論文の概要: Forecast Sports Outcomes under Efficient Market Hypothesis: Theoretical and Experimental Analysis of Odds-Only and Generalised Linear Models

• arxiv url: http://arxiv.org/abs/2604.17194v1
• Date: Sun, 19 Apr 2026 01:50:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.383992
• Title: Forecast Sports Outcomes under Efficient Market Hypothesis: Theoretical and Experimental Analysis of Odds-Only and Generalised Linear Models
• Title（参考訳）: 効率的な市場仮説に基づく予測スポーツ結果:オッドオンリーおよび一般化線形モデルの理論的および実験的解析
• Authors: Kaito Goto, Naoya Takeishi, Takehisa Yairi,
• Abstract要約: 本稿では,既存の変換手法の限界を克服する2つの手法を提案する。 まず, モデルフィッティングに履歴データを用いることなく, 賭け確率を確率に変換するオッズのみの手法を提案する。 次に,履歴データをモデルフィッティングに利用し,賭け確率を確率に変換する一般化線形モデルを提案する。
• 参考スコア（独自算出の注目度）: 3.686108263907984
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Converting betting odds into accurate outcome probabilities is a fundamental challenge in order to use betting odds as a benchmark for sports forecasting and market efficiency analysis. In this study, we propose two methods to overcome the limitations of existing conversion methods. Firstly, we propose an odds-only method to convert betting odds to probabilities without using historical data for model fitting. While existing odds-only methods, such as Multiplicative, Shin, and Power exist, they do not adjust for biases or relationships we found in our betting odds dataset, which consists of 90014 football matches across five different bookmakers. To overcome these limitations, our proposed Odds-Only-Equal-Profitability-Confidence (OO-EPC) method aligns with the bookmakers' pricing objectives of having equal confidence in profitability for each outcome. We provide empirical evidence from our betting odds dataset that, for the majority of bookmakers, our proposed OO-EPC method outperforms the existing odds-only methods. Beyond controlled experiments, we applied the OO-EPC method under real-world uncertainty by using it for six iterations of an annual basketball outcome forecasting competition. Secondly, we propose a generalised linear model that utilises historical data for model fitting and then converts betting odds to probabilities. Existing generalised linear models attempt to capture relationships that the Efficient Market Hypothesis already captures. To overcome this shortcoming, our proposed Favourite-Longshot-Bias-Adjusted Generalised Linear Model (FL-GLM) fits just one parameter to capture the favourite-longshot bias, providing a more interpretable alternative. We provide empirical evidence from historical football matches where, for all bookmakers, our proposed FL-GLM outperforms the existing multinomial and logistic generalised linear models.
• Abstract（参考訳）: 賭け確率を正確な結果確率に変換することは、賭け確率をスポーツ予測と市場効率分析のベンチマークとして使うための根本的な課題である。 本研究では,既存の変換手法の限界を克服する2つの手法を提案する。 まず, モデルフィッティングに履歴データを用いることなく, 賭け確率を確率に変換するオッズのみの手法を提案する。 Multiplicative、Shin、Powerといった既存のオッズのみの手法は存在するが、賭けオッズデータセットのバイアスや関係は調整されない。 これらの制約を克服するため,本提案手法は,本書の価格設定目標と一致し,利益率に等しく信頼する。 提案手法は,本書作成者の大半にとって,既存の奇数のみの手法よりも優れているという実証的な証拠を提供する。 制御実験の他に,年次バスケットボール結果予測競技の6回に利用して,OO-EPC法を実世界の不確実性下で適用した。 次に,履歴データをモデルフィッティングに利用し,賭け確率を確率に変換する一般化線形モデルを提案する。 既存の一般化された線形モデルは、効率的市場仮説が既に捉えている関係を捉えようとする。 この欠点を克服するため、提案したFavourite-Longshot-Bias-Adjusted Generalized Linear Model (FL-GLM) は1つのパラメータに収まるだけで、より解釈可能な代替手段を提供する。 歴史的フットボールの試合における経験的証拠として,本提案のFL-GLMは,既存の多項・対数一般化線形モデルよりも優れていた。

関連論文リスト

• Sharp Convergence Rates for Masked Diffusion Models [53.117058231393834]
  制約を克服するオイラー法に対する全変分に基づく解析法を開発した。 その結果、スコア推定の仮定を緩和し、パラメータ依存性を改善し、収束保証を確立する。 全体としては,CTMC軌道に沿った直接テレビによる誤り分解と,FHSのためのデカップリングに基づく経路解析を導入している。
  論文  参考訳（メタデータ） (2026-02-26T00:47:51Z)
• Discrete Diffusion Models: Novel Analysis and New Sampler Guarantees [70.88473359544084]
  離散拡散モデルに対する新たな解析的アプローチを導入し,正規性仮定の必要性を排除した。 標準的な$tau$-leaping法では、語彙サイズとともに線形にスケールするKL発散の収束保証を確立する。 我々のアプローチはより広く適用可能であり、他の広く使われているサンプルに対して最初の収束保証を提供する。
  論文  参考訳（メタデータ） (2025-09-20T17:42:29Z)
• When three experiments are better than two: Avoiding intractable correlated aleatoric uncertainty by leveraging a novel bias--variance tradeoff [1.1609229408259252]
  実世界の実験シナリオは、ヘテロスケダティックなアレタリックな不確実性の存在によって特徴づけられる。 実験ラウンド間のバイアスを直接低減する新しいアクティブラーニング戦略を提案する。
  論文  参考訳（メタデータ） (2025-09-04T16:23:54Z)
• Generalized Linear Bandits: Almost Optimal Regret with One-Pass Update [70.38810219913593]
  非線形リンク関数を組み込んで古典線形モデルを拡張したコンテキスト型多武装バンディットフレームワークである一般化線形バンディット問題(GLB)について検討する。 GLBは現実世界のシナリオに広く適用できるが、その非線形性は計算効率と統計効率の両方を達成する上で大きな課題をもたらす。 本稿では,$mathcalO(1)$時間と1ラウンドあたりの空間複雑度をほぼ最適に再現するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-07-16T02:24:21Z)
• Reconciling Model Multiplicity for Downstream Decision Making [24.335927243672952]
  2つの予測モデルがほぼ至るところでそれぞれの予測にほぼ一致しているとしても、最も応答性の高い行動が人口のかなりの部分で相違していることが示される。 本稿では,下流決定問題と個別確率予測の両方に関して,予測モデルを校正する枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-30T03:36:46Z)
• Source-Free Unsupervised Domain Adaptation with Hypothesis Consolidation of Prediction Rationale [53.152460508207184]
  Source-Free Unsupervised Domain Adaptation (SFUDA)は、モデルがターゲットのドメインラベルやソースドメインデータにアクセスせずに新しいドメインに適応する必要がある、という課題である。 本稿では,各サンプルについて複数の予測仮説を考察し,各仮説の背景にある理論的根拠について考察する。 最適性能を達成するために,モデル事前適応,仮説統合,半教師付き学習という3段階の適応プロセスを提案する。
  論文  参考訳（メタデータ） (2024-02-02T05:53:22Z)
• Non-Exchangeable Conformal Risk Control [12.381447108228635]
  分割共形予測は、公式に保証された不確実性セットや間隔を提供する能力によって、最近大きな関心を集めている。 本研究では,データ交換不能時のモノトーン損失関数の期待値を制御できる非交換型共形リスク制御を提案する。 私たちのフレームワークはフレキシブルで、仮定はごくわずかで、所定のテスト例に対する関連性に基づいてデータを重み付けできます。
  論文  参考訳（メタデータ） (2023-10-02T15:00:19Z)

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。