Используем ИИ для создания программ

[Sweet Tooth 514]

1 минуту назад, Dave сказал:

докажи на деле, а не на словах

Дико плюсую.

[Farel 1 240]

Только что, N.Isaev сказал:

Я по sstats. Спрашивал у него за бетэксплорер, сказал, что чревато банами, глюками, сложностью. Но он до этого sstats увидел, поэтому такой ответ. Если его с нуля попросить написать парсер под бетэксплорер, то думаю напишет.

Да ИИ многое говорят, про софаскоре тоже самое говорили. 

[bill 672]

1 час назад, Farel сказал:

Я даже минус 30%-70% делал. Потом даже сделал алгоритм, чтобы обратку ставить, и все равно обратка показывала минуса. Долго не мог этого понять. По итогу ИИ объяснили, что маржа съедает прибыль, поэтому обратки не работают. До сих не могу понять этот эффект, по идее должны работать, я тогда пол дня потратил,  ИИ аудитов штук десять делали, но все равно получались минуса. Чисто логически, вот реально не понимаю прикола, но ИИ писали, что маржа на кэфах более 8%, и съедает прибыль обратки, поэтому нужно только прибыльные системы изначально делать. 

При yield -30% размер маржи должен быть  не более 15.36% тогда будет в 0 у обраток. Но я не о том,а о том, что yield не будет стремиться в сторону уменьшения.

[Farel 1 240]

3 минуты назад, Dave сказал:

Бляяя, как все надоели, все всë умеют, всё умные, всё ставки через космос делают ( некоторые через Юрия Алексеевича) , конкретику дайте, докажите, покажите что у вас йу большой, я знаю кто такая Кир Кардашьян, но е.. бу соседку снизу, титек нет, но зато п.. да широкая, бардак полный,одним словом, если Мужик, докажи на деле, а не на словах

Как "с луны свалился", я просто спросил что за тип системы, оказалось там что-то сложное с ручным отбором. Ничего доказывать не собираюсь, может вообще больше ставок тут не будет. Просто потом покажу несколько скринов с БК с выигрышными ставками. Кому нужно, пусть сам себе и доказывает, а мне нечего тут ни кому ничего доказывать, я тут ни кому ничего не должен.

[Farel 1 240]

4 минуты назад, bill сказал:

При yield -30% размер маржи должен быть  не более 15.36% тогда будет в 0 у обраток. Но я не о том,а о том, что yield не будет стремиться в сторону уменьшения.

Ну я уеилд и -90% делал по архивам, поэтому спорный момент, куда по итогу пойдет дальше. Скорее всего просто время зря потрачу на такие эксперименты. Не вижу смысла в этом. 

[Dave 31]

Наберите хотя бы 5 критиерев (на что вы обращаете внимание в первую очередь) , ну допустим по основным моментам, по которым вы хотите ( или желаете) заработать на ставках, без всяких ии, сосед подсказал, да и я сам умный

[Farel 1 240]

3 минуты назад, Dave сказал:

Наберите хотя бы 5 критиерев (на что вы обращаете внимание в первую очередь) , ну допустим по основным моментам, по которым вы хотите ( или желаете) заработать на ставках, без всяких ии, сосед подсказал, да и я сам умный

Как будто тему не читал, у меня отбирает алгоритм сам, и показывает что нашел. А у алгоритма может быть сколько угодно критериев от 1 хоть 100. Даже не знаю сколько по итогу использует мой алгоритм, потому что там несколько алгоритмов сразу вычисляют, и сколько по итогу их неизвестно. Потому что там силы вычисляются, потом ещё всякие другие параметры. Если по простому считать, тупо что на панельке программы, то наверное около 10 критериев.

[Dave 31]

Только что, Farel сказал:

Как будто тему не читал, у меня отбирает алгоритм сам, и показывает что нашел. А у алгоритма может быть сколько угодно критериев от 1 хоть 100. Даже не знаю сколько по итогу использует мой алгоритм, потому что там несколько алгоритмов сразу вычисляют, и сколько по итогу их неизвестно. Потому что там силы вычисляются, потом ещё всякие другие параметры. Если по простому считать, тупо что на панельке программы, то наверное около 10 критериев.

