Técnicas de machine learning para la predicción de resultados de partidos de fútbol

Abstract

The inexorable growth of artificial intelligence has led to its implementation in business areas such as sports organizations, obtaining special relevance during the last decade. The present study shows the construction of two predictive models capable of making predictions about the final result of soccer matches in an efficient and consistent manner over time, where the aim is not only to successfully predict the largest possible number of matches, but also to implement a systematic betting strategy that allows the user to be profitable over time. In order to carry out this task, a dataset comprising the four main European leagues is built, encompassing a wide range of predictors capable of capturing the different events and events that occur during the match, encompassing more than 16,000 matches from 2010 to the present. The study shows how the performance of the model is directly influenced by the quality of the parameters present in the dataset. This has allowed the ESP-ENG-GER-ITA dataset implemented in XGBoost to successfully predict more than 40 consecutive games, generating a return to the stakeholder of more than €37,000 in just five months of activity, with an initial investment of 1,000€

El inexorable crecimiento de la inteligencia artificial ha propiciado su implementación en áreas de negocios como son las organizaciones deportivas, obteniendo especial relevancia durante la última década. El presente trabajo muestra la construcción de dos modelos predictivos capaces de realizar predicciones sobre el resultado final de encuentros futbolísticos de manera eficaz y consistente en el tiempo, donde se busca no solo predecir con éxito el mayor número de encuentros posibles, sino implementar una estrategia sistemática de apuestas que permitan al usuario ser rentable en el tiempo. Para llevar a cabo esta tarea se construye un dataset que comprende las cuatro principales ligas europeas, englobando un amplio abanico de predictores capaces de plasmar los diferentes eventos y acontecimientos que suceden durante el enfrentamiento, englobando más de 16.000 partidos desde el año 2.010 hasta la actualidad. Se demuestra cómo el rendimiento del modelo está influenciando de manera directa por la calidad de los parámetros presentes en el dataset. Esto ha permitido que el total del conjunto de datos implementado en XGBoost haya sido capaz de predecir satisfactoriamente más de 40 partidas de manera consecutiva, generando al apostante un retorno superior a 37.000€ en apenas cinco meses de actividad, con una inversión inicial de 1.000€