論文の概要: Sports Betting: an application of neural networks and modern portfolio theory to the English Premier League

• arxiv url: http://arxiv.org/abs/2307.13807v1
• Date: Tue, 11 Jul 2023 15:53:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-30 03:56:45.223181
• Title: Sports Betting: an application of neural networks and modern portfolio theory to the English Premier League
• Title（参考訳）: スポーツベッティング : ニューラルネットと現代ポートフォリオ理論のイングランド・プレミアリーグへの適用
• Authors: V\'elez Jim\'enez, Rom\'an Alberto, Lecuanda Ontiveros, Jos\'e Manuel, Edgar Possani
• Abstract要約: 本稿では,Von Neumann-Morgensternが期待する実用性理論,ディープラーニング技術,ケリー基準の高度な定式化を統合することで,スポーツギャンブルにおけるベッティング戦略を最適化するための新しいアプローチを提案する。 ニューラルネットワークモデルとポートフォリオ最適化を組み合わせることで、イングランド・プレミアリーグの20/21シーズン後半に最初の富に比べて135.8%の利益を得た。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper presents a novel approach for optimizing betting strategies in sports gambling by integrating Von Neumann-Morgenstern Expected Utility Theory, deep learning techniques, and advanced formulations of the Kelly Criterion. By combining neural network models with portfolio optimization, our method achieved remarkable profits of 135.8% relative to the initial wealth during the latter half of the 20/21 season of the English Premier League. We explore complete and restricted strategies, evaluating their performance, risk management, and diversification. A deep neural network model is developed to forecast match outcomes, addressing challenges such as limited variables. Our research provides valuable insights and practical applications in the field of sports betting and predictive modeling.
• Abstract（参考訳）: 本稿では,Von Neumann-Morgensternが期待するユーティリティ理論,ディープラーニング技術,ケリー基準の高度な定式化を統合することで,スポーツギャンブルにおけるベッティング戦略を最適化するための新しいアプローチを提案する。 ニューラルネットワークモデルとポートフォリオ最適化を組み合わせることで,イングランド・プレミアリーグ20/21シーズン後半の初期富に対して,135.8%の利益を得た。 完全かつ制限された戦略を探求し、パフォーマンス、リスク管理、多様化を評価します。 深層ニューラルネットワークモデルは、限られた変数のような課題に対処しながら、結果の一致を予測するために開発されている。 本研究はスポーツ賭けと予測モデリングの分野で有用な洞察と実践的応用を提供する。

