**ROI (Return on Investment)** — это ключевой показатель эффективности вашей прогнозной модели. Он показывает, сколько прибыли (или убытка) приносит система ставок на дистанции.
---
## **1. Формула ROI**
\[
ROI = \left( \frac{\text{Общий чистый выигрыш}}{\text{Общая сумма ставок}} \right) \times 100\%
\]
**Где:**
- **Чистый выигрыш** = Сумма выигрышей – Сумма ставок.
- **ROI > 0%** – модель прибыльна.
- **ROI < 0%** – модель убыточна.
---
## **2. Пример расчёта ROI**
Допустим, ваша модель сделала **100 ставок** по **$10** каждая:
- **Угадано:** 55 ставок (коэффициент в среднем **2.0**).
- **Проиграно:** 45 ставок.
**Расчёты:**
1. **Сумма ставок:** \(100 \times \$10 = \$1000\).
2. **Сумма выигрышей:** \(55 \times (\$10 \times 2.0) = \$1100\).
3. **Чистый выигрыш:** \(\$1100 - \$1000 = \$100\).
4. **ROI:** \(\left( \frac{100}{1000} \right) \times 100\% = 10\%\).
**Вывод:** Модель приносит **10% прибыли** на дистанции.
---
## **3. Годовой ROI**
Если вы делаете **500 ставок в год** с ROI **5%**, то:
- При среднем размере ставки **\$20**:
- **Общий оборот:** \(500 \times \$20 = \$10\,000\).
- **Прибыль:** \(10\,000 \times 0.05 = \$500\).
---
## **4. Важные нюансы**
### **4.1. Учёт маржи букмекера**
- Букмекерская вилка (маржа) снижает ROI. Например, если реальная вероятность события **50%**, а букмекер даёт коэффициент **1.90** (вместо честных **2.0**), то:
- **Ожидаемый ROI без маржи:** \(0\%\).
- **С маржой 5%:** ROI будет **-5%** даже при идеальных прогнозах.
**Решение:** Искать валуйные ставки, где ваша модель оценивает вероятность выше, чем у букмекера.
### **4.2. Волатильность и доверительные интервалы**
- При малом количестве ставок ROI может быть случайным.
- **Пример:**
- После **10 ставок** ROI может быть **+30%** (просто повезло).
- После **1000 ставок** ROI стабилизируется (например, **5-7%**).
**Рекомендация:** Оценивать ROI после **не менее 300-500 ставок**.
### **4.3. Сравнение с альтернативами**
- **ROI 5%** – хороший результат (лучше, чем индексные фонды).
- **ROI > 10%** – исключительная модель (редко достигается на дистанции).
---
## **5. Как улучшить ROI?**
1. **Увеличить точность модели** (подбор признаков, настройка XGBoost/LightGBM).
2. **Искать валуйные ставки** (где \(P_{\text{модели}} > P_{\text{букмекера}}\)).
3. **Управлять банкроллом** (ставки 1-2% от банка).
4. **Фильтровать матчи** – ставить только на события с высокой уверенностью модели.
---
## **6. Автоматический расчёт ROI в Python**
```python
import numpy as np
# Данные: ставки (1 – выигрыш, 0 – проигрыш), коэффициенты
bets = np.array([1, 0, 1, 1, 0]) # Пример: 3 выигрыша, 2 проигрыша
odds = np.array([2.0, 1.8, 1.9, 2.1, 1.7]) # Коэффициенты
stake = 10 # Сумма каждой ставки
# Расчёты
total_bets = len(bets) * stake
total_wins = np.sum(bets * odds * stake)
net_profit = total_wins - total_bets
roi = (net_profit / total_bets) * 100
print(f"ROI: {roi:.2f}%")
```
**Вывод:**
```
ROI: 14.00% # Прибыль 14% на этих ставках
```
---
## **7. Вывод**
- **ROI > 0%** – модель побеждает букмекера.
- **Оптимальный диапазон** для профессионалов: **3-10%**.
- **Главное правило:** ROI должен быть стабильным на сотнях ставок.