Soccer Analytics - Prognosequalität

Das Hauptziel des Modells ist die Prognose der Abschlusstabelle. Es ist nicht zu erwarten, dass die Abschlusstabelle exakt vorhergesagt werden kann. Jede Saison hat ihre eigenen Überraschungen und Enttäuschungen. Um dennoch zu überprüfen wie gut unsere Prognose in der vergangenen Saison war, vergleichen wir unsere Prognose mit den Tipps von vielen anderen Prognosen, die auf der Homepage von BStat zusammengetragen wurden. Diese sagen jeweils die Ränge der Abschlusstabelle voraus. Wir berechnen den Rangkorrelationskoeffizienten mit der echten Abschlusstabelle und den jeweilgen Prognosen. Je näher eine Prognose an der Wahrheit lag, desto grösser ist dieser Wert. Unsere Prognosemethode lag demnach in der Saison 2018/19 auf einem geteilten vierten Rang. Die genaue Platzierung zu erraten ist gerade in einer engen Liga wie der Bundesliga oftmals auch Glückssache. Deshalb schauen wir zusätzlich auf die Prognosegüte für erwartete Punkte wird mit dem sogenannten Root Mean Squared Error. Dieses Gütemass ist kleiner, je näher die Prognose an den tatsächlichen Punkten liegt. In dieser Kategorie schneidet unsere neue Prognose wiederholt sehr gut ab.
In der Tabelle «Trainerentlassungen 2017/18» sind alle Entlassungen von Trainern der Bundesliga Saison 2017/18 aufgelistet mit der normierten Abweichung der Punkte zu unserer Prognose zum Zeitpunkt ihrer Entlassung. Alle Trainer wurden bei negativen Abweichungen entlassen. Wir werten dies als Evidenz dafür, dass die Verantwortlichen der Bundesligamannschaften ähnliche Massstäbe anlegen wie unser Modell.

In der Saison 2016/17 musste sich unsere Prognose nur Spiegel Online bei der Vorhersage der Platzierungen geschlagen geben.

In der Saison 2015/16 war unsere Prognose mindestens genau so gut wie alle betrachteten Alternativen.