Value Betting in der Formel 1: Wenn die eigene Wahrscheinlichkeit die Buchmacherquote schlägt
Available in USLadevorgang...
Warum Quoten lesen nicht dasselbe ist wie Tipps setzen
Die Trennlinie zwischen Tipp und Wette ist eine Zahl. Wer tippt, nennt einen Piloten. Wer wettet, vergleicht eine Wahrscheinlichkeit mit einer Quote und stellt fest, ob die Quote die Wahrscheinlichkeit fair abbildet. Diese zwei Sätze klingen banal. Sie sind der Grund, warum die meisten Tipper langfristig verlieren und eine kleine Minderheit langfristig gewinnt.
Ich habe im ersten Jahr meiner Laufbahn den Fehler gemacht, den fast alle machen. Ich habe Piloten getippt, die ich für stark hielt, ohne zu prüfen, ob die Buchmacherquote den Piloten überschätzt oder unterschätzt. In einem Jahr habe ich Verstappen sechzehn Mal getippt. Ich hatte recht — er gewann häufig. Ich habe trotzdem verloren. Weil die Quote auf seinen Sieg sein Können bereits einpreiste, und oft noch ein bisschen mehr. Ich habe ihn als Sieger vorausgesagt und gleichzeitig zu teuer eingekauft.
Value Betting ist die Disziplin, diesen Denkfehler methodisch auszuschließen. Es geht nicht darum, den Gewinner zu erraten, es geht darum, Quoten zu finden, deren implizite Wahrscheinlichkeit kleiner ist als die eigene seriös geschätzte Wahrscheinlichkeit. Wenn ich 45 Prozent Siegchance für einen Piloten sehe und der Buchmacher eine Quote von 2.50 (implizit 40 Prozent) anbietet, habe ich Value — unabhängig davon, ob der Pilot tatsächlich gewinnt. Die einzelne Wette kann verlieren. Eine Serie von Value-Wetten auf lange Sicht nicht.
Dieser Text ist meine Methodik in zehn Abschnitten — was ich im Kopf habe, bevor ich einen Einsatz tippe, wie ich rechne, wo ich Fehler gemacht habe. Für die breiteren Grundlagen zum F1-Wetten-Universum verweise ich auf den Leitfaden zur Saison 2026; dieser Text hier konzentriert sich auf die Kalkulation.
Value definiert: was die Formel wirklich sagt
Jeder Einsteiger-Artikel zu Value Betting zeigt dieselbe Formel: Value = (eigene Wahrscheinlichkeit × Quote) minus 1. Wenn das Ergebnis positiv ist, ist Value vorhanden. Das ist korrekt, aber zu dünn. Die Formel sagt nicht, was Value wert ist, wie viel davon nötig ist, um den Rand zu schlagen, und wie man die eigene Wahrscheinlichkeit verantwortungsvoll schätzt. Lass mich bei der Bedeutung bleiben.
Ein Beispiel mit konkreten Zahlen. Ich rechne einem Piloten eine Siegwahrscheinlichkeit von 45 Prozent zu. Der Buchmacher bietet Quote 2.50. Implied probability der Quote = 1 dividiert durch 2.50 = 40 Prozent. Value = (0.45 × 2.50) minus 1 = 0.125. Das sind 12,5 Prozent Value. Klingt gut. Aber die eigentliche Frage ist: Wie sicher bin ich mir bei meinen 45 Prozent? Wenn meine Schätzung auf einer sauberen Pace-Analyse über fünf Rennen beruht, ist der Wert robust. Wenn sie auf einem Bauchgefühl nach dem Freitag-Training basiert, ist sie Scheingenauigkeit — das Dezimalzeichen täuscht eine Präzision vor, die mein Modell gar nicht hat.
Das ist der zweite Denkfehler, den ich als Analyst regelmäßig sehe. Tipper rechnen Value bis auf zwei Nachkommastellen aus, obwohl ihre eigene Wahrscheinlichkeitseinschätzung eine Ungewissheit von plus-minus zehn Prozentpunkten hat. Ein Value von 12 Prozent auf einem Modell mit zehn Prozent Unschärfe ist kein Value, sondern Rauschen. Ein Value von 12 Prozent auf einem Modell mit drei Prozent Unschärfe ist ein Edge, für den man Kapital einsetzen sollte.
Deshalb ist meine Arbeitsregel seit Jahren streng: Ich platziere keine Wette unter fünf Prozent Value. Und ich platziere keine Wette, wenn ich meine eigene Wahrscheinlichkeit nicht zumindest mit einem Drei-Faktoren-Modell begründen kann. Der Value-Kalkulation geht ein Wahrscheinlichkeits-Kalkulation voraus, und die ist die eigentliche Arbeit. Die Formel am Ende ist nur der Rechenkniff, der das Ergebnis ablesbar macht. Welche Märkte überhaupt mit belastbaren Eigenschätzungen zu unterlegen sind und welche strukturell im Rauschbereich bleiben, ist in der Arbeit zu den F1-Wettarten im Detail marktspezifisch durchgerechnet.
Implied Probability berechnen
Die implied probability ist die einfachste Kennzahl im gesamten Wettmarkt — und gleichzeitig die am meisten vernachlässigte. Drei Sekunden Rechnung, und man weiß, welche Wahrscheinlichkeit der Buchmacher in jede Quote einpreist. Die Formel: 1 dividiert durch die Quote, multipliziert mit 100 für Prozent.
