Νευρωνικά Δίκτυα και Στοίχημα: Μπράβο στα Ελληνικά Πανεπιστήμια

Νευρωνικά δίκτυα. Άγνωστη λέξη για όλους μας, ειδικά μάλιστα στο χώρο του στοιχήματος. Κάποιοι όμως τα συνδύασαν με το αγαπημένο μας χόμπι και κατέληξαν σε αξιόλογα και άκρως ενδιαφέροντα συμπεράσματα. Το ακόμα πιο περίεργο όμως είναι ότι πρόκειται για φοιτητές των ελληνικών Πανεπιστημίων μας, όπου και δημοσίευσαν τις διπλωματικές τους εργασίες.

Μία τέτοια θα δούμε σήμερα (όπως έχουμε δει και στο παρελθόν) και σε άρθρα που θα ακολουθήσουν, αφού είναι αδύνατον να συμπεριληφθεί μια εργασία 100 σελίδων σε ένα blog.

Και για να μη σας κρατάω σε αγωνία, ναι, το στοίχημα κερδίζεται.

Είναι καιρός όμως να διαπιστώσετε και μόνοι σας πόσο δύσκολα κερδίζεται.

Τι είναι τα νευρωνικά δίκτυα;

Μπορεί στην αρχή να έγραψα ότι τα νευρωνικά δίκτυα είναι άγνωστη λέξη για όλους μας, αλλά αυτό δεν είναι αλήθεια. Πριν 3 χρόνια έγραφα πώς κατασκευάζουμε ένα σύστημα νευρωνικών δικτύων, και μάλιστα για το στοίχημα! Αλλά τότε το Στοίχημα Online μετρούσε μερικές εκατοντάδες επισκέψεις, οπότε λογικό να… «χάσατε» εκείνο το επεισόδιο.

Τα νευρωνικά δίκτυα είναι… ή μάλλον σας αφήνω να το ψάξετε στο ίντερνετ. Ο χρόνος μου είναι το ίδιο πολύτιμος με τον δικό σας, οπότε ας μην τον σπαταλήσουμε σε θεωρίες και μαθηματικά. Ωστόσο, μια μικρή εξήγηση με ποδοσφαιρικούς όρους πρέπει να δοθεί στο σημείο αυτό, για την καλύτερη κατανόηση των όσων θα ακολουθήσουν.

Όσοι από εσάς κατασκευάζετε συστήματα για το στοίχημα, χρησιμοποιείτε κάποια δεδομένα των αγώνων, κυρίως στατιστικά, ως χαρακτηριστικά εισόδου στο σύστημά σας. Έτσι, συχνά συγκρίνετε την κατάταξη των ομάδων στο βαθμολογικό πίνακα, τα τέρματα που έχουν πετύχει οι ομάδες ή ερευνάτε τους μέσους όρους τερμάτων που έχουν πετύχει γηπεδούχος και φιλοξενούμενη. Αφού συλλέξετε τα δεδομένα που σας ενδιαφέρουν, τα… «μαγειρεύετε» ώστε να καταλήξετε σε κάποιο «σύστημα». Σε κάποιο κερδοφόρο σύστημα. Καλά τα λέω;

Πώς όμως να τα μαγειρέψετε για το καλύτερο δυνατό αποτέλεσμα;

Αυτό το ερώτημα απαντούν τα νευρωνικά συστήματα. Πόσο και πώς επηρεάζει το τελικό αποτέλεσμα του αγώνα που ερευνάτε το κάθε δεδομένο, στατιστικό ή χαρακτηριστικό που ελέγχετε; Έχει σημασία η έδρα κι αν ναι, πόσο; Έχει νόημα να μαζεύετε στατιστικά για τα εκτός έδρας γκολ της φιλοξενούμενης και πόσο καλύτερη πρόβλεψη σας δίνει για το επόμενό σας στοίχημα;

Στοιχηματίζω ότι συχνά σας απασχόλησαν παρόμοια ερωτήματα. Ερωτήματα που αφορούν με λίγα λόγια τη βαρύτητα που έχει κάθε μεταβλητή ή στατιστικό στο σύστημά σας.

