[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"blog-article-mlb-betting-model-ru":3,"mdc-avd0oq-key":78},{"id":4,"slug":5,"status":6,"section":7,"category":8,"author":9,"publish_date":10,"read_time":11,"image":12,"embedded_components":13,"related_calculators":13,"related_articles":14,"title":15,"description":16,"keywords":17,"content":26,"faq":27,"availableLocales":73},"1823f40a-72e6-4607-b06a-87cf8c049312","mlb-betting-model","published","betting","strategies","Evgeniy Volkov","2026-03-01",22,"\u002Fimages\u002Fblog\u002Fmlb-betting-model.webp","[]",[],"Модель ставок MLB: Создайте собственную систему (2026)","Создайте свою модель ставок MLB с Python кодом и калькулятором EV. Полное руководство для начинающих. Попробуйте бесплатный калькулятор",[18,19,20,21,22,23,24,25],"модель ставок mlb","модель ставок на бейсбол","модель прогноза mlb","создание модели спортивных ставок","ожидаемая ценность mlb","аналитика бейсбола для ставок","коэффициенты парков mlb","критерий келли бейсбол","# MLB Модель для ставок: построй свою систему с нуля (2026)\n\nПредставь себе: вторник, утро — полный слейт MLB выходит через 3 часа, и нужно оценить 14 игр. Интуиция подсказывает, что \"Додджерс\" — это надёжный вариант. Твой друган клянётся, что \"Уайт Сокс\" \"должны отыграться\". А тем временем профессионалы двигают коэффициент, о котором никто не говорит.\n\nВот в чём разница между тобой и профессионалами: **у них есть модель**. Не хрустальный шар — это систематический процесс, который конвертирует данные в вероятности, сравнивает эти вероятности с коэффициентами на рынке и точно показывает, какие ставки имеют положительное матожидание. Это тот же аналитический подход, который [профессионалы в прогнозировании спорта используют](\u002Fblog\u002Fwhat-is-a-handicapper-in-sports-betting), но в автоматизированном виде.\n\nХорошая новость? На 2026 год все данные, которые тебе нужны для построения MLB модели для ставок, доступны **бесплатно**. FanGraphs, Baseball Savant и Statcast предоставляют те же сырые числа, которые используют профессиональные синдикаты. Различие между победителями и остальными — в том, как они преобразуют эти числа в признаки моделей, обучают модели, которые на самом деле предсказывают результаты, и управляют банкроллом дисциплинированно.\n\nЭто руководство проведёт тебя через весь процесс — от первой таблицы до полнофункциональной Python-модели ансамбля. Совершенно ли ты новичок или data scientist, ищущий идеи по инженерингу признаков для MLB — для каждого найдется подходящий уровень. Давай построим что-то, что действительно работает.\n\n## Кратко — справка по MLB модели для ставок\n\n### Уровни модели в сравнении\n\n| Уровень | Инструменты | Время на разработку | Ожидаемое преимущество | Для кого |\n|---------|-------------|:-------------------:|:--------------------:|----------|\n| Новичок | Таблица + FanGraphs | 1-2 недели | 1-3% | Изучение основ |\n| Продвинутый | Python + регрессия | 3-4 недели | 3-5% | Стабильные небольшие преимущества |\n| Эксперт | XGBoost + ансамбли | 6-8 недель | 5-8% | Максимизация ROI |\n\n### Для кого этот гайд\n\nЭто руководство для тех, кто хочет перейти от интуитивных прогнозов к **система ставок на MLB на основе данных**. Тебе не нужна степень в статистике — если ты можешь работать с таблицей, ты можешь начать с уровня 1. Если ты знаешь базовый Python, переходи сразу на продвинутый раздел.\n\n## Что такое MLB модель для ставок (и зачем её строить)?\n\n### Модель vs интуиция — ключевое отличие\n\nМодель для ставок — это **машина вероятностей**. Ты загружаешь в неё данные (статистика питчеров, факторы парков, использование буллпена), и она выдаёт вероятность для каждого возможного результата. Эта вероятность потом сравнивается с коэффициентами на рынке, чтобы найти ставки с положительным матожиданием.\n\nРазница важна: когда ты \"чувствуешь\", что \"Додджерс\" выиграют, ты не знаешь, справедлив ли коэффициент -180. Когда твоя модель говорит, что у \"Додджерс\" 63% шансов на победу, ты можешь рассчитать, что -180 подразумевает только 64,3% — то есть рынок справедливо оценен и ставить нечего.\n\n### Что действительно делает хорошая модель\n\nХорошая MLB модель для ставок делает три вещи:\n\n1. **Предсказывает вероятность победы** точнее, чем рынок (даже на 2-3%)\n2. **Определяет +EV ставки**, где твоя вероятность превышает предполагаемые коэффициентом шансы\n3. **Правильно размеризует ставки** используя [критерий Келли](\u002Fbetting\u002Fkelly-calculator) или его вариант\n\nОна НЕ предсказывает победителей с уверенностью. Модель с 55% — это экстремально прибыльно при правильных коэффициентах. Цель — не точность, а **калибровка** и **определение преимущества**. Если хочешь узнать, [как профессионалы составляют коэффициенты](\u002Fblog\u002Fwho-sets-the-odds-for-sports-betting) и оценивают игры MLB, посмотри наш гайд по процессу определения коэффициентов.\n\n## Выбери свой уровень — новичок, продвинутый или эксперт\n\n### Новичок: таблица + ключевые показатели\n\nНачни здесь, если ты никогда не строил модель. Отслеживай 4-5 ключевых показателей в таблице (xFIP питчера, wOBA команды, рабочая нагрузка буллпена, фактор парка) и присвой простые веса. Ты не выиграешь постоянно у Вегаса, но научишься процессу и перестанешь делать чисто эмоциональные ставки.\n\n**Время:** 1-2 недели | **Инструменты:** Google Sheets или Excel | **Данные:** FanGraphs\n\nЕсли ты совсем новичок в спортивной аналитике, начни с нашего [гайда по стратегии ставок на аутсайдеров MLB](\u002Fblog\u002Fmlb-underdog-betting-strategy), чтобы увидеть, как выглядит система на основе данных, прежде чем строить свою.\n\n### Продвинутый: Python + регрессия\n\nУровень вверх с библиотеками pandas и scikit-learn в Python. Строй модели логистической регрессии, рассчитывай правильную значимость признаков и проверяй на исторических коэффициентах. Это уровень, на котором работают большинство прибыльных любительских ставочников.\n\n**Время:** 3-4 недели | **Инструменты:** Python, Jupyter Notebooks | **Данные:** FanGraphs + Statcast\n\n### Эксперт: XGBoost + методы ансамбля\n\nКомбинируй несколько типов моделей (линейная регрессия, логистическая регрессия, XGBoost) в ансамбль, который надёжнее, чем любая отдельная модель. Добавь продвинутые признаки: данные на уровне подач, тенденции страйк-зоны арбитра и корректировки состава в реальном времени.\n\n**Время:** 6-8 недель | **Инструменты:** Python, XGBoost, LightGBM | **Данные:** Statcast + API погоды\n\nЭтот же фреймворк подходит для других видов спорта. Посмотри наше [разложение системы ставок на NBA](\u002Fblog\u002Fnba-betting-system) и [гайд по стратегии ставок на NFL](\u002Fblog\u002Fnfl-betting-strategy-guide), если строишь кроссспортивные модели. Для мозгового штурма по признакам и очистки данных многие разработчики теперь используют [подсказки для ChatGPT по ставкам на спорт](\u002Fblog\u002Fhow-to-use-chatgpt-for-sports-betting), чтобы ускорить начальные этапы разработки модели. Для более простого формата ставок на футбол наше [разложение вероятностей футбольных боксов](\u002Fblog\u002Ffootball-squares-rules) показывает, как схемы подсчётов создают распределения коэффициентов, которые можно использовать.\n## Этап 1: Сбор данных — откуда брать статистику MLB\n\n### FanGraphs — командная и персональная статистика (xFIP, wOBA, K-BB%)\n\n[FanGraphs](https:\u002F\u002Fwww.fangraphs.com) — это основа. Загрузи командную и персональную статистику питчеров за последние 3–5 сезонов. Ключевые метрики:\n\n- **xFIP** (Expected Fielding Independent Pitching): лучше предсказывает будущую эффективность питчера, чем ERA\n- **wOBA** (Weighted On-Base Average): показывает общую ценность атаки в одной шкале\n- **K-BB%** (Strikeout minus Walk Rate): главный показатель качества питчера\n- **BABIP** (Batting Average on Balls in Play): выявляет кандидатов на регрессию удачи\n\n### Statcast (Baseball Savant) — данные на уровне каждого питча\n\n[Baseball Savant](https:\u002F\u002Fbaseballsavant.mlb.com) предоставляет данные Statcast — exit velocity, launch angle, spin rate и ожидаемые показатели (xBA, xSLG, xwOBA). Эти «ожидаемые» статистики исключают влияние защиты и везения, давая более ясную картину истинного мастерства игроков.\n\n### Park Factors — почему место игры имеет значение\n\nPark factors — это **самая недооценённая переменная** в ставках на MLB. Coors Field увеличивает набранные раны на 38%. Dodger Stadium снижает на 12%. Если твоя модель не учитывает место игры, ты упускаешь преимущество.\n\nПрокрутите вниз, чтобы увидеть наш полный [чарт park factors всех 30 стадионов](#mlb-park-factors-every-stadium-ranked-2024-2025) с визуальным рейтингом.\n\n### Данные об арбитрах и погоде\n\nТенденции зоны страйка у арбитра влияют на процент страйкаутов и уолков. Арбитр с узкой зоной может добавить 0,5 раны к общему числу раньше игры. Погода — особенно скорость и направление ветра на Wrigley Field — напрямую влияет на тоталы больше\u002Fменьше.\n\n#### Таблица бесплатных и платных источников данных\n\n| Источник | Стоимость | Тип данных | Лучше всего для |\n|---------|:--------:|-----------|----------|\n| FanGraphs | Бесплатно | Командная\u002Fперсональная статистика | Базовые метрики |\n| Baseball Savant | Бесплатно | Statcast, данные на уровне питча | Ожидаемые показатели, spin rates |\n| Retrosheet | Бесплатно | Исторические play-by-play | Backtesting моделей |\n| Weather API | Бесплатный уровень | Ветер, температура, влажность | Корректировка тоталов игры |\n| Odds API | Бесплатный уровень | Исторические\u002Fживые коэффициенты | Backtesting, CLV tracking |\n| Sports Reference | Бесплатно | Исторические турниры | Анализ сезона |\n\nИспользуй [Odds Converter](\u002Fbetting\u002Fodds-converter) для переключения между американским, децимальным и дробным форматами при работе с разными источниками данных.\n\n## Этап 2: Feature Engineering — превращаем данные в предсказания\n\n### Прогностическая и описательная статистика\n\nЗдесь допускают ошибку большинство новичков. Они используют **описательную статистику** (средний процент попаданий, W-L рекорд питчера, RBIs), которая говорит, что произошло, вместо **прогностической статистики**, которая предсказывает, что будет.\n\n| Прогностическая (используй эти) | Описательная (избегай эти) |\n|------------------------|--------------------------|\n| xFIP, SIERA | ERA, W-L рекорд |\n| wOBA, xwOBA | Средний процент попаданий |\n| K-BB% | Только страйкауты |\n| Barrel Rate, Hard Hit% | Всего хитов |\n| Base Running (BsR) | Украденные базы |\n| Park-adjusted метрики | Сырая статистика |\n\n### Индекс усталости bullpen (-0.6 MPH per B2B = -0.25 Runs)\n\nИсследования из разных источников показывают, что реливеры теряют примерно **0,6 MPH** на своём фастболе за каждое подряд идущее выступление. Эта потеря скорости переводится примерно в **-0,25 раны за игру** по ожидаемому запрету раньше.\n\nПострой индекс усталости bullpen:\n- Отслеживай выступления каждого реливера в последние 3 дня\n- Взвешивай недавние выступления более тяжело (вчера > 2 дня назад)\n- Отмечай bullpen с 3+ реливерами, использованными в подряд идущих играх\n\nЭто одно из самых эксплуатируемых преимуществ в MLB, потому что рынок медленно реагирует на перегрузку bullpen, особенно в первой половине дней с двойниками.\n\n### Platoon splits и конструкция лайнапа\n\nЛевши, играющие против левшей-питчеров (LvL), показывают значительно хуже результаты, чем RvL. Твоя модель должна включать:\n\n- Рукость стартового питчера\n- Состав лайнапа (процент батеров с одной стороны)\n- Исторические platoon splits для ключевых батеров\n- Склонности менеджера к конструкции лайнапа\n\n### Rolling метрики стартового питчера\n\nНе используй статистику за весь сезон для питчера, который мучается последние 3 недели. Построй **rolling окна**:\n\n- **Last 3 starts**: Захватывает свежую форму\n- **Last 10 starts**: Более стабильная выборка\n- **Season-to-date**: Базовый уровень\n\nВзвешивай rolling окна: 40% last-3, 35% last-10, 25% season. Это лучше ловит как горячие серии, так и регрессию, чем сырые сезонные средние.\n\n#### Рейтинг важности фичей\n\nНа основе backtesting данных 2019–2025 гг., вот что имеет наибольшее значение:\n\n| Место | Фича | Важность | Категория |\n|:----:|---------|:----------------:|----------|\n| 1 | Starting Pitcher xFIP (rolling 10) | 0.18 | Питчинг |\n| 2 | Team wOBA (last 14 days) | 0.14 | Атака |\n| 3 | Park Factor | 0.12 | Стадион |\n| 4 | Bullpen Fatigue Index | 0.10 | Питчинг |\n| 5 | K-BB% (стартер) | 0.09 | Питчинг |\n| 6 | Platoon Matchup Score | 0.07 | Лайнап |\n| 7 | Home\u002FAway Split | 0.06 | Ситуация |\n| 8 | Temperature + Wind | 0.05 | Погода |\n| 9 | Umpire Zone Rating | 0.04 | Арбитр |\n| 10 | Rest Days (team) | 0.03 | Усталость |\n## Фаза 3: Типы моделей на Python (2026)\n\n### Линейная регрессия (Начало пути)\n\nЛинейная регрессия предсказывает **суммарное количество ранов** напрямую. Это самая простая модель, но удивительно эффективная для прогнозирования тоталов игр.\n\n```python\nfrom sklearn.linear_model import LinearRegression\nimport pandas as pd\n\n# Загрузи матрицу признаков\nfeatures = ['sp_xfip', 'team_woba', 'park_factor',\n            'bullpen_fatigue', 'k_bb_pct', 'platoon_score']\n\nX_train = train_data[features]\ny_train = train_data['total_runs']\n\nmodel = LinearRegression()\nmodel.fit(X_train, y_train)\n\n# Прогноз для сегодняшних игр\ntoday_pred = model.predict(today_data[features])\n```\n\n### Логистическая регрессия (Классификация)\n\nДля ставок на монейлайн тебе нужна **вероятность победы**, а не количество ранов. Логистическая регрессия выдаёт вероятности сразу.\n\n```python\nfrom sklearn.linear_model import LogisticRegression\n\nX_train = train_data[features]\ny_train = train_data['home_win']  # 1 или 0\n\nmodel = LogisticRegression(max_iter=1000)\nmodel.fit(X_train, y_train)\n\n# Получи вероятности побед\nprobs = model.predict_proba(today_data[features])\nhome_win_prob = probs[:, 1]  # вероятность побед домашней команды\n```\n\n### XGBoost (Gradient Boosting)\n\nXGBoost захватывает нелинейные связи, которые регрессия упускает. Это рабочая лошадка профессиональных MLB-моделей.\n\n```python\nimport xgboost as xgb\n\nparams = {\n    'objective': 'binary:logistic',\n    'max_depth': 5,\n    'learning_rate': 0.05,\n    'subsample': 0.8,\n    'colsample_bytree': 0.8,\n    'eval_metric': 'logloss'\n}\n\ndtrain = xgb.DMatrix(X_train, label=y_train)\nmodel = xgb.train(params, dtrain, num_boost_round=300)\n\n# Прогноз\ndtest = xgb.DMatrix(today_data[features])\nprobs = model.predict(dtest)\n```\n\n### Ансамблевая модель (Комбинация всех трёх)\n\nНи одна модель не лучше всегда. Ансамбль усредняет прогнозы нескольких моделей, снижая переобучение и улучшая калибровку.\n\n#### Код на Python: Полный конвейер ансамбля\n\n```python\nimport numpy as np\nfrom sklearn.linear_model import LogisticRegression\nfrom sklearn.calibration import CalibratedClassifierCV\nimport xgboost as xgb\n\n# Обучи отдельные модели\nlr_model = LogisticRegression(max_iter=1000)\nlr_model.fit(X_train, y_train)\nlr_probs = lr_model.predict_proba(X_test)[:, 1]\n\nxgb_model = xgb.XGBClassifier(\n    max_depth=5, learning_rate=0.05,\n    n_estimators=300, subsample=0.8\n)\nxgb_model.fit(X_train, y_train)\nxgb_probs = xgb_model.predict_proba(X_test)[:, 1]\n\n# Взвешенный ансамбль (подгони веса на валидационном наборе)\nensemble_probs = 0.4 * lr_probs + 0.6 * xgb_probs\n\n# Сравни с вероятностью, подразумеваемой рынком\nfor i, game in enumerate(today_games):\n    model_prob = ensemble_probs[i]\n    implied_prob = game['implied_probability']\n    edge = model_prob - implied_prob\n\n    if edge > 0.03:  # минимальный порог преимущества 3%\n        kelly = (model_prob * (game['decimal_odds'] - 1)\n                 - (1 - model_prob)) \u002F (game['decimal_odds'] - 1)\n        bet_size = bankroll * kelly * 0.25  # четверть-Келли\n        print(f\"{game['teams']}: Преимущество {edge:.1%}, \"\n              f\"Ставка ${bet_size:.0f}\")\n```\n\n## Фаза 4: Бэктестирование и валидация\n\n### Стратегия разделения на обучение\u002Fтест (2019-2022 обучение \u002F 2023 валидация \u002F 2024-2025 тест)\n\nНикогда не проверяй модель на тех же данных, которыми её обучал. Используй строгое временное разделение:\n\n- **Обучающий набор (2019-2022):** ~9700 игр. Твоя модель учится на этих данных\n- **Валидационный набор (2023):** ~2430 игр. Подгонь гиперпараметры и выбор признаков\n- **Тестовый набор (2024-2025):** ~4860 игр. Финальная оценка реального качества на нетронутых данных\n\nЕсли модель хорошо работает на обучающих данных, но плохо на тесте — у тебя переобучение. Вернись и упрости.\n\n### Ключевые метрики — Log Loss, Brier Score, калибровка\n\nТочность побед\u002Fпоражений обманчива. Модель, которая говорит «52% на каждой игре», имеет 52% точность, но нулевое преимущество. Используй правильные метрики:\n\n- **Log Loss:** Штрафует уверенные неправильные предсказания. Ниже = лучше. Целевое значение \u003C 0.68\n- **Brier Score:** Среднеквадратическая ошибка вероятностей. Целевое значение \u003C 0.24\n- **Калибровка:** Когда модель говорит 60%, команда должна побеждать ~60% времени\n\nПроверь калибровку, построив график предсказанной вероятности против реального процента побед по интервалам (50-55%, 55-60%, 60-65% и т.д.). Хорошо калиброванная модель следует диагональной линии.