Aktuelle Navigationsebene
Vorherige Navigationsebene
Nächste Navigationsebene
Aktuelle Navigationsebene

SEW Soccer Analytics

Mit SEW Soccer Analytics präsentiert die Forschungsgruppe Sportökonomik ihre eigene und unabhängige Prognose für die Deutsche Fussball Bundesliga. Die Prognose wird mit Hilfe von empirischen Methoden des sogenannten Machine Learnings erstellt.

(letztes Update 20.02.2018) 

Updates werden auf Twitter angekündigt.

Modell Update Februar 2018:
Ziel von Soccer Analytics ist es Machine Learning in einem realen Setup zu erproben. Im Zuge der steten Weiterentwicklung kommt ab Februar eine neue Methode für die Vorhersagen zum Einsatz. Die Prognose der Saisonabschlusstabelle wurde mit der neuen Methodik ebenfalls aktualisiert. Wichtig für die Vergleichbarkeit ist hierbei, dass dafür nur Informationen vor Saisonbeginn verwendet wurden. Die "alten" Vorhersagen der Endtabelle finden sich aber weiterhin unter weitere Analysen.

Auf dieser Seite präsentieren wir unsere Hauptergebnisse und beantworten dabei folgende Fragen: Auf welchem Tabellenplatz landet mein Team? Wer sind die Favoriten und Aussenseiter am nächsten Spieltag? Wie sieht die wahrscheinlichste Abschlusstabelle aus? Wer sind die positiven und negativen Überraschungen der Saison?
Vor jeder Grafik und Tabelle erklären wir kurz wie die Resultate zustande kommen. Unter weitere Erklärungen beschreiben wir genauer wie unsere Prognose entsteht. Zusätzliche Ergebnisse werden unter weitere Analysen dargestellt. Ausserdem vergleichen wir die Prognosequalität unseres Modells mit anderen Vorhersagen für die Abschlusstabelle.

Zusammenfassung:
Die Wahrscheinlichkeit des FC Bayern auf eine Titelverteidigung liegt bei 99%. Die verbleibende Spannung in der Liga konzentriert sich auf den Kampf um die verbleibenden Champions League Plätze sowie den Abstiegskampf. Dortmund (89%), Leverkusen (65%), Leipzig (55%) und Schalke (51%) sind die heissesten Kandidaten für die Teilnahme an der Champions League. Am Tabellenende stehen fünf Mannschaften mit mindestens einer Wahrscheinlichkeit von 10% auf einem der restlichen Abstiegsplätze zu landen. Mit Abstand am schlechtesten steht es dabei um Hamburg und Köln mit jeweils 81% bzw. 88% Wahrscheinlichekit auf den Direktabstieg.

Wer steht wo am Ende der Saison
Die folgende Tabelle zeigt für jedes Team, wie hoch die Wahrscheinlichkeit ist auf einem bestimmten Tabellenplatz zu landen. Um diese Wahrscheinlichkeiten zu erhalten, simuliert der Computer mehr als 10.000 Saisonverläufe basierend auf unserem Prognosemodell und berechnet wie häufig ein Team auf einem bestimmten Platz landete. Unter weitere Erklärungen geben wir genauer Auskunft wie das funktioniert. In den weiteren Analysen werden die Zahlen in einer interaktiven Grafik dargestellt. Zusätzlich berechnen wir dort wie hoch die Wahrscheinlichkeiten sind ein bestimmtes Saisonziel zu erreichen.


Wahrscheinlichkeiten kleiner als 5% werden nicht angezeigt
PT: Prognostizierter Tabellenplatz
PP: Prognostizierte Punktzahl (interaktive Grafik unter weitere Analysen)
↑↓: Veränderung der PP in der Abschlusstabelle im Vergleich zur Prognose vor Saisonbeginn (Details unter weitere Analysen)

Nächster Spieltag
Hier können Fans nachschauen wie gross die Wahrscheinlichkeit ist, dass ihre Mannschaft am kommenden Spieltag verliert, gewinnt oder unentschieden spielt. Fälschlicherweise wird oft angenommen wir würden hier vorhersagen, dass die Mannschaft mit der höheren Prozentzahl gewinnt. Diese Interpretation ist aber irreführend. Zielführender ist es sich vorzustellen man könnte dieses Spiel 100-mal mit denselben Teams in derselben Situation spielen lassen. Dann sagen die Prozentzahlen aus wie oft von diesen imaginären 100 Spielen ein bestimmter Ausgang erwartet wird.


Positive und negative Überraschungen
Die folgende Grafik zeigt welche Mannschaft bis jetzt in der laufenden Saison besser (grün) bzw. schlechter (rot) abschneiden als am Saisonbeginn prognostiziert. Die Balken zeigen die Differenz zwischen tatsächlich erreichten Punkten zum aktuellen Zeitpunkt der Saison und der Punktzahl, die vor der Saison für diesen Zeitpunkt prognostiziert wurde.
 

Bei Fragen oder Anregungen melden Sie sich bitte unter soccer.analytics@unisg.ch.