Τα νευρωνικά δίκτυα λοιπόν, ελέγχουν όποια στατιστικά ή άλλα δεδομένα τους δώσετε, «εκπαιδεύονται» αυτόματα πάνω στα στοιχεία που τους παρέχετε και δημιουργούν συστήματα με στόχο την βέλτιστη απόδοσή τους. Και στο στοίχημα αυτό ερμηνεύεται ως εκείνο το σύστημα με το καλύτερο ROI.

Το μόνο που έχετε να κάνετε, είναι να εισάγετε τα καλύτερα για την πρόβλεψη δεδομένα που εσείς νομίζετε. Από εκεί κι έπειτα, είναι δουλειά των νευρωνικών δικτύων να σας πουν αν κάνατε καλή δουλειά.

Προβλήματα των νευρωνικών δικτύων στο στοίχημα

Βέβαια τα πράγματα δεν είναι τόσο απλά, όσο το να καταχωρήσετε τις νίκες/ήττες των ομάδων της προηγούμενης σεζόν και να έχετε το επιθυμητό αποτέλεσμα. Το έχουμε ξαναπεί, το στοίχημα δεν είναι το εύκολο χρήμα που πιθανόν νομίζετε. Μπορεί να σας απογοητεύει αυτό, αλλά προτιμώ να απογοητευτείτε τώρα, παρά να σας ενθαρρύνω να ελπίζετε σε κάποιο… θαύμα!

Αν νομίζετε ότι αρκεί η δεκάλεπτη μελέτη μια εφημερίδας για να είστε κερδισμένος στο στοίχημα, πλανάσθε πλάνην οικτράν. Όχι πείτε την αλήθεια, εδώ και χρόνια που ασχολείστε, θυμάστε μια κερδισμένη για εσάς χρονιά;

Να με συγχωρείτε που επαναλαμβάνομαι συχνά-πυκνά στα διάφορα άρθρα, αλλά εδώ δεν είμαστε για να παρασύρουμε κόσμο στο στοίχημα. Είμαστε για να γίνουμε καλύτεροι παίκτες κι αν αυτό σημαίνει να εγκαταλείψουμε το στοίχημα και τον τζόγο, ακόμα καλύτερα!

Τα νευρωνικά δίκτυα, σύμφωνα με την διπλωματική εργασία που έφτασε στα χέρια μου (thanks lilis), φαίνεται ότι μπορούν να κρατήσουν την ελπίδα ζωντανή. Αν και στο παρελθόν είχα δοκιμάσει κι εγώ ο ίδιος ένα σύστημα νευρωνικών δικτύων με ενθαρρυντικά αποτελέσματα, συνάντησα κάποια προβλήματα.

Ο φοιτητής του τμήματος Ηλεκτρολόγων Μηχανικών της Πολυτεχνικής Σχολής του ΑΠΘ, Δημήτρης Ιωάννου, έδωσε λύσεις όσον αφορά τα:

• Δείγμα: Τα νευρωνικά δίκτυα απαιτούν πολλά δεδομένα. Όσα περισσότερα, τόσο καλύτερα. Άλλωστε πάνω σε αυτά θα «εκπαιδευτούν». Αν εξετάζετε τα στατιστικά μόνο της σεζόν 2012-2013, είστε λίγοι. Ο Δημήτρης χρησιμοποίησε στατιστικά 8 ετών για τουλάχιστον 4 διαφορετικά Ευρωπαϊκά πρωταθλήματα. Σκεφτείτε μόνο το χρόνο της συλλογής όλων αυτών των μεγεθών και της επεξεργασίας τους προκειμένου να εισαχθούν σε ένα νευρωνικό δίκτυο!
• Εκπαιδεύοντας τα νευρωνικά δίκτυα στο στοίχημα: Πού είναι το πρόβλημα; Όταν εκπαιδεύονται τα δίκτυα αυτά, τους λέμε στην ουσία: «Κοίτα, όταν ο γηπεδούχος έχει 30 βαθμούς και η φιλοξενούμενη 20 βαθμούς, η αναμέτρησή τους κατέληξε σε ισοπαλία». Δηλαδή στο Χ. Κάποιος άλλος αγώνας στον άσο, 1. Άλλος στο διπλό, 2. Πώς θα ξεχωρίσουμε το 1, 2 και το Χ ως μεταβλητή εξόδου; Είναι ένα θέμα που με είχε απασχολήσει για πολύ καιρό κι απάντηση βρήκα στην εργασία του συνονόματου. Και μάλιστα η απάντηση είναι πολύ… επιστημονική για πολλούς παίκτες του στοιχήματος. Μη σας τρομάζει αυτό, εδώ θα τα πούμε όσο γίνεται πιο απλά.
• Μοντέλα εκπαίδευσης των νευρωνικών δικτύων: Υπάρχουν πολλά. Δε χρειάζεται καν να τα γνωρίζετε. Αρκεί που ο Δημήτρης απέδειξε ποιο είναι το βέλτιστο όσον αφορά το στοίχημα σε ποδοσφαιρικούς αγώνες. Ανάμεσα σε ασαφή μοντέλα και support vector machines (SVM), τα πρώτα δίνουν καλύτερο ROI, αλλά τα δεύτερα έχουν σημαντικά μικρή διακύμανση (variance). Αναλόγως τι προτιμάτε. Θα τα εξηγήσουμε όλα, απλά και κατανοητά.

