Ergebnischeck Quotenvergleich: Wie belastbar ist die Methode wirklich

Ein Quotenvergleich kann Fußballprognosen sinnvoll prüfen, aber nicht anhand eines einzelnen Spielausgangs. Belastbar wird die Methode erst über eine ausreichend große, sauber abgegrenzte Stichprobe, aus Quoten abgeleitete Wahrscheinlichkeiten ohne Buchmachermarge und passende Gütemaße. Der stärkste Vergleichspunkt ist meist die letzte verfügbare Marktquote vor Spielbeginn; die größte Unsicherheit entsteht durch voneinander abhängige Quoten, kleine Datensätze und nachträglich ausgewählte Fälle.

Was ein Ergebnischeck tatsächlich beantworten kann

Der Vergleich zwischen Modellprognose, Marktquote und Endergebnis beantwortet zwei unterschiedliche Fragen. Erstens lässt sich untersuchen, ob ein Modell Wahrscheinlichkeiten ähnlich oder besser einschätzt als der Markt. Zweitens zeigt sich, ob bestimmte Prognosebereiche gut kalibriert sind: Ereignisse mit einer vorhergesagten Wahrscheinlichkeit von etwa 60 Prozent sollten langfristig ungefähr in sechs von zehn vergleichbaren Fällen eintreten.

Ein einzelnes Ergebnis kann diese Qualität nicht belegen. Gewinnt ein Team, dem ein Modell 40 Prozent gegeben hat, war die Prognose nicht automatisch falsch. Ein Ereignis mit 40 Prozent Wahrscheinlichkeit darf regelmäßig eintreten. Umgekehrt beweist der Sieg eines mit 70 Prozent bewerteten Favoriten nicht, dass die Einschätzung gut war.

Der Ergebnischeck muss daher Wahrscheinlichkeiten bewerten und darf nicht nur richtige Sieger zählen. Eine reine Trefferquote bevorzugt häufige Favoritentipps und ignoriert, wie viel Unsicherheit vor dem Anpfiff bestand. Wer in jedem Spiel stumpf den Favoriten auswählt, kann viele Treffer erzielen, ohne besonders präzise Wahrscheinlichkeiten zu liefern.

Die Marktquote muss zuerst bereinigt werden

Dezimalquoten lassen sich zunächst über 1 geteilt durch Quote in implizite Wahrscheinlichkeiten übersetzen. Drei 1X2-Quoten ergeben wegen der eingerechneten Marge jedoch normalerweise zusammen mehr als 100 Prozent. Unbereinigte Werte sind daher keine fairen Marktwahrscheinlichkeiten.

Eine einfache Normalisierung teilt jede implizite Wahrscheinlichkeit durch die Summe aller drei impliziten Wahrscheinlichkeiten. Liegen die rohen Werte beispielsweise bei 50, 30 und 25 Prozent, beträgt ihre Summe 105 Prozent. Die normalisierten Anteile ergeben sich aus 50 geteilt durch 105, 30 geteilt durch 105 und 25 geteilt durch 105. Gerundet entsprechen sie 47,6 Prozent für den Heimsieg, 28,6 Prozent für das Unentschieden und 23,8 Prozent für den Auswärtssieg. Der Zahlencheck ergibt zusammen 100,0 Prozent.

Diese proportionale Bereinigung ist transparent, aber nicht in jeder Situation perfekt. Die Marge muss nicht gleichmäßig auf alle Ausgänge verteilt sein. Besonders bei hohen Außenseiterquoten kann eine einfache Normalisierung Verzerrungen stehen lassen. Für einen wiederholbaren Ergebnischeck ist sie dennoch brauchbar, sofern dieselbe Methode für sämtliche Spiele eingesetzt und als Näherung bezeichnet wird.

Eröffnungsquote, Schlussquote und Modellwert erfüllen andere Rollen

Der Zeitpunkt der Quote verändert die Aussage des Vergleichs. Eine frühe Quote bildet den Informationsstand bei Markteröffnung ab. Spätere Preise können bestätigte Aufstellungen, Ausfälle, Wetterbedingungen und Marktaktivität bereits stärker berücksichtigen. Die Schlussquote kurz vor dem Anpfiff eignet sich deshalb meist besser als Referenz für die gesamte verfügbare Marktinformation.

