Scommesse sportive: value bet, gestione del rischio e analisi dati

Una sera ho perso una multipla per un punto. Basket. Ultimi secondi. Fallo inutile. Due liberi. La mia quota crolla. Ticket bruciato. Quella volta ho capito due cose: il valore atteso conta più del “feeling”, e senza gestione del rischio anche una buona idea si spegne in fretta. Qui metto in chiaro come trovare il value, come proteggere il bankroll, come usare i dati. Con esempi semplici, una tabella pratica e un mini-caso che puoi rifare da solo.

Value bet: smontiamo il concetto fino all’osso

Una value bet è una scommessa dove la tua stima di probabilità è più alta di quella del mercato. Se la tua stima è giusta, nel lungo periodo il guadagno medio (EV) è positivo. Non è magia. È solo matematica semplice.

Per prima cosa, traduciamo la quota in probabilità del mercato. Si chiama probabilità implicita. Con quota decimale, è 1/quota. Esempio: quota 2.20 = 45,45%. Ma ricorda: il book ha margine (overround). Il totale delle probabilità dei segni spesso supera 100%. Puoi leggere una nota chiara sull’overround del bookmaker e su come pulire i dati.

EV (expected value) si calcola così, per una scommessa con quota decimale Q e tua probabilità p:

• EV% = (Q × p − 1) × 100

Se EV% è sopra 0, c’è valore. Ma è una ipotesi, non una certezza. Serve disciplina. Serve volume di giocate coerenti. E serve registrare ogni pick.

Prima i dati, poi le quote

Non partire dalla quota. Parti dal fatto. Cosa influenza il risultato? Forma, stile, ritmo, assenze, calendario, viaggi, back-to-back, meteo. Nel calcio: expected goals, tiri, pressing, cross, palle inattive. Nel basket: pace, usage, minuti, second chance. Nel tennis: superficie, servizio, break point salvati.

Dove trovi dati? Ci sono dataset pubblici sul calcio, e c’è il repository dati di FiveThirtyEight con molti sport. Se lavori con modelli, occhio alle “fughe nel futuro” (data leakage): non usare info che non erano note al momento del pick. Evita anche di allenare il modello su quote di chiusura, se poi scommetti su quote di apertura.

• Check veloce prima di modellare: Dati puliti, senza buchi grossi? Stesso orizzonte temporale per input e target? Niente variabili “post-evento”? Quote sempre rilevate allo stesso orario?
• Dati puliti, senza buchi grossi?
• Stesso orizzonte temporale per input e target?
• Niente variabili “post-evento”?
• Quote sempre rilevate allo stesso orario?

• Dati puliti, senza buchi grossi?
• Stesso orizzonte temporale per input e target?
• Niente variabili “post-evento”?
• Quote sempre rilevate allo stesso orario?

Laboratorio: dai numeri al ticket

Processo chiaro, senza fronzoli:

1. Formula l’idea (es. “under in Serie A quando entrambe giocano lente”).
2. Raccogli le feature giuste (ritmo, xG, infortuni, giorni di riposo).
3. Stima la probabilità dell’esito con un modello semplice e trasparente.
4. Confronta con la probabilità implicita del mercato.
5. Se EV è positivo e il rischio è ok, decidi lo stake con una regola fissa.

Strumenti? Parti con metodi base. Una regressione logistica o un piccolo boosting bastano. La documentazione di scikit-learn è chiara. Per il calcio, una Poisson sugli expected goals funziona su under/over e risultati. Vedi un’introduzione a Poisson applicato al calcio. Se vuoi un approccio bayesiano, guarda anche PyMC.

Valida il modello con k-fold, controlla la calibrazione (percentili vs esiti), e misura il Brier score. Una probabilità ben calibrata ti salva più di un punto di accuracy.

