Value bet: přesná definice a proč na pocit nestačí
Value bet (hodnotná sázka) je situace, kdy je subjektivně odhadnutá pravděpodobnost výsledku vyšší než implicitní pravděpodobnost vyplývající z nabízeného kurzu po zohlednění marže (overround) sázkové kanceláře. V takovém případě má sázka kladnou očekávanou hodnotu (EV > 0). Intuice či „pocit“ nestačí, protože value existuje pouze tehdy, pokud je odhad pravděpodobnosti systematicky přesnější než trh a překonává marži.
Očekávaná hodnota (EV) a její vztah k value
Pro desetinné kurzy platí: očekávaná hodnota pro vklad 1 je EV = p × (o − 1) − (1 − p), kde p je váš odhad pravděpodobnosti události a o je nabízený kurz. Sázka je value, pokud EV > 0, což je ekvivalentní podmínce p > 1/o po očištění o marži trhu.
Implicitní pravděpodobnost a očištění o marži (overround)
Tržní kurzy obsahují marži. Pro výsledky s kurzy o₁, o₂, ..., oₙ je součet implicitních pravděpodobností Σ (1/oᵢ) = 1 + m, kde m je marže. K získání „férových“ pravděpodobností normalizujeme: qᵢ = (1/oᵢ) / Σ(1/oⱼ). Férový kurz je pak 1/qᵢ.
- Příklad (1X2): Kurzy: domácí 2.30, remíza 3.30, hosté 3.10. Součet
1/2.30 + 1/3.30 + 1/3.10 ≈ 0.435 + 0.303 + 0.323 = 1.061. Marže ≈ 6,1 %. Férová pravděpodobnost domácích ≈0.435 / 1.061 = 0.410(férový kurz ≈ 2.44).
Kritérium value v praxi: jednoduchý test
Předpokládejme, že váš model odhaduje pravděpodobnost výhry domácích p̂ = 0.45. Trh po očištění říká q = 0.41. Jelikož p̂ > q, jedná se o value. EV při vsazeném 1 € na kurz 2.30 je EV = 0.45×1.30 − 0.55 ≈ 0.035, tj. +3,5 centu na euro.
Proč pocit nestačí: kognitivní zkreslení a iluze znalostí
Lidské odhady jsou zatíženy zkresleními: overconfidence (nadměrná sebedůvěra), recency bias (přeceňování posledních výkonů), confirmation bias (vyhledávání potvrzujících informací) či narrative fallacy (vymýšlení příběhů z náhodných dat). Bez kvantitativního modelu se tyto vlivy kumulují a z dlouhodobého hlediska vedou k negativní EV.
Efektivnost trhu a closing line value (CLV)
Trhy s kurzy jsou relativně efektivní: informace jsou rychle zapracovány do ceny. Dobrou zpětnou indikací kvality odhadů je closing line value (CLV) – porovnání vašeho kurzu při vstupu s kurzem při uzavření trhu. Dlouhodobé dosažení pozitivní CLV (vaše kurzy < closing pro favority, > pro outsidery) je statistický signál, že vaše odhady přinášejí edge nad trhem.
Konstrukce odhadů pravděpodobnosti: od jednoduchých heuristik k modelům
- Baseline: Poisson/Skellam model pro góly ve fotbale, ratingy (Elo, Glicko), domácí efekt, tempo hry, zranění, cestování.
- Regresní přístupy: logistická regrese s regularizací (L1/L2), gradient boosting, random forest; u menších lig opatrnost vůči přeučení.
- Bayesovské aktualizace: kombinace předsezónních priorů (síla týmů) s novými daty.
- Feature engineering: kvalita střel (xG), standardní situace, specifika soupeření, rozpis zápasů, odpočinek.
Validace modelu: kalibrace, diskriminace a backtest
Kalibrace testuje, zda události s odhadem 60 % skutečně nastávají přibližně 60 % případů (reliability diagram, Brierovo skóre). Diskriminace měří schopnost rozlišit pravděpodobnější od méně pravděpodobného výsledku (log-loss, AUC). Backtest musí simulovat reálná omezení (dostupné kurzy v čase, limity sázek, sklzy, provize).
Marže trhu a arbitráž vs. value
Arbitráž (surebet) je simultánní pokrytí všech výsledků u různých operátorů s garantovaným ziskem; je vzácná a typicky rychle mizí, navíc přináší limity. Value sázení akceptuje riziko variability, ale očekává kladnou EV. Value nemusí být okamžitě zisková – výhra se projeví v průměru po velkém počtu sázek.
Bankroll management: Kelly a jeho frakce
Optimální vklad podle Kellyho kritéria pro férové desetinné kurzy je f* = (p × o − 1) / (o − 1). Při nepřesném modelu je plný Kelly volatilní; praxe používá frakční Kelly (např. 1/2 nebo 1/4 Kelly) ke snížení rizika a citlivosti na chyby v odhadech. Nikdy nesázejte fixní procento na každou value bez ohledu na sílu edge – vede to k suboptimální trajektorii kapitálu.
