Feasibility of profitable betting on FIFA World Cup tournaments

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Gionis, Aristides
dc.contributor.author Toiviainen, Ville
dc.date.accessioned 2018-12-14T16:06:45Z
dc.date.available 2018-12-14T16:06:45Z
dc.date.issued 2018-12-10
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/35503
dc.description.abstract This thesis examines the feasibility of building a profitable betting system that bets on FIFA World Cups. Existing literature has researched the opportunity to bet on football games, but not in the context of FIFA World Cups. Most of the existing literature related to FIFA World Cups has examined how to predict the most probable winner or what the most probable course of the tournament might be. In this thesis, tournaments are predicted using tree-based models and a linear model. All of the models are trained using a dataset on historical matches and a player attribute dataset obtained from the EA Sport’s video game series FIFA. A more in-depth analysis of the engineered features is performed using different combinations of the features and with the recursive feature elimination process. Models’ output is used with two betting strategies. The first strategy uses Kelly’s criterion and the second strategy bets one unit for the most probable winner. Two of the models are profitable in all of the tested tournaments, and most of the models can be profitable at least in two out of the three tested tournaments. However, guaranteed profits cannot be stated with full confidence since the number of games in total is relatively small. Data limitations limit the possibility to test the model with more tournaments. Using video game data with historical matches increased the accuracy in probability predictions. Models predict the probability of a home win and an away win very similarly, but differ with the prediction of a draw. Models do not prefer a draw as the most probable outcome in almost all of the tested matches. en
dc.description.abstract Tämä diplomityö tutkii, onko mahdollista toteuttaa voittoa tekevä vedonlyöntijärjestelmä jalkapallon maailmanmestaruuskilpailuja varten. Mahdollisuutta tienata vedonlyönnillä jalkapallossa on aiemmin tutkittu. Tämä tutkimus ei ole kuitenkaan ulottunut koskemaan vedonlyöntiä jalkapallon maailmanmestaruuskisoissa. Jalkapallon maailman- mestaruuskisoja koskeva aikaisempi tutkimus on keskittynyt ennustamaan potentiaalista voittajaa tai simuloimaan, kuinka kisoissa todennäköisesti käy. Tässä diplomityössä jalkapallon maailmanmestaruuskisoja ennustetaan puupohjaisilla malleilla ja lineaarisella mallilla. Kaikki käytetyt mallit koulutetaan syötteellä, joka on generoitu kahdesta eri datalähteestä: historiallisista otteludatasta sekä videopelin “EA Sport’s video game series FIFA” pelaaja-attribuuttidatasta. Syötteen selittäjien merkittävyyttä tutkitaan tarkemmin hyödyntäen erilaisia selittäjäkombinaatioita sekä toteuttamalla rekursiivinen selittäjien eliminointiprosessi. Mallien tulostetta käytetään kahdessa vedonlyöntistrategiassa. Ensimmäinen strategia lyö vetoa voittajan puolesta ja toinen strategia hyödyntää Kellyn kriteeriä vedonlyöntikohteiden valinnassa. Kaksi mallia on voitollisia kaikissa kokeiluissa turnauksissa ja suurin osa malleista on voitollisia ainakin kahdessa kokeiluista turnauksista. Tuloksien luotettavuutta heikentää rajattu turnauksien määrä mitä testauksessa voidaan käyttää. Videopeleissä käytetyn datan hyödyntäminen ennustamisessa osoittautui hyödylliseksi. Kaikki mallit ennustavat koti- ja vierasjoukkueen voiton hyvin samankaltaisesti. Eniten eroavaisuuksia mallien välillä on tasapelin ennustamisessa. Mallit eivät pidä kovinkaan usein tasapeliä kaikista todennäköisempänä lopputuloksena. fi
dc.format.extent 46
dc.language.iso en en
dc.title Feasibility of profitable betting on FIFA World Cup tournaments en
dc.title Voittoatekevän vedonlyöntijärjestelmän toteuttaminen jalkapallon maailmanmestaruuskilpailuja varten fi
dc.type G2 Pro gradu, diplomityö fi
dc.contributor.school Perustieteiden korkeakoulu fi
dc.subject.keyword sport's betting en
dc.subject.keyword football modeling en
dc.subject.keyword random forest en
dc.subject.keyword Kelly's criterion en
dc.identifier.urn URN:NBN:fi:aalto-201812146519
dc.programme.major Machine Learning and Data Mining fi
dc.programme.mcode SCI3044 fi
dc.type.ontasot Master's thesis en
dc.type.ontasot Diplomityö fi
dc.contributor.supervisor Gionis, Aristides
dc.programme Master’s Programme in Computer, Communication and Information Sciences fi
local.aalto.electroniconly yes
local.aalto.openaccess no


Files in this item

Files Size Format View

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account