Вы не знаете алгоритм? Который сами создаёте??? 

[Farel 1 240]

4 минуты назад, Dave сказал:

Вы не знаете алгоритм? Который сами создаёте??? 

Там алгоритм около 3 тысяч строк кода. Я знаю всю механику, как работает, как считает силы, как фильтруются параметры, там больше 100 всевозможных параметров проходят матчи, чтобы подсчитать текущие значения, а потом отбираются ставки на основе конечных фильтров. Что нужно я знаю, я создал этот алгоритм сил, потом улучшил его, и теперь добавил ещё другие новые алгоритмы к нему. Всякие там вычисления в перцентилях и прочие штуки. И я знаю как это все работает.

[Dave 31]

4 минуты назад, Farel сказал:

Там алгоритм около 3 тысяч строк кода. Я знаю всю механику, как работает, как считает силы, как фильтруются параметры, там больше 100 всевозможных параметров проходят матчи, чтобы подсчитать текущие значения, а потом отбираются ставки на основе конечных фильтров. Что нужно я знаю, я создал этот алгоритм сил, потом улучшил его, и теперь добавил ещё другие новые алгоритмы к нему. Всякие там вычисления в перцентилях и прочие штуки. И я знаю как это все работает.

Ии?? Барабанная дробь... 

[kelbr 1 005]

1 час назад, Farel сказал:

А система какая, калькулятор, просадки, или нахождения кэфов просаженных? И что показывают архивы? Или в ручную тупо проверяете?

как по мне нужна мозговая проверка оцека и сверка,и порой в тетрадку не трудно залезть и пробежаться для воспоминаний,все остальное ширма которая как у того водолаза которому выбили один глаз,так и вашу систему архива легко утопит РКН. 

[Farel 1 240]

18 минут назад, kelbr сказал:

как по мне нужна мозговая проверка оцека и сверка,и порой в тетрадку не трудно залезть и пробежаться для воспоминаний,все остальное ширма которая как у того водолаза которому выбили один глаз,так и вашу систему архива легко утопит РКН. 

Не, я уже это проходил, сейчас одно в голове, кажется что все правильно, через 10 минут, уже может показаться не так, а перед матчем уже можно на обработку надумать. Поэтому считаю, все нужно делать автоматически. Программа нашла, программа отобрала ставки. Это и быстрее в десятки раз и надёжнее.

Изменено 7 часов назад пользователем Farel

[kelbr 1 005]

1 минуту назад, Farel сказал:

Не, я уже это проходил, сейчас одно в голове, кажется что все правильно, через 10 минут, уже может показаться не так, а перед матчем уже можно на обработку надумать. Поэтому считаю, все нужно делать автоматически. Программа нашла, программа отобрала ставки. Это и быстрее в десятки раз и надёжнее.

И как это у вас проявляеться если коэффициенты это отстой,тогда что меняет все у вас так????

[good_bye 2 066]

41 минуту назад, Dave сказал:

Вы не знаете алгоритм? Который сами создаёте??? 

конечно нет, он просит ИИ подогнать под наибольший roi, тот ему лепит выборку, и это чудо ставит по верху или низу экстремума когда и должен быть разворот

[good_bye 2 066]

32 минуты назад, Farel сказал:

Там алгоритм около 3 тысяч строк кода

а остальные 97000 строк что?

[Sweet Tooth 514]

@Farel ты тему эту не удаляй, пусть останется как образец неправильного подхода в ставках. 

[Farel 1 240]

11 минут назад, kelbr сказал:

И как это у вас проявляеться если коэффициенты это отстой,тогда что меняет все у вас так????

