1. Model Mimarisi
Sistem, çok katmanlı bir veri işleme pipeline'ı kullanmaktadır:
Pipeline: D → F(D) → M(F) → T(M) → P2. Model Spesifikasyonları
| Model Tanımlayıcısı | Golsinyali AI |
| Versiyon | v2.1 |
| Eğitim Veri Penceresi | 24 months |
| Eğitim Veri Seti | ~120,000 maç |
| Kümülatif Analiz Sayısı | 50,000+ |
| Model Güncelleme Frekansı | Haftalık |
3. Veri Kaynaklarıı ve Feature Engineering
APiyasa Tabanlı Özellikler (Market Features)
Açılış/Kapanış oran diferansiyeli (ΔO)Line movement velocity (dL/dt)Piyasa konsensüs indeksi (MCI)Sharp money indikatörü
BForm Metrikleri (Performance Features)
Exponential Moving Average (EMA-5, EMA-10)Expected Goals (xG) diferansiyeliEv/Deplasman performans katsayısıGoal Difference Momentum (GDM)
CTarihsel Özellikler (Historical Features)
Head-to-head win probability (H2H-WP)Lig pozisyon delta (ΔPos)Sezonluk trend vektörüMaç önemi ağırlığı (MIW)
4. Matematiksel Çerçeve
Güven skoru hesaplaması, normalize edilmiş mesafe fonksiyonu kullanır:
Burada O gözlemlenen oran değerini, μ optimal aralık ortalamasını ve σ aralık standart sapmasını temsil etmektedir.
Tahmin, güven skorunun eşik değerini aştığı ve oran değerinin kabul edilebilir aralıkta olduğu durumlarda aktive edilir.
5. Tahmin Tipleri ve Kabul Kriterleri
Match Result (MS)
P(MS) = f(O_home, O_away) where O ∈ [1.40, 2.00]Favori tespiti Avrupa odds sistemine dayanır
Acceptance: 1.40 ≤ O_fav ≤ 2.00Over 2.5 Goals
P(O2.5) = g(L_ou) where L ∈ [2.5, 3.5]Gol beklentisi Over/Under hattına bağlıdır
Acceptance: 2.5 ≤ Line ≤ 3.5BTTS (KG Var)
P(BTTS) = h(O_draw, L_ou) where O_x ≤ 4.0 ∧ L ∈ [2.5, 3.75]Çift koşullu kabul kriteri
Acceptance: O_draw ≤ 4.00 ∧ 2.50 ≤ L ≤ 3.756. Backtesting Sonuçları
Model performansı, 24 aylık out-of-sample test seti üzerinde değerlendirilmiştir:
Genel Performans
Confusion Matrix (Normalized)
Son 10,000 tahmin üzerinden hesaplanmıştır
7. Güven Skoru Kalibrasyonu
Model, iyi kalibre edilmiş olasılıklar üretmektedir. Aşağıdaki tablo, tahmin edilen güven aralıkları ile gözlemlenen başarı oranlarını karşılaştırmaktadır:
| Tahmin Edilen | Gözlemlenen | Örnek Sayısı | Δ |
|---|---|---|---|
| 70-75% | 72.3% | 2,847 | +2.3% |
| 75-80% | 77.8% | 3,521 | +2.8% |
| 80-85% | 82.1% | 2,198 | +2.1% |
| 85-90% | 86.4% | 1,102 | +1.4% |
| 90-95% | 91.2% | 332 | +1.2% |
8. Feature Importance Analizi
Permutation importance metoduyla hesaplanan özellik önem dereceleri:
9. Metodolojik Sınırlamalar
- [1]Model, gerçek zamanlı olayları (sakatlıklar, kırmızı kartlar, hava koşulları) içermemektedir
- [2]Tahminler istatistiksel olasılıklardır; deterministik sonuç garantisi vermez
- [3]Piyasa manipülasyonu ve insider trading model kapsamı dışındadır
- [4]Küçük liglerde veri yetersizliği nedeniyle performans düşebilir
- [5]Model, korelasyon tespit eder; nedensellik çıkarımı yapmaz
10. Referanslar ve Metodoloji
- [1]Kelly, J. L. (1956). A New Interpretation of Information Rate. Bell System Technical Journal.
- [2]Štrumbelj, E., & Vračar, P. (2012). Simulating a basketball match with a homogeneous Markov model.
- [3]Dixon, M. J., & Coles, S. G. (1997). Modelling Association Football Scores. Applied Statistics.
- [4]Constantinou, A. C., et al. (2012). Profiting from an inefficient association football gambling market.
11. Kurumsal Bilgi
Tarsier Vision LTD
UK Company #14646033
Bu sistem, Tarsier Vision LTD (UK Company #14646033) tarafından geliştirilmiş ve işletilmektedir.