\n\n### Избегай переобучения — ошибка №1 у новичков\n\nПризнаки переобучения:\n- Точность на обучении > 60%, но на тесте \u003C 52%\n- Модель обожает редкие признаки (ID арбитра, день недели) вместо фундаментальной статистики\n- Качество резко падает на новых сезонах\n\nРешения:\n- Используй меньше признаков (5-8 часто оптимально для MLB)\n- Добавь регуляризацию (L1\u002FL2 в регрессии, ограничения max_depth в XGBoost)\n- Кросс-валидируй внутри обучающего набора перед тем, как трогать тест\n- Если признак не имеет смысла в контексте бейсбола, удали его, несмотря на статистическую значимость\n## Этап 5: Перевод выхода модели в ставки\n\n### От вероятности к ожидаемой ценности (Формула EV + простым языком)\n\nОсновная формула:\n\n$$EV = P(выигрыш) \\times Выигрыш - P(проигрыш) \\times Ставка$$\n\nПростым языком: умножь свой шанс на победу на то, сколько ты выиграешь, а потом вычти шанс проигрыша, умноженный на то, сколько ты потеряешь. Если число положительное, ставка имеет +EV.\n\n**Пример:** Твоя модель дает Астрос 55% шанс. Коэффициент +130 (ставка \\$100 выигрывает \\$130).\n\n- EV = (0.55 × \\$130) - (0.45 × \\$100)\n- EV = \\$71.50 - \\$45.00 = **+\\$26.50 за ставку \\$100**\n\nЭто огромный край в 26.5%. На самом деле краи обычно 3-8% — смотри нашу статью о [том, что такое край в ставках](\u002Fblog\u002Fwhat-does-edge-mean-in-betting) для разбора по категориям. Используй наш [Калькулятор вэлью-ставок](\u002Fbetting\u002Fvalue-bet-calculator), чтобы быстро проверить любую ставку, или протестируй свои числа через [Анализатор краев](\u002Fbetting\u002Fedge-analyzer) для более глубокого разбора.\n\n### Критерий Келли для определения размера ставок в MLB\n\nКритерий Келли рассчитывает математически оптимальный размер ставки:\n\n$$f^* = \\frac{bp - q}{b}$$\n\nГде:\n- **b** = десятичный коэффициент - 1 (чистый коэффициент)\n- **p** = твоя прогнозная вероятность выигрыша\n- **q** = 1 - p (вероятность проигрыша)\n\nДля примера с Астрос: b = 2.30 - 1 = 1.30, p = 0.55, q = 0.45\n\n$$f^* = \\frac{(1.30 \\times 0.55) - 0.45}{1.30} = \\frac{0.715 - 0.45}{1.30} = \\frac{0.265}{1.30} = 20.4\\%$$\n\nПолный критерий Келли говорит ставить 20.4% от своего банкролла. Это агрессивно. Опытные бетторы используют дроби от полного критерия.\n\n### Четверть Келли — почему меньше это лучше\n\nПолный критерий Келли максимизирует долгосрочный рост, но с **жестокой дисперсией**. Просадка в 30% — обычное дело. Четверть Келли (ставка в размере 25% от рекомендуемого критерием Келли) жертвует часть роста за намного более плавные результаты.\n\n| Стратегия | Ожидаемый рост | Максимальная просадка | Риск разорения |\n|----------|:--------------:|:------------:|:------------:|\n| Полный Келли | Максимизирован | 30-50% | Низкий но болезненный |\n| Половина Келли | 75% от макса | 15-25% | Очень низкий |\n| Четверть Келли | 50% от макса | 8-15% | Практически нулевой |\n\n**Рекомендация:** Начни с четверти Келли. Переходи на половину Келли только после 500+ проверенных прибыльных ставок. Используй наш [Калькулятор Келли](\u002Fbetting\u002Fkelly-calculator) для определения размера каждой ставки правильно.\n\n## Коэффициенты стадионов MLB — рейтинг каждого стадиона (2024-2025)\n\n### Чтение графика коэффициентов стадионов\n\nКоэффициент стадиона **1.00** означает, что стадион идеально нейтрален — набор очков соответствует среднему по лиге. Выше 1.00 означает, что стадион увеличивает набор очков (благоприятен для отбивающих). Ниже 1.00 означает, что стадион снижает набор очков (благоприятен для питчеров).\n\n### Как использовать коэффициенты стадионов в своей модели\n\nУмножь прогнозируемые пробеги на коэффициент стадиона. Если твоя модель прогнозирует 4.5 пробега для Рокис, и они играют на Coors Field (1.38), скорректируй до 4.5 × 1.38 = **6.21 прогнозируемого пробега**.\n\nДля выездных игр на стадионах благоприятных для питчеров, таких как Dodger Stadium (0.88), скорректируй вниз: 4.5 × 0.88 = **3.96 прогнозируемого пробега**.\n\n::chart-mlb-park-factors\n::\n\n## Этап 6: Твой ежедневный рабочий процесс ставок на MLB\n\n### Утренняя рутина (Линии + составы)\n\n1. **7:00 AM** — Загрузи ночные движения линий со своей букмекерской конторы. Отметь игры, где линия значительно изменилась (>10 центов по монилайну)\n2. **8:00 AM** — Запусти свою модель с прогнозируемыми составами (составы обычно подтверждаются за 3-4 часа до первого питча)\n3. **9:00 AM** — Сравни вероятности модели с текущими котировками рынка. Составь список всех игр с +EV и кромкой > 3%\n\n### Проверки перед игрой (Погода, арбитры, буллпены)\n\nПеред тем как делать любую ставку, проверь:\n- Подтвержденный стартовый состав (поздние замены могут убить край)\n- Погодные условия (ветер на Wrigley, дождевые задержки)\n- Назначение судьи на первой базе\n- Доступность буллпена (проверь результаты предыдущей ночи)\n\n### Размещение ставок и отслеживание результатов\n\nОтслеживай каждую ставку в электронной таблице или в [Трекере ставок](\u002Fbetting\u002Fbet-tracker):\n- Дата, команды, вероятность модели, котировки рынка, размер ставки, результат\n- Рассчитай CLV (Closing Line Value) — линия изменилась в сторону цены твоей модели?\n- Еженедельный обзор: твои игры с 60% вероятностью действительно выигрывают в 60% случаев?\n\n[Калькулятор CLV](\u002Fbetting\u002Fclv-calculator) — лучший инструмент для проверки края твоей модели во времени.\n## Калькулятор EV для бейсбола MLB — Проверь любую ставку мгновенно\n\nВведи вероятность победы из своей модели и коэффициенты рынка, чтобы узнать, +EV ли ставка. Калькулятор показывает ожидаемую ценность, процент края и рекомендуемый размер ставки по [критерию Келли](\u002Fbetting\u002Fkelly-calculator).\n\n::inline-mlb-ev-calculator\n::\n\n## Модели проп-ставок — Попадания, Страйкауты, Первые пять иннингов\n\n### Модели игроков (Over\u002FUnder попаданий, Страйкауты)\n\nПроп-ставки на игроков используют тот же подход, что и модели игр, но фокусируются на индивидуальной игре:\n\n- **Страйкауты:** Используют K-рейт питчера (последние 5 стартов), K-рейт баттера против бросков определённого типа и данные umpire zone\n- **Over\u002FUnder попаданий:** Используют xBA баттера, рейт контакта питчера и регрессию BABIP\n- **Хоум-раны:** Используют barrel rate, hard-hit rate, park factor компонент HR и направление ветра\n\nКлючевой момент: **проп-ставки имеют более мягкие линии** чем обычные линии, потому что букмекеры тратят меньше времени на их расценку. Вот где скрываются края в 2026.\n\n### Модель первых пяти иннингов (F5)\n\nСтавки на первые пять иннингов (F5) изолируют игру стартового питчера, убирая неопределённость буллпена. Построй отдельную модель с:\n\n- xFIP стартового питчера и роллинговым K-BB%\n- Игру оппонентов против питчера этого типа\n- Park factor (всё ещё применяется к первым пяти иннингам)\n\nМонейлайны F5 особенно ценны, когда отличный стартер играет против слабой команды, но буллпен ненадежен. Твоя полная модель может сказать \"не ставь\", в то время как F5 модель скажет \"+EV\".\n\n### Модели тотала команды\n\nВместо предсказания, какая команда выиграет, предсказывай, сколько ранов наберёт каждая команда независимо. Затем сравни с установленной линией тотала команды. Этот подход:\n\n- Удваивает количество твоих возможностей (2 тотала команды на игру)\n- Убирает корреляцию между двумя сторонами\n- Хорошо работает с park factors и данными о погоде\n\nИспользуй [Калькулятор подразумеваемой вероятности](\u002Fbetting\u002Fimplied-probability) чтобы конвертировать коэффициенты тотала в вероятности безубыточности. Понимание [что означают альтернативные спреды](\u002Fblog\u002Falternate-spread-meaning) также может помочь тебе найти ценность в ран-лайнах с нестандартными цифрами.\n\n## Чего модель НЕ включает (честные ограничения)\n\n### Травмы и поздние отчисления\n\nТвоя модель не может предсказать, что суперзвезда-питчер будет отчислен за 2 часа до первого питча. **Всегда переза́пускай модель** после того как сформированы стартовые составы, и никогда не ставь заранее на игры, где стартовый питчер не закреплён.\n\n### Драмы в раздевалке и мотивация\n\nКоманда в 10-игровой проигрышной серии может мобилизоваться после встречи только между игроками. Команда, которая уже в плей-офф, может выводить стартовых игроков на отдых. Эти факторы реальны, но почти невозможны для количественной оценки. Примирись с этим ограничением вместо добавления мусорных переменных \"мотивации\" в модель. То же самое касается [скандалов со ставками и договорных матчей в бейсболе](\u002Fblog\u002Fis-sports-betting-rigged) — хотя исторически значимы (привет, Black Sox 1919), современные системы обнаружения делают это пренебрежимо малой переменной для твоей модели.\n\n### Вариативность umpire strike zone\n\nХотя средние тенденции umpire полезны, вариация в конкретной игре велика. Umpire, который обычно ведёт узкую зону, может расширить её в данный вечер. Данные umpire добавляют небольшой край, но не переоценивай их.\n\n### Когда переопределить твою модель\n\nПереопредели модель только когда у тебя есть **конкретная информация**, которую модель не знает:\n- Подтверждённое изменение состава после запуска модели\n- Обновление погоды (внезапный порыв ветра)\n- Проверенная новость о травме, которая не отражена в данных\n\nНикогда не переопределяй потому что \"это не кажется правильным\". Если твоё чутьё регулярно не согласно с моделью, твоя модель нуждается в исправлении — или твоё чутьё.\n\nЕсли тебе интересны системные подходы к ставкам за пределами моделирования, посмотри как [стратегия Wong Teaser](\u002Fblog\u002Fwong-teaser-strategy-calculator) применяет похожий правил-ориентированный подход к NFL тизерам, или изучи прогрессивные системы вроде [Фибоначчи](\u002Fblog\u002Ffibonacci-betting-system) и [Лабушера](\u002Fblog\u002Flabouchere-betting-system) — хотя эти работают иначе чем модели, управляемые данными.\n## Реальная история успеха — на что рассчитывать\n\n### Реалистичные коэффициенты выигрышей и бенчмарки ROI\n\nДавайте честно поговорим о том, что на самом деле достижимо. Вот документированные данные от проверенных беттеров MLB:\n\n| Беттор\u002FСервис | Сезон | Ставки | Юниты | ROI |\n|---------------|:------:|:----:|:-----:|:---:|\n| Zerillo (Action Network) | 2019 | 659 | +30.2 | 4.6% |\n| Профессиональный синдикат (средн.) | Много лет | 2000+ | Варьируется | 3-5% |\n| Хороший любительский модель | Первый сезон | 500+ | Варьируется | 2-4% |\n| Модель на безубыток | Любой | Любой | ~0 | 0% |\n\nЗаметь, что даже элитные результаты — это 3-5% ROI. **Любой, кто обещает 20%+ ROI, врёт.** Если ты хочешь понять, складываются ли эти числа в зарплату, посмотри [можно ли сделать ставки на спорт источником полного дохода](\u002Fblog\u002Fcan-you-make-a-living-off-sports-betting). Консистентность на 500+ ставках с 3% ROI — это выдающийся результат. Используй наш [анализатор дисперсии](\u002Fbetting\u002Fvariance-analyzer), чтобы понять, насколько сильно твои результаты могут колебаться даже при реальном преимуществе.\n\n### Требования к размеру выборки\n\n- **200 ставок:** можешь начать видеть тренды, но ничего не conclusive\n- **500 ставок:** минимум для статистической уверенности. Модель с 55% побед имеет ~95% шанс показать прибыль\n- **1000+ ставок:** убедительное доказательство преимущества. Твой 95% доверительный интервал значительно сужается\n\nНе бросай хорошую модель после 50 проигрышных ставок. Не объявляй себя гением после 50 выигрышных ставок. Математике нужно время для сходимости. Отслеживай [рост своего банкролла](\u002Fbetting\u002Fbankroll-growth-calculator) в течение всего сезона.\n\nЕсли твоя модель постоянно побеждает closing line (положительный CLV) на 200+ ставках, твоя методология верна, даже если краткосрочные результаты негативны. CLV — это самый надёжный сигнал долгосрочной прибыльности.\n\nТот же фреймворк построения модели применяется к другим видам спорта — наш [гайд по системам college basketball](\u002Fblog\u002Fcollege-basketball-betting-system) показывает, как делать бэктестинг гипотез NCAAB с использованием данных KenPom, с 12 проверенными системами как стартовые шаблоны. После того как ты станешь прибыльным, не забудь про налоговую часть — наш [гайд по налогам на игры в Оклахоме](\u002Fblog\u002Foklahoma-gambling-tax) охватывает правила штата для беттеров на спорт, включая пороги W-2G и расчёты по прогрессивным ставкам. Беттеры MLB в штате Мэйн должны [ознакомиться с тем, какие легальные букмекеры предлагают рынки бейсбола](\u002Fblog\u002Fmaine-online-gambling) и как налогообложение штата применяется к доходам на основе моделей.\n\n## FAQ\n\n*Совет: дисциплина банкролла важнее, чем сам edge — подставь винрейт, кэф и размер ставки в наш [калькулятор банкролла для ставок](\u002Fbetting\u002Fbankroll-calculator), чтобы держать риск разорения ниже 5%.*\n",[28,31,34,37,40,43,46,49,52,55,58,61,64,67,70],{"answer":29,"question":30},"Нужно определить край в вероятности выигрыша минимум 2-3% над закрывающейся линией последовательно. Модель с точностью 55% на средних коэффициентах +100 генерирует примерно 10% ROI на 500+ ставках.","Насколько точной должна быть модель ставок на MLB, чтобы приносить прибыль?",{"answer":32,"question":33},"Python — промышленный стандарт благодаря библиотекам pandas, scikit-learn и XGBoost. R — хорошая альтернатива для статистического анализа. Excel подходит для новичков, отслеживающих базовые статистики.","Какой язык программирования лучше всего подходит для модели ставок на MLB?",{"answer":35,"question":36},"Минимум 3 сезона (примерно 7300 игр) для обучения. Используйте 2019-2022 для тренировки, 2023 для валидации и 2024-2025 для внешнего тестирования. Больше данных помогает, но MLB развивается, поэтому данные до 2015 года могут быть менее релевантны.","Сколько исторических данных нужно для построения модели ставок на MLB?",{"answer":38,"question":39},"Да. Все нужные данные доступны бесплатно на FanGraphs и Baseball Savant. Платные сервисы экономят время с доступом к API, но реальная прогностическая сила зависит от вашего feature engineering и дизайна модели, а не от источника данных.","Может ли бесплатная модель ставок на MLB обойти платные сервисы?",{"answer":41,"question":42},"xFIP стартового питчера, team wOBA, метрики усталости булпена, K-BB%, коэффициенты парков. Избегайте batting average и результатов питчера (W-L) — они описательны, а не предсказательны.","Какие статистики наиболее предсказательны для ставок на MLB?",{"answer":44,"question":45},"Коэффициенты парков корректируют ожидаемый скоринг по месту проведения. Coors Field (коэффициент 1,38) завышает тоталы на 38% выше среднего. Ваша модель должна умножить прогнозы ранов на коэффициент парка для точных тоталов игры.","Как коэффициенты парков влияют на модели ставок на MLB?",{"answer":47,"question":48},"Критерий Келли рассчитывает оптимальный размер ставки на основе вашего края. Формула: f = (bp - q) \u002F b, где b = десятичные коэффициенты - 1, p = вероятность выигрыша, q = 1 - p. Большинство профессиональных бетторов используют четверть-Келли (25% от полного Келли) для снижения дисперсии.","Что такое критерий Келли для ставок на MLB?",{"answer":50,"question":51},"Базовая модель в таблице — 1-2 недели. Промежуточная модель на Python с регрессией — 3-4 недели. Полная ансамбль-модель с надлежащим бэктестингом — 6-8 недель работы неполный рабочий день.","Сколько времени нужно для создания модели ставок на MLB?",{"answer":53,"question":54},"Монейлайны легче моделировать, так как нужно только предсказать победителя. Раны (спред) требуют предсказания разницы очков, что добавляет сложность. Начните с монейлайнов и добавляйте раны, когда модель станет прибыльной.","Стоит ли ставить на монейлайны MLB или раны?",{"answer":56,"question":57},"Минимум 500 ставок для статистической значимости. На 1000+ ставках вы можете быть более уверены, что результаты отражают истинный край, а не дисперсию. Не делайте выводов на основе менее 200 ставок.","Какой размер выборки хорош для бэктестинга модели на MLB?",{"answer":59,"question":60},"Отслеживайте выступления подряд и общее количество подач за последние 3 дня. Исследования показывают снижение скорости на -0,6 миль\u002Fч за каждое подряд выступление, что соответствует примерно -0,25 рана за игру. Перегруженные булпены — надёжный сигнал +EV.","Как я могу учитывать усталость булпена в своей модели?",{"answer":62,"question":63},"Да, существенно. Ветер, дующий из Wrigley Field, добавляет 1-2 рана к тоталам игры. Температура выше 85°F увеличивает скоринг. Дождливые задержки нарушают питчеров. Включите скорость и направление ветра, температуру и влажность в вашу модель.","Влияют ли погодные условия на модели ставок на MLB?",{"answer":65,"question":66},"Профессиональные модели нацелены на 3-8% ROI на протяжении полного сезона. Лучший публичный рекорд — сезон Zerillo в 2019 году с +30,2 единицами и 4,6% ROI на 659 ставках. Что-нибудь выше 2% устойчивого ROI — отличный результат.","Какой ROI я должен ожидать от модели ставок на MLB?",{"answer":68,"question":69},"Переобучайте модель новыми данными минимум дважды за сезон — один раз после первых 2 месяцев и один раз на Матче звёзд. Обновляйте ежедневные входные данные, такие как составы, погода и статус булпена каждое утро перед открытием линий.","Как часто я должен обновлять модель ставок на MLB?",{"answer":71,"question":72},"Да. Модели пропов используют тот же фреймворк, что и модели игр, но сосредоточены на индивидуальных статистиках: тоталы strikeout, hits over\u002Funder и bases. Ключевое отличие — использование данных на уровне игроков (скользящие средние, сплиты по аутсайдерам) вместо агрегатов команд.","Могу ли я использовать машинное обучение для пропов