Praktičan vodič za prognoziranje ukupnog broja poena u košarkaškim mečevima

Article Image

Kako koristiti šuterske metrike i ključne statistike za prognozu ukupnog broja poena

Za klađenje na broj poena u košarci preciznost počinje od razumevanja koje metrike direktno stvaraju poene i posede. Fokusiranjem na 3PA (3-point attempts), eFG% (effective field goal percentage), TS% (true shooting percentage), FTA (free throw attempts), ORB% (offensive rebound percentage) i turnover-rate, može se izgraditi brz, spreadsheet-ready model za pre-game prognoze i hitne prilagodbe kada dođe do povreda ili promena sastava.

Ključne metrike i njihove formule (Excel-ready)

  • 3PA — broj pokušaja za tri poena po timu (direktan input u sheet).
  • eFG% = (FG + 0.5 * 3P) / FGA

    Excel: =(FG + 0.5*ThreeP)/FGA
  • TS% = Points / (2 (FGA + 0.44 FTA))

    Excel: =Points / (2(FGA + 0.44FTA))
  • Posedi (procena): Poss = FGA + 0.44 * FTA + TO – ORB

    Excel: =FGA + 0.44*FTA + TO – ORB
  • ORB% ≈ ORB / (ORB + Opponent_DRB)

    Excel: =ORB / (ORB + Opp_DRB)
  • Turnover-rate (TO% aproksimacija) = TO / (FGA + 0.44*FTA + TO)

    Excel: =TO / (FGA + 0.44*FTA + TO)

Jednostavan model za očekivane poene (spreadsheet-ready)

Pristup koji se lako implementira u Excel/Google Sheets koristi procene poseda i TS% da bi izračunao očekivane poene po timu:

  • Korak 1 — izračunati posede: =FGA + 0.44*FTA + TO – ORB
  • Korak 2 — koristiti TS% za procenu poena po posedu: PPP ≈ (2 * TS%)
  • Korak 3 — očekivani poeni tima: =Poss (2 TS%)

Konkrektan primer: Team A ima FGA=85, FTA=20, TO=12, ORB=10, TS%=0.57.

Poss = 85 + 0.44*20 + 12 – 10 = 95.8

Očekivani poeni = 95.8 (2 0.57) = 95.8 * 1.14 ≈ 109 poena.

Za total: izračunati isto za Team B i sabrati očekivane vrednosti oba tima. U sheetu: =TeamA_Points + TeamB_Points

Brze prilagodbe za povrede ili promenu sastava (spreadsheet koraci)

  • U sheet uneti igrača koji nedostaje: Player_FGA, Player_3PA, Player_FTA, Player_PTS, Player_ORB, Player_TO.
  • Napraviti nove timske vrednosti: NewFGA = FGA – Player_FGA, NewFTA = FTA – Player_FTA, NewORB = ORB – Player_ORB, NewTO = TO – Player_TO.
  • Rekalkulisati Poss i TS% (ili prilagoditi TS% za izostanak igrača prema njegovoj efikasnosti). Excel primer: = (NewFGA + 0.44NewFTA + NewTO – NewORB) 2 * New_TS%
  • Ako je odsustvo šutera sa visokim 3PA, smanjiti 3PA i očekivani share iz dubine: New_3PA = 3PA – Player_3PA, i po potrebi prilagoditi eFG%/TS% za ostatak roster-a.

Ovaj deo daje osnovu za praktičnu primenu u klađenju na broj poena u košarci; naredni korak će pokazati kako dodatno finetunirati model koristeći eFG%, 3PA share i ORB% za korekciju situacija sa brzim ritmom ili jakim ofanzivnim skokovima.

Fino podešavanje modela: eFG%, 3PA-share i ofanzivni skokovi u praksi

Nakon osnovnog modela, dodajte ove korake da biste bolje uhvatili uticaj dalekometnih šuteva i drugog pokušaja na ukupan skor.

1) Dodavanje second-chance poena (ORB)

  • Procena poseda: Poss = FGA + 0.44*FTA + TO – ORB

    Excel: =FGA + 0.44*FTA + TO – ORB
  • Osnovni PPP (iz TS%): PPP_TS = 2 * TS%

    Excel: =2 * TS%
  • Procena poena iz ofanzivnih skokova (ako imate timsku vrednost points-per-offensive-rebound, PPOreb): SecondChance = ORB * PPOreb

    Excel (ako PPOreb nije poznat, koristite aproksimaciju 0.70): =ORB * 0.70
  • Ukupni očekivani poeni (metod A): TeamPoints_A = Poss * PPP_TS + SecondChance

    Excel: =(FGA + 0.44FTA + TO – ORB) (2TS%) + ORB PPOreb

2) Shot-based provera koristeći eFG% i 3PA

  • eFG% daje očekivane poene po šutu: PointsPerFGA = 2 * eFG%

    Excel: =2 * eFG%
  • Procena poena iz polja: Points_field = FGA * PointsPerFGA

    Excel: =FGA (2eFG%)
  • Procena poena iz slobodnih: Points_FT = FT% * FTA (ako nemate FT%, aproksimirajte koristeći timsku stopu)

    Excel: =FT% * FTA
  • Ukupna procena (metod B): TeamPoints_B = Points_field + Points_FT

    Excel (bez FT%): =FGA(2eFG%) + (0.75*FTA) (0.75 kao privremena procena uspešnosti slobodnih)

3) Kombinovanje i robustnost

  • Ako koristite oba pristupa, uzmite ponderisanu sredinu: Final_TeamPoints = (TeamPoints_A + TeamPoints_B) / 2

    Excel: =(TeamPoints_A + TeamPoints_B)/2
  • Brzi test osetljivosti: u sheet-u napravite varijacije TS% ±0.01 i PPOreb ±0.1 da vidite kako se menja izlaz. To pomaže pri oceni rizika i greške modela.

