• norsk
    • English
  • English 
    • norsk
    • English
  • Login
View Item 
  •   Home
  • Fakultet for informasjonsteknologi og elektroteknikk (IE)
  • Institutt for datateknologi og informatikk
  • View Item
  •   Home
  • Fakultet for informasjonsteknologi og elektroteknikk (IE)
  • Institutt for datateknologi og informatikk
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Profiting from Football Betting using Artificial Neural Networks

Nielsen, Eirik Skjellum; Sandøy, Sander Fagerland
Master thesis
Thumbnail
View/Open
no.ntnu:inspera:2455176.pdf (9.044Mb)
no.ntnu:inspera:2455176.zip (42.81Mb)
URI
http://hdl.handle.net/11250/2625799
Date
2019
Metadata
Show full item record
Collections
  • Institutt for datateknologi og informatikk [3771]
Abstract
Markedet for fotballtipping er enormt, og mange tippeselskaper lar håpefulle spillere plassere veddemål på omtrent alle aspekter av en kamp. Det mest populære ved- demålet er å spille på kampens sluttresultat. Å forutsi disse utfallene er en vanske- lig oppgave på grunn av spillets kompleksitet, men ved å konsekvent produsere bedre forutsigelser enn tippeselskapene kan muligheten for profitt vise seg.

I denne oppgaven blir to kamppredikeringsmodeller basert på nevrale nettverk utviklet, hvor en er en fullstendig datadreven tilpasning av en vellykket Bayesiansk nettverks-modell avhengig av kunnskapen til en domeneekspert. Effekten av å ut- nytte domenekunnskap i strukturen av nevrale nettverk er utforsket ved å gruppere relaterte inputvariable i separate sub-nettverk.

Lønnsomheten til modellene er evaluert over to sesonger av den engelske Pre- mier League med ulike spillstrategier. Eksperimenter med å bruke metoder fra reinforcement learning for å trene en spillstrategi-agent blir utført for å utforske muligheten til å bygge et komplett ende-til-ende spillsystem.

Enkelte modell-strategi-kombinasjoner klarte å generere profitt over begge test- sesongene, som viser at det er mulig å profittere fra fotballtipping med kunstige nevrale nettverk.
 
The football betting market is an enormous market, with numerous bookmakers allowing hopeful punters to place bets on almost every aspect of a match. The most popular aspect of football betting is placing bets on the final match outcome. Predicting these outcomes is a difficult task given the complexity of the game, but by consistently producing better predictions than the bookmaker, an opportunity to make a profit on the market may arise.

In this thesis, two match prediction models using artificial neural networks are developed, where one is a fully data-driven adaptation of a successful Bayesian network model utilizing domain expert knowledge. The effect of utilizing domain knowledge in the structure of neural networks is explored by grouping related input features into separate sub-networks.

The profitability of the models is evaluated over two seasons of the English Premier League using different money management strategies. Experiments in using reinforcement learning methods to train a money management agent are performed to explore the possibility of building a complete end-to-end betting system.

Some model-strategy combinations were able to generate a profit over both test seasons, showing that it is indeed possible to profit from football betting using artificial neural networks.
 
Publisher
NTNU

Contact Us | Send Feedback

Privacy policy
DSpace software copyright © 2002-2019  DuraSpace

Service from  Unit
 

 

Browse

ArchiveCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsDocument TypesJournalsThis CollectionBy Issue DateAuthorsTitlesSubjectsDocument TypesJournals

My Account

Login

Statistics

View Usage Statistics

Contact Us | Send Feedback

Privacy policy
DSpace software copyright © 2002-2019  DuraSpace

Service from  Unit