Bahis Kuponu Optimizasyonu için Tahminleyici Modeller

Son güncelleme: 2026-07-28 • Uyarı: 18+ • Bu yazı kâr garantisi vermez. Geçmiş performans, geleceği garanti etmez.

Saha Notu: Bir hafta sonu ve iki farklı kupon

Bir cumartesi, iki yol denedim. İlk kuponu içgüdüyle yaptım. “Formda takım bu” dedim ve beş maç bağladım. İkincisinde, küçük bir model kurdum. Goller için Poisson, oranlarla çapraz kontrol, bütçe limiti. Gün sonunda gördüm: Modelli kupon daha sakin. Kaybettiğimde bile nedenini biliyorum. Aşırı maç ekleme hatası yok. Bu yazı o sakinliğin nasıl kurulduğunu, adım adım ve dürüstçe anlatır.

“Optimize” demek ne demek? Kısa, net, ölçülebilir

Optimize demek “daha çok maç ekle” değil. Amaç üç şeydir: beklenen değer (EV), varyans ve bütçe uyumu. Yani seçimi iyi fiyatla almak, dalgalanmayı bilmek, cepteki parayı korumak. Karar zinciri açık olmalı: veri → model → olasılık → oran kıyası → bahis büyüklüğü → kupon portföyü. Bu yazı, kâr sözü vermez; istatistiği kötüye kullanmaz. Ne işe yarar, nerede kırılır, açıkça söyler.

Veri: Kaynak, tutarlılık ve sızıntı riski

Veri kalitesi her şeydir. Lig farkı, sakatlık, rotasyon, fikstür yoğunluğu, ev sahibi etkisi, hatta hava. Hepsi sinyal taşır. Ama zaman damgası şarttır. Maçtan sonraki bir bilgiyi, yanlışlıkla önceye koyarsanız “sızıntı” olur. Model o an “kahin” gibi görünür, ama gerçek hayatta dağılır.

Açık ve kontrollü kaynaklarla başlayın. Golleri, şutları, xG’yi, kartları ve maç sonuçlarını temiz bir şemada tutun. Futbol için güvenilir açık futbol veri setleri iyi bir başlangıçtır. Topluluk katkısı isterseniz, topluluk veri setleri de iş görür. Oranlar tarafında ise farklı siteleri tek formata çekmek için oran standardizasyonu sunan API’ler hayat kurtarır.

Son bir not: Kapanış oranı, çoğu pazarda en akıllı fiyattır. Kendi olasılığınızı onunla kıyaslamak, sinyalinizin gerçekliğine iyi bir aynadır.

Model omurgaları: Ne, nerede, neden?

Futbol gibi düşük skorlu oyunlarda, goller için Poisson iyi bir tabandır. Ev ve deplasman hücum/savunma parametreleriyle basit ama güçlü bir iskelet kurar. Aşırı beraberlik ve kısa süre bağımlılığı için Dixon–Coles düzeltmesi eklenebilir. GLM ile düzgün kurmak isterseniz, Poisson regresyonu sağlam bir yoldur.

Sıralama temelli yaklaşımlar da etkilidir. Elo veya Glicko derecelendirmesi oyuncu/ekip gücünü zamana duyarlı izler. Seri maç yapan liglerde pratik ve hafiftir.

Daha zengin veri varsa, lojistik regresyon ve boosting modelleri devreye girer. Özellik mühendisliği ile birlikte XGBoost belgeleri ve CatBoost, nitel ve sayısal girdileri iyi taşır. Ama şeffaflık düşer. Kalibrasyon şart olur. Bunun için kalibrasyon eğrileri dokümanını ve proper scoring rules yazısını okuyun.

Belirsizliği modellemek isterseniz, Bayesçi çerçeve güçlüdür. Özellikle seyrek veri ve alt liglerde. İyi bir örnek için Bayesçi futbol modeli makalesine bakın. Teniste ise puan bazlı Markov ve servis kırma oranları daha doğru zemindir. Basketbolda tempo ve pozisyon sayısı önemlidir; Poisson yerine dağılım karışımları ya da regresyon ailesi daha iyi işleyebilir.

Özellik (feature) mühendisliği: Edge çoğu zaman burada

Kaçınılacaklar: Aşırı uyum (çok karmaşık ağaçlar), veri gecikmesi (son anda gelen sakatlık haberi), ve en tehlikelisi, sızıntı.

Tablo 1 – Model ve veri gereksinimi kıyası (örnek)

Futbol Poisson + Dixon–Coles Maç geçmişi, goller, ev/deplasman gücü, kapanış oranı Yüksek Log-loss, Brier, Kalibrasyon, ROI (sadece izleme) Düşük skor ve bağımlılık için iyi Parametre dengesizliği, sızıntı Kısa form penceresi + kapanış kıyası yapın
Futbol Lojistik + XGBoost xG, şut kalitesi, hava, sakatlık, oranlar Orta/Düşük Log-loss, AUC, Kalibrasyon Zengin veri varsa güçlü Aşırı uyum, açıklanabilirlik SHAP/özellik önemi ile izleyin
Tenis Markov + Elo/Glicko Servis/kırma oranı, kort türü, set/oyun bazlı veri Orta Log-loss, Brier Puan bazlı yapı sağlam Küçük örneklem, kort etkisi Kort yüzeyine özel parametre tutun
Basketbol Regresyon + tempo ayarlı modeller Pace, hücum/defans rating, sakatlık Orta MAE, RMSE, Kalibrasyon Yüksek skor, normal dağılıma yakın Back-to-back yorgunluğu Dinlenme günlerini özellikle ekleyin

Bahis büyüklüğü: Kelly, fraksiyon ve pratik

Doğru olasılığı bulmak yetmez. Ne kadar oynayacağınızı da bilmelisiniz. Kelly ölçütü teorik olarak en hızlı büyümeyi hedefler. Ama tam Kelly çok saldırgandır. Dalgalanma yüksektir. Bu yüzden birçok kişi yarım Kelly, çeyrek Kelly ya da sabit yüzde kullanır. Finans gözünden okuma isterseniz, yatırım perspektifi işinizi kolaylaştırır.

