Zašto Istorijski Podaci Varaju: Overfitting i Statistički Šum u Klađenju

Problem nije u podacima — problem je u tome kako bettor čita podatke

Većina bettora koji prelaze sa rekreativnog na ozbiljnije klađenje napravi isti korak: počnu da kopaju po istorijskim rezultatima. Traže obrasce. Nalaze ih. I tu počinje problem.

Obrazac koji izgleda ubedljivo na papiru gotovo uvek izgleda ubedljivo zato što je pronađen retroaktivno. Kada neko prođe kroz stotine mečeva i izvuče uzorak koji je “funkcionisao”, nije napravio analizu — napravio je selekciju. Razlika između ta dva pristupa je razlika između statistike i iluzije statistike.

U klađenju, ova greška ima ime: overfitting. I nije rezervisana za one koji pišu algoritme. Overfitting radi isti posao u glavi svakoga ko konstruiše pravilo na osnovu prošlosti, a onda očekuje da će se ta prošlost ponoviti u budućnosti.

Šta overfitting zapravo znači u kontekstu sportske analize

Overfitting nastaje kada model — ili mentalni okvir — postane previše prilagođen konkretnim podacima iz prošlosti, umesto da hvata stvarne uzročne obrasce koji se mogu generalizovati. U sportu, to se dešava čim bettor počne da dodaje uslove kako bi “poboljšao” svoju strategiju.

Klasičan primer: bettor primeti da je određeni tim pobedio u 8 od 10 utakmica kao domaćin tokom zime, kada je temperatura bila ispod pet stepeni, a protivnik putovao više od 300 kilometara. Svaki od tih filtera zvuči logično u izolaciji. Zajedno, oni ne opisuju zakonitost — opisuju specifičan skup od deset mečeva. Primenjeni na sledeću sezonu, taj “sistem” nema prediktivnu vrednost.

Problem je što mozak ne registruje prespecifikaciju kao grešku. Ona se oseća kao preciznost. Što je više uslova, to model izgleda sofistikovanije — a zapravo je sve krhkiji.

Zašto signal i šum izgledaju identično bez pravog okvira za razlikovanje

Sportski rezultati su po prirodi visoko varijabilni. Čak i u dobro definisanim situacijama sa jasnom taktičkom logikom, ishod jednog meča nosi enormnu slučajnu komponentu. To ne znači da je analiza uzaludna — znači da su standardi za prepoznavanje pravog signala mnogo stroži nego što većina bettora pretpostavlja.

Signal postoji kada obrazac ima kauzalno objašnjenje, kada se pojavljuje konzistentno kroz dovoljno velik uzorak i kada opstaje van perioda u kome je pronađen. Šum je sve ostalo. A šum je daleko češći. Bettor koji pronađe obrazac na uzorku od trideset mečeva i ne testira ga van tog uzorka nema strategiju — ima pristrasan uzorak koji ga uverava da strategiju ima.

Ključno metodološko pitanje nije “da li ovaj obrazac postoji u podacima?” — to se gotovo uvek može naći. Ključno pitanje je: “Da li ovaj obrazac ima razlog da opstane u novim podacima?” Taj pomak u razmišljanju je ono što razdvaja analitički pristup od naknadne racionalizacije.

Da bi se odgovorilo na to pitanje ozbiljno, potrebno je razumeti i kako tržišne kvote već ugrađuju informacije koje bettor možda misli da je tek otkrio — što direktno utiče na to koliko je svaki pronađeni “edge” zapravo vredan.

Kako kvote već znaju ono što bettor tek “otkriva”

Jedan od najčešćih mentalnih zamki u sportskom klađenju je pretpostavka da istorijski podatak koji bettor pronađe predstavlja prednost nad tržištem. U praksi, kladioničarska linija nije konstruisana nasumično — ona je rezultat sofisticiranog procesa u kome iskusni analitičari, a sve češće i algoritmi, obrađuju ogromne količine istih podataka koje bettor koristi za svoju “analizu”.

To znači da kada bettor primeti kako tim X osvaja 70% mečeva u određenoj situaciji, ta informacija u velikom broju slučajeva već postoji u kvoti. Kladionica je formirala liniju uzimajući u obzir upravo taj obrazac. Edge koji bettor misli da je pronašao često je već eliminisan pre nego što je i stavio okladu. Ostatak koji eventualno postoji — ako postoji — toliko je mali da varijansa jedne sezone može sasvim da ga proguta.

Ovo ne znači da tržište uvek ispravno vrednuje svaki ishod. Postoje situacije u kojima kvote kasne za informacijom, ili u kojima određena pristrasnost kladionice otvara prostor za pravo vrednosno klađenje. Ali takve situacije se identifikuju drugačije od tipičnog retroaktivnog pretraživanja baze podataka — one zahtevaju razumevanje toga kako tržište razmišlja, a ne samo šta se dogodilo u prošlosti.

