Κάθε εβδομάδα, χιλιάδες φίλαθλοι της Super League μπαίνουν στο Greek Prophet για να δουν προβλέψεις αγώνων και πιθανότητες τίτλου. Αλλά τι κρύβεται πίσω από αυτά τα νούμερα; Πώς μια ιστοσελίδα μπορεί να προβλέψει αν ο Παναθηναϊκός θα κερδίσει την ΑΕΚ ή αν ο ΠΑΟΚ έχει 65% πιθανότητα για Champions League;

Σε αυτό το άρθρο, ανοίγουμε το «καπό» της μηχανής και σας εξηγούμε με απλά λόγια πώς λειτουργούν τα μοντέλα μας — χωρίς μαθηματικούς τύπους, χωρίς διδακτορικό στη στατιστική. Μόνο διαφάνεια και ουσία.

🥇 Τα 5 μοντέλα πίσω από κάθε πρόβλεψη

Δεν βασιζόμαστε σε ένα μόνο μοντέλο — και αυτό είναι το «μυστικό» μας. Χρησιμοποιούμε πέντε διαφορετικές προσεγγίσεις, γιατί καμία δεν είναι τέλεια από μόνη της. Σκεφτείτε το σαν μια ομάδα αναλυτών που ο καθένας βλέπει το παιχνίδι από διαφορετική γωνία:

Το μοντέλο Dixon-Coles είναι ο πυρήνας μας. Βασίζεται στην ιδέα ότι κάθε ομάδα έχει μια «επιθετική δύναμη» και μια «αμυντική δύναμη» που καθορίζουν πόσα γκολ θα βάλει και θα δεχτεί. Το μοντέλο αυτό έχει μια ειδική διόρθωση για τα χαμηλά σκορ (0-0, 1-0, 0-1) που εμφανίζονται συχνότερα από ό,τι θα προέβλεπε ένα απλό στατιστικό μοντέλο.

Παράλληλα, χρησιμοποιούμε αξιολογήσεις Elo και Glicko-2 — συστήματα που μετρούν τη δυναμική ισχύ των ομάδων με βάση τα αποτελέσματά τους, δίνοντας μεγαλύτερη βαρύτητα στα πρόσφατα παιχνίδια. Το Glicko-2 προσθέτει και μια έννοια «αβεβαιότητας» — αν μια ομάδα δεν έχει παίξει για καιρό, η αξιολόγησή της είναι λιγότερο σίγουρη.

📊 xG: Το εργαλείο που άλλαξε το ποδόσφαιρο

Τα expected goals (xG) είναι ένα από τα πιο χρήσιμα εργαλεία στη σύγχρονη ποδοσφαιρική ανάλυση. Κάθε σουτ σε έναν αγώνα βαθμολογείται με βάση την πιθανότητα να καταλήξει σε γκολ — από 0.01 (σχεδόν αδύνατο) έως 0.99 (σχεδόν σίγουρο γκολ). Το άθροισμα των xG μιας ομάδας μας λέει πόσα γκολ «άξιζε» να βάλει με βάση την ποιότητα των ευκαιριών της.

Στο Greek Prophet, χρησιμοποιούμε δεδομένα xG από το FlashScore και το FBref — δύο από τις πιο αξιόπιστες πηγές αθλητικών δεδομένων παγκοσμίως. Αυτό μας επιτρέπει να καταλάβουμε ποιες ομάδες υπερ-αποδίδουν (σκοράρουν περισσότερο από τα xG τους) και ποιες υπο-αποδίδουν — τάσεις που συχνά διορθώνονται με την πάροδο του χρόνου. Διαβάστε τον πλήρη οδηγό μας για το xG →

🤖 Μηχανική μάθηση: Ο «διαιτητής» των μοντέλων

Το πιο εξελιγμένο κομμάτι του συστήματός μας είναι ένα μοντέλο XGBoost — μια τεχνική μηχανικής μάθησης που μαθαίνει να συνδυάζει τις προβλέψεις από όλα τα επιμέρους μοντέλα, συνυπολογίζοντας παράγοντες όπως η έδρα, η φόρμα, οι απουσίες και οι αποδόσεις των στοιχηματικών εταιρειών. Το XGBoost λειτουργεί σαν ένας «διαιτητής» που ξέρει πότε να εμπιστευτεί ποιο μοντέλο — και πότε να τα αγνοήσει όλα.

🎲 Monte Carlo: 10.000 σενάρια, μία απάντηση

Για τις προβλέψεις σεζόν (πιθανότητες τίτλου, τετράδας, Ευρώπης, υποβιβασμού), τρέχουμε προσομοιώσεις Monte Carlo. Αυτό σημαίνει ότι προσομοιώνουμε ολόκληρη τη σεζόν 10.000-20.000 φορές, κάθε φορά με τυχαίες διακυμάνσεις στα αποτελέσματα — γιατί στο ποδόσφαιρο, το απίθανο συμβαίνει συχνότερα απ' ό,τι νομίζουμε.

Το ποσοστό των σεναρίων στα οποία μια ομάδα τερματίζει πρώτη είναι η πιθανότητα τίτλου της. Αυτή η μέθοδος είναι ο λόγος που οι προβλέψεις μας δεν είναι απλώς «γνώμες» — είναι μετρήσιμες πιθανότητες.

🔍 Διαφάνεια: Το κλειδί της εμπιστοσύνης

Κανένα μοντέλο δεν είναι τέλειο. Το ποδόσφαιρο είναι απρόβλεπτο — τραυματισμοί, διαιτητικές αποφάσεις, καιρικές συνθήκες και η απλή τύχη παίζουν ρόλο που κανένα στατιστικό μοντέλο δεν μπορεί να συλλάβει πλήρως. Γι' αυτό δημοσιεύουμε τακτικά τις μετρικές απόδοσης των μοντέλων μας στη σελίδα Calibration — για να ξέρετε ακριβώς πόσο καλά τα πηγαίνουμε.

Οι προβλέψεις μας είναι εργαλεία σκέψης, όχι εγγυήσεις. Χρησιμοποιήστε τις για να κατανοήσετε καλύτερα το πρωτάθλημα, όχι ως βάση για στοιχηματικές αποφάσεις.

🎯 Δείτε τα μοντέλα σε δράση

Επισκεφθείτε τη σελίδα προβλέψεων για να δείτε ζωντανά τις πιθανότητες του επόμενου αγώνα, ή δείτε τις προσομοιώσεις σεζόν για πιθανότητες τίτλου και Ευρώπης.