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
- 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) - Accurate Neural Network Pruning Requires Rethinking Sparse Optimization [87.90654868505518]
標準コンピュータビジョンと自然言語処理の疎度ベンチマークを用いたモデルトレーニングにおいて,高い疎度が与える影響について述べる。
本稿では,視覚モデルのスパース事前学習と言語モデルのスパース微調整の両面において,この問題を軽減するための新しいアプローチを提案する。
論文 参考訳(メタデータ) (2023-08-03T21:49:14Z) - Stochastic Delay Differential Games: Financial Modeling and Machine
Learning Algorithms [3.222802562733787]
深層学習による遅延差分ゲームの閉ループナッシュ平衡を求める数値手法を提案する。
これらのゲームは、マルチエージェント相互作用と遅延効果がモデルでしばしば望まれる特徴である金融と経済学で広く使われている。
論文 参考訳(メタデータ) (2023-07-12T21:02:45Z) - 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) - Markov Cricket: Using Forward and Inverse Reinforcement Learning to
Model, Predict And Optimize Batting Performance in One-Day International
Cricket [0.8122270502556374]
我々は1日の国際クリケットゲームをマルコフプロセスとしてモデル化し、前向きおよび逆強化学習(RL)を適用してゲームのための3つの新しいツールを開発する。
本手法は,残余スコアリング資源のプロキシとして使用する場合,最先端のDuckworth-Lewis-Stern法を3倍から10倍に向上させることを示す。
予測とシミュレーションのテクニックは中断されたゲームの最終スコアを推定するためのより公平な代替手段となり得るが、推定された報酬モデルはプロのゲームがプレイ戦略を最適化するための有用な洞察を提供するかもしれない。
論文 参考訳(メタデータ) (2021-03-07T13:11:16Z)
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。