Tržišna efikasnost nije apsolut, ali je ozbiljan filter

Tržišta sportskog klađenja nisu savršeno efikasna u akademskom smislu, ali su dovoljno efikasna da eliminišu veliku većinu obrazaca koje amateri otkrivaju u istorijskim podacima. Kada se uračunaju margina kladionice i stvarni transakcioni troškovi, prostor za sistematsku prednost postaje izuzetno uzak.

Bettor koji razume ovaj filter drugačije procenjuje vrednost svake pronađene zakonitosti. Umesto da pita “da li ovaj obrazac postoji?”, pita: “Da li ovaj obrazac preživljava neto-kvotu? Da li imam razlog da verujem da tržište nije već reagovalo na njega?” To su mnogo stroža pitanja — i većina obrazaca pada na njima.

Veličina uzorka kao fundamentalno ograničenje svake sportske analize

Postoji matematička realnost koja direktno utiče na svaku strategiju zasnovanu na istorijskim podacima: sportske sezone su kratke. Fudbalska liga ima trideset do četrdeset kola. Specifičniji scenario koji bettor analizira — recimo, mečevi određenog tipa, u određenim uslovima, protiv određene klase protivnika — može da rezultira uzorkom od petnaest do dvadeset ishoda godišnje. To nije dovoljno za statistički pouzdane zaključke, ni blizu.

Da bi se razlikovao pravi signal od slučajnog klasterisanja, potreban je uzorak koji je dovoljno veliki da slučajnost ne može sama da stvori obrazac koji bettor vidi. U praksi, to znači stotine, a ne desetine ishoda. Veća preciznost zahteva veće uzorke — a bettor koji dodaje filtere kako bi “precizirao” strategiju smanjuje uzorak i time povećava verovatnoću da gleda slučajni šum koji izgleda kao pravilo.

Kako razmišljati o uzorku pre nego što se gradi bilo kakva strategija

Pre nego što bettor uopšte počne da testira ideju, korisno je da postavi nekoliko konkretnih pitanja o uzorku sa kojim radi:

• Koliko ishoda zapravo postoji u ovom uzorku — ne koliko mečeva generalno, nego koliko mečeva koji zadovoljavaju sve navedene uslove?
• Da li uzorak pokriva različite sezone, različite kontekste i različite faze takmičenja, ili je homogen?
• Ako se uslovi neznatno promene — recimo, blago proširi ili suzi — da li obrazac opstaje ili nestaje?
• Da li postoji period pre perioda koji se analizira koji može da posluži kao out-of-sample test?

Poslednje pitanje je posebno važno. Out-of-sample testiranje — provera da li obrazac funkcioniše na podacima koji nisu korišćeni za njegovo otkrivanje — jedini je način da se napravi gruba provera da li strategija ima prediktivnu vrednost ili samo opisuje prošlost. Bettor koji preskače ovaj korak praktično garantuje da će biti žrtva overfittinga, bez obzira na to koliko mu strategija izgleda logično u trenutku kada je formuliše.

Disciplina interpretacije: jedina prava prednost koju bettor može da izgradi

Na kraju, problem istorijskih podataka u klađenju nije tehnički — on je epistemološki. Pitanje nije kako doći do više podataka, nego kako pošteno proceniti šta ti podaci zapravo govore. I to je veština koja se ne stiče automatski, koliko god vremena bettor proveo u analizama.

Overfitting je gotovo nevidljiv iznutra. Strategija koja je prespecifikovana izgleda elegantno osobi koja ju je konstruisala jer svaki uslov ima svoje objašnjenje, svaki filter ima svoju logiku. Upravo zato je korisno namerno tražiti argumente protiv sopstvene strategije pre nego što se počne sa klađenjem — ne zato što su dobre strategije nemoguće, nego zato što je samokritika jedini mehanizam koji može da zaustavi potvrđivačku pristrasnost pre nego što postane skupa.

Bettor koji razume razliku između signala i šuma, koji shvata kako tržišne kvote već apsorbiraju javno dostupne informacije i koji zna da mu uzorak od dvadeset mečeva ne može reći gotovo ništa pouzdano — taj bettor neće nužno biti profitabilan. Ali neće trošiti novac i energiju na strategije koje su od prvog dana bile statistička fikcija.

Realni rubovi u sportskom klađenju postoje, ali su retki, uski i često prolazni. Pronalaze ih oni koji postavljaju strožija pitanja od proseka — ne oni koji pronalaze ubedljivije obrasce u prošlosti. Razumevanje kako veličina uzorka utiče na pouzdanost zaključaka u sportskoj analizi nije akademska apstrakcija — to je praktičan filter koji razdvaja disciplinovano razmišljanje od skupog samozavaravanja.

Istorijski podaci su koristan alat. Ali kao i svaki alat, vrednost mu zavisi od toga ko ga drži u rukama i da li razume čemu zapravo služi.