze Antwort, die dieser Artikel mit Zahlen belegt: Auf unseren Daten, mit unseren Methoden, nirgendwo. Auf den Hauptmärkten des Fußballs sind die Preise so genau, dass die verbleibenden Fehler kleiner sind als die Transaktionskosten des Wettens, also die Marge des Buchmachers. Dieses Nullergebnis klingt zunächst ernüchternd; tatsächlich ist es das Nützlichste, was eine Datenanalyse-Plattform sagen kann, denn es markiert präzise, was öffentliche Daten können und was nicht.

Der Artikel geht die Fragestellung, die Methodik und die Ergebnisse unserer sieben Experimente durch und zeigt anschließend eine live aus dem historischen Korpus der Plattform berechnete Liga-Benchmark-Tabelle: die durchschnittliche Marge pro Liga, die Genauigkeit der Marktpreise und die Häufigkeit von Favoritensiegen. Der Schlussabschnitt listet die Grenzen der Messung auf, denn eine Messung ist genau so viel wert, wie sie über ihre eigenen Grenzen ehrlich spricht.

Was heißt effizienter Markt?

Die Wett-Variante der von den Finanzmärkten bekannten Effizienzmarkt-Idee lautet: In der Quote stecken bereits alle öffentlich zugänglichen Informationen, weshalb öffentliche Daten keine systematisch bessere Schätzung der Wahrscheinlichkeiten hergeben. Das behauptet nicht, dass der Preis immer stimmt. Es behauptet, dass sich seine Fehler nicht im Voraus und verlässlich mit so viel Sicherheit finden lassen, dass nach Abzug der Marge noch ein Gewinn übrig bliebe.

Die Schlüsselfigur dieser Idee ist die Schlussquote, die letzte zum Anpfiff gültige Quote. Bis dahin hat der Markt alles eingepreist, von Verletzungsmeldungen bis zum Geld professioneller Syndikate, weshalb die Schlussquote als die beste öffentlich verfügbare Schätzung der Wahrscheinlichkeit gelten kann. Wer langfristig regelmäßig zu besseren Preisen wettet als die Schlussquote, arbeitet vermutlich mit einem echten Informationsvorsprung; wo das nicht der Fall ist, sind kurzfristige Gewinne und Verluste das Werk der Varianz. Die Fachwelt nennt diese Kennzahl CLV (Closing Line Value).

Effizienz ist kein Zauber, sondern das Ergebnis von Rückkopplung. Einen falschen Preis spielt gut informiertes Geld sofort an, und der Buchmacher antwortet mit einer Preisbewegung. Am Ende des Prozesses liegt der Preis dort, wo sich keine der Seiten mehr lohnt. Je liquider ein Markt, desto schneller diese Korrektur; deshalb sind die Hauptmärkte der großen Ligen am genauesten, und deshalb verdient jedes Angebot besonderes Misstrauen, das genau dort einen leichten Vorteil verspricht.

Was sagt die publizierte Forschung?

Die Frage hat Jahrzehnte an Fachliteratur hinter sich, und die Lehren sind überraschend einheitlich, sobald man die Details liest. Der inzwischen klassische Artikel von Dixon und Coles aus dem Jahr 1997 fand mit einem torbasierten Modell noch ausnutzbare Fehlbepreisungen im damaligen englischen Markt. Die ELO-Studie von Hvattum und Arntzen aus 2010 zeigte dagegen bereits, dass aus den Quoten abgeleitete Schätzungen genauer waren als jedes von ihnen untersuchte Rating-Modell. Die neueren Ergebnisse zeigen durchgehend in eine Richtung: Der Markt wird immer präziser:

• 1Kaunitz, Zhong und Kreiner (2017): Eine Strategie, die vom Konsens abweichende Preise spielte, zeigte über zehn Jahre und 479 Tausend Spiele +3,5% und in einem fünfmonatigen Echtgeld-Test +8,5% Rendite. Gestoppt wurde das Experiment nicht vom Markt, sondern von den Buchmachern, die die gewinnenden Konten auf Minimaleinsätze limitierten.
• 2"Not feeling the buzz" (2023): die Nachrechnung einer zuvor als profitabel publizierten Strategie. Nach Korrektur der Datenfehler verschwand der Gewinn im Wesentlichen (der Großteil stammte aus einer einzigen Ausreißer-Wette), und keine der untersuchten Strategien lieferte nach 2020 noch Erträge. Laut den Autoren ist der Markt in den letzten Jahren messbar effizienter geworden.
• 3Hubáček, Šourek und Železný (2019): Ein bewusst von der Buchmacher-Schätzung dekorreliertes Machine-Learning-Modell erzielte auf NBA-Spielen im Backtest 2007 bis 2014 positive Renditen. Wichtige Vorbehalte: Es läuft auf den Preisen eines einzigen Anbieters, modelliert keine Limitierung und wurde nie auf einem Live-Markt bestätigt.
• 4Walsh und Joshi (2024): Bei der Modellauswahl ist nicht die Trefferquote, sondern die Kalibrierung das richtige Kriterium; das nach Kalibrierung ausgewählte Modell lieferte in ihrem Experiment die bessere Rendite. Auch deshalb messen wir an jedem unserer Modelle Brier-Score und Kalibrierung.

Unser eigenes Messprogramm

Hinter der Plattform steht ein geschlossener, nachträglich nicht erweiterter historischer Datenkorpus: mehr als 50 000 Spiele aus 11 Saisons. Die erste Phase der Arbeit mit kleinerer Stichprobe erschien als begutachteter Fachartikel (Pál und Bíró, 2025); dort, über 539 Spiele, sah die beste Kombination aus Modell und Strategie noch profitabel aus. Unsere Walk-forward-Auswertung auf dem vollen Korpus bestätigte das nicht als dauerhaften Vorteil: Unsere Modelle sind kalibriert, aber keines lieferte eine genauere Schätzung als die Schlussquote.

Das Gewinnsuch-Programm haben wir anschließend um sieben strukturell verschiedene Methoden herum aufgebaut und jede mit derselben Disziplin laufen lassen: Walk-Forward-Auswertung, bei der das Modell bei jeder Entscheidung ausschließlich vor dem Spiel bekannte Daten sehen darf; knapp 49 Tausend Spiele mit Eröffnungs- und Schlussquoten; im Voraus fixierte Entscheidungsregeln, ohne nachträgliche Auswahl. Walk-Forward ist nicht verhandelbar, denn der häufigste Fehler von Backtests ist der Blick in die Zukunft: Ein einziger aus der Zukunft zurücksickernder Informationskrümel genügt, und die auf dem Papier schöne Rendite verdunstet in der Realität.

Wichtig ist auch zu sagen, was wir nicht getan haben. Wir haben nicht nachträglich unter den Experimenten ausgewählt, und wir verschweigen die Misserfolge nicht: Die folgende Liste berichtet die Ergebnisse in der Form, in der die Messung sie geliefert hat. Für ein Forschungsprogramm ist eine Widerlegung ein genauso wertvolles Ergebnis wie eine Bestätigung, auch wenn sie in einer Anzeige schlechter aussieht.

Sieben Methoden, sieben Ergebnisse

Die sieben untersuchten Wege und das jeweils gemessene Ergebnis:

• 1Schlussquoten von Freizeit-Buchmachern gegen den fairen Schlusskurs eines scharfen Anbieters: Die auf Abweichungen oberhalb der Schwelle berechnete Mehrrendite hat ein Konfidenzintervall, das die Null einschließt. Eine ausnutzbare Lücke lässt sich nicht nachweisen.
• 2Die Schlussquote zum Eröffnungspreis schlagen ("beat the close"): +4,7% Rendite, aber nur im Orakel-Modus, also mit Kenntnis der zukünftigen Schlussquote ausgewählt. Aus in Echtzeit verfügbaren Informationen gebaut liegt das Ergebnis um null oder im Negativen.
• 3Schlussquoten-Vorhersage mit Machine Learning: Das Modell lernte die Schlussquote nahezu perfekt, doch das Wetten auf seine Schätzungen brachte -11%. Die Ursache ist der Fluch des Optimierers: Die Value-Auswahl pickt genau jene Fälle heraus, in denen das Modell überschätzt.
• 4Untere Spielklassen: Die auf dem Papier verlockenden +30% stammten aus nur 132 Spielen, mit einem Konfidenzintervall von -7% bis +67%. Das ist Rauschen, kein Signal, und in einem illiquiden Markt fehlt zudem der scharfe Referenzpreis, an dem sich Wert überhaupt messen ließe.
• 5Lay-off, also das Absichern einer zum Eröffnungspreis eingegangenen Position vor dem Anpfiff an der Börse: Die Preisbewegung ist real, aber das Nettoergebnis beträgt +0,6%, was Kommission, Einsatzlimits und fehlende Liquidität aufzehren.
• 6Marktübergreifende Bepreisung, das aus dem Tormarkt zurückgerechnete 1X2: Die beiden Märkte sind untereinander konsistent, der Tormarkt trägt keinerlei Zusatzinformation gegenüber dem 1X2.
• 7BTTS und verwandte Nebenmärkte: Ohne geeignete historische Daten lassen sie sich nicht sinnvoll prüfen, und ihre Preise beruhen auf derselben Torverteilung, an der die früheren Wege bereits gescheitert sind.

Die Schlussfolgerung des Programms: Die Bepreisung der Hauptmärkte ist innerhalb des Bandes der Transaktionskosten effizient. Keine der getesteten Methoden hat die Marge wieder eingespielt, und das auszusprechen ist ehrlicher, als ein scheinbar funktionierendes System zu verkaufen.

Liga-Benchmark aus dem historischen Korpus

Jede Zeile ist eine Liga. Die durchschnittliche Marge ist der in die Konsenspreise eingebaute Aufschlag (berechnet aus dem Durchschnitt echter Buchmacher, ohne Panel-Aggregate). Der Brier-Score ist der quadratische Fehler der margenbereinigten Marktwahrscheinlichkeiten gegenüber dem tatsächlichen Ergebnis: Ein niedrigerer Wert bedeutet genauere Bepreisung. Die Favoriten-Trefferquote zeigt, wie oft das vom Markt als am wahrscheinlichsten bepreiste Ergebnis tatsächlich eintrat.

Eingepreiste und beobachtete Häufigkeit

Die Ergebnisse wurden nach ihrer margenbereinigten Marktwahrscheinlichkeit in Bänder eingeteilt. In einem gut kalibrierten Markt liegt die beobachtete Häufigkeit Band für Band nahe an der eingepreisten Wahrscheinlichkeit; eine große, systematische Abweichung würde auf ausnutzbare Fehlbepreisung hindeuten.

Die obigen Aggregate werden aus dem historischen Korpus der Plattform berechnet: 60.210 abgeschlossene, bepreiste Spiele im Zeitraum von 2015-08-08 bis 2026-09-20. In der Tabelle erscheinen nur Ligen mit mindestens 100 Spielen; die Seite veröffentlicht keine Daten auf Spielebene und keine Buchmacher-Namen.

Was bedeutet das aus Sicht des Wettenden?

Die erste Konsequenz ist ein Perspektivwechsel: Wetten hat einen Preis, und dieser Preis ist die Marge. Die obige Tabelle zeigt pro Liga, was es kostet, im Markt zu sein; das Muster ist meist dasselbe, die großen, liquiden Ligen sind günstiger und genauer bepreist, kleinere Wettbewerbe teurer. Als Größenordnung: Scharfe Buchmacher arbeiten auf den Hauptmärkten mit etwa 2-3%, Freizeit-Buchmacher typischerweise mit 5-8%, auf Nebenmärkten und in kleinen Ligen sind höhere Werte nicht selten.