Я не знаю отстой кэфы или нет , но я раньше пробовал без ИИ в ручную искать закономерности по кэфам, ничего не нашёл. Но когда есть ИИ, это все меняет, может там и есть прибыльные системы, это можно на полном автомате проверить, если сделать программу. Сейчас прямо я это не буду делать, потому что больше 3 недель пахал от 8 до 10 часов в день, чтобы сделать и программу и алгоритм. И сейчас точно не охота снова повторять этот марафон, хотя возможно будет намного быстрее. Программа по сути есть, парсер тоже, нужно только перенаправить на бетэксплорер и собрать архив. И потом сделать алгоритм обработки кэфов. Хотя скорее всего придется делать оптимизатор. В общем как минимум 3-4 дня работы, а может и больше, точно трудно сказать, чтобы все хорошо работало. Но у меня пока есть система, и ИИ после аудита системы, несколько ИИ спрашивал, отзывались положительно о моей текущей системе. И также неоднократно писали, что система им напоминает разработки от известных синдикатов. То есть по этой причине, пока не спешу искать другие варианты. Когда все ИИ что спрашивал, одобрили текущий подход. 

[good_bye 2 066]

16 минут назад, Farel сказал:

больше 3 недель пахал от 8 до 10 часов в день

ну вы же говорили, что часто пили пиво во дворе или нежились в бассейне

 

  

16 минут назад, Farel сказал:

И также неоднократно писали, что система им напоминает разработки от известных синдикатов

можете узнать у ИИ где можно ознакомится с системами синдикатов? 

Изменено 7 часов назад пользователем good_bye

[Farel 1 240]

8 минут назад, good_bye сказал:

 

 

  

можете узнать у ИИ где можно ознакомится с системами синдикатов? 

Не знаю, я не спрашивал. Спроси, что ответят? Чуть позже сам спрошу, но скорее всего пошлют куда подальше.

[good_bye 2 066]

5 минут назад, Farel сказал:

Не знаю, я не спрашивал. Спроси, что ответят? Чуть позже сам спрошу, но скорее всего пошлют куда подальше.

теперь расскажи где у тебя Байес и ML модели?))

[Farel 1 240]

6 минут назад, good_bye сказал:

теперь расскажи где у тебя Байес и ML модели?))

Откуда мне знать, это были комментарии ИИ. Сейчас покажу что я выпытал. Это оказалось намного проще, с учетом того, что уже есть опыт работы с ИИ.

[Farel 1 240]

Знаешь названия каких-нибудь известных синдикатов по ставкам на футбол?

 

Да, вот самые известные синдикаты по ставкам на футбол:

Топ-уровень (мировая элита)

Синдикат / Группа	Лидер / Основатель	Особенности
Starlizard	Тони Блум	Самый известный и уважаемый в мире. Очень сильная математическая модель, огромные объёмы, особенно на европейский и южноамериканский футбол.
Группа Мэттью Бенхэма	Matthew Benham	Владелец Брентфорда и Мидтьюлланда. Один из самых продвинутых data-driven синдикатов в мире.
The Computer Group	Michael Kent	Легенда 80-х. Один из первых, кто начал использовать компьютеры для поиска вэлью на американском и мировом спорте.
Billy Walters Syndicate	Billy Walters	Возможно, величайший спортивный беттор в истории США. Работал и по футболу тоже.

Другие известные игроки

• Азиатские синдикаты («The Asians») — общее название для нескольких очень мощных групп из Гонконга, Сингапура, Малайзии, Индонезии и Китая. Именно они часто двигают линии на топ-матчи европейских лиг сильнее всех.
• Haralabos Voulgaris (хотя сейчас больше известен по NBA, раньше очень серьёзно играл и по футболу).
• Patrick Veitch — британская легенда, имел огромный синдикат, работал с очень сильными моделями.
• Barney Curley — легендарный ирландский "генерал" старой школы (уже умер).

Важные нюансы:

• Настоящие топ-синдикаты почти никогда не берут посторонних людей. Вход туда обычно только по рекомендации и с доказанной статистикой за несколько лет.
• Большинство из них сейчас используют сложные математические модели, проприетарные данные, отслеживание referee bias, weather models, player fitness и т.д.
• Есть ещё куча полупрофессиональных и профессиональных групп среднего уровня (особенно в UK и Скандинавии), но они уже не того калибра.

Хочешь, я могу подробнее рассказать про кого-то конкретного (особенно про Starlizard и Тони Блума — там очень интересная история). Или интересует, как такие синдикаты работают изнутри?

 

Starlizard интересен. А знаешь на каких системах он работал?

