Методология прогнозов v5.3

Rolgi Research · обновлено 8 сентября 2026 г. · цифры ниже — измеренные, не заявленные

Коротко. Точность прогнозов исхода — 47,9% за последние 30 дней (11 101 сверенных прогноза) при доле побед хозяев в базе 43,0%. Модель лучше наивного бейзлайна, но хуже рынка. Ниже — как устроен прогноз, где он силён и где систематически ошибается.

1. Формула ансамбля

Итоговый прогноз — взвешенное голосование семи компонентов. Каждый оценивает матч независимо по истории команд (окно 20 матчей, с учётом дома/выезда и силы лиги):

poisson 0.35 · valenzetti 0.25 · elo 0.30 · momentum 0.10 · h2h 0.10 · hmm 0.08 · glicko 0.10

Poisson (0.35) — модель счёта Диксона–Коулза: ожидаемые голы каждой команды с поправкой на средние показатели лиги, затуханием старых матчей (0.90) и раздельным учётом дома/выезда.
Valenzetti (0.25) — рейтинговая модель с шестью факторами силы, учитывающая уровень обыгранных соперников.
ELO (0.30) — классический рейтинг силы команд.
Momentum (0.10) — бонус за серию из трёх и более побед/поражений подряд.
H2H (0.10) — преимущество в личных встречах (учитывается при пяти и более матчах).
HMM (0.08) — скрытая марковская модель формы (4 состояния, отдельный Python-сервис).
Glicko (0.10) — внешний рейтинг из данных SStats.

Порог ничьей зависит от лиги: по умолчанию 0.40; Серия A и Лига 1 — 0.42, Ла Лига — 0.45, товарищеские матчи — 0.50, АПЛ — 0.36. Прогноз помечается уверенным при confidence ≥ 0.60.

2. Измеренная точность

Период	Прогнозов	Точность
Последние 30 дней	11 101	47,9%
Июнь 2026	1 297	43,6%
Июль 2026	5 997	46,2%
Август 2026	11 178	48,2%
Сентябрь 2026 (частично)	3 129	47,6%
Бейзлайн «всегда хозяева»	26 223	43,0%
Случайный выбор	—	33,3%

Месячная точность стабильна в диапазоне 43,6–48,2%: это уровень модели, а не временный всплеск. Разбивка по исходам: победы хозяев — 50,2%, победы гостей — 44,4%, ничьи — 27,4%.

3. Кривая калибровки: где модель себе врёт

Мы сопоставили заявленную уверенность модели с фактической точностью по 26 223 сверенным прогнозам:

Уверенность	n	Точность	Заявлено	Вывод
0.30–0.40	10 806	21,9%	21,0%	честно, но бесполезно
0.40–0.50	10 176	47,8%	44,2%	близко к правде
0.50–0.60	3 371	57,1%	53,9%	лучший срез
0.60–0.70	979	58,7%	64,1%	лёгкая переоценка
0.70+	885	54,2%	83,4%	системная переоценка

Главный вывод: при уверенности выше 0.70 модель заявляет в среднем 83,4%, а попадает в 54,2% — расхождение 0,29. Высокая уверенность модели не означает высокой вероятности исхода. Практически useful срез — 0.50–0.60: там 57,1% при честной калибровке.

4. Известные ограничения

Ничьи. Модель предсказывает ничью лишь в ~4% случаев (513 против 2 656 фактических за 30 дней) с точностью 27,4%. Ничьи — слепая зона ансамбля.
Рынок точнее. По нашим замерам букмекерская линия даёт ошибку Brier 0.306 против 0.316 у модели; фаворит рынка попадает в 52,3% случаев против 45,8% у модели.
Value-движок в работе. Сравнение прогноза с линией коэффициентов пока не даёт положительного матожидания (замеренный ROI −17,6%). Мы публикуем этот факт, а не прячем его.
Проверенные тупики. Мы измерили и не внедряем: дни отдыха между матчами, темп матча, мотивацию по таблице, усиление homeAdv выше 0.16, отсутствие бомбардира (эффект ×1.04 — шум).

5. Данные и воспроизводимость

База: 1 368 550 матчей по 1 228 лигам с 2015 года, 4,9 млн событий, xG-статистика, составы, коэффициенты. Источник сырых данных — SStats API. Точность считается nightly-джобой: каждый прогноз сверяется с фактическим счётом, при падении семидневной точности ниже 44% срабатывает алерт. Живые цифры — на странице истории прогнозов.

6. Частые вопросы

Какая точность прогнозов Rolgi?

За последние 30 дней — 47,9% по 11 101 сверенным прогнозам исходов (П1/Х/П2), при доле побед хозяев в базе 43,0%. Лучший срез уверенности — 0.50–0.60, где точность 57,1%. Живые цифры — на странице истории прогнозов.

Почему модель редко предсказывает ничью?

Ансамбль v5.3 предсказывает ничью лишь в ~4% случаев (513 против 2 656 фактических за 30 дней) с точностью 27,4%. Ничьи — известная слепая зона модели: структура весов и пороги настроены так, что победа одной из команд почти всегда получает больше очков.

Можно ли ставить по прогнозам Rolgi?

Материалы носят исследовательский характер и не являются советом по ставкам. Рынок букмекеров в среднем точнее модели (Brier 0.306 против 0.316), а value-движок пока не даёт положительного матожидания (замеренный ROI −17,6%). См. условия и раздел 18+ Методология О проекте.

Что такое кривая калибровки и зачем она нужна?

Кривая калибровки сопоставляет заявленную моделью уверенность с фактической точностью по 26 223 сверенным прогнозам. Она показывает, что при уверенности выше 0.70 модель систематически переоценивает себя (83,4% заявлено против 54,2% фактически). Поэтому практически полезный срез — 0.50–0.60, а не «чем выше уверенность, тем лучше».

Откуда берутся данные?

База Rolgi содержит 1 368 550 матчей по 1 228 лигам с 2015 года, 4,9 млн событий. Сырые данные предоставляются через SStats API.

Почему помесячная точность ниже 30-дневной?

30-дневная цифра 47,9% считается по дате матча за последний месяц (11 101 прогнозов), месячные — по календарным месяцам (43,6–48,2%). Оба значения корректны; диапазон 43,6–48,2% — стабильный уровень модели, а не тренд.