Korelasyon tuzağına dikkat. Aynı ligden iki favori çoğu zaman ilişkili olur. Aynı sakatlık haberi ikisini de etkileyebilir. Bu yüzden kuponu küçük parçalara bölmek, tekillere ağırlık vermek ve limitlere saygı duymak önemlidir.

Mikro-vaka: 1 haftalık açık bir deney, tekrarlanabilir

Kapsam: Son 8 hafta, Premier League ve Serie A. Kaynak: maç sonucu, goller ve kapanış oranları. Veri alın, temizleyin, seviyeleyin. İster açık futbol veri setleri, ister topluluk veri setleri ile başlayın. Oranlar için birleştirme adımında oran standardizasyonu işinizi kolaylaştırır.

Modeller: (1) Basit Poisson (ev/konuk hücum–savunma), (2) Baseline: Orandan çıkan olasılık (marj temizlenmiş). Zamana duyarlı katman için kaydırmalı pencere kullanın. Eğitim, önceki 6 hafta; test, izleyen 2 hafta. Skorlar: log-loss ve Brier. Değerlendirme kuramı için proper scoring rules metnini temel alın.

Sonuç (temsili, iddiasız): Poisson, baseline’a yakın ama biraz daha iyi kalibre. Bazı düşük skorlu maçlarda fark açılıyor. Kapanışa uzak seçimlerde sapma artıyor. Mesaj net: Küçük da olsa şeffaf bir model, “hissettim”’den iyidir. Bu, “her hafta kâr” anlamına gelmez. Ama kararınız ölçülü olur. Yönteminize güven gelir.

Tekrar etmek için kısa rehber:
1) Veriyi tarihe göre ayırın, sızıntı yok.
2) Ev/deplasman parametrelerini Poisson ile kestirin.
3) Olasılıkları oranla kıyaslayın, pozitif EV işaretleyin.
4) Küçük fraksiyonel Kelly ya da sabit yüzde kullanın.
5) Haftalık log-loss, Brier ve kapanış yakınlığını raporlayın.

Şeffaflık örneği görmek isterseniz, FiveThirtyEight futbol yöntem yazıları iyi bir ilham kaynağıdır.

Ãœretime alma, izleme ve bozulma (drift)

Model biter, iş bitmez. Özellik dağılımları kayar. Ligde stil değişir. Hakem çizgisi değişir. O yüzden haftalık/aylık izleme gerekir. Log-loss kötüleşti mi? Kalibrasyon eğrisi bozuldu mu? Veri hattı düştü mü? Eşikler tanımlayın. Kötüleşmede geri alım (rollback) planınız olsun. Süreci kurmak için MLOps rehberi çok yararlı.

Yan Kutu: Sık yaptığımız 7 hata

Sorumlu oyun ve etik

Bütçe sınırı koyun. Duygusal tetikleyicileri tanıyın. Kaybı kovalamayın. Gerekirse mola verin. Yardım ve bilgi için sorumlu kumar kaynakları ve GamCare sayfalarına bakın. Ülke yasalarına uyun. 18+ kuralına saygı gösterin.

Görsel notlar (öneri)

SSS

Hangi modelle başlamalıyım?
Futbolda basit Poisson + kapanış oranı kıyası. Az veriyle de yürür.

Ne kadar veri gerekli?
2–3 sezon makul. Ama zaman penceresi ve kalite daha önemli.

Kelly mi sabit yüzde mi?
Yeni başlayan için fraksiyonel Kelly ya da sabit yüzde. Korelasyonu unutmayın.

Hangi metriÄŸi izlemeliyim?
Log-loss, Brier, kalibrasyon eğrisi ve kapanış yakınlığı.

Makine öğrenmesi şart mı?
Hayır. Temiz veri + Poisson + iyi bütçe yönetimi çoğu kez yeter.

Kısa kapanış: Öğrendiklerimiz ve sonraki adım

İyi kupon, net süreçten doğar. Temiz veri, basit ama doğru model, kalibrasyon, küçük adım ve sık izleme. Büyük iddia değil, tutarlı karar. Oran kalitesi, limit ve pazar derinliği de sonucu etkiler. Operatör seçerken şeffaflığa bakın, mobil deneyimi test edin, kapanışa yakın fiyatı olanları tercih edin.

Mobil deneyim sizin için de önemliyse, uygulama hızı ve ödeme akışı gibi pratik noktaları karşılaştıran kaynağa göz atın: küresel gerçek para oyuncuları için mobil casino incelemelerimiz. Not: Bu bağlantı yönlendirme içerebilir.

Metodoloji Özeti

Kaynak ve Ä°leri Okuma

Yazar Hakkında

Veri bilimi ve spor analitiği alanında çalışan bir danışman. Avrupa ligleri ve açık veri ile tekrarlanabilir projeler üretir. Şeffaf metodoloji ve sorumlu oyun savunucusudur.

Yasal not: Spor bahisleri risklidir. Yalnızca yasal yaşın üzerindeyseniz ve yerel kurallara uygunsa oynayın. Bu yazıda yer alan dış bağlantılar bilgilendirme amaçlıdır; bazı bağlantılar yönlendirme/gelir ortaklığı içerebilir. Değerlendirmeler tarafsızdır ve düzenli güncellenir.