Konkrektan brojčani primer (Team A)

  • Ulazni podaci: FGA=85, FTA=20, TO=12, ORB=10, TS%=0.57, eFG%=0.55, FT%=0.78
  • Metod A:

    Poss = 85 + 0.44*20 + 12 – 10 = 95.8

    PPP_TS = 2 * 0.57 = 1.14

    BasePoints = 95.8 * 1.14 ≈ 109.2

    SecondChance (PPOreb=0.70) = 10 * 0.70 = 7.0

    TeamPoints_A ≈ 116.2
  • Metod B:

    Points_field = 85 (20.55) = 85 * 1.10 = 93.5

    Points_FT = 0.78 * 20 = 15.6

    TeamPoints_B ≈ 109.1
  • Kombinovano:

    Final_TeamPoints ≈ (116.2 + 109.1) / 2 ≈ 112.7 (zaokruži na 113)

4) Spreadsheet-ready koraci za brze prilagodbe pre meča

  • Sheet struktura (kolone): Team, FGA, 3PA, eFG%, TS%, FTA, FT%, TO, ORB, PPOreb (ako postoji), Poss, PPP_TS, SecondChance, TeamPoints_A, TeamPoints_B, FinalPoints.
  • Za povrede: unesite Player_out stats (FGA_per_36, 3PA_per_36, FTA_per_36, PTS_per_36, ORB_per_36, TO_per_36) i procenite minute izostanka. Skalirajte njihove vrednosti prema očekivanim minutama utakmice i oduzmite iz timskih suma.

    Excel primer: NewFGA = FGA – PlayerOut_FGA * (MinOut/36)
  • Za zamenu (Player_in): dodajte njegove per-36 vrednosti skalirane na predviđene minute i ponovo izračunajte FGA, FTA, ORB, TO, PTS, pa potom Poss i FinalPoints.
  • Uradite sanity-check: promenite TS% za ±0.01 i PPOreb za ±0.1 da vidite raspon predikcije — tako brzo dobijate interval poverenja.

5) Brze preporuke za market-fit

  • Ako linija total-a znatno odstupa od vaše procene, proverite razloge: tempo protivnika, povrede, back-to-back, putovanja i tipične promene u 3PA-share kod suparnika.
  • Korišćenje eFG% i 3PA-share pomaže da identifikujete utakmice gde veća upotreba trojki ili slabija odbrana protiv 3P može povećati skor iznad prostog PPP modela.

Završna napomena i sledeći koraci

Model koji ste izgradili u spreadsheet-u je alat koji treba testirati, kalibrisati i brzo prilagođavati—ne zaboravite da validaciju radite na istorijskim podacima i malim ulogom dok ga doterujete. Za pouzdane sirove statistike i timske napredne metrike koristite izvore kao što je Basketball-Reference i ažurirajte ulazne vrednosti pre svake utakmice. Praktična disciplina u praćenju povreda, minutaže i promene u 3PA-profile-u često je važnija od dodatnih slojeva u modelu—brzina i jasnoća u sheet-u su vaše prednosti.

Backtesting i evaluacija modela

Pre nego što počnete sa pravim opkladama, obavezno izvršite backtest na istorijskim podacima. Podelite set na trening i test period (npr. poslednje 2-3 sezone za testiranje) i simulirajte opklade koristeći iste pravila koja ćete primenjivati uživo. Pratite metrike kao što su MAE (mean absolute error), RMSE, hit-rate protiv linija i očekivana vrednost (EV) za svaku strategiju. Vodite jednostavnu dnevnu tabelu: Datum, TimA, TimB, ModelTotal, MarketLine, ActualTotal, Diff, Outcome (win/lose), Stake, ROI. Ovo će vam omogućiti da identifikujete pristrasnosti, sezonske efekte i vrste mečeva gde model podbacuje.

  • Testirajte performanse po ligama, tipu utakmice (back-to-back, road/home) i po profilu protivnika (tempo, 3PA-share).
  • Koristite rolling window recalibration: recalc parametre na nedeljnom ili mesečnom nivou kako biste pratili promene u tempu i stilu igre.
  • Zabeležite verzije modela i promene u parametrima — tako lakše vidite šta poboljšava rezultate.

Automatizacija, monitoring i upravljanje rizikom

Automatizujte prikupljanje podataka putem API-ja (sports data provider) ili skripti za scraping, pokrećite izračune periodično i šaljite alert ako model detektuje edge iznad zadatog praga. U sheetu ili bazi vodite log svih ulaznih promena, grešaka i market-movements. Implementirajte pravila upravljanja bankrolom (npr. Kelly ili fiksni procenat) i maksimalni dnevni limit stake-a. Na kraju, redovno revidirajte performanse i imajte plan za rollback ako nova verzija modela smanji ROI — disciplinovano upravljanje i transparentan log su jednako važni kao sama preciznost modela.