Begleitblogpost zur Podcastfolge #10: Analyse zum Heimvorteil in Coronazeiten

16/7/2021

In der 10. Jubiläumspodcastfolge spreche ich mit Sebastian unter anderem über den Heimvorteil, und wie dieser sich durch Corona verändert hat. Dazu haben wir mehrere tausend Spiele vor und während der Pandemie untersucht, in allen großen europäischen Wettbewerben - von Bundesliga bis Champions League.

Hier ein Screenshot aller im Spreadsheet generierten Tabellen:

Corona #1 und Corona #2 entsprechen in der Summe der Kategorie nach Corona. Corona #2 beinhaltet ausschließlich Spiele für das Jahr 2021, während sich Corona #1 auf die Zeit von Mai bis Dezember 2020 bezieht.

Als Datenquelle dienen die auf Football Reference veröffentlichten Statsbomb-Daten für alle Wettbewerbe und Saisons, für die xG verfügbar waren, was generell seit der Saison 2017/18 der Fall ist.

Du kannst den gesamten Spreadsheet mit allen Rohdaten auch hier herunterladen:

xg-corona-heimvorteil-analyse.ods
File Size:	247 kb
File Type:	ods

Datei herunterladen

10 Comments

Christopher

18/7/2021 00:08:56

Jetzt stehen wir vor der spanenden Frage, wie sich der Heimvorteil mit einer Teilbelegung entwickelt. Verbreiten 30% Angst und Schrecken für die Gastmannschaft? Wird der Heimvorteil vielleicht sogar noch größer, weil keine Gästefans mitreisen? Intuitiv würde ich den Heimvorteil 50% vor Corona gewichten.

Crimson Corporation

19/7/2021 10:38:23

Ist in der Tat eine spannende Frage. Ich vermute, dass ein wesentlicher Aspekt des Heimvorteils der Druck auf die Schiedsrichter ist, entsprechend denke ich schon, dass eine 30%ige Belegung bereits einen großen Teil des Drucks entfacht.

Aus meiner Wettsyndikatszeit kann ich noch berichten, dass die Größe des Gastkontingents tatsächlich etwas in deren Berechnungen einfließt, als Anpassung.

Christopher

19/7/2021 14:56:45

Vielen Dank für deine Rückmeldung!

Über den Schiedsrichterdruck hatte ich noch gar nicht nachgedacht.

Hattest du auch mal ausgerechnet (bzw. geht das überhaupt) wie hoch der Heimvorteil auf die reine Siegwahrscheinlichkeit ist? Meine Vermutung wäre 5% vor Corona, 2% in Corona und nun wohl ca.3 %.

Das lässt sich ja nicht wirklich von den XG Daten ausrechnen, oder?

Crimson Corporation

29/1/2022 14:34:50

Hi Christopher, zu deiner Frage vom Juli: Habe ich nicht direkt ausgerechnet. Das ließe sich natürlich machen, man muss ja nur die Sieghäufigkeit über viele Ligen hinweg vergleichen. Hole ich mal nach irgendwann und besprechen wir dann im Podcast.

Als Proxy kann man natürlich auch Cosing Lines oder die xG verwenden, bei letzterem könnte man das über die Poisson-Verteilung ableiten. Beides empfiehlt sich vor allem, wenn die Stichprobe nicht so sonderlich groß ist. Bei vielen tausend Spielen nimmt man dann lieber das, was tatsächlich passiert ist.

Für einen solchen Vergleich wäre es natürlich auch spannend zu sehen, wie die Proxies bei aussagekräftigen Stichproben im Verhältnis zu den real beobachteten Ergebnissen abschneiden.

Marc

20/7/2021 15:39:35

Servus Joachim,

Könntest du irgendwann eventuell in einem Blog oder bei einer anderen Gelegenheit näher auf die, im letzten Podcast von dir erwähnte, Regressionsanalyse bezüglich der xG-Daten eingehen?
Ich z.b. sammel die xG Daten der jeweiligen Teams in einer Excel-Datei und nehme die Durchschnitts Daten um damit zu arbeiten.
Du meintest das wäre nicht ausreichend genug, um etwas prognosefähiges in ein Wettmodell miteinfließen zu lassen.
Ein kleines Fallbeispiel wäre schon hilfreich.
Danke im Vorraus und auch danke für all den Input den du hier mit uns teilst.
Crimson-Corporation hat sehr viel Value ;)

Crimson Corporation

29/1/2022 14:38:28

Hallo Marc,

sorry dass ich jetzt erst antworte, ich arbeite mich gerade durch alle ausstehenden Fragen und mails.

Darauf werden wir in einem Podcast dann irgendwann eingehen, ich kann dir nur nicht exakt versprechen wann, aber es ist auf der Liste. Im blog kommt es dann zum Nachvollziehen auch zur Sprache.

Vorher muss ich das etwas vorbereiten, beispielsweise wird es erst einen Blogpost brauchen, der erklärt, wie eine Regressionsanalyse eigentlich funktioniert. Das werde ich als nächsten oder übernächsten Blogpost angehen.

Christopher

22/7/2021 10:39:21

Das Durchschnittliche gibt der Welt ihren Bestand. Das Außergewöhnliche ihren Wert.

Oscar Wilde

"Hey y'all, this is a quick video to run you through how to use the solver functionality in excel to fit nonlinear data. A lot of data that you see in your future career as a scientist, will not be linear, so you can't use the traditional data fitting modes of excel to get useful information. Instead you have to develop an algorithm to fit that nonlinear data that's meaningful for your experimental system."

Ist das die plausible Erklärung dafür, warum man einen xG Algorithmus gewichten muss, weil ein gewöhnlicher Durchschnittsalgorithmus eine bestimmte Schwachstelle besitzt, die man mit Durschnittswerten einfach nicht beheben kann?

Crimson Corporation

29/1/2022 14:40:51

Nun, für Gewichtungen gibt es viele Gründe, das ist noch mal ein ganz eigenes, sehr komplexes Thema.

In jedem Fall werde ich auf die Solver-Funktion in Excel (und Libre Calc) noch zu sprechen kommen, dieses Jahr.

Robert

26/9/2021 02:28:04

Hallo ihr beiden,
ich hab grad eure neueste Podcastfolge gehört, da es dafür hier noch keinen Begleitpost gibt - oder ich ihn nicht gefunden hab - frag ich mal hier. Wie geht ihr mit dem Value um?
Mein Wettmodell spuckt, wenn alles gutläuft, Values zwischen 0,5 und 30 Prozent aus. Wie handhabt ihr das? Wettet ihr jeden Value oder erst ab einem gewissen "Mindest"-Value?

Viele Grüße und weiter so
Robert

Crimson Corporation

29/1/2022 14:29:53

Hi Robert, zu deiner Frage vom September: Wir wetten erst ab einem bestimmten Value, idealerweise mehr als 4% um einen gewissen Sicherheitspuffer zu haben. Kein Modell ist perfekt, entsprechend darf man die Projektionen nicht zu 100% für bare Münzen nehmen.

Wenn der Value für unseren Geschmack zu hoch wird, prüfen wir genauer (außer in MMA). Denn es kann schon sein, dass der Markt etwas völlig falsch einschätzt, aber es ist wahrscheinlicher, dass dann das Modell etwas falsch sieht.

Richtig Wetten.

Begleitblogpost zur Podcastfolge #10: Analyse zum Heimvorteil in Coronazeiten

Leave a Reply.

Autor