論文の概要: The Statistical Profitability of Social Media Sports Betting Influencers: Evidence from the Nigerian Market

• arxiv url: http://arxiv.org/abs/2604.08251v1
• Date: Thu, 09 Apr 2026 13:41:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.942267
• Title: The Statistical Profitability of Social Media Sports Betting Influencers: Evidence from the Nigerian Market
• Title（参考訳）: ソーシャル・メディア・スポーツ・ベッティング・インフルエンサーの統計的収益性--ナイジェリア市場からの証拠
• Authors: Kayode Makinde, Oluwatimileyin Onasanya, Frances Adelakun,
• Abstract要約: 本研究は、ナイジェリアの人気のあるスポーツベットインフルエンサーをソーシャルメディアにフォローすることが、経済的に健全な戦略であるかどうかを検討する。 われわれは、X(元Twitter)とTelegramの3つの有名なチップスから5,467個のプレマッチベッティングスリップを追跡した。 その結果、これらのインフルエンサーがオンラインに表示する富と実際の財務成果との間には、顕著なコントラストが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study examines whether following popular Nigerian sports betting influencers on social media is a financially sound strategy. To avoid the survivorship bias that occurs when influencers only share their winning bets, we tracked 5,467 pre-match betting slips from three prominent tipsters on X (formerly Twitter) and Telegram. We verified the outcomes against official Stake.com records, resulting in a final dataset covering approximately $4.8 million in tracked bets. We analyzed raw performance, assessed risk based on odds sizes, and applied four common staking strategies (Flat, Inverse, Square Root, and Fixed Return) to simulate realistic follower outcomes. The results show a sharp contrast between the wealth these influencers display online and the actual financial results. The influencers themselves collectively lost 25.24% on their promoted bets, while a follower who staked the same amount on every tip would lose 38.27% on their investment. Across all tested strategies, following these influencers consistently led to significant financial losses. These findings raise serious consumer protection concerns in Nigeria's expanding gambling market.
• Abstract（参考訳）: 本研究は、ナイジェリアの人気のあるスポーツベットインフルエンサーをソーシャルメディアにフォローすることが、経済的に健全な戦略であるかどうかを検討する。 X(元Twitter)とTelegramの3つの重要なチップから、5,467件のプレマッチベッティングスリップを追跡した。 我々は、公式のStake.comレコードに対する結果を確認し、その結果、追跡された賭けの約480万ドルをカバーする最終的なデータセットを得た。 提案手法は,生の成績を分析し,オッズサイズに基づくリスク評価を行い,現実的な追従結果をシミュレートするために4つの共通戦略(Flat, Inverse, Square Root, Fixed Return)を適用した。 その結果、これらのインフルエンサーがオンラインに表示する富と実際の財務成果との間には、顕著なコントラストが示された。 インフルエンサー自身は宣伝された賭けで25.24%を失い、すべてのチップに同じ金額を賭けたフォロワーは投資で38.27%を失った。 これらの影響力者に従い、全ての試験された戦略は、常に重大な財政的損失を招いた。 これらの発見はナイジェリアのギャンブル市場における消費者保護の深刻な懸念を引き起こしている。

関連論文リスト

• Buzz to Broadcast: Predicting Sports Viewership Using Social Media Engagement [0.0]
  本稿では,投稿数,コメント,スコア,およびTextBlobおよびVADERからの感情分析を含むソーシャルメディアの指標を用いて,スポーツ観戦の回帰に基づく予測手法を提案する。 このモデルは、$R2$ 0.99、Mean Absolute Error (MAE)は1.27万、Root Mean Squared Error (RMSE)は2.33万である。
  論文  参考訳（メタデータ） (2024-12-13T17:34:18Z)
• 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)
• Performative Prediction on Games and Mechanism Design [69.7933059664256]
  エージェントが過去の正確性に基づいて予測を信頼するかを判断する集団リスクジレンマについて検討する。 予測が集合的な結果を形成するにつれて、社会福祉は関心の指標として自然に現れる。 よりよいトレードオフを実現し、それらをメカニズム設計に使用する方法を示します。
  論文  参考訳（メタデータ） (2024-08-09T16:03:44Z)
• Bayes-xG: Player and Position Correction on Expected Goals (xG) using Bayesian Hierarchical Approach [55.2480439325792]
  本研究は, 期待目標(xG)測定値を用いて, 目標となるショットの予測における選手や位置要因の影響について検討した。 StatsBombの公開データを使って、イングランドのプレミアリーグから1万発のショットを分析している。 この研究は、スペインのラ・リガとドイツのブンデスリーガのデータに分析を拡張し、同等の結果を得た。
  論文  参考訳（メタデータ） (2023-11-22T21:54:02Z)
• InfluencerRank: Discovering Effective Influencers via Graph Convolutional Attentive Recurrent Neural Networks [15.461845673443804]
  本研究では,その投稿行動と時間的社会的関係に基づいて,インフルエンサーをその効果でランク付けするインフルエンサーランクを提案する。 Instagramのデータセットは18,397人のインフルエンサーで構成され、12ヶ月以内に2,952,075件の投稿が公開された。
  論文  参考訳（メタデータ） (2023-04-04T15:48:08Z)
• Company-as-Tribe: Company Financial Risk Assessment on Tribe-Style Graph with Hierarchical Graph Neural Networks [62.94317686301643]
  企業の金融リスクはユビキタスであり、上場企業に対する早期のリスク評価は、かなりの損失を避けることができる。 従来の手法は主に企業の財務諸表に重点を置いており、企業間の複雑な関係は欠如している。 比較学習を用いて部族の構造パターンを符号化する階層型グラフニューラルネット(TH-GNN)と、トライブ間の関係に基づいて情報を拡散する第2の階層型グラフニューラルネット(TH-GNN)を提案する。
  論文  参考訳（メタデータ） (2023-01-31T09:17:13Z)
• Evaluating Impact of Social Media Posts by Executives on Stock Prices [0.5429166905724048]
  TwitterやRedditのようなソーシャルメディアは、このような影響力のホットスポットになっている。 本稿は,Twitter と Reddit の投稿を用いた株価予測におけるソーシャルメディア投稿の影響について検討する。
  論文  参考訳（メタデータ） (2022-11-01T03:45:17Z)
• A Word is Worth A Thousand Dollars: Adversarial Attack on Tweets Fools Stock Prediction [100.9772316028191]
  本稿では,3つのストック予測犠牲者モデルを騙すために,様々な攻撃構成を試行する。 以上の結果から,提案手法が一貫した成功率を達成し,取引シミュレーションにおいて大きな損失をもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-01T05:12:22Z)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)

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。