MLB?",[74,75,76,77],"en","de","tr","ru",{"data":79,"body":80},{},{"type":81,"children":82},"root",[83,92,98,120,132,137,143,150,277,283,295,301,307,319,324,330,335,378,405,411,417,422,446,459,465,470,491,497,502,523,559,565,571,584,628,634,646,652,664,677,683,688,695,859,872,878,884,903,1002,1008,1027,1032,1050,1055,1061,1066,1089,1095,1107,1140,1145,1151,1156,1416,1422,1428,1440,1454,1460,1472,1481,1487,1492,1501,1507,1512,1518,1527,1533,1539,1544,1577,1582,1588,1593,1626,1631,1637,1642,1660,1665,1688,1694,1700,1705,1994,1999,2009,2027,2056,2062,2067,2351,2356,2386,2391,3006,3011,3017,3029,3130,3147,3153,3159,3171,3177,3189,3200,3204,3210,3216,3249,3255,3260,3283,3289,3301,3319,3330,3336,3347,3351,3357,3363,3368,3401,3413,3419,3424,3442,3447,3453,3458,3476,3496,3502,3508,3520,3526,3539,3545,3550,3556,3568,3586,3591,3619,3625,3631,3636,3782,3810,3816,3849,3862,3867,3896,3902],{"type":84,"tag":85,"props":86,"children":88},"element","h2",{"id":87},"mlb-модель-для-ставок-построй-свою-систему-с-нуля-2026",[89],{"type":90,"value":91},"text","MLB Модель для ставок: построй свою систему с нуля (2026)",{"type":84,"tag":93,"props":94,"children":95},"p",{},[96],{"type":90,"value":97},"Представь себе: вторник, утро — полный слейт MLB выходит через 3 часа, и нужно оценить 14 игр. Интуиция подсказывает, что \"Додджерс\" — это надёжный вариант. Твой друган клянётся, что \"Уайт Сокс\" \"должны отыграться\". А тем временем профессионалы двигают коэффициент, о котором никто не говорит.",{"type":84,"tag":93,"props":99,"children":100},{},[101,103,109,111,118],{"type":90,"value":102},"Вот в чём разница между тобой и профессионалами: ",{"type":84,"tag":104,"props":105,"children":106},"strong",{},[107],{"type":90,"value":108},"у них есть модель",{"type":90,"value":110},". Не хрустальный шар — это систематический процесс, который конвертирует данные в вероятности, сравнивает эти вероятности с коэффициентами на рынке и точно показывает, какие ставки имеют положительное матожидание. Это тот же аналитический подход, который ",{"type":84,"tag":112,"props":113,"children":115},"a",{"href":114},"\u002Fblog\u002Fwhat-is-a-handicapper-in-sports-betting",[116],{"type":90,"value":117},"профессионалы в прогнозировании спорта используют",{"type":90,"value":119},", но в автоматизированном виде.",{"type":84,"tag":93,"props":121,"children":122},{},[123,125,130],{"type":90,"value":124},"Хорошая новость? На 2026 год все данные, которые тебе нужны для построения MLB модели для ставок, доступны ",{"type":84,"tag":104,"props":126,"children":127},{},[128],{"type":90,"value":129},"бесплатно",{"type":90,"value":131},". FanGraphs, Baseball Savant и Statcast предоставляют те же сырые числа, которые используют профессиональные синдикаты. Различие между победителями и остальными — в том, как они преобразуют эти числа в признаки моделей, обучают модели, которые на самом деле предсказывают результаты, и управляют банкроллом дисциплинированно.",{"type":84,"tag":93,"props":133,"children":134},{},[135],{"type":90,"value":136},"Это руководство проведёт тебя через весь процесс — от первой таблицы до полнофункциональной Python-модели ансамбля. Совершенно ли ты новичок или data scientist, ищущий идеи по инженерингу признаков для MLB — для каждого найдется подходящий уровень. Давай построим что-то, что действительно работает.",{"type":84,"tag":85,"props":138,"children":140},{"id":139},"кратко-справка-по-mlb-модели-для-ставок",[141],{"type":90,"value":142},"Кратко — справка по MLB модели для ставок",{"type":84,"tag":144,"props":145,"children":147},"h3",{"id":146},"уровни-модели-в-сравнении",[148],{"type":90,"value":149},"Уровни модели в сравнении",{"type":84,"tag":151,"props":152,"children":153},"table",{},[154,188],{"type":84,"tag":155,"props":156,"children":157},"thead",{},[158],{"type":84,"tag":76,"props":159,"children":160},{},[161,167,172,178,183],{"type":84,"tag":162,"props":163,"children":164},"th",{},[165],{"type":90,"value":166},"Уровень",{"type":84,"tag":162,"props":168,"children":169},{},[170],{"type":90,"value":171},"Инструменты",{"type":84,"tag":162,"props":173,"children":175},{"align":174},"center",[176],{"type":90,"value":177},"Время на разработку",{"type":84,"tag":162,"props":179,"children":180},{"align":174},[181],{"type":90,"value":182},"Ожидаемое преимущество",{"type":84,"tag":162,"props":184,"children":185},{},[186],{"type":90,"value":187},"Для кого",{"type":84,"tag":189,"props":190,"children":191},"tbody",{},[192,221,249],{"type":84,"tag":76,"props":193,"children":194},{},[195,201,206,211,216],{"type":84,"tag":196,"props":197,"children":198},"td",{},[199],{"type":90,"value":200},"Новичок",{"type":84,"tag":196,"props":202,"children":203},{},[204],{"type":90,"value":205},"Таблица + FanGraphs",{"type":84,"tag":196,"props":207,"children":208},{"align":174},[209],{"type":90,"value":210},"1-2 недели",{"type":84,"tag":196,"props":212,"children":213},{"align":174},[214],{"type":90,"value":215},"1-3%",{"type":84,"tag":196,"props":217,"children":218},{},[219],{"type":90,"value":220},"Изучение основ",{"type":84,"tag":76,"props":222,"children":223},{},[224,229,234,239,244],{"type":84,"tag":196,"props":225,"children":226},{},[227],{"type":90,"value":228},"Продвинутый",{"type":84,"tag":196,"props":230,"children":231},{},[232],{"type":90,"value":233},"Python + регрессия",{"type":84,"tag":196,"props":235,"children":236},{"align":174},[237],{"type":90,"value":238},"3-4 недели",{"type":84,"tag":196,"props":240,"children":241},{"align":174},[242],{"type":90,"value":243},"3-5%",{"type":84,"tag":196,"props":245,"children":246},{},[247],{"type":90,"value":248},"Стабильные небольшие преимущества",{"type":84,"tag":76,"props":250,"children":251},{},[252,257,262,267,272],{"type":84,"tag":196,"props":253,"children":254},{},[255],{"type":90,"value":256},"Эксперт",{"type":84,"tag":196,"props":258,"children":259},{},[260],{"type":90,"value":261},"XGBoost + ансамбли",{"type":84,"tag":196,"props":263,"children":264},{"align":174},[265],{"type":90,"value":266},"6-8 недель",{"type":84,"tag":196,"props":268,"children":269},{"align":174},[270],{"type":90,"value":271},"5-8%",{"type":84,"tag":196,"props":273,"children":274},{},[275],{"type":90,"value":276},"Максимизация ROI",{"type":84,"tag":144,"props":278,"children":280},{"id":279},"для-кого-этот-гайд",[281],{"type":90,"value":282},"Для кого этот гайд",{"type":84,"tag":93,"props":284,"children":285},{},[286,288,293],{"type":90,"value":287},"Это руководство для тех, кто хочет перейти от интуитивных прогнозов к ",{"type":84,"tag":104,"props":289,"children":290},{},[291],{"type":90,"value":292},"система ставок на MLB на основе данных",{"type":90,"value":294},". Тебе не нужна степень в статистике — если ты можешь работать с таблицей, ты можешь начать с уровня 1. Если ты знаешь базовый Python, переходи сразу на продвинутый раздел.",{"type":84,"tag":85,"props":296,"children":298},{"id":297},"что-такое-mlb-модель-для-ставок-и-зачем-её-строить",[299],{"type":90,"value":300},"Что такое MLB модель для ставок (и зачем её строить)?",{"type":84,"tag":144,"props":302,"children":304},{"id":303},"модель-vs-интуиция-ключевое-отличие",[305],{"type":90,"value":306},"Модель vs интуиция — ключевое отличие",{"type":84,"tag":93,"props":308,"children":309},{},[310,312,317],{"type":90,"value":311},"Модель для ставок — это ",{"type":84,"tag":104,"props":313,"children":314},{},[315],{"type":90,"value":316},"машина вероятностей",{"type":90,"value":318},". Ты загружаешь в неё данные (статистика питчеров, факторы парков, использование буллпена), и она выдаёт вероятность для каждого возможного результата. Эта вероятность потом сравнивается с коэффициентами на рынке, чтобы найти ставки с положительным матожиданием.",{"type":84,"tag":93,"props":320,"children":321},{},[322],{"type":90,"value":323},"Разница важна: когда ты \"чувствуешь\", что \"Додджерс\" выиграют, ты не знаешь, справедлив ли коэффициент -180. Когда твоя модель говорит, что у \"Додджерс\" 63% шансов на победу, ты можешь рассчитать, что -180 подразумевает только 64,3% — то есть рынок справедливо оценен и ставить нечего.",{"type":84,"tag":144,"props":325,"children":327},{"id":326},"что-действительно-делает-хорошая-модель",[328],{"type":90,"value":329},"Что действительно делает хорошая модель",{"type":84,"tag":93,"props":331,"children":332},{},[333],{"type":90,"value":334},"Хорошая MLB модель для ставок делает три вещи:",{"type":84,"tag":336,"props":337,"children":338},"ol",{},[339,350,360],{"type":84,"tag":340,"props":341,"children":342},"li",{},[343,348],{"type":84,"tag":104,"props":344,"children":345},{},[346],{"type":90,"value":347},"Предсказывает вероятность победы",{"type":90,"value":349}," точнее, чем рынок (даже на 2-3%)",{"type":84,"tag":340,"props":351,"children":352},{},[353,358],{"type":84,"tag":104,"props":354,"children":355},{},[356],{"type":90,"value":357},"Определяет +EV ставки",{"type":90,"value":359},", где твоя вероятность превышает предполагаемые коэффициентом шансы",{"type":84,"tag":340,"props":361,"children":362},{},[363,368,370,376],{"type":84,"tag":104,"props":364,"children":365},{},[366],{"type":90,"value":367},"Правильно размеризует ставки",{"type":90,"value":369}," используя ",{"type":84,"tag":112,"props":371,"children":373},{"href":372},"\u002Fbetting\u002Fkelly-calculator",[374],{"type":90,"value":375},"критерий Келли",{"type":90,"value":377}," или его вариант",{"type":84,"tag":93,"props":379,"children":380},{},[381,383,388,390,395,397,403],{"type":90,"value":382},"Она НЕ предсказывает победителей с уверенностью. Модель с 55% — это экстремально прибыльно при правильных коэффициентах. Цель — не точность, а ",{"type":84,"tag":104,"props":384,"children":385},{},[386],{"type":90,"value":387},"калибровка",{"type":90,"value":389}," и ",{"type":84,"tag":104,"props":391,"children":392},{},[393],{"type":90,"value":394},"определение преимущества",{"type":90,"value":396},". Если хочешь узнать, ",{"type":84,"tag":112,"props":398,"children":400},{"href":399},"\u002Fblog\u002Fwho-sets-the-odds-for-sports-betting",[401],{"type":90,"value":402},"как профессионалы составляют коэффициенты",{"type":90,"value":404}," и оценивают игры MLB, посмотри наш гайд по процессу определения коэффициентов.",{"type":84,"tag":85,"props":406,"children":408},{"id":407},"выбери-свой-уровень-новичок-продвинутый-или-эксперт",[409],{"type":90,"value":410},"Выбери свой уровень — новичок, продвинутый или эксперт",{"type":84,"tag":144,"props":412,"children":414},{"id":413},"новичок-таблица-ключевые-показатели",[415],{"type":90,"value":416},"Новичок: таблица + ключевые показатели",{"type":84,"tag":93,"props":418,"children":419},{},[420],{"type":90,"value":421},"Начни здесь, если ты никогда не строил модель. Отслеживай 4-5 ключевых показателей в таблице (xFIP питчера, wOBA команды, рабочая нагрузка буллпена, фактор парка) и присвой простые веса. Ты не выиграешь постоянно у Вегаса, но научишься процессу и перестанешь делать чисто эмоциональные ставки.",{"type":84,"tag":93,"props":423,"children":424},{},[425,430,432,437,439,444],{"type":84,"tag":104,"props":426,"children":427},{},[428],{"type":90,"value":429},"Время:",{"type":90,"value":431}," 1-2 недели | ",{"type":84,"tag":104,"props":433,"children":434},{},[435],{"type":90,"value":436},"Инструменты:",{"type":90,"value":438}," Google Sheets или Excel | ",{"type":84,"tag":104,"props":440,"children":441},{},[442],{"type":90,"value":443},"Данные:",{"type":90,"value":445}," FanGraphs",{"type":84,"tag":93,"props":447,"children":448},{},[449,451,457],{"type":90,"value":450},"Если ты совсем новичок в спортивной аналитике, начни с нашего ",{"type":84,"tag":112,"props":452,"children":454},{"href":453},"\u002Fblog\u002Fmlb-underdog-betting-strategy",[455],{"type":90,"value":456},"гайда по стратегии ставок на аутсайдеров MLB",{"type":90,"value":458},", чтобы увидеть, как выглядит система на основе данных, прежде чем строить свою.",{"type":84,"tag":144,"props":460,"children":462},{"id":461},"продвинутый-python-регрессия",[463],{"type":90,"value":464},"Продвинутый: Python + регрессия",{"type":84,"tag":93,"props":466,"children":467},{},[468],{"type":90,"value":469},"Уровень вверх с библиотеками pandas и scikit-learn в Python. Строй модели логистической регрессии, рассчитывай правильную значимость признаков и проверяй на исторических коэффициентах. Это уровень, на котором работают большинство прибыльных любительских ставочников.",{"type":84,"tag":93,"props":471,"children":472},{},[473,477,479,483,485,489],{"type":84,"tag":104,"props":474,"children":475},{},[476],{"type":90,"value":429},{"type":90,"value":478}," 3-4 недели | ",{"type":84,"tag":104,"props":480,"children":481},{},[482],{"type":90,"value":436},{"type":90,"value":484}," Python, Jupyter Notebooks | ",{"type":84,"tag":104,"props":486,"children":487},{},[488],{"type":90,"value":443},{"type":90,"value":490}," FanGraphs + Statcast",{"type":84,"tag":144,"props":492,"children":494},{"id":493},"эксперт-xgboost-методы-ансамбля",[495],{"type":90,"value":496},"Эксперт: XGBoost + методы ансамбля",{"type":84,"tag":93,"props":498,"children":499},{},[500],{"type":90,"value":501},"Комбинируй несколько типов моделей (линейная регрессия, логистическая регрессия, XGBoost) в ансамбль, который надёжнее, чем любая отдельная модель. Добавь продвинутые признаки: данные на уровне подач, тенденции страйк-зоны арбитра и корректировки состава в реальном времени.",{"type":84,"tag":93,"props":503,"children":504},{},[505,509,511,515,517,521],{"type":84,"tag":104,"props":506,"children":507},{},[508],{"type":90,"value":429},{"type":90,"value":510}," 6-8 недель | ",{"type":84,"tag":104,"props":512,"children":513},{},[514],{"type":90,"value":436},{"type":90,"value":516}," Python, XGBoost, LightGBM | ",{"type":84,"tag":104,"props":518,"children":519},{},[520],{"type":90,"value":443},{"type":90,"value":522}," Statcast + API погоды",{"type":84,"tag":93,"props":524,"children":525},{},[526,528,534,535,541,543,549,551,557],{"type":90,"value":527},"Этот же фреймворк подходит для других видов спорта. Посмотри наше ",{"type":84,"tag":112,"props":529,"children":531},{"href":530},"\u002Fblog\u002Fnba-betting-system",[532],{"type":90,"value":533},"разложение системы ставок на NBA",{"type":90,"value":389},{"type":84,"tag":112,"props":536,"children":538},{"href":537},"\u002Fblog\u002Fnfl-betting-strategy-guide",[539],{"type":90,"value":540},"гайд по стратегии ставок на NFL",{"type":90,"value":542},", если строишь кроссспортивные модели. Для мозгового штурма по признакам и очистки данных многие разработчики теперь используют ",{"type":84,"tag":112,"props":544,"children":546},{"href":545},"\u002Fblog\u002Fhow-to-use-chatgpt-for-sports-betting",[547],{"type":90,"value":548},"подсказки для ChatGPT по ставкам на спорт",{"type":90,"value":550},", чтобы ускорить начальные этапы разработки модели. Для более простого формата ставок на футбол наше ",{"type":84,"tag":112,"props":552,"children":554},{"href":553},"\u002Fblog\u002Ffootball-squares-rules",[555],{"type":90,"value":556},"разложение вероятностей футбольных боксов",{"type":90,"value":558}," показывает, как схемы подсчётов создают распределения коэффициентов, которые можно использовать.",{"type":84,"tag":85,"props":560,"children":562},{"id":561},"этап-1-сбор-данных-откуда-брать-статистику-mlb",[563],{"type":90,"value":564},"Этап 1: Сбор данных — откуда брать статистику MLB",{"type":84,"tag":144,"props":566,"children":568},{"id":567},"fangraphs-командная-и-персональная-статистика-xfip-woba-k-bb",[569],{"type":90,"value":570},"FanGraphs — командная и персональная статистика (xFIP, wOBA, K-BB%)",{"type":84,"tag":93,"props":572,"children":573},{},[574,582],{"type":84,"tag":112,"props":575,"children":579},{"href":576,"rel":577},"https:\u002F\u002Fwww.fangraphs.com",[578],"nofollow",[580],{"type":90,"value":581},"FanGraphs",{"type":90,"value":583}," — это основа. Загрузи командную и персональную статистику питчеров за последние 3–5 сезонов. Ключевые метрики:",{"type":84,"tag":585,"props":586,"children":587},"ul",{},[588,598,608,618],{"type":84,"tag":340,"props":589,"children":590},{},[591,596],{"type":84,"tag":104,"props":592,"children":593},{},[594],{"type":90,"value":595},"xFIP",{"type":90,"value":597}," (Expected Fielding Independent Pitching): лучше предсказывает будущую эффективность питчера, чем ERA",{"type":84,"tag":340,"props":599,"children":600},{},[601,606],{"type":84,"tag":104,"props":602,"children":603},{},[604],{"type":90,"value":605},"wOBA",{"type":90,"value":607}," (Weighted On-Base Average): показывает общую ценность атаки в одной шкале",{"type":84,"tag":340,"props":609,"children":610},{},[611,616],{"type":84,"tag":104,"props":612,"children":613},{},[614],{"type":90,"value":615},"K-BB%",{"type":90,"value":617}," (Strikeout minus Walk Rate): главный показатель качества питчера",{"type":84,"tag":340,"props":619,"children":620},{},[621,626],{"type":84,"tag":104,"props":622,"children":623},{},[624],{"type":90,"value":625},"BABIP",{"type":90,"value":627}," (Batting Average on Balls in Play): выявляет кандидатов на регрессию удачи",{"type":84,"tag":144,"props":629,"children":631},{"id":630},"statcast-baseball-savant-данные-на-уровне-каждого-питча",[632],{"type":90,"value":633},"Statcast (Baseball Savant) — данные на уровне каждого питча",{"type":84,"tag":93,"props":635,"children":636},{},[637,644],{"type":84,"tag":112,"props":638,"children":641},{"href":639,"rel":640},"https:\u002F\u002Fbaseballsavant.mlb.com",[578],[642],{"type":90,"value":643},"Baseball Savant",{"type":90,"value":645}," предоставляет данные Statcast — exit velocity, launch angle, spin rate и ожидаемые показатели (xBA, xSLG, xwOBA). Эти «ожидаемые» статистики исключают влияние защиты и везения, давая более ясную картину истинного мастерства игроков.",{"type":84,"tag":144,"props":647,"children":649},{"id":648},"park-factors-почему-место-игры-имеет-значение",[650],{"type":90,"value":651},"Park Factors — почему место игры имеет значение",{"type":84,"tag":93,"props":653,"children":654},{},[655,657,662],{"type":90,"value":656},"Park factors — это ",{"type":84,"tag":104,"props":658,"children":659},{},[660],{"type":90,"value":661},"самая недооценённая переменная",{"type":90,"value":663}," в ставках на MLB. Coors Field увеличивает набранные раны на 38%. Dodger Stadium снижает на 12%. Если твоя модель не учитывает место игры, ты упускаешь преимущество.",{"type":84,"tag":93,"props":665,"children":666},{},[667,669,675],{"type":90,"value":668},"Прокрутите вниз, чтобы увидеть наш полный ",{"type":84,"tag":112,"props":670,"children":672},{"href":671},"#mlb-park-factors-every-stadium-ranked-2024-2025",[673],{"type":90,"value":674},"чарт park factors всех 30 стадионов",{"type":90,"value":676}," с визуальным рейтингом.",{"type":84,"tag":144,"props":678,"children":680},{"id":679},"данные-об-арбитрах-и-погоде",[681],{"type":90,"value":682},"Данные об арбитрах и погоде",{"type":84,"tag":93,"props":684,"children":685},{},[686],{"type":90,"value":687},"Тенденции зоны страйка у арбитра влияют на процент страйкаутов и уолков. Арбитр с узкой зоной может добавить 0,5 раны к общему числу раньше игры. Погода — особенно скорость и направление ветра на Wrigley Field — напрямую влияет на тоталы больше\u002Fменьше.",{"type":84,"tag":689,"props":690,"children":692},"h4",{"id":691},"таблица-бесплатных-и-платных-источников-данных",[693],{"type":90,"value":694},"Таблица бесплатных и платных источников данных",{"type":84,"tag":151,"props":696,"children":697},{},[698,724],{"type":84,"tag":155,"props":699,"children":700},{},[701],{"type":84,"tag":76,"props":702,"children":703},{},[704,709,714,719],{"type":84,"tag":162,"props":705,"children":706},{},[707],{"type":90,"value":708},"Источник",{"type":84,"tag":162,"props":710,"children":711},{"align":174},[712],{"type":90,"value":713},"Стоимость",{"type":84,"tag":162,"props":715,"children":716},{},[717],{"type":90,"value":718},"Тип данных",{"type":84,"tag":162,"props":720,"children":721},{},[722],{"type":90,"value":723},"Лучше всего для",{"type":84,"tag":189,"props":725,"children":726},{},[727,749,770,792,815,837],{"type":84,"tag":76,"props":728,"children":729},{},[730,734,739,744],{"type":84,"tag":196,"props":731,"children":732},{},[733],{"type":90,"value":581},{"type":84,"tag":196,"props":735,"children":736},{"align":174},[737],{"type":90,"value":738},"Бесплатно",{"type":84,"tag":196,"props":740,"children":741},{},[742],{"type":90,"value":743},"Командная\u002Fперсональная статистика",{"type":84,"tag":196,"props":745,"children":746},{},[747],{"type":90,"value":748},"Базовые метрики",{"type":84,"tag":76,"props":750,"children":751},{},[752,756,760,765],{"type":84,"tag":196,"props":753,"children":754},{},[755],{"type":90,"value":643},{"type":84,"tag":196,"props":757,"children":758},{"align":174},[759],{"type":90,"value":738},{"type":84,"tag":196,"props":761,"children":762},{},[763],{"type":90,"value":764},"Statcast, данные на уровне питча",{"type":84,"tag":196,"props":766,"children":767},{},[768],{"type":90,"value":769},"Ожидаемые показатели, spin rates",{"type":84,"tag":76,"props":771,"children":772},{},[773,778,782,787],{"type":84,"tag":196,"props":774,"children":775},{},[776],{"type":90,"value":777},"Retrosheet",{"type":84,"tag":196,"props":779,"children":780},{"align":174},[781],{"type":90,"value":738},{"type":84,"tag":196,"props":783,"children":784},{},[785],{"type":90,"value":786},"Исторические play-by-play",{"type":84,"tag":196,"props":788,"children":789},{},[790],{"type":90,"value":791},"Backtesting моделей",{"type":84,"tag":76,"props":793,"children":794},{},[795,800,805,810],{"type":84,"tag":196,"props":796,"children":797},{},[798],{"type":90,"value":799},"Weather API",{"type":84,"tag":196,"props":801,"children":802},{"align":174},[803],{"type":90,"value":804},"Бесплатный уровень",{"type":84,"tag":196,"props":806,"children":807},{},[808],{"type":90,"value":809},"Ветер, температура, влажность",{"type":84,"tag":196,"props":811,"children":812},{},[813],{"type":90,"value":814},"Корректировка тоталов игры",{"type":84,"tag":76,"props":816,"children":817},{},[818,823,827,832],{"type":84,"tag":196,"props":819,"children":820},{},[821],{"type":90,"value":822},"Odds API",{"type":84,"tag":196,"props":824,"children":825},{"align":174},[826],{"type":90,"value":804},{"type":84,"tag":196,"props":828,"children":829},{},[830],{"type":90,"value":831},"Исторические\u002Fживые коэффициенты",{"type":84,"tag":196,"props":833,"children":834},{},[835],{"type":90,"value":836},"Backtesting, CLV tracking",{"type":84,"tag":76,"props":838,"children":839},{},[840,845,849,854],{"type":84,"tag":196,"props":841,"children":842},{},[843],{"type":90,"value":844},"Sports Reference",{"type":84,"tag":196,"props":846,"children":847},{"align":174},[848],{"type":90,"value":738},{"type":84,"tag":196,"props":850,"children":851},{},[852],{"type":90,"value":853},"Исторические турниры",{"type":84,"tag":196,"props":855,"children":856},{},[857],{"type":90,"value":858},"Анализ сезона",{"type":84,"tag":93,"props":860,"children":861},{},[862,864,870],{"type":90,"value":863},"Используй ",{"type":84,"tag":112,"props":865,"children":867},{"href":866},"\u002Fbetting\u002Fodds-converter",[868],{"type":90,"value":869},"Odds Converter",{"type":90,"value":871}," для переключения между американским, децимальным и дробным форматами при работе с разными источниками данных.",{"type":84,"tag":85,"props":873,"children":875},{"id":874},"этап-2-feature-engineering-превращаем-данные-в-предсказания",[876],{"type":90,"value":877},"Этап 2: Feature Engineering — превращаем данные в предсказания",{"type":84,"tag":144,"props":879,"children":881},{"id":880},"прогностическая-и-описательная-статистика",[882],{"type":90,"value":883},"Прогностическая и описательная статистика",{"type":84,"tag":93,"props":885,"children":886},{},[887,889,894,896,901],{"type":90,"value":888},"Здесь допускают ошибку большинство новичков. Они используют ",{"type":84,"tag":104,"props":890,"children":891},{},[892],{"type":90,"value":893},"описательную статистику",{"type":90,"value":895}," (средний процент попаданий, W-L рекорд питчера, RBIs), которая говорит, что произошло, вместо ",{"type":84,"tag":104,"props":897,"children":898},{},[899],{"type":90,"value":900},"прогностической статистики",{"type":90,"value":902},", которая предсказывает, что будет.",{"type":84,"tag":151,"props":904,"children":905},{},[906,922],{"type":84,"tag":155,"props":907,"children":908},{},[909],{"type":84,"tag":76,"props":910,"children":911},{},[912,917],{"type":84,"tag":162,"props":913,"children":914},{},[915],{"type":90,"value":916},"Прогностическая (используй эти)",{"type":84,"tag":162,"props":918,"children":919},{},[920],{"type":90,"value":921},"Описательная (избегай эти)",{"type":84,"tag":189,"props":923,"children":924},{},[925,938,951,963,976,989],{"type":84,"tag":76,"props":926,"children":927},{},[928,933],{"type":84,"tag":196,"props":929,"children":930},{},[931],{"type":90,"value":932},"xFIP, SIERA",{"type":84,"tag":196,"props":934,"children":935},{},[936],{"type":90,"value":937},"ERA, W-L рекорд",{"type":84,"tag":76,"props":939,"children":940},{},[941,946],{"type":84,"tag":196,"props":942,"children":943},{},[944],{"type":90,"value":945},"wOBA, xwOBA",{"type":84,"tag":196,"props":947,"children":948},{},[949],{"type":90,"value":950},"Средний процент попаданий",{"type":84,"tag":76,"props":952,"children":953},{},[954,958],{"type":84,"tag":196,"props":955,"children":956},{},[957],{"type":90,"value":615},{"type":84,"tag":196,"props":959,"children":960},{},[961],{"type":90,"value":962},"Только страйкауты",{"type":84,"tag":76,"props":964,"children":965},{},[966,971],{"type":84,"tag":196,"props":967,"children":968},{},[969],{"type":90,"value":970},"Barrel Rate, Hard Hit%",{"type":84,"tag":196,"props":972,"children":973},{},[974],{"type":90,"value":975},"Всего хитов",{"type":84,"tag":76,"props":977,"children":978},{},[979,984],{"type":84,"tag":196,"props":980,"children":981},{},[982],{"type":90,"value":983},"Base Running (BsR)",{"type":84,"tag":196,"props":985,"children":986},{},[987],{"type":90,"value":988},"Украденные базы",{"type":84,"tag":76,"props":990,"children":991},{},[992,997],{"type":84,"tag":196,"props":993,"children":994},{},[995],{"type":90,"value":996},"Park-adjusted метрики",{"type":84,"tag":196,"props":998,"children":999},{},[1000],{"type":90,"value":1001},"Сырая статистика",{"type":84,"tag":144,"props":1003,"children":1005},{"id":1004},"индекс-усталости-bullpen-06-mph-per-b2b-025-runs",[1006],{"type":90,"value":1007},"Индекс усталости bullpen (-0.6 MPH per B2B = -0.25 Runs)",{"type":84,"tag":93,"props":1009,"children":1010},{},[1011,1013,1018,1020,1025],{"type":90,"value":1012},"Исследования из разных источников показывают, что реливеры теряют примерно ",{"type":84,"tag":104,"props":1014,"children":1015},{},[1016],{"type":90,"value":1017},"0,6 MPH",{"type":90,"value":1019}," на своём фастболе за каждое подряд идущее выступление. Эта потеря скорости переводится примерно в ",{"type":84,"tag":104,"props":1021,"children":1022},{},[1023],{"type":90,"value":1024},"-0,25 раны за игру",{"type":90,"value":1026}," по ожидаемому запрету раньше.",{"type":84,"tag":93,"props":1028,"children":1029},{},[1030],{"type":90,"value":1031},"Построй индекс усталости bullpen:",{"type":84,"tag":585,"props":1033,"children":1034},{},[1035,1040,1045],{"type":84,"tag":340,"props":1036,"children":1037},{},[1038],{"type":90,"value":1039},"Отслеживай выступления каждого реливера в последние 3 дня",{"type":84,"tag":340,"props":1041,"children":1042},{},[1043],{"type":90,"value":1044},"Взвешивай недавние выступления более тяжело (вчера > 2 дня назад)",{"type":84,"tag":340,"props":1046,"children":1047},{},[1048],{"type":90,"value":1049},"Отмечай bullpen с 3+ реливерами, использованными в подряд идущих играх",{"type":84,"tag":93,"props":1051,"children":1052},{},[1053],{"type":90,"value":1054},"Это одно из самых эксплуатируемых преимуществ в MLB, потому что рынок медленно реагирует на перегрузку bullpen, особенно в первой половине дней с двойниками.",{"type":84,"tag":144,"props":1056,"children":1058},{"id":1057},"platoon-splits-и-конструкция-лайнапа",[1059],{"type":90,"value":1060},"Platoon splits и конструкция лайнапа",{"type":84,"tag":93,"props":1062,"children":1063},{},[1064],{"type":90,"value":1065},"Левши, играющие против левшей-питчеров (LvL), показывают значительно хуже результаты, чем RvL. Твоя модель должна включать:",{"type":84,"tag":585,"props":1067,"children":1068},{},[1069,1074,1079,1084],{"type":84,"tag":340,"props":1070,"children":1071},{},[1072],{"type":90,"value":1073},"Рукость стартового питчера",{"type":84,"tag":340,"props":1075,"children":1076},{},[1077],{"type":90,"value":1078},"Состав лайнапа (процент батеров с одной стороны)",{"type":84,"tag":340,"props":1080,"children":1081},{},[1082],{"type":90,"value":1083},"Исторические platoon splits для ключевых батеров",{"type":84,"tag":340,"props":1085,"children":1086},{},[1087],{"type":90,"value":1088},"Склонности менеджера к конструкции лайнапа",{"type":84,"tag":144,"props":1090,"children":1092},{"id":1091},"rolling-метрики-стартового-питчера",[1093],{"type":90,"value":1094},"Rolling метрики стартового питчера",{"type":84,"tag":93,"props":1096,"children":1097},{},[1098,1100,1105],{"type":90,"value":1099},"Не используй статистику за весь сезон для питчера, который мучается последние 3 недели. Построй ",{"type":84,"tag":104,"props":1101,"children":1102},{},[1103],{"type":90,"value":1104},"rolling окна",{"type":90,"value":1106},":",{"type":84,"tag":585,"props":1108,"children":1109},{},[1110,1120,1130],{"type":84,"tag":340,"props":1111,"children":1112},{},[1113,1118],{"type":84,"tag":104,"props":1114,"children":1115},{},[1116],{"type":90,"value":1117},"Last 3 starts",{"type":90,"value":1119},": Захватывает свежую форму",{"type":84,"tag":340,"props":1121,"children":1122},{},[1123,1128],{"type":84,"tag":104,"props":1124,"children":1125},{},[1126],{"type":90,"value":1127},"Last 10 starts",{"type":90,"value":1129},": Более стабильная выборка",{"type":84,"tag":340,"props":1131,"children":1132},{},[1133,1138],{"type":84,"tag":104,"props":1134,"children":1135},{},[1136],{"type":90,"value":1137},"Season-to-date",{"type":90,"value":1139},": Базовый уровень",{"type":84,"tag":93,"props":1141,"children":1142},{},[1143],{"type":90,"value":1144},"Взвешивай rolling окна: 40% last-3, 35% last-10, 25% season. Это лучше ловит как горячие серии, так и регрессию, чем сырые сезонные средние.",{"type":84,"tag":689,"props":1146,"children":1148},{"id":1147},"рейтинг-важности-фичей",[1149],{"type":90,"value":1150},"Рейтинг важности фичей",{"type":84,"tag":93,"props":1152,"children":1153},{},[1154],{"type":90,"value":1155},"На основе backtesting данных 2019–2025 гг., вот что имеет наибольшее значение:",{"type":84,"tag":151,"props":1157,"children":1158},{},[1159,1185],{"type":84,"tag":155,"props":1160,"children":1161},{},[1162],{"type":84,"tag":76,"props":1163,"children":1164},{},[1165,1170,1175,1180],{"type":84,"tag":162,"props":1166,"children":1167},{"align":174},[1168],{"type":90,"value":1169},"Место",{"type":84,"tag":162,"props":1171,"children":1172},{},[1173],{"type":90,"value":1174},"Фича",{"type":84,"tag":162,"props":1176,"children":1177},{"align":174},[1178],{"type":90,"value":1179},"Важность",{"type":84,"tag":162,"props":1181,"children":1182},{},[1183],{"type":90,"value":1184},"Категория",{"type":84,"tag":189,"props":1186,"children":1187},{},[1188,1211,1234,1257,1279,1301,1324,1347,1370,1393],{"type":84,"tag":76,"props":1189,"children":1190},{},[1191,1196,1201,1206],{"type":84,"tag":196,"props":1192,"children":1193},{"align":174},[1194],{"type":90,"value":1195},"1",{"type":84,"tag":196,"props":1197,"children":1198},{},[1199],{"type":90,"value":1200},"Starting Pitcher xFIP (rolling 10)",{"type":84,"tag":196,"props":1202,"children":1203},{"align":174},[1204],{"type":90,"value":1205},"0.18",{"type":84,"tag":196,"props":1207,"children":1208},{},[1209],{"type":90,"value":1210},"Питчинг",{"type":84,"tag":76,"props":1212,"children":1213},{},[1214,1219,1224,1229],{"type":84,"tag":196,"props":1215,"children":1216},{"align":174},[1217],{"type":90,"value":1218},"2",{"type":84,"tag":196,"props":1220,"children":1221},{},[1222],{"type":90,"value":1223},"Team wOBA (last 14 days)",{"type":84,"tag":196,"props":1225,"children":1226},{"align":174},[1227],{"type":90,"value":1228},"0.14",{"type":84,"tag":196,"props":1230,"children":1231},{},[1232],{"type":90,"value":1233},"Атака",{"type":84,"tag":76,"props":1235,"children":1236},{},[1237,1242,1247,1252],{"type":84,"tag":196,"props":1238,"children":1239},{"align":174},[1240],{"type":90,"value":1241},"3",{"type":84,"tag":196,"props":1243,"children":1244},{},[1245],{"type":90,"value":1246},"Park Factor",{"type":84,"tag":196,"props":1248,"children":1249},{"align":174},[1250],{"type":90,"value":1251},"0.12",{"type":84,"tag":196,"props":1253,"children":1254},{},[1255],{"type":90,"value":1256},"Стадион",{"type":84,"tag":76,"props":1258,"children":1259},{},[1260,1265,1270,1275],{"type":84,"tag":196,"props":1261,"children":1262},{"align":174},[1263],{"type":90,"value":1264},"4",{"type":84,"tag":196,"props":1266,"children":1267},{},[1268],{"type":90,"value":1269},"Bullpen Fatigue Index",{"type":84,"tag":196,"props":1271,"children":1272},{"align":174},[1273],{"type":90,"value":1274},"0.10",{"type":84,"tag":196,"props":1276,"children":1277},{},[1278],{"type":90,"value":1210},{"type":84,"tag":76,"props":1280,"children":1281},{},[1282,1287,1292,1297],{"type":84,"tag":196,"props":1283,"children":1284},{"align":174},[1285],{"type":90,"value":1286},"5",{"type":84,"tag":196,"props":1288,"children":1289},{},[1290],{"type":90,"value":1291},"K-BB% (стартер)",{"type":84,"tag":196,"props":1293,"children":1294},{"align":174},[1295],{"type":90,"value":1296},"0.09",{"type":84,"tag":196,"props":1298,"children":1299},{},[1300],{"type":90,"value":1210},{"type":84,"tag":76,"props":1302,"children":1303},{},[1304,1309,1314,1319],{"type":84,"tag":196,"props":1305,"children":1306},{"align":174},[1307],{"type":90,"value":1308},"6",{"type":84,"tag":196,"props":1310,"children":1311},{},[1312],{"type":90,"value":1313},"Platoon Matchup Score",{"type":84,"tag":196,"props":1315,"children":1316},{"align":174},[1317],{"type":90,"value":1318},"0.07",{"type":84,"tag":196,"props":1320,"children":1321},{},[1322],{"type":90,"value":1323},"Лайнап",{"type":84,"tag":76,"props":1325,"children":1326},{},[1327,1332,1337,1342],{"type":84,"tag":196,"props":1328,"children":1329},{"align":174},[1330],{"type":90,"value":1331},"7",{"type":84,"tag":196,"props":1333,"children":1334},{},[1335],{"type":90,"value":1336},"Home\u002FAway Split",{"type":84,"tag":196,"props":1338,"children":1339},{"align":174},[1340],{"type":90,"value":1341},"0.06",{"type":84,"tag":196,"props":1343,"children":1344},{},[1345],{"type":90,"value":1346},"Ситуация",{"type":84,"tag":76,"props":1348,"children":1349},{},[1350,1355,1360,1365],{"type":84,"tag":196,"props":1351,"children":1352},{"align":174},[1353],{"type":90,"value":1354},"8",{"type":84,"tag":196,"props":1356,"children":1357},{},[1358],{"type":90,"value":1359},"Temperature + Wind",{"type":84,"tag":196,"props":1361,"children":1362},{"align":174},[1363],{"type":90,"value":1364},"0.05",{"type":84,"tag":196,"props":1366,"children":1367},{},[1368],{"type":90,"value":1369},"Погода",{"type":84,"tag":76,"props":1371,"children":1372},{},[1373,1378,1383,1388],{"type":84,"tag":196,"props":1374,"children":1375},{"align":174},[1376],{"type":90,"value":1377},"9",{"type":84,"tag":196,"props":1379,"children":1380},{},[1381],{"type":90,"value":1382},"Umpire Zone Rating",{"type":84,"tag":196,"props":1384,"children":1385},{"align":174},[1386],{"type":90,"value":1387},"0.04",{"type":84,"tag":196,"props":1389,"children":1390},{},[1391],{"type":90,"value":1392},"Арбитр",{"type":84,"tag":76,"props":1394,"children":1395},{},[1396,1401,1406,1411],{"type":84,"tag":196,"props":1397,"children":1398},{"align":174},[1399],{"type":90,"value":1400},"10",{"type":84,"tag":196,"props":1402,"children":1403},{},[1404],{"type":90,"value":1405},"Rest Days (team)",{"type":84,"tag":196,"props":1407,"children":1408},{"align":174},[1409],{"type":90,"value":1410},"0.03",{"type":84,"tag":196,"props":1412,"children":1413},{},[1414],{"type":90,"value":1415},"Усталость",{"type":84,"tag":85,"props":1417,"children":1419},{"id":1418},"фаза-3-типы-моделей-на-python-2026",[1420],{"type":90,"value":1421},"Фаза 3: Типы моделей на Python (2026)",{"type":84,"tag":144,"props":1423,"children":1425},{"id":1424},"линейная-регрессия-начало-пути",[1426],{"type":90,"value":1427},"Линейная регрессия (Начало пути)",{"type":84,"tag":93,"props":1429,"children":1430},{},[1431,1433,1438],{"type":90,"value":1432},"Линейная регрессия предсказывает ",{"type":84,"tag":104,"props":1434,"children":1435},{},[1436],{"type":90,"value":1437},"суммарное количество ранов",{"type":90,"value":1439}," напрямую. Это самая простая модель, но удивительно эффективная для прогнозирования тоталов игр.",{"type":84,"tag":1441,"props":1442,"children":1448},"pre",{"className":1443,"code":1445,"language":1446,"meta":1447},[1444],"language-python","from sklearn.linear_model import LinearRegression\nimport pandas as pd\n\n## Загрузи матрицу признаков\nfeatures = ['sp_xfip', 'team_woba', 'park_factor',\n            'bullpen_fatigue', 'k_bb_pct', 'platoon_score']\n\nX_train = train_data[features]\ny_train = train_data['total_runs']\n\nmodel = LinearRegression()\nmodel.fit(X_train, y_train)\n\n## Прогноз для сегодняшних игр\ntoday_pred = model.predict(today_data[features])\n","python","",[1449],{"type":84,"tag":1450,"props":1451,"children":1452},"code",{"__ignoreMap":1447},[1453],{"type":90,"value":1445},{"type":84,"tag":144,"props":1455,"children":1457},{"id":1456},"логистическая-регрессия-классификация",[1458],{"type":90,"value":1459},"Логистическая регрессия (Классификация)",{"type":84,"tag":93,"props":1461,"children":1462},{},[1463,1465,1470],{"type":90,"value":1464},"Для ставок на монейлайн тебе нужна ",{"type":84,"tag":104,"props":1466,"children":1467},{},[1468],{"type":90,"value":1469},"вероятность победы",{"type":90,"value":1471},", а не количество ранов. Логистическая регрессия выдаёт вероятности сразу.",{"type":84,"tag":1441,"props":1473,"children":1476},{"className":1474,"code":1475,"language":1446,"meta":1447},[1444],"from sklearn.linear_model import LogisticRegression\n\nX_train = train_data[features]\ny_train = train_data['home_win']  # 1 или 0\n\nmodel = LogisticRegression(max_iter=1000)\nmodel.fit(X_train, y_train)\n\n## Получи вероятности побед\nprobs = model.predict_proba(today_data[features])\nhome_win_prob = probs[:, 1]  # вероятность побед домашней команды\n",[1477],{"type":84,"tag":1450,"props":1478,"children":1479},{"__ignoreMap":1447},[1480],{"type":90,"value":1475},{"type":84,"tag":144,"props":1482,"children":1484},{"id":1483},"xgboost-gradient-boosting",[1485],{"type":90,"value":1486},"XGBoost (Gradient Boosting)",{"type":84,"tag":93,"props":1488,"children":1489},{},[1490],{"type":90,"value":1491},"XGBoost захватывает нелинейные связи, которые регрессия упускает. Это рабочая лошадка профессиональных MLB-моделей.",{"type":84,"tag":1441,"props":1493,"children":1496},{"className":1494,"code":1495,"language":1446,"meta":1447},[1444],"import xgboost as xgb\n\nparams = {\n    'objective': 'binary:logistic',\n    'max_depth': 5,\n    'learning_rate': 0.05,\n    'subsample': 0.8,\n    'colsample_bytree': 0.8,\n    'eval_metric': 'logloss'\n}\n\ndtrain = xgb.DMatrix(X_train, label=y_train)\nmodel = xgb.train(params, dtrain, num_boost_round=300)\n\n## Прогноз\ndtest = xgb.DMatrix(today_data[features])\nprobs = model.predict(dtest)\n",[1497],{"type":84,"tag":1450,"props":1498,"children":1499},{"__ignoreMap":1447},[1500],{"type":90,"value":1495},{"type":84,"tag":144,"props":1502,"children":1504},{"id":1503},"ансамблевая-модель-комбинация-всех-трёх",[1505],{"type":90,"value":1506},"Ансамблевая модель (Комбинация всех трёх)",{"type":84,"tag":93,"props":1508,"children":1509},{},[1510],{"type":90,"value":1511},"Ни одна модель не лучше всегда. Ансамбль усредняет прогнозы нескольких моделей, снижая переобучение и улучшая калибровку.",{"type":84,"tag":689,"props":1513,"children":1515},{"id":1514},"код-на-python-полный-конвейер-ансамбля",[1516],{"type":90,"value":1517},"Код на Python: Полный конвейер ансамбля",{"type":84,"tag":1441,"props":1519,"children":1522},{"className":1520,"code":1521,"language":1446,"meta":1447},[1444],"import numpy as np\nfrom sklearn.linear_model import LogisticRegression\nfrom sklearn.calibration import CalibratedClassifierCV\nimport xgboost as xgb\n\n## Обучи отдельные модели\nlr_model = LogisticRegression(max_iter=1000)\nlr_model.fit(X_train, y_train)\nlr_probs = lr_model.predict_proba(X_test)[:, 1]\n\nxgb_model = xgb.XGBClassifier(\n    max_depth=5, learning_rate=0.05,\n    n_estimators=300, subsample=0.8\n)\nxgb_model.fit(X_train, y_train)\nxgb_probs = xgb_model.predict_proba(X_test)[:, 1]\n\n## Взвешенный ансамбль (подгони веса на валидационном наборе)\nensemble_probs = 0.4 * lr_probs + 0.6 * xgb_probs\n\n## Сравни с вероятностью, подразумеваемой рынком\nfor i, game in enumerate(today_games):\n    model_prob = ensemble_probs[i]\n    implied_prob = game['implied_probability']\n    edge = model_prob - implied_prob\n\n    if edge > 0.03:  # минимальный порог преимущества 3%\n        kelly = (model_prob * (game['decimal_odds'] - 1)\n                 - (1 - model_prob)) \u002F (game['decimal_odds'] - 1)\n        bet_size = bankroll * kelly * 0.25  # четверть-Келли\n        print(f\"{game['teams']}: Преимущество {edge:.1%}, \"\n              f\"Ставка ${bet_size:.0f}\")\n",[1523],{"type":84,"tag":1450,"props":1524,"children":1525},{"__ignoreMap":1447},[1526],{"type":90,"value":1521},{"type":84,"tag":85,"props":1528,"children":1530},{"id":1529},"фаза-4-бэктестирование-и-валидация",[1531],{"type":90,"value":1532},"Фаза 4: Бэктестирование и валидация",{"type":84,"tag":144,"props":1534,"children":1536},{"id":1535},"стратегия-разделения-на-обучениетест-2019-2022-обучение-2023-валидация-2024-2025-тест",[1537],{"type":90,"value":1538},"Стратегия разделения на обучение\u002Fтест (2019-2022 обучение \u002F 2023 валидация \u002F 2024-2025 тест)",{"type":84,"tag":93,"props":1540,"children":1541},{},[1542],{"type":90,"value":1543},"Никогда не проверяй модель на тех же данных, которыми её обучал. Используй строгое временное разделение:",{"type":84,"tag":585,"props":1545,"children":1546},{},[1547,1557,1567],{"type":84,"tag":340,"props":1548,"children":1549},{},[1550,1555],{"type":84,"tag":104,"props":1551,"children":1552},{},[1553],{"type":90,"value":1554},"Обучающий набор (2019-2022):",{"type":90,"value":1556}," ~9700 игр. Твоя модель учится на этих данных",{"type":84,"tag":340,"props":1558,"children":1559},{},[1560,1565],{"type":84,"tag":104,"props":1561,"children":1562},{},[1563],{"type":90,"value":1564},"Валидационный набор (2023):",{"type":90,"value":1566}," ~2430 игр. Подгонь гиперпараметры и выбор признаков",{"type":84,"tag":340,"props":1568,"children":1569},{},[1570,1575],{"type":84,"tag":104,"props":1571,"children":1572},{},[1573],{"type":90,"value":1574},"Тестовый набор (2024-2025):",{"type":90,"value":1576}," ~4860 игр. Финальная оценка реального качества на нетронутых данных",{"type":84,"tag":93,"props":1578,"children":1579},{},[1580],{"type":90,"value":1581},"Если модель хорошо работает на обучающих данных, но плохо на тесте — у тебя переобучение. Вернись и упрости.",{"type":84,"tag":144,"props":1583,"children":1585},{"id":1584},"ключевые-метрики-log-loss-brier-score-калибровка",[1586],{"type":90,"value":1587},"Ключевые метрики — Log Loss, Brier Score, калибровка",{"type":84,"tag":93,"props":1589,"children":1590},{},[1591],{"type":90,"value":1592},"Точность побед\u002Fпоражений обманчива. Модель, которая говорит «52% на каждой игре», имеет 52% точность, но нулевое преимущество. Используй правильные метрики:",{"type":84,"tag":585,"props":1594,"children":1595},{},[1596,1606,1616],{"type":84,"tag":340,"props":1597,"children":1598},{},[1599,1604],{"type":84,"tag":104,"props":1600,"children":1601},{},[1602],{"type":90,"value":1603},"Log Loss:",{"type":90,"value":1605}," Штрафует уверенные неправильные предсказания. Ниже = лучше. Целевое значение \u003C 0.68",{"type":84,"tag":340,"props":1607,"children":1608},{},[1609,1614],{"type":84,"tag":104,"props":1610,"children":1611},{},[1612],{"type":90,"value":1613},"Brier Score:",{"type":90,"value":1615}," Среднеквадратическая ошибка вероятностей. Целевое значение \u003C 0.24",{"type":84,"tag":340,"props":1617,"children":1618},{},[1619,1624],{"type":84,"tag":104,"props":1620,"children":1621},{},[1622],{"type":90,"value":1623},"Калибровка:",{"type":90,"value":1625}," Когда модель говорит 60%, команда должна побеждать ~60% времени",{"type":84,"tag":93,"props":1627,"children":1628},{},[1629],{"type":90,"value":1630},"Проверь калибровку, построив график предсказанной вероятности против реального процента побед по интервалам (50-55%, 55-60%, 60-65% и т.д.). Хорошо калиброванная модель следует диагональной линии.",{"type":84,"tag":144,"props":1632,"children":1634},{"id":1633},"избегай-переобучения-ошибка-1-у-новичков",[1635],{"type":90,"value":1636},"Избегай переобучения — ошибка №1 у новичков",{"type":84,"tag":93,"props":1638,"children":1639},{},[1640],{"type":90,"value":1641},"Признаки переобучения:",{"type":84,"tag":585,"props":1643,"children":1644},{},[1645,1650,1655],{"type":84,"tag":340,"props":1646,"children":1647},{},[1648],{"type":90,"value":1649},"Точность на обучении > 60%, но на тесте \u003C 52%",{"type":84,"tag":340,"props":1651,"children":1652},{},[1653],{"type":90,"value":1654},"Модель обожает редкие признаки (ID арбитра, день недели) вместо фундаментальной статистики",{"type":84,"tag":340,"props":1656,"children":1657},{},[1658],{"type":90,"value":1659},"Качество резко падает на новых сезонах",{"type":84,"tag":93,"props":1661,"children":1662},{},[1663],{"type":90,"value":1664},"Решения:",{"type":84,"tag":585,"props":1666,"children":1667},{},[1668,1673,1678,1683],{"type":84,"tag":340,"props":1669,"children":1670},{},[1671],{"type":90,"value":1672},"Используй меньше признаков (5-8 часто оптимально для MLB)",{"type":84,"tag":340,"props":1674,"children":1675},{},[1676],{"type":90,"value":1677},"Добавь регуляризацию (L1\u002FL2 в регрессии, ограничения max_depth в XGBoost)",{"type":84,"tag":340,"props":1679,"children":1680},{},[1681],{"type":90,"value":1682},"Кросс-валидируй внутри обучающего набора перед тем, как трогать тест",{"type":84,"tag":340,"props":1684,"children":1685},{},[1686],{"type":90,"value":1687},"Если признак не имеет смысла в контексте бейсбола, удали его, несмотря на статистическую значимость",{"type":84,"tag":85,"props":1689,"children":1691},{"id":1690},"этап-5-перевод-выхода-модели-в-ставки",[1692],{"type":90,"value":1693},"Этап 5: Перевод выхода модели в ставки",{"type":84,"tag":144,"props":1695,"children":1697},{"id":1696},"от-вероятности-к-ожидаемой-ценности-формула-ev-простым-языком",[1698],{"type":90,"value":1699},"От вероятности к ожидаемой ценности (Формула EV + простым языком)",{"type":84,"tag":93,"props":1701,"children":1702},{},[1703],{"type":90,"value":1704},"Основная формула:",{"type":84,"tag":93,"props":1706,"children":1707},{},[1708],{"type":84,"tag":1709,"props":1710,"children":1713},"span",{"className":1711},[1712],"katex",[1714,1819],{"type":84,"tag":1709,"props":1715,"children":1718},{"className":1716},[1717],"katex-mathml",[1719],{"type":84,"tag":1720,"props":1721,"children":1723},"math",{"xmlns":1722},"http:\u002F\u002Fwww.w3.org\u002F1998\u002FMath\u002FMathML",[1724],{"type":84,"tag":1725,"props":1726,"children":1727},"semantics",{},[1728,1812],{"type":84,"tag":1729,"props":1730,"children":1731},"mrow",{},[1732,1738,1743,1749,1754,1760,1766,1771,1776,1781,1786,1790,1794,1799,1803,1807],{"type":84,"tag":1733,"props":1734,"children":1735},"mi",{},[1736],{"type":90,"value":1737},"E",{"type":84,"tag":1733,"props":1739,"children":1740},{},[1741],{"type":90,"value":1742},"V",{"type":84,"tag":1744,"props":1745,"children":1746},"mo",{},[1747],{"type":90,"value":1748},"=",{"type":84,"tag":1733,"props":1750,"children":1751},{},[1752],{"type":90,"value":1753},"P",{"type":84,"tag":1744,"props":1755,"children":1757},{"stretchy":1756},"false",[1758],{"type":90,"value":1759},"(",{"type":84,"tag":1761,"props":1762,"children":1763},"mtext",{},[1764],{"type":90,"value":1765},"выигрыш",{"type":84,"tag":1744,"props":1767,"children":1768},{"stretchy":1756},[1769],{"type":90,"value":1770},")",{"type":84,"tag":1744,"props":1772,"children":1773},{},[1774],{"type":90,"value":1775},"×",{"type":84,"tag":1761,"props":1777,"children":1778},{},[1779],{"type":90,"value":1780},"Выигрыш",{"type":84,"tag":1744,"props":1782,"children":1783},{},[1784],{"type":90,"value":1785},"−",{"type":84,"tag":1733,"props":1787,"children":1788},{},[1789],{"type":90,"value":1753},{"type":84,"tag":1744,"props":1791,"children":1792},{"stretchy":1756},[1793],{"type":90,"value":1759},{"type":84,"tag":1761,"props":1795,"children":1796},{},[1797],{"type":90,"value":1798},"проигрыш",{"type":84,"tag":1744,"props":1800,"children":1801},{"stretchy":1756},[1802],{"type":90,"value":1770},{"type":84,"tag":1744,"props":1804,"children":1805},{},[1806],{"type":90,"value":1775},{"type":84,"tag":1761,"props":1808,"children":1809},{},[1810],{"type":90,"value":1811},"Ставка",{"type":84,"tag":1813,"props":1814,"children":1816},"annotation",{"encoding":1815},"application\u002Fx-tex",[1817],{"type":90,"value":1818},"EV = P(выигрыш) \\times Выигрыш - P(проигрыш) \\times Ставка",{"type":84,"tag":1709,"props":1820,"children":1824},{"className":1821,"ariaHidden":1823},[1822],"katex-html","true",[1825,1866,1913,1940,1981],{"type":84,"tag":1709,"props":1826,"children":1829},{"className":1827},[1828],"base",[1830,1836,1844,1850,1856,1862],{"type":84,"tag":1709,"props":1831,"children":1835},{"className":1832,"style":1834},[1833],"strut","height:0.6833em;",[],{"type":84,"tag":1709,"props":1837,"children":1842},{"className":1838,"style":1841},[1839,1840],"mord","mathnormal","margin-right:0.0576em;",[1843],{"type":90,"value":1737},{"type":84,"tag":1709,"props":1845,"children":1848},{"className":1846,"style":1847},[1839,1840],"margin-right:0.2222em;",[1849],{"type":90,"value":1742},{"type":84,"tag":1709,"props":1851,"children":1855},{"className":1852,"style":1854},[1853],"mspace","margin-right:0.2778em;",[],{"type":84,"tag":1709,"props":1857,"children":1860},{"className":1858},[1859],"mrel",[1861],{"type":90,"value":1748},{"type":84,"tag":1709,"props":1863,"children":1865},{"className":1864,"style":1854},[1853],[],{"type":84,"tag":1709,"props":1867,"children":1869},{"className":1868},[1828],[1870,1875,1881,1887,1893,1899,1903,1909],{"type":84,"tag":1709,"props":1871,"children":1874},{"className":1872,"style":1873},[1833],"height:1em;vertical-align:-0.25em;",[],{"type":84,"tag":1709,"props":1876,"children":1879},{"className":1877,"style":1878},[1839,1840],"margin-right:0.1389em;",[1880],{"type":90,"value":1753},{"type":84,"tag":1709,"props":1882,"children":1885},{"className":1883},[1884],"mopen",[1886],{"type":90,"value":1759},{"type":84,"tag":1709,"props":1888,"children":1891},{"className":1889},[1839,1890],"cyrillic_fallback",[1892],{"type":90,"value":1765},{"type":84,"tag":1709,"props":1894,"children":1897},{"className":1895},[1896],"mclose",[1898],{"type":90,"value":1770},{"type":84,"tag":1709,"props":1900,"children":1902},{"className":1901,"style":1847},[1853],[],{"type":84,"tag":1709,"props":1904,"children":1907},{"className":1905},[1906],"mbin",[1908],{"type":90,"value":1775},{"type":84,"tag":1709,"props":1910,"children":1912},{"className":1911,"style":1847},[1853],[],{"type":84,"tag":1709,"props":1914,"children":1916},{"className":1915},[1828],[1917,1922,1927,1931,1936],{"type":84,"tag":1709,"props":1918,"children":1921},{"className":1919,"style":1920},[1833],"height:0.8778em;vertical-align:-0.1944em;",[],{"type":84,"tag":1709,"props":1923,"children":1925},{"className":1924},[1839,1890],[1926],{"type":90,"value":1780},{"type":84,"tag":1709,"props":1928,"children":1930},{"className":1929,"style":1847},[1853],[],{"type":84,"tag":1709,"props":1932,"children":1934},{"className":1933},[1906],[1935],{"type":90,"value":1785},{"type":84,"tag":1709,"props":1937,"children":1939},{"className":1938,"style":1847},[1853],[],{"type":84,"tag":1709,"props":1941,"children":1943},{"className":1942},[1828],[1944,1948,1953,1958,1963,1968,1972,1977],{"type":84,"tag":1709,"props":1945,"children":1947},{"className":1946,"style":1873},[1833],[],{"type":84,"tag":1709,"props":1949,"children":1951},{"className":1950,"style":1878},[1839,1840],[1952],{"type":90,"value":1753},{"type":84,"tag":1709,"props":1954,"children":1956},{"className":1955},[1884],[1957],{"type":90,"value":1759},{"type":84,"tag":1709,"props":1959,"children":1961},{"className":1960},[1839,1890],[1962],{"type":90,"value":1798},{"type":84,"tag":1709,"props":1964,"children":1966},{"className":1965},[1896],[1967],{"type":90,"value":1770},{"type":84,"tag":1709,"props":1969,"children":1971},{"className":1970,"style":1847},[1853],[],{"type":84,"tag":1709,"props":1973,"children":1975},{"className":1974},[1906],[1976],{"type":90,"value":1775},{"type":84,"tag":1709,"props":1978,"children":1980},{"className":1979,"style":1847},[1853],[],{"type":84,"tag":1709,"props":1982,"children":1984},{"className":1983},[1828],[1985,1989],{"type":84,"tag":1709,"props":1986,"children":1988},{"className":1987,"style":1834},[1833],[],{"type":84,"tag":1709,"props":1990,"children":1992},{"className":1991},[1839,1890],[1993],{"type":90,"value":1811},{"type":84,"tag":93,"props":1995,"children":1996},{},[1997],{"type":90,"value":1998},"Простым