Tabella di valutazione del valore e del rischio per singola scommessa

Serie A: Milan vs Torino — 1 fisso	2.10	47.6	51.0	+7.1	Media	1.6% del bankroll	Basso–medio	Forma casa forte; monitorare infortuni last-minute
Premier League: Chelsea vs Brighton — Over 2.5	1.95	51.3	55.0	+7.3	Media	1.9% del bankroll	Medio	Linea chiusa a 1.88 (CLV+); meteo ok
La Liga: Real Sociedad vs Sevilla — Doppia chance X2	1.70	58.8	62.0	+5.4	Bassa	1.9% del bankroll	Basso	Sevilla ben messo fuori casa; rotazioni leggere
Bundesliga: Dortmund vs Mainz — BTTS Sì	1.85	54.1	58.0	+7.3	Media	2.2% del bankroll	Medio	Difese alte, rischio transizioni
NBA: Knicks vs Heat — Heat +4.5	1.91	52.4	55.5	+6.0	Alta	1.7% del bankroll	Medio–alto	Back-to-back per Knicks; rotazioni da confermare

Come leggere la tabella: EV dice se, in media, il pick paga. La varianza ti dice quanto balla la curva del bankroll. Con varianza alta, riduci lo stake. Kelly pieno spinge troppo: usa Kelly/2 o Kelly/4. Se arrivano news forti o se la quota si muove contro (CLV–), valuta di passare o ridurre.

Gestione del rischio: bankroll, Kelly frazionato e varianza

La regola d’oro: non puntare mai una cifra fissa a caso. Scegli una frazione del bankroll legata all’EV e alla varianza. Il criterio di Kelly è un buon faro (vedi criterio di Kelly spiegato). Formula breve per scommesse binarie: f* = (b × p − q) / b, dove b = quota − 1, p è la tua probabilità, q = 1 − p. Poi taglia: Kelly/2 o Kelly/4. Così limiti i drawdown.

Esempio veloce: banca 100 unità, quota 2.10, p=0.51. b=1.10. f* ≈ 6.5%. Kelly/4 ≈ 1.6%. Stake: 1.6 unità. Così sopporti una serie negativa senza tiltare. Pensa sempre al rischio di rovina. La teoria del gambler’s ruin insegna: anche con vantaggio piccolo, senza gestione puoi bruciare il conto. Fai anche 2000 simulazioni Monte Carlo con le tue p. Guarda la massima perdita attesa. Se non dormi sereno, taglia lo stake.

Errori costosi (che pagano subito)

• Overfitting: troppe feature, pochi match. La curva bella sul passato non regge al futuro.
• Chasing: dopo una perdita, raddoppi. No. Aumenti il rischio, non il valore.
• Bias cognitivi: ignori le basi, ti fissi su un caso recente. Ripassa il base-rate neglect.
• Mercati fuori dominio: se modelli calcio, non buttarti su tennis live “perché mi annoio”.

Segnali che il tuo edge è reale

• CLV: le tue quote di apertura battono spesso la chiusura? Bene.
• Curve stabili: 1000+ pick, EV medio coerente, drawdown sotto controllo.
• Log trasparente: ogni pick registrato con ora, quota, p, stake, risultato.
• Letteratura: i tuoi esiti non contraddicono l’efficienza dei mercati delle scommesse in modo “magico”, ma trovano nicchie plausibili.

Checklist pre-bet

• Dati aggiornati e puliti?
• Probabilità calibrate? Brier score accettabile?
• EV positivo e coerente col mercato?
• Stake calcolato (Kelly frazionato)?
• News e infortuni check?
• Log pronto (anche per CLV)?

Strumenti e risorse

Per calcolare, usa notebook semplici, fogli di calcolo o librerie standard. Per i dati, vedi sopra. Per valutare piattaforme legali, termini chiari e pro/contro reali, una guida di recensioni indipendenti come AussieTopCasinos.com ti aiuta a capire dove giocare in modo trasparente. Confronta sempre licenze, limiti, metodi di deposito, tempi di prelievo. E scegli solo operatori autorizzati nel tuo Paese.

Mini-caso: Serie A, under/over con Poisson

Obiettivo: stimare la probabilità di Under 2.5 in una gara di Serie A. Passi brevi.

1. Raccogli ultimi 20 match casa/trasferta di entrambe. Calcola xG fatti e concessi. Stima i gol attesi per team A e B: λA, λB.
2. Modello Poisson: la distribuzione dei gol segue Poisson(λ). Convolvi per avere la distribuzione del totale gol.
3. Somma le probabilità di 0, 1 e 2 gol per ottenere P(Under 2.5).
4. Confronta con la quota di mercato. Calcola EV e stake (Kelly/4).