関連論文リスト

• Mastering NIM and Impartial Games with Weak Neural Networks: An AlphaZero-inspired Multi-Frame Approach [0.0]
  本稿では,Bei Zhou氏の研究成果を検証し,解説する理論的枠組みを提供する。 我々は,AlphaZeroスタイルの強化学習アルゴリズムが,NIMにおける最適プレイの学習に苦慮していることを示す。
  論文  参考訳（メタデータ） (2024-11-10T09:34:26Z)
• A Systematic Review of Machine Learning in Sports Betting: Techniques, Challenges, and Future Directions [0.023301643766310366]
  機械学習(ML)はスポーツ賭け産業の変革において重要な役割を果たしてきた。 本稿では,サッカー,バスケットボール,テニス,クリケットなど,さまざまなスポーツに応用されるML技術について検討する。 これらの進歩にもかかわらず、データ品質、リアルタイム意思決定、そしてスポーツ結果の固有の予測不可能といった課題が残っている。
  論文  参考訳（メタデータ） (2024-10-28T19:49:53Z)
• Iterative Nash Policy Optimization: Aligning LLMs with General Preferences via No-Regret Learning [55.65738319966385]
  我々は、新しいオンラインアルゴリズム、反復的ナッシュポリシー最適化(INPO)を提案する。 従来の方法とは異なり、INPOは個々の応答に対する期待される勝利率を推定する必要性を回避している。 LLaMA-3-8BベースのSFTモデルで、INPOはAlpacaEval 2.0で42.6%、Arena-Hardで37.8%の勝利率を達成した。
  論文  参考訳（メタデータ） (2024-06-30T08:00:34Z)
• Lasso Ridge based XGBoost and Deep_LSTM Help Tennis Players Perform better [1.6016817180824583]
  プレイヤーの性能を評価し,運動量効果を定量化するために,スライディングウインドウを用いたスコアリングモデルを開発した。 本稿では、LSTM_Deepモデルを用いて、ゲーム変動を定量化するための勝利率アルゴリズムの導出法を提案する。 本研究は,運動量動態とゲームゆらぎに着目し,スポーツ分析や選手のトレーニング戦略に影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2024-05-11T15:02:08Z)
• Neural Active Learning Beyond Bandits [69.99592173038903]
  ストリームベースとプールベースの両方のアクティブラーニングをニューラルネットワーク近似を用いて検討する。 ストリームベースおよびプールベースアクティブラーニングのためのニューラルネットワークを新たに設計したエクスプロイトと探索に基づく2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-04-18T21:52:14Z)
• The Evolution of Football Betting- A Machine Learning Approach to Match Outcome Forecasting and Bookmaker Odds Estimation [0.0]
  本稿では,プロサッカーの歴史と賭け産業を探求し,その発展過程を生かし,収益性の高い数百万ポンド規模の企業へと辿り着く。 1960年にギャンブルの合法化が始まり、ハロルド・チャールズ・リープが開拓したサッカーデータ収集の進歩によって補完され、これらの分野間の共生関係は急速な成長と革新を促した。 本研究の目的は,MLアルゴリズムを用いてプレミアリーグフットボールの試合結果を予測することである。
  論文  参考訳（メタデータ） (2024-03-24T20:08:16Z)
• ShuttleSHAP: A Turn-Based Feature Attribution Approach for Analyzing Forecasting Models in Badminton [52.21869064818728]
  バドミントンにおけるプレイヤー戦術予測のための深層学習アプローチは、部分的にはラリープレイヤの相互作用に関する効果的な推論に起因する有望なパフォーマンスを示している。 本稿では,Shapley値の変量に基づいてバドミントンにおける予測モデルを解析するためのターンベース特徴属性手法であるShuttleSHAPを提案する。
  論文  参考訳（メタデータ） (2023-12-18T05:37:51Z)
• Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
  本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。 シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。 ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
  論文  参考訳（メタデータ） (2023-10-02T12:33:28Z)
• Predicting Football Match Outcomes with eXplainable Machine Learning and the Kelly Index [0.0]
  フットボールの試合の結果を予測するための機械学習アプローチが開発されている。 このデータセットは、2019-2021シーズンをカバーするプレミアリーグの試合データに由来する。 また、本書の確率をベンチマークすることで、その効果を評価するための投資戦略も考案した。
  論文  参考訳（メタデータ） (2022-11-28T19:32:58Z)
• Maximum entropy exploration in contextual bandits with neural networks and energy based models [63.872634680339644]
  モデルには2つのクラスがあり、1つはニューラルネットワークを報酬推定器とし、もう1つはエネルギーベースモデルを示す。 両手法は、エネルギーベースモデルが最も優れた性能を持つ、よく知られた標準アルゴリズムより優れていることを示す。 これは、静的および動的設定でよく機能する新しいテクニックを提供し、特に連続的なアクション空間を持つ非線形シナリオに適している。
  論文  参考訳（メタデータ） (2022-10-12T15:09:45Z)
• Portfolio Search and Optimization for General Strategy Game-Playing [58.896302717975445]
  ローリングホライズン進化アルゴリズムに基づく最適化とアクション選択のための新しいアルゴリズムを提案する。 エージェントのパラメータとポートフォリオセットの最適化について,N-tuple Bandit Evolutionary Algorithmを用いて検討する。 エージェントの性能分析により,提案手法はすべてのゲームモードによく一般化し,他のポートフォリオ手法よりも優れることが示された。
  論文  参考訳（メタデータ） (2021-04-21T09:28:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。