Прогнози за хокей на трева на базата на данни

Кога числата започнаха да работят

През първите две години на сериозно следене на хокея на трева правех прогнози основно на интуиция. „Холандия играе добре“, „Германия има добра защита“. Резултатите бяха посредствени. Тогава реших да започна да записвам всичко — резултати, голмайстори, penalty corners, формация на отборите. След шест месеца данни моите прогнози се промениха драматично. Не защото знам нещо ново за хокея, а защото имам база, върху която да изграждам очаквания.

Това е основната идея на базиран на данни подхода. Букмейкърите използват данни. Сериозните играчи използват данни. Не е въпрос дали ще използваш данни — въпрос е колко добре. И в нишови спортове като хокея на трева, където моделите на букмейкърите имат по-голяма дисперсия, играч със собствен модел има реално предимство.

Sportradar като ексклузивен партньор на FIH за данни доставя точна и навременна информация за повечето пазари. Договорът им до 2030 г. означава стабилност в това отношение. Но достъпът до тези данни не е директен за индивидуални играчи — трябва да изграждам собствени бази на основа на публичните резултати и FIH ранкинг-а.

Какви данни събирам

Основната ми таблица съдържа за всеки мач от Pro League: дата, отбори, краен резултат, голове по четвъртини, брой penalty corners за всеки отбор, голове от penalty corners, голове от open play, картони, заместители. Това е минимум.

За мъжката Pro League сезон 2024-25 беше с 343 гола в 72 мача — средно 4.76 на мач. За женската 304 гола в същия брой мачове — 4.22 средно. Тези агрегатни числа са изходна точка, но истинската стойност е в детайлите.

За мъжкия сезон 2025-26 към определена точка имам 180 гола в 36 мача — около 5.0 средно, по-високо от предходния сезон. Това е тенденция, която моят модел трябва да отразява. Букмейкърите често забавят корекцията на линиите си спрямо такива промени.

Освен голове, събирам данни за топ голмайстори. Tomás Domene с 12 гола за първата половина на сезон 2025-26 е играч, чието присъствие променя очакванията за конкретен мач. Когато играе, добавям 0.3-0.5 към очакваните голове на отбора му. Това е малка корекция, но в дългосрочен план е важна.

За FIH ранкинг-а събирам не само текущите точки, но и динамиката за последните 3-6 месеца. Япония и САЩ при жените се изкачиха с по две позиции през 2025 г. — Япония до 11-та, САЩ до 12-та. Това е тенденция, която моделите на букмейкърите ще отразяват по-късно. Това е прозорец за стойност.

Простият модел, който работи

Мой основен модел е сравнително прост. За даден мач между отбор А и отбор Б:

Стъпка едно — изчислявам разликата в FIH ранкинг точки. Холандия (3490.86) минус Германия (3265.03) — 225 точки.

Стъпка две — превръщам разликата във вероятностно предимство. Грубата ми формула — за всеки 100 точки разлика, 7-10 процентни пункта вероятност за победа на по-силния отбор. 225 точки = 16-22 процентни пункта. Базата 50% + 19% средно = 69% за Холандия.

Стъпка три — добавям корекции. Домакинство — добавям 4-6 процентни пункта за домакин. Форма в последните 5 мача — корекция от ±5 процентни пункта. Травми на ключови играчи — до 10 процентни пункта корекция.

Стъпка четири — финална оценка. Холандия гостува на Германия. 69% базова вероятност. Минус 5% за гостуването (домакинство за Германия). Холандия има предимство във формата (+3%). Никакви известни травми. Финална оценка: 67% за Холандия.

Стъпка пет — сравнявам с букмейкърската линия. Ако коефициентът за Холандия е 1.50 (имплицирана вероятност 67% с марж, около 62% без марж), моята оценка от 67% значи 5 процентни пункта стойност. Малка, но положителна. Заложлив залог за минимална стойност.

Какво моделът не вижда

Първото нещо, което моделът пропуска — тактически промени. Когато треньорът смени формацията си или въведе нова стратегия, моделът няма да го отрази, докато не се натрупат няколко мача данни. През този период има прозорец, в който качествен наблюдател на хокея може да види нещо, което моделът не вижда. Това е момент, в който субективната оценка може да добави към обективната.

