Мы не букмекер, не курсы, не «беспроигрышная стратегия». Мы — open data project: 120+ ML-моделей, классические рейтинговые системы (ELO, Glicko-2), формульные методы (Monte Carlo) и публичная статистика по каждой модели.
Что внутри платформы
В основе — три слоя моделей:
Pure-Math — формульные модели на ELO и вероятности взятия очка на подаче. Никакого ML, чистая математика. Воспроизводимы пошагово.
ML классификаторы — XGBoost, LightGBM, CatBoost для предсказания победителя матча, тоталов (ТБ/ТМ), форы и сетового исхода.
Ensembles + Pure×ML consensus — комбинации, где ML и Pure-Math голосуют вместе. Когда два разных метода соглашаются — это сильный сигнал.
Зачем мы это делаем
Цель — показать, что спортивная аналитика может быть прозрачной. Никто из платных «капперов» не публикует свои метрики честно. Мы выкладываем сырые числа: WR (winrate), ROI, PnL за каждую модель, история ставок, samples, calibration error.
Видишь модель с ROI +15% и 2000 samples — она реально работает. Видишь -3% и 30 samples — ничего не значит, мало данных.
Что будет в канале
Образовательные посты по математике ставок — без воды:
Критерий Келли: формула, защита от ruin, Kelly ¼.
Value Betting: что такое EV (expected value), почему 95% теряют даже на «выигрышных» ставках.
Closing Line Value (CLV) — единственная метрика, которая показывает мастерство, а не везение.
Ансамбли ML: как 120 моделей живут вместе, не конфликтуя.
Calibration: почему модель с точностью 70% — это не «выиграй 70% ставок».
Откуда данные
Источники: ATP/WTA tour, Sackmann historical dataset, FlashScore live feed. Никаких «инсайдов», никаких «договорняков».
Подписывайтесь, если интересна тема. Следующий пост — про критерий Келли с конкретным примером.
Полная аналитика и все 120 моделей доступны на сайте: starktennis.ru
Disclaimer: материалы носят образовательный характер. Не являются инвестиционным или букмекерским советом. 18+.