Das heißt nicht, dass die Schlussquote das Ergebnis kennt. Auch ein effizienter Markt kann einzelne Begegnungen deutlich falsch einschätzen. Seine Stärke liegt in der Zusammenführung vieler Informationen über zahlreiche Spiele hinweg.

• Modell gegen Eröffnungsmarkt: Zeigt, ob das Modell früh andere Wahrscheinlichkeiten erkennt.
• Modell gegen Schlussmarkt: Prüft, wie die Einschätzung gegenüber einem informationsreicheren Referenzpunkt abschneidet.
• Eröffnungsmarkt gegen Schlussmarkt: Macht sichtbar, ob sich der Markt in Richtung der Modellprognose oder von ihr weg bewegt hat.
• Prognose gegen Ergebnis: Misst langfristig Kalibrierung und Prognoseverlust, nicht die Qualität eines einzelnen Tipps.

Quoten verschiedener Anbieter sind außerdem nicht vollständig unabhängige Meinungen. Märkte reagieren aufeinander, übernehmen Informationen und orientieren sich teilweise an ähnlichen Ausgangspreisen. Zehn fast identische Quoten sind daher nicht mit zehn voneinander unabhängigen Prognosemodellen gleichzusetzen.

Drei Prüfgrößen statt bloßer Trefferzählung

Kalibrierung

Für die Kalibrierung werden Prognosen in Wahrscheinlichkeitsbereiche eingeordnet. Alle Heimsiege mit Modellwerten zwischen beispielsweise 55 und 60 Prozent bilden eine Gruppe. Tritt der Heimsieg in dieser Gruppe langfristig deutlich seltener ein, überschätzt das Modell diese Auswahl. Liegt die tatsächliche Häufigkeit höher, ist es in diesem Bereich zu vorsichtig.

Sehr enge Gruppen wirken präzise, enthalten aber schnell zu wenige Spiele. Breitere Gruppen liefern stabilere Häufigkeiten, verdecken dafür kleinere Unterschiede. Die Gruppengrenzen sollten vor der Auswertung festgelegt werden und nicht so lange verändert werden, bis ein günstiges Bild entsteht.

Brier Score

Der Brier Score misst den quadratischen Abstand zwischen vorhergesagter Wahrscheinlichkeit und eingetretenem Ausgang. Bei einer 1X2-Prognose wird der Fehler für Heimsieg, Unentschieden und Auswärtssieg berücksichtigt. Niedrigere Werte stehen bei identischer Berechnung für bessere Prognosen.

Das Maß bestraft selbstbewusste Fehlprognosen stärker als vorsichtige Fehleinschätzungen. Ein Modell, das einem tatsächlich verlorenen Ausgang eine extrem hohe Wahrscheinlichkeit gegeben hat, erhält damit einen größeren Fehler. Brier-Werte dürfen nur verglichen werden, wenn dieselbe Ereignisstruktur, dieselbe Skalierung und dieselbe Spielauswahl verwendet wurden.

Logarithmischer Verlust

Der logarithmische Verlust, häufig Log Loss genannt, bewertet die Wahrscheinlichkeit des tatsächlich eingetretenen Ergebnisses. Sehr kleine Wahrscheinlichkeiten für den späteren Ausgang werden stark bestraft. Dieses Maß deckt übertrieben sichere Prognosen besonders deutlich auf.

Der Log Loss reagiert empfindlicher auf Extremwerte als der Brier Score. Beide Kennzahlen ergänzen sich: Der Brier Score ist anschaulich für den gesamten Wahrscheinlichkeitsfehler, während der Log Loss unrealistisch hohe Sicherheit scharf sanktioniert. Eine seriöse Auswertung legt die gewählte Definition vorab fest und wendet sie unverändert auf Modell und Markt an.

Die Belastbarkeit steht und fällt mit dem Datensatz

Ein Ergebnischeck ist nur so aussagekräftig wie seine Spielauswahl. Werden nachträglich nur auffällige Favoriten, bestimmte Niederlagen oder besonders große Abweichungen betrachtet, entsteht ein Auswahlfehler. Auch das Mischen verschiedener Wettbewerbe kann Zusammenhänge verschleiern, weil Ligen, Pokalspiele und internationale Begegnungen unterschiedliche Markt- und Rotationsbedingungen besitzen.