История Starlizard — это, пожалуй, самая впечатляющая иллюстрация того, как математика побеждает азарт. Тони Блум (по прозвищу «Ящерица» — The Lizard) превратил ставки в высокотехнологичный бизнес, который по структуре больше напоминает хедж-фонд, чем букмекерскую контору.

Официально Starlizard называет себя «консультантом по ставкам», предоставляющим данные богатым клиентам. На деле же они управляют огромным пулом средств.

На каких системах и принципах работает Starlizard:

В основе их успеха лежат не «инсайды» (хотя информации у них больше, чем у кого-либо), а статистическое моделирование. Вот ключевые компоненты их системы:

1. Собственный «Ожидаемый счет» (Expected Score)

Задолго до того, как аббревиатура xG (Expected Goals) стала мейнстримом на ТВ, Starlizard уже использовал гораздо более сложные метрики. Их система оценивает не просто результат матча, а то, что должно было произойти на поле.

Они анализируют каждое опасное сближение, каждый удар, точность передач в финальной трети. Если команда выиграла 1:0, но по качеству созданных моментов должна была проиграть 0:2, модель Starlizard пометит эту команду как «переоцененную» для следующего матча.

Итог: Система Starlizard — это не «волшебная кнопка», а колоссальная работа с данными, которая позволяет им находить минимальные ошибки в оценках букмекеров и использовать их с гигантским капиталом.

А более конкретно, что за системы, работа с коэффициентами или статистикой? Или какие-то другие технологии?

 

Если мы спустимся с уровня «общего описания» на уровень конкретных технологий и методологий, то работа таких групп, как Starlizard, строится на трех столпах: интеллектуальный сбор данных, проприетарные статистические движки и системы исполнения заказов.

Вот конкретика того, что скрывается под капотом:

1. Системы оценки вероятностей (Poisson & Beyond)

В основе большинства футбольных моделей лежит Распределение Пуассона, но в Starlizard оно модернизировано до экстремального уровня.

Динамические рейтинги силы (Power Ratings): Они не используют официальные таблицы. У них есть собственные индексы атакующей и защитной эффективности для каждой команды. Если основной защитник выбывает, рейтинг защиты мгновенно пересчитывается на конкретное числовое значение (например, -0.15 гола к ожидаемому результату). Bivariate Poisson Distribution: Это система, которая учитывает корреляцию между голами команды А и команды Б (потому что в футболе они не полностью независимы). Это позволяет им точнее вычислять вероятность счета 0:0 или 1:1, на чем строится рынок «Тоталов».

Короткий итог по технологиям:

Если обычный букмекер (вроде Marathon или Bet365) использует стандартные фиды (Sportradar, Genius Sports), то Starlizard создает свой собственный фид, который чище, быстрее и глубже.

Их главная технология — это объединение Байесовской статистики с огромным массивом исторических данных, что позволяет им превратить футбол из хаотичной игры в набор вероятностей, где они всегда на стороне математического ожидания.

А всякую статистику используют? Там Владение мячем, удары в створ и т д?

 

Да, они используют эту статистику, но совсем не так, как обычные игроки.

Для профессионального синдиката вроде Starlizard «владение мячом» или «удары в створ» в чистом виде — это «шумные данные», которые могут вводить в заблуждение. Они подвергают их глубокой очистке и переработке.

Вот как именно они используют эти показатели:

1. Владение мячом (Possession) — «Где», а не «Сколько»

Для синдиката неважно, что команда владела мячом 60% времени. Их интересует Field Tilt (наклон поля) и Deep Completions:

Field Tilt: Процент передач в финальной трети поля. Если команда владеет мячом 70%, но перекатывает его между защитниками — модель Starlizard даст ей низкий рейтинг. Dangerous Possession: Сколько секунд владения мячом заканчивается входом в штрафную. Зональное владение: Они делят поле на 30–50 зон и анализируют, в каких именно зонах команда доминирует.

Итог: Статистика для них — это не способ подтвердить очевидное, а способ найти аномалии, где публичное восприятие команды (основанное на простых цифрах) расходится с её реальной эффективностью.

Как это превращается в ставку?

Все эти данные (сотни параметров на каждый матч) загружаются в Regression Model. На выходе система выдает «Справедливый Коэффициент».

