Studien

Wissenschaftlicher Hintergrund

Die wichtigsten Studien und Artikel hinter den von LabOfMetrics verwendeten Modellen. Dies sind die Grundlagen, auf denen die Prognosemethoden beruhen.
01

Evaluating profitability in sports betting using probabilistic models and betting strategies

Pál, J.G. & Bíró, Cs. · 2025

Open Access

Die Studie, auf der LabOfMetrics aufbaut. Sie vergleicht sechs Prognosemodelle (darunter die eigenentwickelten Veto- und Balance-Heuristiken) und fünf Wettstrategien über 539 reale Spiele, mit insgesamt 300.000 Modell–Strategie-Simulationen. In der Studie schnitt die Kombination Veto + Kelly am besten ab; unsere spätere Walk-forward-Forschung über 50.000+ Spiele bestätigte dies nicht als dauerhaften Vorteil.

VetoBalanceKelly-KriteriumValue BettingSimulationeigene Forschung
02

Modelling Association Football Scores and Inefficiencies in the Football Betting Market

Dixon, M.J. & Coles, S.G. · 1997

Open Access

Einer der bekanntesten fußballstatistischen Artikel, der das Poisson-basierte Tormodell einführt (mit der gemeinsamen Verteilung der Heim-/Auswärtstore) und die Effizienzlücken des Wettmarktes aufzeigt.

PoissonToreStatistikGrundlage
03

The Wisdom of Crowds in Prediction Markets

Surowiecki, J. · 2004

Zeigt, warum Wettmärkte (Quoten) die wahren Wahrscheinlichkeiten überraschend genau widerspiegeln, und wann nicht. Grundlagenlektüre zum Verständnis von CLV (Closing Line Value).

MärkteQuotenCLVkollektive Intelligenz
04

Using ELO ratings for match result prediction in association football

Hvattum, L.M. & Arntzen, H. · 2010

Open Access

Ein Elo-basiertes Modell zur Vorhersage von Fußballspielen. Es untersucht, ob Elo-Bewertungen die Buchmacher schlagen können und unter welchen Bedingungen.

EloVorhersageModellQuoten
05

Probabilistic forecasts, calibration and sharpness

Gneiting, T., Balabdaoui, F. & Raftery, A.E. · 2007

Open Access

Ein grundlegender Artikel über die Bewertung probabilistischer Vorhersagen: Kalibrierung (wie genau die Wahrscheinlichkeiten sind) vs. Schärfe (wie „mutig” sie sind). Der theoretische Hintergrund der Metriken Brier Score und Log Loss.

KalibrierungBrier ScoreBewertungStatistik
06

A machine learning framework for sport result prediction

Bunker, R.P. & Thabtah, F. · 2019

Open Access

Ein Machine-Learning-Framework zur Vorhersage von Sportergebnissen: es stellt die Schritte des Lernprozesses und die Anwendung der Methoden (z. B. neuronale Netze) in der Sportprognose dar.

Machine LearningFrameworkSportprognose
07

Expected Goals (xG) Methodology in Football

Rathke, A. · 2017

Eine detaillierte Analyse der Kennzahl Expected Goals (xG): wie sie berechnet wird, was sie tatsächlich misst und wie sie sich zur echten Leistung verhält. xG ist heute eine Standardkennzahl in der Fußballanalyse.

xGExpected GoalsFußballanalyse
08

The Kelly Criterion in Blackjack, Sports Betting and the Stock Market

Thorp, E.O. · 2008

Die praktische Anwendung des Kelly-Kriteriums beim Wetten. Es zeigt, wie die Einsatzgröße optimiert wird, um den erwarteten Gewinn zu maximieren und dabei das Risiko zu berücksichtigen.

Kelly-KriteriumEinsatzgrößeRisikoBankroll-Management
09

Evaluating the effectiveness of betting models

Joseph, A., Fenton, N.E. & Neil, M. · 2006

Ein auf einem Bayesschen Netz basierendes Modell für Fußball und eine systematische Methode zur Bewertung der Wirksamkeit von Modellen. Nützlich zum Verständnis des Trade-offs zwischen ROI und Kalibrierung.

BayesschModellbewertungROIKalibrierung