Für eine faire Prüfung sollten mindestens folgende Festlegungen vor Beginn der Auswertung stehen:

1. Welche Wettbewerbe und Spielzeiten gehören in die Stichprobe?
2. Welche Quote wird zu welchem fest definierten Zeitpunkt erfasst?
3. Wie wird die Marge aus den 1X2-Quoten entfernt?
4. Welche Modellversion gilt für sämtliche Spiele?
5. Welche Kennzahlen werden für Modell und Markt identisch berechnet?
6. Wie werden abgesagte Spiele, fehlende Quoten und Datenfehler behandelt?

Eine universelle Mindestzahl an Spielen lässt sich nicht seriös nennen. Benötigt wird umso mehr Datenmaterial, je kleiner der erwartete Unterschied zwischen Modell und Markt ist und je stärker die Stichprobe in Untergruppen zerlegt wird. Ein scheinbarer Vorteil über wenige Dutzend Begegnungen kann leicht durch Zufall entstehen. Stabiler wird die Aussage, wenn sich das Ergebnis über mehrere Zeitabschnitte und in zuvor nicht zur Modellentwicklung verwendeten Spielen wiederholt.

Warum Rückrechnung aus dem Endstand die Methode verzerrt

Nach dem Abpfiff sind Ereignisse eindeutig, die vorher unsicher waren. Diese Gewissheit darf nicht rückwirkend in die Bewertung einfließen. Ein 3:0 macht eine vorherige 55-Prozent-Prognose nicht automatisch zu niedrig; das Resultat sagt nichts darüber aus, wie häufig dieselbe Ausgangslage vor dem Spiel gewonnen worden wäre.

Problematisch ist auch die nachträgliche Anpassung von Regeln an bereits bekannte Ergebnisse. Werden Filter, Gewichtungen oder Auswahlgrenzen mit demselben Datensatz entwickelt und bewertet, misst der Check teilweise nur die Anpassung an vergangene Zufälle. Aussagekräftiger ist eine zeitliche Trennung: Frühere Spiele dienen zur Entwicklung, spätere und zuvor unangetastete Spiele zur Prüfung.

Dieser Punkt grenzt den Quotenvergleich von einem reinen Modellcheck ab. Der Markt ist hier eine Referenzprognose mit eigener Marge, eigenem Zeitpunkt und möglicher Abhängigkeit zwischen Anbietern. Das Ergebnis bleibt notwendig, reicht allein aber nicht als Vergleichsmaßstab.

Eine belastbare Entscheidung folgt einer festen Prüfreihenfolge

Die Methode trägt am meisten, wenn die Bewertung in einer unveränderten Reihenfolge erfolgt:

1. Wenn nur einzelne richtige oder falsche Tipps vorliegen, ist keine Qualitätsaussage möglich. Zuerst muss eine vorab definierte Spielserie ausgewertet werden.
2. Wenn Buchmacherquoten unbereinigt verglichen werden, misst ein Teil der Abweichung lediglich die Marge. Zuerst sind faire Marktanteile mit einer einheitlichen Methode abzuleiten.
3. Wenn unterschiedliche Quotenzeitpunkte verwendet werden, ist der Vergleich unsauber. Für jedes Spiel muss dieselbe Erfassungsregel gelten.
4. Wenn das Modell nur mehr Sieger trifft, aber schlechter kalibriert ist, ist eine Überlegenheit nicht belegt. Brier Score oder Log Loss müssen unter denselben Bedingungen hinzukommen.
5. Wenn ein Vorteil nur in der Entwicklungsstichprobe erscheint, besteht Anpassungsgefahr. Er muss sich in späteren, unberührten Daten erneut zeigen.
6. Wenn der Abstand in verschiedenen Zeiträumen stark schwankt, bleibt die Methode instabil. Wettbewerb, Prognosebereich und mögliche Datenänderungen sind getrennt zu untersuchen.

Ein Quotenvergleich ist somit ein brauchbarer Prüfrahmen, aber kein Wahrheitsbeweis für einzelne Spielausgänge. Hohe Aussagekraft entsteht durch bereinigte Wahrscheinlichkeiten, einen einheitlichen Quotenzeitpunkt, vorab festgelegte Spiele und mehrere Prognosemaße. Ohne diese Bedingungen bleibt der Ergebnischeck eher eine rückblickende Beschreibung als eine belastbare Validierung.