Zum Inhalt springen

Der ganze Monat: 41 Analysen prüfen

Eine Beispielprüfung von 41 abgerechneten Analysen zeigt, warum Ergebnisse, Schlusspreise und Prozessfehler getrennt ausgewiesen werden müssen.

BAI8 Research20. Aug. 2026, aktualisiert am 25. Sept. 20262 Min. Lesezeit

Auf dieser Seite
  1. Die Zahl mit Aussagekraft
  2. Zwei Fälle, in denen die Begründung falsch war
  3. Was ein guter Monat wert ist
  4. Was Sie daraus nicht erfahren

Betrachten wir eine beispielhafte Monatsauswertung von einundvierzig Analysen. Siebenundzwanzig Wetten gewinnen, vierzehn verlieren, und der Monat endet im Plus. Diese Zahlen dienen der Veranschaulichung. Sie sind keine Aussage über die tatsächlichen Ergebnisse von BAI8. Die hilfreiche Frage ist, was eine vollständige Auswertung zeigen könnte und was nicht.

Die Zahl mit Aussagekraft

In diesem Beispiel werden zweiunddreißig der einundvierzig Wetten zu einem besseren Preis abgeschlossen als dem, auf den sich der Wettmarkt am Ende einpendelt. Diesen Vergleich festzuhalten lohnt sich aus den Gründen, die in warum die Schlussquote der einzig ehrliche Maßstab ist erläutert werden: Er lässt sich bei jeder Wette sofort messen, und es spielt keine Rolle, ob der Ball ins Tor ging.

Bei neun entwickelt sich die Schlussquote in die andere Richtung. Sechs dieser neun betreffen Spiele, bei denen die Recherche nichts findet und der geschätzte Wert nahe am ursprünglichen Preis des Wettmarkts bleibt. Dieses Muster ist ein Anlass für weitere Untersuchungen. Für sich genommen belegt es nicht, dass der Wettmarkt später etwas entdeckt hat, das die Recherche übersehen hatte.

Zwei Fälle, in denen die Begründung falsch war

Es ist wichtig, Fehler im Vorgehen von gewöhnlichen Verlusten zu unterscheiden. Nur Erstere zeigen, welcher konkrete Teil der Methode korrigiert werden muss.

Nehmen wir an, der erste Fall betrifft einen Wettmarkt auf die Gesamtzahl der Tore. Die Recherche leitet dabei eine Torquote aus einer Analyse von Spielen gegen drei Aufsteiger ab. Das ist ein Problem mit der Stichprobe, das bei der Überprüfung auffallen sollte. Die Korrektur müsste mit Daten außerhalb der ursprünglichen Stichprobe getestet werden, bevor sie als Verbesserung gelten könnte.

Nehmen wir an, der zweite Fall ist ein Recherchefehler der Art, die in warum vor der Recherche keine Zahl veröffentlicht wird beschrieben wird: Drei Medien berichteten dieselbe Behauptung über eine Verletzung. Sie wurden als drei Quellen gezählt, obwohl die Behauptung auf eine einzige Quelle zurückging. Hier müssen doppelte Angaben anhand ihrer ursprünglichen Quelle erkannt und zusammengeführt werden. Anschließend muss ein Test zeigen, dass die Änderung solche Dopplungen erkennt, ohne unabhängige Bestätigungen auszusortieren.

Was ein guter Monat wert ist

Für sich genommen sehr wenig. Exakte binomiale Konfidenzintervalle sind bei kleinen Stichproben breit. Ohne die jeder Analyse zugeordnete Wahrscheinlichkeit ist selbst diese Berechnung unvollständig. Einen Monat mit Gewinn als Bestätigung zu werten, wäre genau der Fehler, den dieser Artikel vermeiden soll.

Was Sie daraus nicht erfahren

Ob eine der beiden vorgeschlagenen Korrekturen die Analysen verbessert. Beide reagieren auf das Beispiel, aus dem sie entstanden sind. Das ist eine andere und deutlich schwächere Aussage. Der ehrliche Test ist, ob die Änderung die Güte der Wahrscheinlichkeitsschätzungen bei Daten außerhalb der ursprünglichen Stichprobe verbessert.

Häufige Fragen

Ist das die tatsächliche Erfolgsbilanz von BAI8?

Nein. Es ist ein durchgerechnetes Beispiel. Es zeigt, wie eine vollständige Monatsprüfung Ergebnisse, Preise und Prozessfehler getrennt ausweisen sollte.

Belegt ein Monat mit Gewinn, dass eine Methode funktioniert?

Nein. Ein Monat ist eine kleine Stichprobe. Deshalb kann die Trefferquote allein durch Zufall weit von der tatsächlichen Trefferquote der Methode abweichen.

Was sollte geschehen, wenn die Begründung falsch war und nicht bloß Pech vorlag?

Erfassen Sie das gesondert. Ein Verlust bei schlüssiger Begründung und ein Verlust durch einen Prozessfehler sind unterschiedliche Ereignisse. Ihre Ursachen sollten unterschiedlich untersucht werden.

Quellen

  1. NIST exact confidence intervals for a binomial proportionitl.nist.gov
  2. Verification of Forecasts Expressed in Terms of Probabilityjournals.ametsoc.org
  3. Information, prices and efficiency in an online betting marketsciencedirect.com

Als Nächstes lesen