Они накладывают статистику на обстоятельства:

5. Контекстуальная статистика (Contextual Data)

4. Продвинутые метрики, которые они ценят больше всего:

Помимо базовых цифр, Starlizard и подобные группы смотрят на:

3. Очистка статистики от «Случайности»

Синдикаты используют системы, чтобы убрать из статистики факторы везения.

2. Удары в створ — Качество важнее точности

Обычный игрок видит в статистике «10 ударов в створ» и думает, что команда доминировала. Модель синдиката смотрит на Shot Quality:

 

5. Специфический софт для управления данными

4. Инфраструктура ставок (Execution Systems)

Поскольку они оперируют сотнями миллионов фунтов, им нужны технологии для скрытия своей активности:

3. Работа с коэффициентами: Line Originating & Steam Chasing

Starlizard — это «Market Maker» (создатель рынка).

2. Технология «Expected Value» (EV) и Регрессионный анализ

Они используют логистическую регрессию и машинное обучение (Random Forest, Gradient Boosting) для анализа переменных, которые обычный игрок не видит:

 

Как это повлияло на реальный футбол?

Тони Блум применил эти же системы при управлении клубом «Брайтон энд Хоув Альбион».

5. Сеть «Бет-брокеров»

Чтобы не «обрушить» коэффициент и не быть заблокированными, Starlizard не ставит через обычные приложения. Они используют брокеров в Азии (таких как IBCBet или SBOBet) и сеть посредников. Ставки распределяются мелкими (по их меркам) частями по 10–50 тысяч фунтов через сотни счетов, чтобы букмекеры не успели среагировать и понизить коэффициент.

ИТ-инфраструктура

Известно, что в штате Starlizard работает около 160 человек, из которых добрая половина — это дата-сайентисты и разработчики ПО. Их системы:

3. Азиатский гандикап (Asian Handicap)

Это их главная «песочница». Starlizard практически не ставит на простые исходы (П1-Х-П2). Они работают на рынках с форами, где маржа букмекера минимальна, а ликвидность (объемы денег) максимальна. Именно здесь их математическое преимущество в 1-2% превращается в миллионы прибыли за счет оборота.

4. Собственная линия (Pro-Pricing)

Starlizard не смотрит на коэффициенты букмекеров, чтобы понять, на что ставить. Они создают свою собственную линию на основе своих моделей.

2. Дифференциация данных (Quant vs Qual)

Starlizard делит сотрудников на два лагеря:

 