языком: умножь свой шанс на победу на то, сколько ты выиграешь, а потом вычти шанс проигрыша, умноженный на то, сколько ты потеряешь. Если число положительное, ставка имеет +EV.",{"type":84,"tag":93,"props":2000,"children":2001},{},[2002,2007],{"type":84,"tag":104,"props":2003,"children":2004},{},[2005],{"type":90,"value":2006},"Пример:",{"type":90,"value":2008}," Твоя модель дает Астрос 55% шанс. Коэффициент +130 (ставка $100 выигрывает $130).",{"type":84,"tag":585,"props":2010,"children":2011},{},[2012,2017],{"type":84,"tag":340,"props":2013,"children":2014},{},[2015],{"type":90,"value":2016},"EV = (0.55 × $130) - (0.45 × $100)",{"type":84,"tag":340,"props":2018,"children":2019},{},[2020,2022],{"type":90,"value":2021},"EV = $71.50 - $45.00 = ",{"type":84,"tag":104,"props":2023,"children":2024},{},[2025],{"type":90,"value":2026},"+$26.50 за ставку $100",{"type":84,"tag":93,"props":2028,"children":2029},{},[2030,2032,2038,2040,2046,2048,2054],{"type":90,"value":2031},"Это огромный край в 26.5%. На самом деле краи обычно 3-8% — смотри нашу статью о ",{"type":84,"tag":112,"props":2033,"children":2035},{"href":2034},"\u002Fblog\u002Fwhat-does-edge-mean-in-betting",[2036],{"type":90,"value":2037},"том, что такое край в ставках",{"type":90,"value":2039}," для разбора по категориям. Используй наш ",{"type":84,"tag":112,"props":2041,"children":2043},{"href":2042},"\u002Fbetting\u002Fvalue-bet-calculator",[2044],{"type":90,"value":2045},"Калькулятор вэлью-ставок",{"type":90,"value":2047},", чтобы быстро проверить любую ставку, или протестируй свои числа через ",{"type":84,"tag":112,"props":2049,"children":2051},{"href":2050},"\u002Fbetting\u002Fedge-analyzer",[2052],{"type":90,"value":2053},"Анализатор краев",{"type":90,"value":2055}," для более глубокого разбора.",{"type":84,"tag":144,"props":2057,"children":2059},{"id":2058},"критерий-келли-для-определения-размера-ставок-в-mlb",[2060],{"type":90,"value":2061},"Критерий Келли для определения размера ставок в MLB",{"type":84,"tag":93,"props":2063,"children":2064},{},[2065],{"type":90,"value":2066},"Критерий Келли рассчитывает математически оптимальный размер ставки:",{"type":84,"tag":93,"props":2068,"children":2069},{},[2070],{"type":84,"tag":1709,"props":2071,"children":2073},{"className":2072},[1712],[2074,2139],{"type":84,"tag":1709,"props":2075,"children":2077},{"className":2076},[1717],[2078],{"type":84,"tag":1720,"props":2079,"children":2080},{"xmlns":1722},[2081],{"type":84,"tag":1725,"props":2082,"children":2083},{},[2084,2134],{"type":84,"tag":1729,"props":2085,"children":2086},{},[2087,2101,2105],{"type":84,"tag":2088,"props":2089,"children":2090},"msup",{},[2091,2096],{"type":84,"tag":1733,"props":2092,"children":2093},{},[2094],{"type":90,"value":2095},"f",{"type":84,"tag":1744,"props":2097,"children":2098},{},[2099],{"type":90,"value":2100},"∗",{"type":84,"tag":1744,"props":2102,"children":2103},{},[2104],{"type":90,"value":1748},{"type":84,"tag":2106,"props":2107,"children":2108},"mfrac",{},[2109,2130],{"type":84,"tag":1729,"props":2110,"children":2111},{},[2112,2117,2121,2125],{"type":84,"tag":1733,"props":2113,"children":2114},{},[2115],{"type":90,"value":2116},"b",{"type":84,"tag":1733,"props":2118,"children":2119},{},[2120],{"type":90,"value":93},{"type":84,"tag":1744,"props":2122,"children":2123},{},[2124],{"type":90,"value":1785},{"type":84,"tag":1733,"props":2126,"children":2127},{},[2128],{"type":90,"value":2129},"q",{"type":84,"tag":1733,"props":2131,"children":2132},{},[2133],{"type":90,"value":2116},{"type":84,"tag":1813,"props":2135,"children":2136},{"encoding":1815},[2137],{"type":90,"value":2138},"f^* = \\frac{bp - q}{b}",{"type":84,"tag":1709,"props":2140,"children":2142},{"className":2141,"ariaHidden":1823},[1822],[2143,2219],{"type":84,"tag":1709,"props":2144,"children":2146},{"className":2145},[1828],[2147,2152,2206,2210,2215],{"type":84,"tag":1709,"props":2148,"children":2151},{"className":2149,"style":2150},[1833],"height:0.8889em;vertical-align:-0.1944em;",[],{"type":84,"tag":1709,"props":2153,"children":2155},{"className":2154},[1839],[2156,2162],{"type":84,"tag":1709,"props":2157,"children":2160},{"className":2158,"style":2159},[1839,1840],"margin-right:0.1076em;",[2161],{"type":90,"value":2095},{"type":84,"tag":1709,"props":2163,"children":2166},{"className":2164},[2165],"msupsub",[2167],{"type":84,"tag":1709,"props":2168,"children":2171},{"className":2169},[2170],"vlist-t",[2172],{"type":84,"tag":1709,"props":2173,"children":2176},{"className":2174},[2175],"vlist-r",[2177],{"type":84,"tag":1709,"props":2178,"children":2182},{"className":2179,"style":2181},[2180],"vlist","height:0.6887em;",[2183],{"type":84,"tag":1709,"props":2184,"children":2186},{"style":2185},"top:-3.063em;margin-right:0.05em;",[2187,2193],{"type":84,"tag":1709,"props":2188,"children":2192},{"className":2189,"style":2191},[2190],"pstrut","height:2.7em;",[],{"type":84,"tag":1709,"props":2194,"children":2200},{"className":2195},[2196,2197,2198,2199],"sizing","reset-size6","size3","mtight",[2201],{"type":84,"tag":1709,"props":2202,"children":2204},{"className":2203},[1906,2199],[2205],{"type":90,"value":2100},{"type":84,"tag":1709,"props":2207,"children":2209},{"className":2208,"style":1854},[1853],[],{"type":84,"tag":1709,"props":2211,"children":2213},{"className":2212},[1859],[2214],{"type":90,"value":1748},{"type":84,"tag":1709,"props":2216,"children":2218},{"className":2217,"style":1854},[1853],[],{"type":84,"tag":1709,"props":2220,"children":2222},{"className":2221},[1828],[2223,2228],{"type":84,"tag":1709,"props":2224,"children":2227},{"className":2225,"style":2226},[1833],"height:1.2772em;vertical-align:-0.345em;",[],{"type":84,"tag":1709,"props":2229,"children":2231},{"className":2230},[1839],[2232,2237,2347],{"type":84,"tag":1709,"props":2233,"children":2236},{"className":2234},[1884,2235],"nulldelimiter",[],{"type":84,"tag":1709,"props":2238,"children":2240},{"className":2239},[2106],[2241],{"type":84,"tag":1709,"props":2242,"children":2245},{"className":2243},[2170,2244],"vlist-t2",[2246,2335],{"type":84,"tag":1709,"props":2247,"children":2249},{"className":2248},[2175],[2250,2328],{"type":84,"tag":1709,"props":2251,"children":2254},{"className":2252,"style":2253},[2180],"height:0.9322em;",[2255,2277,2291],{"type":84,"tag":1709,"props":2256,"children":2258},{"style":2257},"top:-2.655em;",[2259,2264],{"type":84,"tag":1709,"props":2260,"children":2263},{"className":2261,"style":2262},[2190],"height:3em;",[],{"type":84,"tag":1709,"props":2265,"children":2267},{"className":2266},[2196,2197,2198,2199],[2268],{"type":84,"tag":1709,"props":2269,"children":2271},{"className":2270},[1839,2199],[2272],{"type":84,"tag":1709,"props":2273,"children":2275},{"className":2274},[1839,1840,2199],[2276],{"type":90,"value":2116},{"type":84,"tag":1709,"props":2278,"children":2280},{"style":2279},"top:-3.23em;",[2281,2285],{"type":84,"tag":1709,"props":2282,"children":2284},{"className":2283,"style":2262},[2190],[],{"type":84,"tag":1709,"props":2286,"children":2290},{"className":2287,"style":2289},[2288],"frac-line","border-bottom-width:0.04em;",[],{"type":84,"tag":1709,"props":2292,"children":2294},{"style":2293},"top:-3.4461em;",[2295,2299],{"type":84,"tag":1709,"props":2296,"children":2298},{"className":2297,"style":2262},[2190],[],{"type":84,"tag":1709,"props":2300,"children":2302},{"className":2301},[2196,2197,2198,2199],[2303],{"type":84,"tag":1709,"props":2304,"children":2306},{"className":2305},[1839,2199],[2307,2312,2317,2322],{"type":84,"tag":1709,"props":2308,"children":2310},{"className":2309},[1839,1840,2199],[2311],{"type":90,"value":2116},{"type":84,"tag":1709,"props":2313,"children":2315},{"className":2314},[1839,1840,2199],[2316],{"type":90,"value":93},{"type":84,"tag":1709,"props":2318,"children":2320},{"className":2319},[1906,2199],[2321],{"type":90,"value":1785},{"type":84,"tag":1709,"props":2323,"children":2326},{"className":2324,"style":2325},[1839,1840,2199],"margin-right:0.0359em;",[2327],{"type":90,"value":2129},{"type":84,"tag":1709,"props":2329,"children":2332},{"className":2330},[2331],"vlist-s",[2333],{"type":90,"value":2334},"​",{"type":84,"tag":1709,"props":2336,"children":2338},{"className":2337},[2175],[2339],{"type":84,"tag":1709,"props":2340,"children":2343},{"className":2341,"style":2342},[2180],"height:0.345em;",[2344],{"type":84,"tag":1709,"props":2345,"children":2346},{},[],{"type":84,"tag":1709,"props":2348,"children":2350},{"className":2349},[1896,2235],[],{"type":84,"tag":93,"props":2352,"children":2353},{},[2354],{"type":90,"value":2355},"Где:",{"type":84,"tag":585,"props":2357,"children":2358},{},[2359,2368,2377],{"type":84,"tag":340,"props":2360,"children":2361},{},[2362,2366],{"type":84,"tag":104,"props":2363,"children":2364},{},[2365],{"type":90,"value":2116},{"type":90,"value":2367}," = десятичный коэффициент - 1 (чистый коэффициент)",{"type":84,"tag":340,"props":2369,"children":2370},{},[2371,2375],{"type":84,"tag":104,"props":2372,"children":2373},{},[2374],{"type":90,"value":93},{"type":90,"value":2376}," = твоя прогнозная вероятность выигрыша",{"type":84,"tag":340,"props":2378,"children":2379},{},[2380,2384],{"type":84,"tag":104,"props":2381,"children":2382},{},[2383],{"type":90,"value":2129},{"type":90,"value":2385}," = 1 - p (вероятность проигрыша)",{"type":84,"tag":93,"props":2387,"children":2388},{},[2389],{"type":90,"value":2390},"Для примера с Астрос: b = 2.30 - 1 = 1.30, p = 0.55, q = 0.45",{"type":84,"tag":93,"props":2392,"children":2393},{},[2394],{"type":84,"tag":1709,"props":2395,"children":2397},{"className":2396},[1712],[2398,2531],{"type":84,"tag":1709,"props":2399,"children":2401},{"className":2400},[1717],[2402],{"type":84,"tag":1720,"props":2403,"children":2404},{"xmlns":1722},[2405],{"type":84,"tag":1725,"props":2406,"children":2407},{},[2408,2526],{"type":84,"tag":1729,"props":2409,"children":2410},{},[2411,2422,2426,2468,2472,2495,2499,2511,2515,2520],{"type":84,"tag":2088,"props":2412,"children":2413},{},[2414,2418],{"type":84,"tag":1733,"props":2415,"children":2416},{},[2417],{"type":90,"value":2095},{"type":84,"tag":1744,"props":2419,"children":2420},{},[2421],{"type":90,"value":2100},{"type":84,"tag":1744,"props":2423,"children":2424},{},[2425],{"type":90,"value":1748},{"type":84,"tag":2106,"props":2427,"children":2428},{},[2429,2464],{"type":84,"tag":1729,"props":2430,"children":2431},{},[2432,2436,2442,2446,2451,2455,2459],{"type":84,"tag":1744,"props":2433,"children":2434},{"stretchy":1756},[2435],{"type":90,"value":1759},{"type":84,"tag":2437,"props":2438,"children":2439},"mn",{},[2440],{"type":90,"value":2441},"1.30",{"type":84,"tag":1744,"props":2443,"children":2444},{},[2445],{"type":90,"value":1775},{"type":84,"tag":2437,"props":2447,"children":2448},{},[2449],{"type":90,"value":2450},"0.55",{"type":84,"tag":1744,"props":2452,"children":2453},{"stretchy":1756},[2454],{"type":90,"value":1770},{"type":84,"tag":1744,"props":2456,"children":2457},{},[2458],{"type":90,"value":1785},{"type":84,"tag":2437,"props":2460,"children":2461},{},[2462],{"type":90,"value":2463},"0.45",{"type":84,"tag":2437,"props":2465,"children":2466},{},[2467],{"type":90,"value":2441},{"type":84,"tag":1744,"props":2469,"children":2470},{},[2471],{"type":90,"value":1748},{"type":84,"tag":2106,"props":2473,"children":2474},{},[2475,2491],{"type":84,"tag":1729,"props":2476,"children":2477},{},[2478,2483,2487],{"type":84,"tag":2437,"props":2479,"children":2480},{},[2481],{"type":90,"value":2482},"0.715",{"type":84,"tag":1744,"props":2484,"children":2485},{},[2486],{"type":90,"value":1785},{"type":84,"tag":2437,"props":2488,"children":2489},{},[2490],{"type":90,"value":2463},{"type":84,"tag":2437,"props":2492,"children":2493},{},[2494],{"type":90,"value":2441},{"type":84,"tag":1744,"props":2496,"children":2497},{},[2498],{"type":90,"value":1748},{"type":84,"tag":2106,"props":2500,"children":2501},{},[2502,2507],{"type":84,"tag":2437,"props":2503,"children":2504},{},[2505],{"type":90,"value":2506},"0.265",{"type":84,"tag":2437,"props":2508,"children":2509},{},[2510],{"type":90,"value":2441},{"type":84,"tag":1744,"props":2512,"children":2513},{},[2514],{"type":90,"value":1748},{"type":84,"tag":2437,"props":2516,"children":2517},{},[2518],{"type":90,"value":2519},"20.4",{"type":84,"tag":1733,"props":2521,"children":2523},{"mathvariant":2522},"normal",[2524],{"type":90,"value":2525},"%",{"type":84,"tag":1813,"props":2527,"children":2528},{"encoding":1815},[2529],{"type":90,"value":2530},"f^* = \\frac{(1.30 \\times 0.55) - 0.45}{1.30} = \\frac{0.715 - 0.45}{1.30} = \\frac{0.265}{1.30} = 20.4\\%",{"type":84,"tag":1709,"props":2532,"children":2534},{"className":2533,"ariaHidden":1823},[1822],[2535,2597,2746,2875,2991],{"type":84,"tag":1709,"props":2536,"children":2538},{"className":2537},[1828],[2539,2543,2584,2588,2593],{"type":84,"tag":1709,"props":2540,"children":2542},{"className":2541,"style":2150},[1833],[],{"type":84,"tag":1709,"props":2544,"children":2546},{"className":2545},[1839],[2547,2552],{"type":84,"tag":1709,"props":2548,"children":2550},{"className":2549,"style":2159},[1839,1840],[2551],{"type":90,"value":2095},{"type":84,"tag":1709,"props":2553,"children":2555},{"className":2554},[2165],[2556],{"type":84,"tag":1709,"props":2557,"children":2559},{"className":2558},[2170],[2560],{"type":84,"tag":1709,"props":2561,"children":2563},{"className":2562},[2175],[2564],{"type":84,"tag":1709,"props":2565,"children":2567},{"className":2566,"style":2181},[2180],[2568],{"type":84,"tag":1709,"props":2569,"children":2570},{"style":2185},[2571,2575],{"type":84,"tag":1709,"props":2572,"children":2574},{"className":2573,"style":2191},[2190],[],{"type":84,"tag":1709,"props":2576,"children":2578},{"className":2577},[2196,2197,2198,2199],[2579],{"type":84,"tag":1709,"props":2580,"children":2582},{"className":2581},[1906,2199],[2583],{"type":90,"value":2100},{"type":84,"tag":1709,"props":2585,"children":2587},{"className":2586,"style":1854},[1853],[],{"type":84,"tag":1709,"props":2589,"children":2591},{"className":2590},[1859],[2592],{"type":90,"value":1748},{"type":84,"tag":1709,"props":2594,"children":2596},{"className":2595,"style":1854},[1853],[],{"type":84,"tag":1709,"props":2598,"children":2600},{"className":2599},[1828],[2601,2606,2733,2737,2742],{"type":84,"tag":1709,"props":2602,"children":2605},{"className":2603,"style":2604},[1833],"height:1.355em;vertical-align:-0.345em;",[],{"type":84,"tag":1709,"props":2607,"children":2609},{"className":2608},[1839],[2610,2614,2729],{"type":84,"tag":1709,"props":2611,"children":2613},{"className":2612},[1884,2235],[],{"type":84,"tag":1709,"props":2615,"children":2617},{"className":2616},[2106],[2618],{"type":84,"tag":1709,"props":2619,"children":2621},{"className":2620},[2170,2244],[2622,2718],{"type":84,"tag":1709,"props":2623,"children":2625},{"className":2624},[2175],[2626,2713],{"type":84,"tag":1709,"props":2627,"children":2630},{"className":2628,"style":2629},[2180],"height:1.01em;",[2631,2651,2662],{"type":84,"tag":1709,"props":2632,"children":2633},{"style":2257},[2634,2638],{"type":84,"tag":1709,"props":2635,"children":2637},{"className":2636,"style":2262},[2190],[],{"type":84,"tag":1709,"props":2639,"children":2641},{"className":2640},[2196,2197,2198,2199],[2642],{"type":84,"tag":1709,"props":2643,"children":2645},{"className":2644},[1839,2199],[2646],{"type":84,"tag":1709,"props":2647,"children":2649},{"className":2648},[1839,2199],[2650],{"type":90,"value":2441},{"type":84,"tag":1709,"props":2652,"children":2653},{"style":2279},[2654,2658],{"type":84,"tag":1709,"props":2655,"children":2657},{"className":2656,"style":2262},[2190],[],{"type":84,"tag":1709,"props":2659,"children":2661},{"className":2660,"style":2289},[2288],[],{"type":84,"tag":1709,"props":2663,"children":2665},{"style":2664},"top:-3.485em;",[2666,2670],{"type":84,"tag":1709,"props":2667,"children":2669},{"className":2668,"style":2262},[2190],[],{"type":84,"tag":1709,"props":2671,"children":2673},{"className":2672},[2196,2197,2198,2199],[2674],{"type":84,"tag":1709,"props":2675,"children":2677},{"className":2676},[1839,2199],[2678,2683,2688,2693,2698,2703,2708],{"type":84,"tag":1709,"props":2679,"children":2681},{"className":2680},[1884,2199],[2682],{"type":90,"value":1759},{"type":84,"tag":1709,"props":2684,"children":2686},{"className":2685},[1839,2199],[2687],{"type":90,"value":2