Esempio numerico: λA=1.15, λB=0.90. Poisson dà P(0 gol)=e^(−2.05)≈12.9%, P(1 gol)≈26.4%, P(2 gol)≈27.1%. Somma: P(Under 2.5)≈66.4%. Quota mercato Under 2.5=1.80 → probabilità implicita 55.6%. EV% = (1.80 × 0.664 − 1) × 100 ≈ +19.5%. Brier score atteso per l’evento binario si misura su più partite; ripeti il test su 200 gare per capire se la p è ben calibrata (vedi Brier score).

Stake (Kelly): b=0.80, p=0.664, q=0.336. f* ≈ (0.80×0.664 − 0.336)/0.80 ≈ (0.531 − 0.336)/0.80 ≈ 0.195/0.80 ≈ 24.4%. Kelly/4 → 6.1% del bankroll. Varianza? Media. Se il totale è volatile (squadre “pazze”), scendi a Kelly/6 o passa.

Etica, limiti e normativa

Gioca solo con operatori legali. In Italia il riferimento è l’Agenzia delle Dogane e dei Monopoli (ADM). Imposta limiti, usa autoesclusione quando serve, e cerca aiuto se il gioco diventa un problema: ecco risorse per il gioco responsabile e il portale dell’Istituto Superiore di Sanità — gioco d’azzardo. Questo testo è formativo. Non è un invito a giocare. Rischi e tasse esistono sempre.

FAQ

Non ho grandi dati. Come faccio?
Parti piccolo. Un foglio con 10 feature chiave e 200 match. Pulisci bene. Meglio pochi dati puliti che big data sporchi.

La mia stima e la quota divergono tanto. È oro?
Forse è errore tuo, o news non catturate. Ricontrolla dati, filtro marcatore (infortuni), e confronta su più book. Se regge, stake piccolo.

Come misuro il CLV?
Segna quota presa e quota di chiusura. Se spesso la tua quota è migliore (per i favoriti più alta all’apertura, per gli underdog più bassa alla chiusura), hai edge sul timing.

Quando fermo una strategia?
Se dopo 500+ pick EV reale è negativo e non vedi errore tecnico correggibile (leakage, overfitting), metti in pausa e riesamina.

Meglio flat stake o Kelly frazionato?
Se temi la varianza, flat prudente (0.5–1.5%). Se hai p buone e disciplina, Kelly/4 è un buon equilibrio.

Micro-glossario

• Value bet: quota più alta del dovuto rispetto alla tua p.
• EV (expected value): guadagno medio atteso per scommessa.
• Overround: margine del book nelle quote.
• CLV (closing line value): quanto batti la quota di chiusura.
• Kelly: regola per scegliere la frazione ottima di puntata.
• Varianza: quanto oscillano i risultati nel breve.
• Rischio di rovina: probabilità di azzerare il bankroll.
• Calibrazione: coerenza tra p previste ed esiti reali.

Prossimi 7 giorni: piano semplice

• Giorno 1–2: scegli un solo mercato (es. Under/Over Serie A). Raccogli 200 match recenti.
• Giorno 3: stima p con Poisson semplice o logistica.
• Giorno 4: confronta p con le quote. Calcola EV. Fai 20 pick in modalità “paper trading”.
• Giorno 5: misura CLV su quelle 20 giocate.
• Giorno 6: imposta regola di stake (Kelly/4). Definisci limiti e stop-loss soft.
• Giorno 7: rivedi errori, aggiorna il modello, solo poi punta soldi veri con stake minimo.

Se ti serve una panoramica su operatori autorizzati, limiti e condizioni, usa una guida di recensioni affidabile e resta dentro le regole locali.

Note di metodo e trasparenza

• Probabilità stimate con modelli semplici (logistica/Poisson). Validazione k-fold. Controllo calibrazione e Brier score.
• Dati: fonti pubbliche e ufficiali; raccolta pre-match; niente variabili post-evento.
• Nessuna promessa di profitto. Solo processo, disciplina e gestione del rischio.
• Ultimo aggiornamento: inserire data di pubblicazione.