Второто — психологически фактори. Финален мач от турнир има различна динамика от групов мач. Дерби (Холандия–Германия, Англия–Уелс) има различна динамика от стандартен мач. Тези контексти трябва да се добавят ръчно, на базата на знанията ми за спорта.

Третото — индивидуални драми. Играч, който се връща от травма, играч, който има семеен проблем, треньор, който е под напрежение за уволнение — всички тези фактори влияят на представянето, но не са в моделите. Това е стойност, която само следене на новините и интервютата може да добави.

Четвърто — терен и условия. На открит терен дъжд променя играта. На бърз терен холандски AstroTurf играта се развива по различен начин от по-бавен синтетичен терен. Тези фактори моделът не отчита автоматично — трябва да ги добавя за всеки мач, когато са релевантни.

Обновяване на модела

Моделът не е статичен. След всеки кръг от Pro League мачове го преглеждам. Не съм направил ли систематична грешка? Имам ли отбор, чиято оценка от мен е винаги по-висока или по-ниска от реалната?

Открих, че моят модел систематично подцени Аржентина в женския Pro League (3320.83 точки към ноември 2025). Защо? Защото FIH ранкингът не отчита достатъчно тяхното представяне срещу топ отбори. Когато Аржентина играе срещу слаб опонент, ранкингът се вдига умерено. Когато играе срещу топ — губи минимални точки заради добрата защита. В резултат — реалното им ниво е по-високо от ранкинг стойността.

Моята корекция — добавям 5 процентни пункта вероятност за победа на Аржентина срещу всеки отбор извън топ 3. Това отразява несъвършенството на ранкинг-а в моя модел. Подобни корекции имам за други отбори — Япония при жените (увеличение), Германия мъже срещу низшестоящи (намаление, защото играят твърде безопасно срещу слаби противници).

Тези корекции са еволюция на модела. Те идват от внимателен анализ на грешките, не от интуиция. Записвам всеки залог, проверявам кой беше прав в дългосрочен план — моята оценка или букмейкърската линия. От тези резултати извлечам корекциите.

Колко данни са необходими

Често ме питат — колко мача трябва да гледам, преди моделът ми да започне да работи? Минимум 100 мача със записани данни. По-добре 200. Под 100 моделът е твърде шумен — една аномалия може да го деформира.

За хокея на трева това означава около едно пълно Pro League сезон (мъжки или женски). Първата година играя предимно за обучение, не за печалба. След това моделът е достатъчно зрял, за да дава последователни резултати.

Това звучи дълъг период. Но реалността е, че никой систематичен подход в каквато и да е дейност не работи с по-кратко обучение. Лекарите учат години преди първа независима диагноза. Адвокатите — преди първа независима защита. Залагащите със стратегически подход — не са изключение. Краткосрочните „експерти“ в нишови спортове обикновено просто имат късмет, който се изпарява с по-голям обем данни.

Технически инструменти

Не използвам сложни инструменти. Excel или Google Sheets е достатъчен за повечето случаи. Една таблица за мачове, една за залози, една за анализи. Формулите се повтарят и автоматизират рутинните задачи — изчисление на имплицирани вероятности, корекции за домакинство, агрегатна статистика по отбор.

Понякога използвам прости статистически тестове. Дали моят процент на победи систематично надхвърля случайността? Дали моят ROI се поддържа над определено ниво след 50, 100, 200 залога? Тези въпроси изискват прости калкулации, не сложни модели.

За тези, които имат техническо обучение, по-сложните инструменти (Python, R) дават повече възможности. Регресионни модели, които правят непрекъсната оценка на вероятностите. Симулации на Monte Carlo за оценка на различни стратегии. Тези подходи могат да добавят малко стойност, но не са задължителни. Excel и систематичен подход с години данни ще ви отведе по-далеч от сложен модел с малко данни.

Накрая — моят данни-базиран подход не работи без дисциплина в управлението на банкрол. Дори най-добрият модел е безполезен, ако емоциите управляват размера на залозите. Това е причината моделирането и управлението на банкрола да се разглеждат заедно. Препоръчвам моят преглед на принципите за управление на банкрола за тази допълваща тема.