441},{"type":84,"tag":1709,"props":2689,"children":2691},{"className":2690},[1906,2199],[2692],{"type":90,"value":1775},{"type":84,"tag":1709,"props":2694,"children":2696},{"className":2695},[1839,2199],[2697],{"type":90,"value":2450},{"type":84,"tag":1709,"props":2699,"children":2701},{"className":2700},[1896,2199],[2702],{"type":90,"value":1770},{"type":84,"tag":1709,"props":2704,"children":2706},{"className":2705},[1906,2199],[2707],{"type":90,"value":1785},{"type":84,"tag":1709,"props":2709,"children":2711},{"className":2710},[1839,2199],[2712],{"type":90,"value":2463},{"type":84,"tag":1709,"props":2714,"children":2716},{"className":2715},[2331],[2717],{"type":90,"value":2334},{"type":84,"tag":1709,"props":2719,"children":2721},{"className":2720},[2175],[2722],{"type":84,"tag":1709,"props":2723,"children":2725},{"className":2724,"style":2342},[2180],[2726],{"type":84,"tag":1709,"props":2727,"children":2728},{},[],{"type":84,"tag":1709,"props":2730,"children":2732},{"className":2731},[1896,2235],[],{"type":84,"tag":1709,"props":2734,"children":2736},{"className":2735,"style":1854},[1853],[],{"type":84,"tag":1709,"props":2738,"children":2740},{"className":2739},[1859],[2741],{"type":90,"value":1748},{"type":84,"tag":1709,"props":2743,"children":2745},{"className":2744,"style":1854},[1853],[],{"type":84,"tag":1709,"props":2747,"children":2749},{"className":2748},[1828],[2750,2755,2862,2866,2871],{"type":84,"tag":1709,"props":2751,"children":2754},{"className":2752,"style":2753},[1833],"height:1.1901em;vertical-align:-0.345em;",[],{"type":84,"tag":1709,"props":2756,"children":2758},{"className":2757},[1839],[2759,2763,2858],{"type":84,"tag":1709,"props":2760,"children":2762},{"className":2761},[1884,2235],[],{"type":84,"tag":1709,"props":2764,"children":2766},{"className":2765},[2106],[2767],{"type":84,"tag":1709,"props":2768,"children":2770},{"className":2769},[2170,2244],[2771,2847],{"type":84,"tag":1709,"props":2772,"children":2774},{"className":2773},[2175],[2775,2842],{"type":84,"tag":1709,"props":2776,"children":2779},{"className":2777,"style":2778},[2180],"height:0.8451em;",[2780,2800,2811],{"type":84,"tag":1709,"props":2781,"children":2782},{"style":2257},[2783,2787],{"type":84,"tag":1709,"props":2784,"children":2786},{"className":2785,"style":2262},[2190],[],{"type":84,"tag":1709,"props":2788,"children":2790},{"className":2789},[2196,2197,2198,2199],[2791],{"type":84,"tag":1709,"props":2792,"children":2794},{"className":2793},[1839,2199],[2795],{"type":84,"tag":1709,"props":2796,"children":2798},{"className":2797},[1839,2199],[2799],{"type":90,"value":2441},{"type":84,"tag":1709,"props":2801,"children":2802},{"style":2279},[2803,2807],{"type":84,"tag":1709,"props":2804,"children":2806},{"className":2805,"style":2262},[2190],[],{"type":84,"tag":1709,"props":2808,"children":2810},{"className":2809,"style":2289},[2288],[],{"type":84,"tag":1709,"props":2812,"children":2814},{"style":2813},"top:-3.394em;",[2815,2819],{"type":84,"tag":1709,"props":2816,"children":2818},{"className":2817,"style":2262},[2190],[],{"type":84,"tag":1709,"props":2820,"children":2822},{"className":2821},[2196,2197,2198,2199],[2823],{"type":84,"tag":1709,"props":2824,"children":2826},{"className":2825},[1839,2199],[2827,2832,2837],{"type":84,"tag":1709,"props":2828,"children":2830},{"className":2829},[1839,2199],[2831],{"type":90,"value":2482},{"type":84,"tag":1709,"props":2833,"children":2835},{"className":2834},[1906,2199],[2836],{"type":90,"value":1785},{"type":84,"tag":1709,"props":2838,"children":2840},{"className":2839},[1839,2199],[2841],{"type":90,"value":2463},{"type":84,"tag":1709,"props":2843,"children":2845},{"className":2844},[2331],[2846],{"type":90,"value":2334},{"type":84,"tag":1709,"props":2848,"children":2850},{"className":2849},[2175],[2851],{"type":84,"tag":1709,"props":2852,"children":2854},{"className":2853,"style":2342},[2180],[2855],{"type":84,"tag":1709,"props":2856,"children":2857},{},[],{"type":84,"tag":1709,"props":2859,"children":2861},{"className":2860},[1896,2235],[],{"type":84,"tag":1709,"props":2863,"children":2865},{"className":2864,"style":1854},[1853],[],{"type":84,"tag":1709,"props":2867,"children":2869},{"className":2868},[1859],[2870],{"type":90,"value":1748},{"type":84,"tag":1709,"props":2872,"children":2874},{"className":2873,"style":1854},[1853],[],{"type":84,"tag":1709,"props":2876,"children":2878},{"className":2877},[1828],[2879,2883,2978,2982,2987],{"type":84,"tag":1709,"props":2880,"children":2882},{"className":2881,"style":2753},[1833],[],{"type":84,"tag":1709,"props":2884,"children":2886},{"className":2885},[1839],[2887,2891,2974],{"type":84,"tag":1709,"props":2888,"children":2890},{"className":2889},[1884,2235],[],{"type":84,"tag":1709,"props":2892,"children":2894},{"className":2893},[2106],[2895],{"type":84,"tag":1709,"props":2896,"children":2898},{"className":2897},[2170,2244],[2899,2963],{"type":84,"tag":1709,"props":2900,"children":2902},{"className":2901},[2175],[2903,2958],{"type":84,"tag":1709,"props":2904,"children":2906},{"className":2905,"style":2778},[2180],[2907,2927,2938],{"type":84,"tag":1709,"props":2908,"children":2909},{"style":2257},[2910,2914],{"type":84,"tag":1709,"props":2911,"children":2913},{"className":2912,"style":2262},[2190],[],{"type":84,"tag":1709,"props":2915,"children":2917},{"className":2916},[2196,2197,2198,2199],[2918],{"type":84,"tag":1709,"props":2919,"children":2921},{"className":2920},[1839,2199],[2922],{"type":84,"tag":1709,"props":2923,"children":2925},{"className":2924},[1839,2199],[2926],{"type":90,"value":2441},{"type":84,"tag":1709,"props":2928,"children":2929},{"style":2279},[2930,2934],{"type":84,"tag":1709,"props":2931,"children":2933},{"className":2932,"style":2262},[2190],[],{"type":84,"tag":1709,"props":2935,"children":2937},{"className":2936,"style":2289},[2288],[],{"type":84,"tag":1709,"props":2939,"children":2940},{"style":2813},[2941,2945],{"type":84,"tag":1709,"props":2942,"children":2944},{"className":2943,"style":2262},[2190],[],{"type":84,"tag":1709,"props":2946,"children":2948},{"className":2947},[2196,2197,2198,2199],[2949],{"type":84,"tag":1709,"props":2950,"children":2952},{"className":2951},[1839,2199],[2953],{"type":84,"tag":1709,"props":2954,"children":2956},{"className":2955},[1839,2199],[2957],{"type":90,"value":2506},{"type":84,"tag":1709,"props":2959,"children":2961},{"className":2960},[2331],[2962],{"type":90,"value":2334},{"type":84,"tag":1709,"props":2964,"children":2966},{"className":2965},[2175],[2967],{"type":84,"tag":1709,"props":2968,"children":2970},{"className":2969,"style":2342},[2180],[2971],{"type":84,"tag":1709,"props":2972,"children":2973},{},[],{"type":84,"tag":1709,"props":2975,"children":2977},{"className":2976},[1896,2235],[],{"type":84,"tag":1709,"props":2979,"children":2981},{"className":2980,"style":1854},[1853],[],{"type":84,"tag":1709,"props":2983,"children":2985},{"className":2984},[1859],[2986],{"type":90,"value":1748},{"type":84,"tag":1709,"props":2988,"children":2990},{"className":2989,"style":1854},[1853],[],{"type":84,"tag":1709,"props":2992,"children":2994},{"className":2993},[1828],[2995,3000],{"type":84,"tag":1709,"props":2996,"children":2999},{"className":2997,"style":2998},[1833],"height:0.8056em;vertical-align:-0.0556em;",[],{"type":84,"tag":1709,"props":3001,"children":3003},{"className":3002},[1839],[3004],{"type":90,"value":3005},"20.4%",{"type":84,"tag":93,"props":3007,"children":3008},{},[3009],{"type":90,"value":3010},"Полный критерий Келли говорит ставить 20.4% от своего банкролла. Это агрессивно. Опытные бетторы используют дроби от полного критерия.",{"type":84,"tag":144,"props":3012,"children":3014},{"id":3013},"четверть-келли-почему-меньше-это-лучше",[3015],{"type":90,"value":3016},"Четверть Келли — почему меньше это лучше",{"type":84,"tag":93,"props":3018,"children":3019},{},[3020,3022,3027],{"type":90,"value":3021},"Полный критерий Келли максимизирует долгосрочный рост, но с ",{"type":84,"tag":104,"props":3023,"children":3024},{},[3025],{"type":90,"value":3026},"жестокой дисперсией",{"type":90,"value":3028},". Просадка в 30% — обычное дело. Четверть Келли (ставка в размере 25% от рекомендуемого критерием Келли) жертвует часть роста за намного более плавные результаты.",{"type":84,"tag":151,"props":3030,"children":3031},{},[3032,3058],{"type":84,"tag":155,"props":3033,"children":3034},{},[3035],{"type":84,"tag":76,"props":3036,"children":3037},{},[3038,3043,3048,3053],{"type":84,"tag":162,"props":3039,"children":3040},{},[3041],{"type":90,"value":3042},"Стратегия",{"type":84,"tag":162,"props":3044,"children":3045},{"align":174},[3046],{"type":90,"value":3047},"Ожидаемый рост",{"type":84,"tag":162,"props":3049,"children":3050},{"align":174},[3051],{"type":90,"value":3052},"Максимальная просадка",{"type":84,"tag":162,"props":3054,"children":3055},{"align":174},[3056],{"type":90,"value":3057},"Риск разорения",{"type":84,"tag":189,"props":3059,"children":3060},{},[3061,3084,3107],{"type":84,"tag":76,"props":3062,"children":3063},{},[3064,3069,3074,3079],{"type":84,"tag":196,"props":3065,"children":3066},{},[3067],{"type":90,"value":3068},"Полный Келли",{"type":84,"tag":196,"props":3070,"children":3071},{"align":174},[3072],{"type":90,"value":3073},"Максимизирован",{"type":84,"tag":196,"props":3075,"children":3076},{"align":174},[3077],{"type":90,"value":3078},"30-50%",{"type":84,"tag":196,"props":3080,"children":3081},{"align":174},[3082],{"type":90,"value":3083},"Низкий но болезненный",{"type":84,"tag":76,"props":3085,"children":3086},{},[3087,3092,3097,3102],{"type":84,"tag":196,"props":3088,"children":3089},{},[3090],{"type":90,"value":3091},"Половина Келли",{"type":84,"tag":196,"props":3093,"children":3094},{"align":174},[3095],{"type":90,"value":3096},"75% от макса",{"type":84,"tag":196,"props":3098,"children":3099},{"align":174},[3100],{"type":90,"value":3101},"15-25%",{"type":84,"tag":196,"props":3103,"children":3104},{"align":174},[3105],{"type":90,"value":3106},"Очень низкий",{"type":84,"tag":76,"props":3108,"children":3109},{},[3110,3115,3120,3125],{"type":84,"tag":196,"props":3111,"children":3112},{},[3113],{"type":90,"value":3114},"Четверть Келли",{"type":84,"tag":196,"props":3116,"children":3117},{"align":174},[3118],{"type":90,"value":3119},"50% от макса",{"type":84,"tag":196,"props":3121,"children":3122},{"align":174},[3123],{"type":90,"value":3124},"8-15%",{"type":84,"tag":196,"props":3126,"children":3127},{"align":174},[3128],{"type":90,"value":3129},"Практически нулевой",{"type":84,"tag":93,"props":3131,"children":3132},{},[3133,3138,3140,3145],{"type":84,"tag":104,"props":3134,"children":3135},{},[3136],{"type":90,"value":3137},"Рекомендация:",{"type":90,"value":3139}," Начни с четверти Келли. Переходи на половину Келли только после 500+ проверенных прибыльных ставок. Используй наш ",{"type":84,"tag":112,"props":3141,"children":3142},{"href":372},[3143],{"type":90,"value":3144},"Калькулятор Келли",{"type":90,"value":3146}," для определения размера каждой ставки правильно.",{"type":84,"tag":85,"props":3148,"children":3150},{"id":3149},"коэффициенты-стадионов-mlb-рейтинг-каждого-стадиона-2024-2025",[3151],{"type":90,"value":3152},"Коэффициенты стадионов MLB — рейтинг каждого стадиона (2024-2025)",{"type":84,"tag":144,"props":3154,"children":3156},{"id":3155},"чтение-графика-коэффициентов-стадионов",[3157],{"type":90,"value":3158},"Чтение графика коэффициентов стадионов",{"type":84,"tag":93,"props":3160,"children":3161},{},[3162,3164,3169],{"type":90,"value":3163},"Коэффициент стадиона ",{"type":84,"tag":104,"props":3165,"children":3166},{},[3167],{"type":90,"value":3168},"1.00",{"type":90,"value":3170}," означает, что стадион идеально нейтрален — набор очков соответствует среднему по лиге. Выше 1.00 означает, что стадион увеличивает набор очков (благоприятен для отбивающих). Ниже 1.00 означает, что стадион снижает набор очков (благоприятен для питчеров).",{"type":84,"tag":144,"props":3172,"children":3174},{"id":3173},"как-использовать-коэффициенты-стадионов-в-своей-модели",[3175],{"type":90,"value":3176},"Как использовать коэффициенты стадионов в своей модели",{"type":84,"tag":93,"props":3178,"children":3179},{},[3180,3182,3187],{"type":90,"value":3181},"Умножь прогнозируемые пробеги на коэффициент стадиона. Если твоя модель прогнозирует 4.5 пробега для Рокис, и они играют на Coors Field (1.38), скорректируй до 4.5 × 1.38 = ",{"type":84,"tag":104,"props":3183,"children":3184},{},[3185],{"type":90,"value":3186},"6.21 прогнозируемого пробега",{"type":90,"value":3188},".",{"type":84,"tag":93,"props":3190,"children":3191},{},[3192,3194,3199],{"type":90,"value":3193},"Для выездных игр на стадионах благоприятных для питчеров, таких как Dodger Stadium (0.88), скорректируй вниз: 4.5 × 0.88 = ",{"type":84,"tag":104,"props":3195,"children":3196},{},[3197],{"type":90,"value":3198},"3.96 прогнозируемого пробега",{"type":90,"value":3188},{"type":84,"tag":3201,"props":3202,"children":3203},"chart-mlb-park-factors",{},[],{"type":84,"tag":85,"props":3205,"children":3207},{"id":3206},"этап-6-твой-ежедневный-рабочий-процесс-ставок-на-mlb",[3208],{"type":90,"value":3209},"Этап 6: Твой ежедневный рабочий процесс ставок на MLB",{"type":84,"tag":144,"props":3211,"children":3213},{"id":3212},"утренняя-рутина-линии-составы",[3214],{"type":90,"value":3215},"Утренняя рутина (Линии + составы)",{"type":84,"tag":336,"props":3217,"children":3218},{},[3219,3229,3239],{"type":84,"tag":340,"props":3220,"children":3221},{},[3222,3227],{"type":84,"tag":104,"props":3223,"children":3224},{},[3225],{"type":90,"value":3226},"7:00 AM",{"type":90,"value":3228}," — Загрузи ночные движения линий со своей букмекерской конторы. Отметь игры, где линия значительно изменилась (>10 центов по монилайну)",{"type":84,"tag":340,"props":3230,"children":3231},{},[3232,3237],{"type":84,"tag":104,"props":3233,"children":3234},{},[3235],{"type":90,"value":3236},"8:00 AM",{"type":90,"value":3238}," — Запусти свою модель с прогнозируемыми составами (составы обычно подтверждаются за 3-4 часа до первого питча)",{"type":84,"tag":340,"props":3240,"children":3241},{},[3242,3247],{"type":84,"tag":104,"props":3243,"children":3244},{},[3245],{"type":90,"value":3246},"9:00 AM",{"type":90,"value":3248}," — Сравни вероятности модели с текущими котировками рынка. Составь список всех игр с +EV и кромкой > 3%",{"type":84,"tag":144,"props":3250,"children":3252},{"id":3251},"проверки-перед-игрой-погода-арбитры-буллпены",[3253],{"type":90,"value":3254},"Проверки перед игрой (Погода, арбитры, буллпены)",{"type":84,"tag":93,"props":3256,"children":3257},{},[3258],{"type":90,"value":3259},"Перед тем как делать любую ставку, проверь:",{"type":84,"tag":585,"props":3261,"children":3262},{},[3263,3268,3273,3278],{"type":84,"tag":340,"props":3264,"children":3265},{},[3266],{"type":90,"value":3267},"Подтвержденный стартовый состав (поздние замены могут убить край)",{"type":84,"tag":340,"props":3269,"children":3270},{},[3271],{"type":90,"value":3272},"Погодные условия (ветер на Wrigley, дождевые задержки)",{"type":84,"tag":340,"props":3274,"children":3275},{},[3276],{"type":90,"value":3277},"Назначение судьи на первой базе",{"type":84,"tag":340,"props":3279,"children":3280},{},[3281],{"type":90,"value":3282},"Доступность буллпена (проверь результаты предыдущей ночи)",{"type":84,"tag":144,"props":3284,"children":3286},{"id":3285},"размещение-ставок-и-отслеживание-результатов",[3287],{"type":90,"value":3288},"Размещение ставок и отслеживание результатов",{"type":84,"tag":93,"props":3290,"children":3291},{},[3292,3294,3300],{"type":90,"value":3293},"Отслеживай каждую ставку в электронной таблице или в ",{"type":84,"tag":112,"props":3295,"children":3297},{"href":3296},"\u002Fbetting\u002Fbet-tracker",[3298],{"type":90,"value":3299},"Трекере ставок",{"type":90,"value":1106},{"type":84,"tag":585,"props":3302,"children":3303},{},[3304,3309,3314],{"type":84,"tag":340,"props":3305,"children":3306},{},[3307],{"type":90,"value":3308},"Дата, команды, вероятность модели, котировки рынка, размер ставки, результат",{"type":84,"tag":340,"props":3310,"children":3311},{},[3312],{"type":90,"value":3313},"Рассчитай CLV (Closing Line Value) — линия изменилась в сторону цены твоей модели?",{"type":84,"tag":340,"props":3315,"children":3316},{},[3317],{"type":90,"value":3318},"Еженедельный обзор: твои игры с 60% вероятностью действительно выигрывают в 60% случаев?",{"type":84,"tag":93,"props":3320,"children":3321},{},[3322,3328],{"type":84,"tag":112,"props":3323,"children":3325},{"href":3324},"\u002Fbetting\u002Fclv-calculator",[3326],{"type":90,"value":3327},"Калькулятор CLV",{"type":90,"value":3329}," — лучший инструмент для проверки края твоей модели во времени.",{"type":84,"tag":85,"props":3331,"children":3333},{"id":3332},"калькулятор-ev-для-бейсбола-mlb-проверь-любую-ставку-мгновенно",[3334],{"type":90,"value":3335},"Калькулятор EV для бейсбола MLB — Проверь любую ставку мгновенно",{"type":84,"tag":93,"props":3337,"children":3338},{},[3339,3341,3346],{"type":90,"value":3340},"Введи вероятность победы из своей модели и коэффициенты рынка, чтобы узнать, +EV ли ставка. Калькулятор показывает ожидаемую ценность, процент края и рекомендуемый размер ставки по ",{"type":84,"tag":112,"props":3342,"children":3343},{"href":372},[3344],{"type":90,"value":3345},"критерию Келли",{"type":90,"value":3188},{"type":84,"tag":3348,"props":3349,"children":3350},"inline-mlb-ev-calculator",{},[],{"type":84,"tag":85,"props":3352,"children":3354},{"id":3353},"модели-проп-ставок-попадания-страйкауты-первые-пять-иннингов",[3355],{"type":90,"value":3356},"Модели