Variance, vzorek a statistická významnost
I při EV > 0 může být dlouhé období ztrát normální. Pro binární sázky s pravděpodobností p a výplatou podle kurzu o je rozptyl výnosů na jednotku přibližně σ² = p × (o − 1 − EV)² + (1 − p) × (−1 − EV)². K detekci edge potřebujete mnoho sázek; interval spolehlivosti pro průměrný zisk se zužuje pouze s odmocninou z počtu pokusů.
Modelové chyby: leakage, přeučení, výběrové zkreslení
Data leakage (použití informace, která v době rozhodnutí neexistovala) nafoukne backtest. Přeučení (overfitting) se maskuje zdánlivě perfektním historickým ziskem. Selection bias (výběr pouze „úspěšných“ lig) přeceňuje edge. Řešení: časově konzistentní dělení dat, out-of-sample test, penalizace složitosti, jednodušší modely s robustní kalibrací.
Práce s kurzy: formáty, přepočty a porovnávače
- Desetinné: implicitní pravděpodobnost
1/o. - Frakční (UK): převod na desetinný
o = 1 + A/B. - Americké:
o = 1 + 100/|k|pro záporné kurzy, respektiveo = 1 + k/100pro kladné.
Bez porovnávání kurzů (line shopping) value těžko najdete – cílem je identifikovat odchylky od „konsenzu“ a využít pomaleji reagující operátory.
Příklad úplného postupu: od odhadu po tiket
- Model odhadne pravděpodobnost výhry domácích
p̂ = 0.47. - Trh nabízí kurz 2.30, očištěný férový kurz je 2.44 (viz marže výše), tedy tržní férová pravděpodobnost
q = 0.41. - Value test: protože
0.47 > 0.41, je to value. EV při vkladu 1 €:0.47×1.30 − 0.53 ≈ 0.081(8,1 %). - Sázka: zvolte frakční Kelly, např. 1/4:
f ≈ 0.25 × ((0.47×2.30 − 1)/(1.30)) ≈ 0.25 × 0.276 ≈ 0.069, tj. 6,9 % bankrollu (příklad jen ilustrační; v praxi jsou frakce nižší pro konzervativnost). - Monitoring: zaznamenejte kurz, čas, closing line, limit, výsledek a aktualizujte kalibraci.
Live sázky a dynamické kurzy
V live prostředí se kurzy mění rychle a zahrnují zpoždění (latenci) a limity. Value zde vzniká především při pomalé aktualizaci trhu po událostech s menším dopadem (nikoli při gólu/červené kartě, kdy je trh rychlý). Je nutná technická infrastruktura, přístup k datům a jasná pravidla správy rizika.
„Cash out“ a pojistky: komfort za cenu EV
Funkce cash out většinou obsahuje navíc marži. Snižuje volatilitu, ale typicky i očekávanou hodnotu. Má smysl jen tehdy, pokud máte informaci, kterou trh nezapracoval (změna modelu p̂), jinak jde o placené uklidnění nervů.
Limity, segmentace a praktické překážky
Operátoři omezují výši vkladů, rychle upravují kurzy, případně limitují účty s pozitivní CLV. Proto je důležitá diverzifikace napříč operátory, rychlé provedení a realistická simulace limitů v backtestu. Z hlediska etiky a podmínek služby je nezbytné jednat v souladu s pravidly každé platformy.
Sledování výsledků: metriky, které dávají smysl
- Yield (ROI na vklad):
zisk / suma vkladů. - CLV: průměr rozdílu mezi vaším kurzem a closing kurzem (v procentech).
- Log-loss/Brier: kvalita pravděpodobnostních predikcí bez ohledu na kurz.
- Sharpe/Sortino: poměr výnos/volatilita (při pravidelném stake).
Nejčastější omyly při value bettingu
- Ignorování marže: porovnávání
p̂přímo s1/obez normalizace. - Selektivní evidence: zapisování pouze výherních tiketů.
- Přeexpozice: vysoké korelace mezi sázkami (např. více trhů na stejný zápas) nafukují riziko.
- Chybějící kalibrace: „60 %“ není 60 %, pokud to tak neukazují data.
- Příliš velké vklady: plný Kelly při nejistém odhadu vede k prudké volatilitě a psychologickému tlaku.
Etika, právo a zodpovědné hraní
Value betting je metodika založená na pravděpodobnostech, nikoli garance zisku. Sázejte pouze s penězi, které si můžete dovolit ztratit; nastavte si limity, vyhněte se honbě za ztrátami a respektujte místní zákony a věková omezení. Pokud sázení negativně ovlivňuje váš život, vyhledejte odbornou pomoc.
Shrnutí: kdy je value skutečné
- Máte model s doložitelnou kalibrací a pozitivní CLV.
- Pracujete s očištěnými pravděpodobnostmi a umíte vyčíslit EV.
- Řídíte riziko frakčním Kellym a sledujete korelace.
- Backtest a praxe zohledňují marže, limity, sklzy a timing.
Pouze tehdy, když jsou tyto podmínky splněny, je „value“ více než jen pocit – stává se statisticky podloženým očekáváním pozitivního průměru v dlouhém horizontu.
