Die Forschungsgruppe Sportökonomie an der Universität St. Gallen testet neue statistischen Methoden und versucht dabei, die Ergebnisse von Fussballspielen vorauszusagen.
Basis für die Prognosen der HSG-Forschungsgruppe Sportökonomie für das Projekt «SEW Soccer» ist eine umfangreiche Datensammlung über die Bundesligaklubs. Dazu gehören unter anderem frühere Ergebnisse und Spielweisen, das aktuelle Kader, das Umfeld und der aktuelle Spielplan. Das Prognosemodell wird dann «durch eine ökonometrische Methode» erstellt: Auf Grund von vergangenen Spielzeiten würden Informationen herausgefiltert, die eine nachweisliche Vorhersagekraft für den Ausgang von Fussballspielen hätten, heisst es in einer Mitteilung der Universität St. Gallen vom Dienstag.
Viele tausend Simulationen
So entstehe ein Prognosemodell, das die Wahrscheinlichkeiten eines Heimsiegs, eines Unentschiedens oder eines Auswärtssiegs berechne. Solche Vorhersagen seien allerdings mit Unsicherheiten behaftet, weil sich nicht immer die Favoriten durchsetzten. «Dieser Unsicherheit tragen die Wissenschaftler durch viele tausend Simulationen Rechnung», heisst es in der Mitteilung. Die Forschungsgruppe hat nun auf ihrer Homepage (www.sew.unisg.ch/soccer_analytics) die Prognosen über den kommenden Spieltag der deutschen Bundesliga veröffentlicht. Für das Spiel von Leverkusen gegen Wolfsburg stehen danach die Chancen relativ ausgeglichen: 37 Prozent Wahrscheinlichkeit für einen Heimsieg von Leverkusen, 36 Prozent für einen Auswärtssieg von Wolfsburg, 27 Prozent für eine Punkteteilung.
Bayern und Gladbach siegen
Für das Spiel zwischen Bayern und Frankfurt ergab das Modell eine 95-prozentige Wahrscheinlichkeit für einen Sieg der Münchner gegen den Zweitletzten der Tabelle. Etwas überraschender ist der mit 61 Prozent vorausgesagte Heimsieg von Borussia Mönchengladbach über Hertha BSC: Gladbach liegt auf dem fünften, Hertha auf dem dritten Rang.
Die Forschungsgruppe Sportökonomie sei jeweils bestrebt, die neuesten statistischen Modelle anzuwenden, heisst es im Communiqué. So auch die Methoden des «Machine Learnings», bei denen es darum gehe «bestmögliche Prognosen für ungewisse Ereignisse» zu erzielen. Die Prognose von Fussballergebnissen seien für eine Erprobung von neuen statistischen Methoden gut geeignet, bevor diese dann «zur Analyse wirtschaftspolitisch relevanterer Fragen» zum Einsatz kommen.