проп-ставок — Попадания, Страйкауты, Первые пять иннингов",{"type":84,"tag":144,"props":3358,"children":3360},{"id":3359},"модели-игроков-overunder-попаданий-страйкауты",[3361],{"type":90,"value":3362},"Модели игроков (Over\u002FUnder попаданий, Страйкауты)",{"type":84,"tag":93,"props":3364,"children":3365},{},[3366],{"type":90,"value":3367},"Проп-ставки на игроков используют тот же подход, что и модели игр, но фокусируются на индивидуальной игре:",{"type":84,"tag":585,"props":3369,"children":3370},{},[3371,3381,3391],{"type":84,"tag":340,"props":3372,"children":3373},{},[3374,3379],{"type":84,"tag":104,"props":3375,"children":3376},{},[3377],{"type":90,"value":3378},"Страйкауты:",{"type":90,"value":3380}," Используют K-рейт питчера (последние 5 стартов), K-рейт баттера против бросков определённого типа и данные umpire zone",{"type":84,"tag":340,"props":3382,"children":3383},{},[3384,3389],{"type":84,"tag":104,"props":3385,"children":3386},{},[3387],{"type":90,"value":3388},"Over\u002FUnder попаданий:",{"type":90,"value":3390}," Используют xBA баттера, рейт контакта питчера и регрессию BABIP",{"type":84,"tag":340,"props":3392,"children":3393},{},[3394,3399],{"type":84,"tag":104,"props":3395,"children":3396},{},[3397],{"type":90,"value":3398},"Хоум-раны:",{"type":90,"value":3400}," Используют barrel rate, hard-hit rate, park factor компонент HR и направление ветра",{"type":84,"tag":93,"props":3402,"children":3403},{},[3404,3406,3411],{"type":90,"value":3405},"Ключевой момент: ",{"type":84,"tag":104,"props":3407,"children":3408},{},[3409],{"type":90,"value":3410},"проп-ставки имеют более мягкие линии",{"type":90,"value":3412}," чем обычные линии, потому что букмекеры тратят меньше времени на их расценку. Вот где скрываются края в 2026.",{"type":84,"tag":144,"props":3414,"children":3416},{"id":3415},"модель-первых-пяти-иннингов-f5",[3417],{"type":90,"value":3418},"Модель первых пяти иннингов (F5)",{"type":84,"tag":93,"props":3420,"children":3421},{},[3422],{"type":90,"value":3423},"Ставки на первые пять иннингов (F5) изолируют игру стартового питчера, убирая неопределённость буллпена. Построй отдельную модель с:",{"type":84,"tag":585,"props":3425,"children":3426},{},[3427,3432,3437],{"type":84,"tag":340,"props":3428,"children":3429},{},[3430],{"type":90,"value":3431},"xFIP стартового питчера и роллинговым K-BB%",{"type":84,"tag":340,"props":3433,"children":3434},{},[3435],{"type":90,"value":3436},"Игру оппонентов против питчера этого типа",{"type":84,"tag":340,"props":3438,"children":3439},{},[3440],{"type":90,"value":3441},"Park factor (всё ещё применяется к первым пяти иннингам)",{"type":84,"tag":93,"props":3443,"children":3444},{},[3445],{"type":90,"value":3446},"Монейлайны F5 особенно ценны, когда отличный стартер играет против слабой команды, но буллпен ненадежен. Твоя полная модель может сказать \"не ставь\", в то время как F5 модель скажет \"+EV\".",{"type":84,"tag":144,"props":3448,"children":3450},{"id":3449},"модели-тотала-команды",[3451],{"type":90,"value":3452},"Модели тотала команды",{"type":84,"tag":93,"props":3454,"children":3455},{},[3456],{"type":90,"value":3457},"Вместо предсказания, какая команда выиграет, предсказывай, сколько ранов наберёт каждая команда независимо. Затем сравни с установленной линией тотала команды. Этот подход:",{"type":84,"tag":585,"props":3459,"children":3460},{},[3461,3466,3471],{"type":84,"tag":340,"props":3462,"children":3463},{},[3464],{"type":90,"value":3465},"Удваивает количество твоих возможностей (2 тотала команды на игру)",{"type":84,"tag":340,"props":3467,"children":3468},{},[3469],{"type":90,"value":3470},"Убирает корреляцию между двумя сторонами",{"type":84,"tag":340,"props":3472,"children":3473},{},[3474],{"type":90,"value":3475},"Хорошо работает с park factors и данными о погоде",{"type":84,"tag":93,"props":3477,"children":3478},{},[3479,3480,3486,3488,3494],{"type":90,"value":863},{"type":84,"tag":112,"props":3481,"children":3483},{"href":3482},"\u002Fbetting\u002Fimplied-probability",[3484],{"type":90,"value":3485},"Калькулятор подразумеваемой вероятности",{"type":90,"value":3487}," чтобы конвертировать коэффициенты тотала в вероятности безубыточности. Понимание ",{"type":84,"tag":112,"props":3489,"children":3491},{"href":3490},"\u002Fblog\u002Falternate-spread-meaning",[3492],{"type":90,"value":3493},"что означают альтернативные спреды",{"type":90,"value":3495}," также может помочь тебе найти ценность в ран-лайнах с нестандартными цифрами.",{"type":84,"tag":85,"props":3497,"children":3499},{"id":3498},"чего-модель-не-включает-честные-ограничения",[3500],{"type":90,"value":3501},"Чего модель НЕ включает (честные ограничения)",{"type":84,"tag":144,"props":3503,"children":3505},{"id":3504},"травмы-и-поздние-отчисления",[3506],{"type":90,"value":3507},"Травмы и поздние отчисления",{"type":84,"tag":93,"props":3509,"children":3510},{},[3511,3513,3518],{"type":90,"value":3512},"Твоя модель не может предсказать, что суперзвезда-питчер будет отчислен за 2 часа до первого питча. ",{"type":84,"tag":104,"props":3514,"children":3515},{},[3516],{"type":90,"value":3517},"Всегда переза́пускай модель",{"type":90,"value":3519}," после того как сформированы стартовые составы, и никогда не ставь заранее на игры, где стартовый питчер не закреплён.",{"type":84,"tag":144,"props":3521,"children":3523},{"id":3522},"драмы-в-раздевалке-и-мотивация",[3524],{"type":90,"value":3525},"Драмы в раздевалке и мотивация",{"type":84,"tag":93,"props":3527,"children":3528},{},[3529,3531,3537],{"type":90,"value":3530},"Команда в 10-игровой проигрышной серии может мобилизоваться после встречи только между игроками. Команда, которая уже в плей-офф, может выводить стартовых игроков на отдых. Эти факторы реальны, но почти невозможны для количественной оценки. Примирись с этим ограничением вместо добавления мусорных переменных \"мотивации\" в модель. То же самое касается ",{"type":84,"tag":112,"props":3532,"children":3534},{"href":3533},"\u002Fblog\u002Fis-sports-betting-rigged",[3535],{"type":90,"value":3536},"скандалов со ставками и договорных матчей в бейсболе",{"type":90,"value":3538}," — хотя исторически значимы (привет, Black Sox 1919), современные системы обнаружения делают это пренебрежимо малой переменной для твоей модели.",{"type":84,"tag":144,"props":3540,"children":3542},{"id":3541},"вариативность-umpire-strike-zone",[3543],{"type":90,"value":3544},"Вариативность umpire strike zone",{"type":84,"tag":93,"props":3546,"children":3547},{},[3548],{"type":90,"value":3549},"Хотя средние тенденции umpire полезны, вариация в конкретной игре велика. Umpire, который обычно ведёт узкую зону, может расширить её в данный вечер. Данные umpire добавляют небольшой край, но не переоценивай их.",{"type":84,"tag":144,"props":3551,"children":3553},{"id":3552},"когда-переопределить-твою-модель",[3554],{"type":90,"value":3555},"Когда переопределить твою модель",{"type":84,"tag":93,"props":3557,"children":3558},{},[3559,3561,3566],{"type":90,"value":3560},"Переопредели модель только когда у тебя есть ",{"type":84,"tag":104,"props":3562,"children":3563},{},[3564],{"type":90,"value":3565},"конкретная информация",{"type":90,"value":3567},", которую модель не знает:",{"type":84,"tag":585,"props":3569,"children":3570},{},[3571,3576,3581],{"type":84,"tag":340,"props":3572,"children":3573},{},[3574],{"type":90,"value":3575},"Подтверждённое изменение состава после запуска модели",{"type":84,"tag":340,"props":3577,"children":3578},{},[3579],{"type":90,"value":3580},"Обновление погоды (внезапный порыв ветра)",{"type":84,"tag":340,"props":3582,"children":3583},{},[3584],{"type":90,"value":3585},"Проверенная новость о травме, которая не отражена в данных",{"type":84,"tag":93,"props":3587,"children":3588},{},[3589],{"type":90,"value":3590},"Никогда не переопределяй потому что \"это не кажется правильным\". Если твоё чутьё регулярно не согласно с моделью, твоя модель нуждается в исправлении — или твоё чутьё.",{"type":84,"tag":93,"props":3592,"children":3593},{},[3594,3596,3602,3604,3610,3611,3617],{"type":90,"value":3595},"Если тебе интересны системные подходы к ставкам за пределами моделирования, посмотри как ",{"type":84,"tag":112,"props":3597,"children":3599},{"href":3598},"\u002Fblog\u002Fwong-teaser-strategy-calculator",[3600],{"type":90,"value":3601},"стратегия Wong Teaser",{"type":90,"value":3603}," применяет похожий правил-ориентированный подход к NFL тизерам, или изучи прогрессивные системы вроде ",{"type":84,"tag":112,"props":3605,"children":3607},{"href":3606},"\u002Fblog\u002Ffibonacci-betting-system",[3608],{"type":90,"value":3609},"Фибоначчи",{"type":90,"value":389},{"type":84,"tag":112,"props":3612,"children":3614},{"href":3613},"\u002Fblog\u002Flabouchere-betting-system",[3615],{"type":90,"value":3616},"Лабушера",{"type":90,"value":3618}," — хотя эти работают иначе чем модели, управляемые данными.",{"type":84,"tag":85,"props":3620,"children":3622},{"id":3621},"реальная-история-успеха-на-что-рассчитывать",[3623],{"type":90,"value":3624},"Реальная история успеха — на что рассчитывать",{"type":84,"tag":144,"props":3626,"children":3628},{"id":3627},"реалистичные-коэффициенты-выигрышей-и-бенчмарки-roi",[3629],{"type":90,"value":3630},"Реалистичные коэффициенты выигрышей и бенчмарки ROI",{"type":84,"tag":93,"props":3632,"children":3633},{},[3634],{"type":90,"value":3635},"Давайте честно поговорим о том, что на самом деле достижимо. Вот документированные данные от проверенных беттеров MLB:",{"type":84,"tag":151,"props":3637,"children":3638},{},[3639,3670],{"type":84,"tag":155,"props":3640,"children":3641},{},[3642],{"type":84,"tag":76,"props":3643,"children":3644},{},[3645,3650,3655,3660,3665],{"type":84,"tag":162,"props":3646,"children":3647},{},[3648],{"type":90,"value":3649},"Беттор\u002FСервис",{"type":84,"tag":162,"props":3651,"children":3652},{"align":174},[3653],{"type":90,"value":3654},"Сезон",{"type":84,"tag":162,"props":3656,"children":3657},{"align":174},[3658],{"type":90,"value":3659},"Ставки",{"type":84,"tag":162,"props":3661,"children":3662},{"align":174},[3663],{"type":90,"value":3664},"Юниты",{"type":84,"tag":162,"props":3666,"children":3667},{"align":174},[3668],{"type":90,"value":3669},"ROI",{"type":84,"tag":189,"props":3671,"children":3672},{},[3673,3701,3728,3755],{"type":84,"tag":76,"props":3674,"children":3675},{},[3676,3681,3686,3691,3696],{"type":84,"tag":196,"props":3677,"children":3678},{},[3679],{"type":90,"value":3680},"Zerillo (Action Network)",{"type":84,"tag":196,"props":3682,"children":3683},{"align":174},[3684],{"type":90,"value":3685},"2019",{"type":84,"tag":196,"props":3687,"children":3688},{"align":174},[3689],{"type":90,"value":3690},"659",{"type":84,"tag":196,"props":3692,"children":3693},{"align":174},[3694],{"type":90,"value":3695},"+30.2",{"type":84,"tag":196,"props":3697,"children":3698},{"align":174},[3699],{"type":90,"value":3700},"4.6%",{"type":84,"tag":76,"props":3702,"children":3703},{},[3704,3709,3714,3719,3724],{"type":84,"tag":196,"props":3705,"children":3706},{},[3707],{"type":90,"value":3708},"Профессиональный синдикат (средн.)",{"type":84,"tag":196,"props":3710,"children":3711},{"align":174},[3712],{"type":90,"value":3713},"Много лет",{"type":84,"tag":196,"props":3715,"children":3716},{"align":174},[3717],{"type":90,"value":3718},"2000+",{"type":84,"tag":196,"props":3720,"children":3721},{"align":174},[3722],{"type":90,"value":3723},"Варьируется",{"type":84,"tag":196,"props":3725,"children":3726},{"align":174},[3727],{"type":90,"value":243},{"type":84,"tag":76,"props":3729,"children":3730},{},[3731,3736,3741,3746,3750],{"type":84,"tag":196,"props":3732,"children":3733},{},[3734],{"type":90,"value":3735},"Хороший любительский модель",{"type":84,"tag":196,"props":3737,"children":3738},{"align":174},[3739],{"type":90,"value":3740},"Первый сезон",{"type":84,"tag":196,"props":3742,"children":3743},{"align":174},[3744],{"type":90,"value":3745},"500+",{"type":84,"tag":196,"props":3747,"children":3748},{"align":174},[3749],{"type":90,"value":3723},{"type":84,"tag":196,"props":3751,"children":3752},{"align":174},[3753],{"type":90,"value":3754},"2-4%",{"type":84,"tag":76,"props":3756,"children":3757},{},[3758,3763,3768,3772,3777],{"type":84,"tag":196,"props":3759,"children":3760},{},[3761],{"type":90,"value":3762},"Модель на безубыток",{"type":84,"tag":196,"props":3764,"children":3765},{"align":174},[3766],{"type":90,"value":3767},"Любой",{"type":84,"tag":196,"props":3769,"children":3770},{"align":174},[3771],{"type":90,"value":3767},{"type":84,"tag":196,"props":3773,"children":3774},{"align":174},[3775],{"type":90,"value":3776},"~0",{"type":84,"tag":196,"props":3778,"children":3779},{"align":174},[3780],{"type":90,"value":3781},"0%",{"type":84,"tag":93,"props":3783,"children":3784},{},[3785,3787,3792,3794,3800,3802,3808],{"type":90,"value":3786},"Заметь, что даже элитные результаты — это 3-5% ROI. ",{"type":84,"tag":104,"props":3788,"children":3789},{},[3790],{"type":90,"value":3791},"Любой, кто обещает 20%+ ROI, врёт.",{"type":90,"value":3793}," Если ты хочешь понять, складываются ли эти числа в зарплату, посмотри ",{"type":84,"tag":112,"props":3795,"children":3797},{"href":3796},"\u002Fblog\u002Fcan-you-make-a-living-off-sports-betting",[3798],{"type":90,"value":3799},"можно ли сделать ставки на спорт источником полного дохода",{"type":90,"value":3801},". Консистентность на 500+ ставках с 3% ROI — это выдающийся результат. Используй наш ",{"type":84,"tag":112,"props":3803,"children":3805},{"href":3804},"\u002Fbetting\u002Fvariance-analyzer",[3806],{"type":90,"value":3807},"анализатор дисперсии",{"type":90,"value":3809},", чтобы понять, насколько сильно твои результаты могут колебаться даже при реальном преимуществе.",{"type":84,"tag":144,"props":3811,"children":3813},{"id":3812},"требования-к-размеру-выборки",[3814],{"type":90,"value":3815},"Требования к размеру выборки",{"type":84,"tag":585,"props":3817,"children":3818},{},[3819,3829,3839],{"type":84,"tag":340,"props":3820,"children":3821},{},[3822,3827],{"type":84,"tag":104,"props":3823,"children":3824},{},[3825],{"type":90,"value":3826},"200 ставок:",{"type":90,"value":3828}," можешь начать видеть тренды, но ничего не conclusive",{"type":84,"tag":340,"props":3830,"children":3831},{},[3832,3837],{"type":84,"tag":104,"props":3833,"children":3834},{},[3835],{"type":90,"value":3836},"500 ставок:",{"type":90,"value":3838}," минимум для статистической уверенности. Модель с 55% побед имеет ~95% шанс показать прибыль",{"type":84,"tag":340,"props":3840,"children":3841},{},[3842,3847],{"type":84,"tag":104,"props":3843,"children":3844},{},[3845],{"type":90,"value":3846},"1000+ ставок:",{"type":90,"value":3848}," убедительное доказательство преимущества. Твой 95% доверительный интервал значительно сужается",{"type":84,"tag":93,"props":3850,"children":3851},{},[3852,3854,3860],{"type":90,"value":3853},"Не бросай хорошую модель после 50 проигрышных ставок. Не объявляй себя гением после 50 выигрышных ставок. Математике нужно время для сходимости. Отслеживай ",{"type":84,"tag":112,"props":3855,"children":3857},{"href":3856},"\u002Fbetting\u002Fbankroll-growth-calculator",[3858],{"type":90,"value":3859},"рост своего банкролла",{"type":90,"value":3861}," в течение всего сезона.",{"type":84,"tag":93,"props":3863,"children":3864},{},[3865],{"type":90,"value":3866},"Если твоя модель постоянно побеждает closing line (положительный CLV) на 200+ ставках, твоя методология верна, даже если краткосрочные результаты негативны. CLV — это самый надёжный сигнал долгосрочной прибыльности.",{"type":84,"tag":93,"props":3868,"children":3869},{},[3870,3872,3878,3880,3886,3888,3894],{"type":90,"value":3871},"Тот же фреймворк построения модели применяется к другим видам спорта — наш ",{"type":84,"tag":112,"props":3873,"children":3875},{"href":3874},"\u002Fblog\u002Fcollege-basketball-betting-system",[3876],{"type":90,"value":3877},"гайд по системам college basketball",{"type":90,"value":3879}," показывает, как делать бэктестинг гипотез NCAAB с использованием данных KenPom, с 12 проверенными системами как стартовые шаблоны. После того как ты станешь прибыльным, не забудь про налоговую часть — наш ",{"type":84,"tag":112,"props":3881,"children":3883},{"href":3882},"\u002Fblog\u002Foklahoma-gambling-tax",[3884],{"type":90,"value":3885},"гайд по налогам на игры в Оклахоме",{"type":90,"value":3887}," охватывает правила штата для беттеров на спорт, включая пороги W-2G и расчёты по прогрессивным ставкам. Беттеры MLB в штате Мэйн должны ",{"type":84,"tag":112,"props":3889,"children":3891},{"href":3890},"\u002Fblog\u002Fmaine-online-gambling",[3892],{"type":90,"value":3893},"ознакомиться с тем, какие легальные букмекеры предлагают рынки бейсбола",{"type":90,"value":3895}," и как налогообложение штата применяется к доходам на основе моделей.",{"type":84,"tag":85,"props":3897,"children":3899},{"id":3898},"faq",[3900],{"type":90,"value":3901},"FAQ",{"type":84,"tag":93,"props":3903,"children":3904},{},[3905],{"type":84,"tag":3906,"props":3907,"children":3908},"em",{},[3909,3911,3917],{"type":90,"value":3910},"Совет: дисциплина банкролла важнее, чем сам edge — подставь винрейт, кэф и размер ставки в наш ",{"type":84,"tag":112,"props":3912,"children":3914},{"href":3913},"\u002Fbetting\u002Fbankroll-calculator",[3915],{"type":90,"value":3916},"калькулятор банкролла для ставок",{"type":90,"value":3918},", чтобы держать риск разорения ниже 5%."]