Το ζουμί της εργασίας για τα νευρωνικά δίκτυα στο αθλητικό στοίχημα

Κυρίως όμως, ο Δημήτρης υπό την επίβλεψη του καθηγητή, Ιωάννη Θεοχάρη, έδωσε απαντήσεις όσον αφορά:

1. Ποια στατιστικά παίζουν μεγαλύτερο ρόλο ανά πρωτάθλημα! Ξεχάστε τις φόρμες ή την προϊστορία και ξεκινήστε να ψάχνετε στατιστικά για τα shots-on-goal.
2. Πόσο καλά εκτιμούν οι εταιρίες στοιχημάτων τους αγώνες! Πολύ καλά. Πιο καλά από οποιοδήποτε στατιστικό κι αν βρείτε. Από μόνες τους οι αποδόσεις αποτελούν την καλύτερη ένδειξη για τη δυναμικότητα των δύο ομάδων.
3. Πόσο καλύτερο είναι ένα σύστημα αν αφαιρέσετε τα… «σίγουρα»! Με απλά λόγια, πόσα περισσότερα χρήματα θα κερδίσετε αν σταματήσετε να στοιχηματίζετε σε αποδόσεις κάτω του 1,70 ή 1,90 (αναλόγως το πρωτάθλημα).
4. Ποιες αγωνιστικές πρέπει να αποφεύγουμε όταν στοιχηματίζουμε! Αυτό το γνωρίζετε όλοι νομίζω: είναι οι πρώτες και οι τελευταίες σε ένα πρωτάθλημα. Οι μεν γιατί ακόμα δεν ξέρουμε πώς «έδεσαν» οι ομάδες, οι δε γιατί πλέον η κατάταξη στο πρωτάθλημα έχει λίγο πολύ κριθεί, υπάρχουν σκοπιμότητες και γενικά τα αποτελέσματα ξεφεύγουν από την πεπατημένη. Ναι, αλλά ΠΟΣΕΣ ΑΚΡΙΒΩΣ αγωνιστικές πρέπει να αποφύγουμε; Τις 5 πρώτες και 5 τελευταίες; Τις 10; Τις 12;
5. Και φυσικά, πόσο κέρδος έχει ένα σύστημα νευρωνικών δικτύων! Τα νούμερα του ROI ή yield άγγιξαν το εντυπωσιακό 32% σε κάποιες περιπτώσεις. Και μιλάμε για δείγμα 200 και πλέον στοιχημάτων σε σύνολο 1,800 αγώνων!

Σας κέντρισα το ενδιαφέρον; Θα πούμε περισσότερα στα κείμενα που θα ακολουθήσουν τις επόμενες ημέρες.

Κλείνοντας, θα πρέπει να τονίσω πως η εργασία αποτελεί πνευματική ιδιοκτησία των δημιουργών της και ως τέτοια, οποιοδήποτε credit θα πρέπει να δοθεί σε αυτούς. Εγώ απλώς θα προσπαθήσω να δώσω περισσότερη έκθεση κι αναγνώριση της αξιέπαινης προσπάθειας που έκανε το ελληνικό Πανεπιστήμιο μέσω του blog, με την ελπίδα να συμμετάσχουν στη συζήτηση, γιατί όχι και οι ίδιοι οι δημιουργοί.

Ενημέρωση Ιούνιος 2017: Τυχαία εντόπισα την εργασία σε μορφή PDF σε αυτόν το σύνδεσμο.

Εικόνα μέσω Flickr.