Die zweite Konsequenz ist der Vorrang der Messung. Wenn der Markt so genau ist, beweist kurzfristiger Gewinn für sich genommen nichts: Eine Stichprobe von ein paar Dutzend Wetten ist mathematisch zu klein, um Glück von Können zu trennen. Messbar ist dagegen das Verhältnis des eingegangenen Preises zur Schlussquote sowie die Kalibrierung der eigenen Schätzungen. Genau deshalb bauen die Werkzeuge der Plattform auf Messung statt auf Tipps: Wett-Tagebuch, Kalibrierungskurven, Brier-Scores.

Die dritte Konsequenz ist die Ökonomie des Misstrauens. Wenn ein darauf spezialisiertes Forschungsprogramm aus öffentlichen Daten keinen dauerhaften Vorteil nachweisen konnte, dann trägt jedes Angebot, das genau dies für kleines Geld und mit Garantie verspricht, die Beweislast. Ein Tipster-Rekord wird so geprüft wie in der Wissenschaft: im Voraus angekündigte, fixierte Tipps, eine vollständige statt kuratierte Historie und der Vergleich mit der Schlussquote.

Grenzen der Messung

Keine einzelne Messung ist allgemeingültig, und diese Studie ist keine Ausnahme. Die Ergebnisse sind innerhalb der folgenden Grenzen zu lesen:

• 1Abdeckung: Die Tabelle zeigt nur Ligen, für die der Korpus mindestens die Schwellenzahl abgeschlossener, bepreister Spiele enthält; Schwelle, abgedeckten Zeitraum und Gesamtstichprobe nennt die Zeile unter der Tabelle.
• 2Markt: Die Messung betrifft den 1X2-Hauptmarkt, zu Konsenspreisen, die Durchschnitte echter Buchmacherpreise sind. Der Konsens ist nicht identisch mit dem im jeweiligen Moment tatsächlich verfügbaren besten Preis.
• 3Das Programm mit sieben Methoden lief auf unserem eigenen, geschlossenen Korpus, auf den Eröffnungs- und Schlussquoten von knapp 49 Tausend Spielen. Auf anderen Märkten, in anderen Zeiträumen oder mit anderen Daten könnte das Ergebnis grundsätzlich abweichen.
• 4Die Messung der Vergangenheit ist keine Prognose: Ein historisches Aggregat sagt, was war, nicht, was sein wird. Die Struktur des Marktes ändert sich, laut der Korrekturstudie von 2023 typischerweise in Richtung größerer Effizienz.
• 5Das Nullergebnis ist kein Unmöglichkeitsbeweis: Es zeigt, dass sich auf den von uns getesteten Wegen die Marge aus öffentlichen Daten nicht wieder einspielen ließ. Über Akteure mit nicht-öffentlichen Informationen oder über die Märkte anderer Sportarten sagt es nichts aus.

Fazit

Markteffizienz ist für uns kein Glaubenssatz, sondern ein Messergebnis, das wir aus sieben verschiedenen Richtungen zu widerlegen versucht haben, ohne Erfolg. Dieses Scheitern ist das Fundament der Plattform: Da wir keinen Vorteil gefunden haben, verkaufen wir auch keinen. Was wir anbieten, ist das Verständnis der Funktionsweise des Marktes und die ehrliche Messung der eigenen Ergebnisse, also genau die zwei Dinge, für die öffentliche Daten unserer Messung nach tatsächlich taugen.

Dieser Artikel ist Bildungs- und Forschungsinhalt, keine Wettempfehlung. Glücksspiel birgt Risiken, und kein Werkzeug der Plattform erhöht die Gewinnchance.

Quellen

Die im Artikel zitierten Studien. Die frei zugänglichen Titel sind über die Links direkt erreichbar: