Das Modell

ForzaPitch verwendet ein Poisson-Regressionsmodell mit Dixon-Coles-Korrektur zur Vorhersage von Fußballspielergebnissen. Für jedes Spiel schätzen wir die erwarteten Tore (xG) jedes Teams anhand seiner Offensiv- und Defensivform, der Elo-Bewertung, des Heimvorteils und der ligaweiten Torschnitte und passen sie dann an die aktuelle Form, Ruhezeit und Spielverdichtung, Wetterbedingungen sowie die Tabellensituation oder das Saisonfinale an. Die Poisson-Verteilung liefert uns die Wahrscheinlichkeit jedes möglichen Ergebnisses, aus der wir 1X2, Über/Unter und weitere Märkte ableiten. Die Vorhersagen werden zudem mit den Buchmacherquoten gemischt, stärker, wenn sich der Markt deutlich bewegt.

Jedes Team hat eine globale Elo-Bewertung, die nach jedem Spiel aktualisiert wird — und Elo wird nicht nur für ligaübergreifende Pokalpaarungen verwendet: Sie fließt bei jedem Spiel direkt zusammen mit unserer Poisson-Schätzung in die Endwahrscheinlichkeit ein, mit einer je Wettbewerb angepassten Gewichtung. Bei Pokalspielen, in denen Teams aus unterschiedlichen Ligen aufeinandertreffen, verwenden wir zudem Elo-gewichtete Liga-Basiswerte, um den Unterschied im Wettbewerbsniveau auszugleichen.

Über die grundlegende xG-Schätzung hinaus wendet das Modell eine Reihe von Kontextanpassungen an: die aktuelle Form (stärker gewichtet auf die letzten Spiele), Ruhezeit und Spielverdichtung (Teams mit wenig Erholung werden benachteiligt, ausgeruhte Teams erhalten einen kleinen Bonus), Wetter (starker Wind oder Regen verringern die erwarteten Tore) und die Tabellensituation (Titelrennen, Abstiegskämpfe und bedeutungslose Spiele verschieben die Motivation). Vorhersagen mit wenigen historischen Daten werden zu einer neutralen Basislinie hin verschoben, bis genügend Spiele stattgefunden haben.

Wöchentliche Genauigkeit — letzte 8 Wochen

Periodenmittel: 63.4%

62.0%

Globale Genauigkeit

Analysiert: 2569 Spiele

Modell perfekte Kalibrierung ● <7pp Abweichung: gut / mittel / weit