論文の概要: Intransitive Player Dominance and Market Inefficiency in Tennis Forecasting: A Graph Neural Network Approach

• arxiv url: http://arxiv.org/abs/2510.20454v1
• Date: Thu, 23 Oct 2025 11:41:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:17.834479
• Title: Intransitive Player Dominance and Market Inefficiency in Tennis Forecasting: A Graph Neural Network Approach
• Title（参考訳）: テニス予測における非推移的プレイヤー優位性と市場非効率性:グラフニューラルネットワークによるアプローチ
• Authors: Lawrence Clegg, John Cartlidge,
• Abstract要約: テニスの試合における非推移的なプレーヤー優位性をモデル化するために,グラフニューラルネットワークアプローチを用いる。 これらのシナリオにおいて、我々のアプローチはリレーショナル・ダイナミクスを捉えるために一意に位置付けられている。 我々のモデルと高い非透過性マッチングに選択的に賭けると、3.26%のROIで大きな正のリターンが得られ、ケリーは1903年に賭けた。
• 参考スコア（独自算出の注目度）: 2.66418345185993
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intransitive player dominance, where player A beats B, B beats C, but C beats A, is common in competitive tennis. Yet, there are few known attempts to incorporate it within forecasting methods. We address this problem with a graph neural network approach that explicitly models these intransitive relationships through temporal directed graphs, with players as nodes and their historical match outcomes as directed edges. We find the bookmaker Pinnacle Sports poorly handles matches with high intransitive complexity and posit that our graph-based approach is uniquely positioned to capture relational dynamics in these scenarios. When selectively betting on higher intransitivity matchups with our model (65.7% accuracy, 0.215 Brier Score), we achieve significant positive returns of 3.26% ROI with Kelly staking over 1903 bets, suggesting a market inefficiency in handling intransitive matchups that our approach successfully exploits.
• Abstract（参考訳）: プレーヤーAがBを、BがCを、CがAを、という非推移的なプレーヤー支配は、競技テニスでは一般的である。 しかし、予測手法に組み込む試みは知られていない。 この問題に対処するグラフニューラルネットワークアプローチでは、時間的有向グラフを通じて、これらの非推移的関係を明示的にモデル化し、プレイヤーをノードとし、過去の一致結果を有向エッジとして表現する。 書籍メーカーのPinnacle Sportsは、高過渡的複雑性のマッチをうまく扱えず、グラフベースのアプローチは、これらのシナリオにおけるリレーショナルダイナミクスを捉えるために一意に位置付けられている、と仮定している。 我々のモデル(65.7%の精度、0.215のブライアスコア)と高い非透過性マッチアップに選択的に賭けると、ケリーが1903年の賭けに勝って3.26%のROIの有意な正のリターンが得られ、我々のアプローチがうまく活用する非透過性マッチアップに対する市場の非効率性が示唆された。

関連論文リスト

• Enhancing Predictive Accuracy in Tennis: Integrating Fuzzy Logic and CV-GRNN for Dynamic Match Outcome and Player Momentum Analysis [24.380112610220856]
  本稿では,マルチレベルファジィ評価モデルとCV-GRNNモデルを組み合わせたゲーム予測手法を提案する。 まず、主成分分析を用いて重要な統計指標を特定し、次にウィンブルドンデータに基づく2層ファジィモデルを開発する。 CV-GRNNモデルを統計的に有意な15指標を用いて改良し,精度は86.64%,MSEは49.21%向上した。
  論文  参考訳（メタデータ） (2025-03-25T15:53:49Z)
• Momentum Capture and Prediction System Based on Wimbledon Open2023 Tournament Data [4.733690536516437]
  本研究では,エントロピー重み法(EWM)とグレイ関係解析(GRA)を相乗化して,運動量の影響を定量化する評価モデルを提案する。 モデルが特定の要因が一致力学に与える影響を識別する能力は、両方向の距離が点の間を走るときに、その長所を示す。
  論文  参考訳（メタデータ） (2024-08-02T19:14:49Z)
• 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)
• A Minimaximalist Approach to Reinforcement Learning from Human Feedback [49.45285664482369]
  人間のフィードバックから強化学習を行うアルゴリズムとして,SPO(Self-Play Preference Optimization)を提案する。 我々のアプローチは、報酬モデルや不安定な敵の訓練を必要としないという点で最小主義である。 我々は,一連の継続的制御タスクにおいて,報酬モデルに基づくアプローチよりもはるかに効率的に学習できることを実証した。
  論文  参考訳（メタデータ） (2024-01-08T17:55:02Z)
• Learnable Graph Matching: A Practical Paradigm for Data Association [74.28753343714858]
  これらの問題に対処するための一般的な学習可能なグラフマッチング法を提案する。 提案手法は,複数のMOTデータセット上での最先端性能を実現する。 画像マッチングでは,一般的な屋内データセットであるScanNetで最先端の手法より優れている。
  論文  参考訳（メタデータ） (2023-03-27T17:39:00Z)
• A Graph-Based Method for Soccer Action Spotting Using Unsupervised Player Classification [75.93186954061943]
  アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。 本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。 プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
  論文  参考訳（メタデータ） (2022-11-22T15:23:53Z)
• GNNRank: Learning Global Rankings from Pairwise Comparisons via Directed Graph Neural Networks [68.61934077627085]
  本稿では,グラフ埋め込みを学習可能なGNNと互換性のあるモデリングフレームワークであるGNNRankを紹介する。 既存の手法と比較して,我々の手法が競争力があり,しばしば優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2022-02-01T04:19:50Z)
• Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
  本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。 提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。 すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
  論文  参考訳（メタデータ） (2021-09-01T08:24:02Z)
• A Graph Attention Based Approach for Trajectory Prediction in Multi-agent Sports Games [4.29972694729078]
  本研究では,複数の協調エージェントを持つチームの戦略を学習できる空間-時間軌道予測手法を提案する。 特に,グラフに基づく注意モデルを用いてエージェントの依存性を学習する。 2つの異なるスポーツゲームデータセットに対するアプローチの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2020-12-18T21:51:43Z)

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。