Sistema inteligente de apoio à decisão de apostas em jogos de futebol

Abstract

No último século o futebol é considerado o desporto com mais adeptos no mundo. No mundo das apostas, apostar em jogos de futebol, atingiu uma posição de destaque em relação a todos os outros mercados, chegando a movimentar milhões de euros num único jogo. O crescimento do número de casas de apostas nos últimos leva a concluir que este é um negócio rentável para as mesmas, em detrimento dos seus utilizadores, que têm dificuldades em obter lucros a médio/longo prazo. A probabilidade de acertar em uma aposta num jogo de futebol cresce consoante o conhecimento do apostador na temática em que efetua a sua aposta. Casas de apostas como Betfair, Bet365 e Bwin permitem efetuar apostas diferentes apostas, apostas no resultado final, no número de cantos, no número de golos entre outros. Com o intuito de otimizar os lucros dos apostadores, bem como, diminuir os riscos que estão envolvidos em cada aposta, foi decidido criar um sistema inteligente que englobasse o maior conhecimento possível sobre cada jogo em que se pretende efetuar a aposta. Os dados estatísticos e alguns fatores extra futebol que são conhecidos antes de cada jogo podem servir de indicadores para diminuir os riscos em cada aposta. Através de técnicas de Data Mining (DM) é possível detetar padrões nesses dados de forma automática, sem ser necessário conhecimento algum por parte do apostador. Os modelos de DM induzidos neste projeto tinham como objetivo prever vários targets. Relativamente ao resultado final, os modelos foram induzidos para prever duas abordagens: as três saídas possíveis, vitória equipa visitada, empate ou vitória equipa visitante e as duas saídas, se o resultado é contra ou a favor da equipa visitada e também o contrário contra ou a favor a equipa visitante. Relativamente aos cantos foram induzidos modelos para prever o número de cantos, especificamente se existiram mais ou menos de ‘7,5’, ‘8,5’, ‘9,5’ e ‘10,5’ cantos. Por fim foram criados modelos para prever o número de golos, mais ou menos de ‘1,5’, ‘2,5’ e ‘3,5’. Os modelos estão preparados para serem induzidos em tempo real e todo processo ser executado automaticamente utilizando aprendizagem on-line. Ao nível dos resultados obtidos sete das previsões efetuadas atingiram os valores dos parâmetros de qualidade definidos, o resultado com três saídas, o resultado contra ou a favor a equipa visitada, resultado contra ou a favor a equipa visitada, mais ou menos de 7,5 e 8,5 cantos e mais ou menos de 1,5 e 3,5 golos. Os modelos que cumprem todos os parâmetros de qualidade definidos foram implementados no protótipo.

In the last century football is considered the sport with the most fans in the world. In the betting world, betting on football games, reached a prominent position in relation to all other markets, moving millions of euros in a single game. The growth of the number of bookmakers leads to the conclusion that this is a profitable business for them, to the detriment of its users, who have difficulty to make a profit in the medium / long term. The probability of making the correct bet on a football game increases depending on the knowledge of the gambler on the market that makes his bet. Bookmakers like Betfair, Bet365 and Bwin allows you to make different bets, such as betting on the end result, the number of corners and goals, among many others in a single game. In order to optimize the profits of gamblers, as well as reducing the risks involved in each bet, it was decided to create an intelligent system that would include as much knowledge as possible about each game in which the user is trying to place the bet. Statistical data and some extra football factors, like precipitation, that are known before each game can serve as indicators to reduce the risk on each bet. Through techniques of Data Mining (DM) it is possible to detect patterns in these data automatically, without requiring the gambler to have any knowledge on the market. The DM models induced in this project aim to predict several targets. For the final result, the models were induced to predict two approaches: the three possible outcomes, home team win, draw or away team win and two outputs, if the result is in benefit or against the home team and also the other way against or in benefit of the visiting team. For corners were induced models to predict the number of corners, especially if there were more or less than '7,5', '8,5', '9,5' and '10,5' corners. Finally, models were created to predict the number of goals, more or less than '1,5', '2,5' and '3,5'. Models are prepared to be induced in real time and the entire process is performed automatically using online learning. In terms of results, seven of forecasts equal or exceed the values defined as quality parameters, these were: the result with three outputs, results in benefit or against the home team, result in benefit or against the home team, more or less than 7,5 and 8,5 corners and more or less than 1,5 to 3,5 goals. The models that comply with all the defined quality standards have been implemented in the prototype.