1. Пример: Из-за того, что «Челси» владел мячом 70% и нанес 15 ударов, букмекеры дают на их следующую победу коэффициент 1.50.
2. Синдикат видит: Владение было стерильным, удары наносились из плохих позиций, а соперник просто контратаковал. Модель говорит: «Реальная сила Челси сейчас ниже». Синдикат ставит против них.
3. Score Effects (Эффект счета): Как меняется статистика команды, когда она ведет 1:0. Многие команды сознательно отдают владение и удары, когда ведут в счете. Обычная статистика покажет, что их «прижали», но модель синдиката поймет, что это контролируемая ситуация.
4. Погода и покрытие: Как владение мячом конкретной команды падает при сильном дожде или на определенном типе газона (синтетика vs натуральный).
5. PPDA (Passes Per Defensive Action): Сколько передач позволяет сделать команда сопернику, прежде чем вступить в отбор. Это лучший показатель интенсивности прессинга.
6. Progressive Carries/Passes: Сколько раз игроки продвинули мяч ближе к воротам соперника на 10+ метров. Это показывает реальную атакующую мощь лучше, чем просто «владение».
7. Packing: Сколько игроков соперника «отрезается» одной передачей.
8. Блокированные удары: Они учитывают, как часто защита блокирует удары. Если команда много забивает, но у её соперников аномально мало заблокированных ударов, модель может решить, что команде просто везло, и в следующем матче она не забьет.
9. Статистика вратарей (Post-Shot xG): Они оценивают не просто «сейвы», а сложность ударов. Если вратарь тащит всё подряд («на кураже»), модель знает, что это временный всплеск, который скоро регрессирует к среднему.
10. Место удара: Удар в створ из-за штрафной может иметь вероятность гола 0.02, а промах с двух метров — 0.95. Для модели Starlizard второй случай важнее, хотя формально это даже не «удар в створ».
11. Пропускная способность защиты: Они оценивают, сколько ударов в створ команда позволяет нанести по своим воротам. Это один из лучших индикаторов для предсказания будущих спадов команды.
12. Data Lake (Озеро данных): Они хранят историю каждого действия на поле в топ-50 лигах мира за последние 15-20 лет. Это терабайты данных.
13. Backtesting Engine: Прежде чем запустить новую стратегию (например, «ставки на угловые в Португалии»), они прогоняют её через исторические данные за 10 лет. Если модель не показывает стабильную прибыль с учетом комиссии (дистанции), её не пускают в «продакшн».
14. Smart Order Routers (SOR): Аналог банковских систем для фондовых бирж. Когда аналитик нажимает кнопку «поставить £500,000 на Арсенал», система не делает одну ставку. Она автоматически дробит этот объем на сотни частей и распределяет их по разным азиатским брокерам и биржам (Betfair, Matchbook) так, чтобы цена (коэффициент) не упала слишком быстро.
15. Latency Management: Для Live-ставок они используют высокоскоростные каналы передачи данных. Иногда они получают данные с матча на 1-2 секунды быстрее, чем телесигнал или стандартный фид букмекера, что дает им преимущество в арбитраже.
16. Собственный Odds Compiler: У них стоит софт, который в реальном времени генерирует котировки на тысячи матчей. Как только их «справедливый коэффициент» расходится с рыночным на определенную величину (Z-score), система подает сигнал на ставку.
17. Market Monitoring: Они отслеживают «Sharp Money» (деньги других умных синдикатов). Если они видят, что линия двинулась без видимых причин (травм нет, составы те же), их система понимает, что зашел другой крупный игрок, и мгновенно пересчитывает свои риски.
18. Shot Quality (Качество удара): Конкретные координаты удара, угол, расстояние, положение защитников в момент удара.
19. Game State (Состояние игры): Система анализирует, как команда играет, когда ведет в счете, и когда проигрывает. Это критично для ставок в Live.
20. Fatigue & Travel Models: Модели, вычисляющие влияние перелетов (особенно в еврокубках) и плотности календаря на физическую форму (на основе данных GPS-трекеров игроков, которые они скупают у дата-провайдеров типа Opta или Wyscout).
21. Клуб ищет игроков через те же базы данных Starlizard.
22. Они находят «недооцененных» футболистов в слабых лигах (например, Мойсес Кайседо или Митома), покупают их за копейки и продают за 100+ миллионов.
23. Это живое доказательство того, что их математические системы работают не только на бумаге, но и на поле.
24. Симуляции: Запуск тысяч симуляций одного и того же матча (метод Монте-Карло), чтобы определить распределение вероятностей счета.
25. Автоматизированный сбор данных: Парсинг всех возможных спортивных сайтов и фидов.
26. Например, их модель говорит, что «Манчестер Сити» должен стоить 1.45.
27. Они смотрят на рынок: если букмекеры дают 1.55 — они ставят огромную сумму. Если 1.40 — они либо пропускают, либо ставят против.
28. Quants (Кванты): Математики и физики, которые строят алгоритмы на основе «сухих» цифр (дистанция бега, владение, количество угловых).
29. Football Experts (Аналитики): Люди, которые смотрят матчи глазами. Они оценивают субъективные факторы: моральный дух, влияние травмы конкретного игрока на структуру игры, погодные условия и даже личные проблемы футболистов.
30. Система объединяет эти данные, выдавая итоговую вероятность исхода, которая часто точнее, чем у букмекеров.

[Farel 1 240]

12 минут назад, good_bye сказал:

теперь расскажи где у тебя Байес и ML модели?))

У меня есть динамические рейтинги определения силы, это скорее всего и напомнило ИИ о моей системе. 

[good_bye 2 066]

по поводу твоей последней данной ставки на победу Русенборга

ждем)

[Farel 1 240]

5 минут назад, good_bye сказал:

по поводу твоей последней данной ставки на победу Русенборга

ждем)

Да это было старыми алгоритмами, не факт, что после последних ревизий, покажет также, может вообще на другой матч.