Quote 2.00 entspricht einer impliziten Wahrscheinlichkeit von 50 Prozent. Quote 1.50 entspricht 66,7 Prozent. Quote 4.00 entspricht 25 Prozent. Quote 10.00 entspricht 10 Prozent. Ich trage diese Tabelle im Kopf, weil sie das schnelle Sortieren von Wetten erlaubt. Wenn ein Anbieter Verstappen zu 1.65 auf den Rennsieg in Monaco setzt, heißt das: Der Buchmacher kalkuliert 60,6 Prozent Siegwahrscheinlichkeit. Ich muss dann entscheiden, ob meine eigene Einschätzung darüber oder darunter liegt — das ist die ganze Arbeit.
Der Haken an der implied probability: Sie enthält die Buchmachermarge. Addiert man die impliziten Wahrscheinlichkeiten aller möglichen Ausgänge eines Rennens, liegt die Summe nicht bei 100 Prozent, sondern typischerweise zwischen 105 und 115 Prozent. Diese Überhöhung ist der Overround — dazu gleich mehr. Für die Value-Berechnung muss man die implied probability um den anteiligen Marge-Aufschlag bereinigen, wenn man die „wahre“ Buchmacher-Schätzung wissen will. In der Praxis rechne ich pragmatisch: Bei einem Overround von 110 Prozent teile ich die implied probability jedes Kandidaten durch 1,10. Dann habe ich die um die Marge bereinigte Buchmacher-Wahrscheinlichkeit.
Ein Rechenbeispiel mit dem deutschen Marktkontext. Die Wettsteuer in Deutschland beträgt 5,3 Prozent auf jeden Wetteinsatz; etwa 85 Prozent der Wetteinsätze werden als Gewinne an Spieler ausgezahlt. Das heißt, der Buchmacher finanziert seine 15-prozentige Brutto-Marge aus genau dem Overround, den ich hier berechne. Wer diese 15 Prozent nicht versteht, versteht nicht, warum der Buchmacher auf lange Sicht gewinnt — und warum man nur Quoten mit echtem Value spielen darf, weil jede andere Wette langfristig von dieser Marge aufgefressen wird.
Overround erkennen und messen
Overround ist die unsichtbarste Kennzahl der Buchmacher-Welt und die wichtigste Größe, um die Qualität eines Marktes zu beurteilen. Die Formel: Summe aller impliziten Wahrscheinlichkeiten eines Marktes. Liegt die Summe bei 100 Prozent, ist der Markt ohne Marge — was in der Praxis nicht vorkommt. Liegt sie bei 110 Prozent, hat der Buchmacher zehn Prozent Brutto-Marge aufgeschlagen.
Ein konkreter Fall. WM-Outright Formel 1, vierzehn Piloten mit sinnvollen Quoten, die übrigen acht mit Mondquoten von 500 und höher. Ich vergleiche drei lizenzierte Anbieter. Beim ersten summieren sich die impliziten Wahrscheinlichkeiten aller 22 Piloten auf 108,5 Prozent. Beim zweiten auf 113,2 Prozent. Beim dritten auf 106,1 Prozent. Das bedeutet: Der dritte Anbieter hat die kleinste Marge — 6,1 Prozent Overround. Der zweite hat 13,2 Prozent Overround. Zwischen beiden liegt der Unterschied von gut sieben Prozentpunkten. Auf hundert Wetten mit jeweils 50 Euro Einsatz — 5.000 Euro Gesamteinsatz — entspricht das einer Differenz von etwa 350 Euro reiner Buchmacher-Marge, unabhängig vom Tippglück.
Die deutsche Wettsteuer kommt on top. 5,3 Prozent auf jeden Wetteinsatz werden zusätzlich abgezogen — manche Anbieter reichen sie direkt an den Kunden weiter, andere verschleiern sie in der Quote. Bei denselben 5.000 Euro sind das zusätzlich 265 Euro. Die kombinierte Last aus Overround und Wettsteuer macht den Unterschied zwischen „auf lange Sicht gewinnbar“ und „statistisch nicht schlagbar“ aus. Wer dieses Rechenstück nicht verstanden hat, wird den Value-Ansatz nicht beherrschen.
Mein Weg in der Praxis: Vor jeder größeren Wette rechne ich den Overround des betreffenden Marktes bei drei Anbietern aus. Das sind zehn Minuten Arbeit, wenn man die impliziten Wahrscheinlichkeiten aller Kandidaten überträgt. Ich spiele systematisch beim Anbieter mit dem kleinsten Overround — nicht weil die Einzelquote dort immer besser ist, sondern weil die strukturelle Benachteiligung über viele Wetten hinweg dort am geringsten ausfällt. Ein paar Zehntelprozent pro Wette scheinen klein. Über eine Saison werden daraus drei- bis vierstellige Eurobeträge.
Die eigene Wahrscheinlichkeit modellieren
Wer Value Betting ernst nimmt, muss eigene Wahrscheinlichkeiten schätzen können, die nachweislich besser sind als die des Buchmachers. Das klingt nach einer hohen Messlatte, und sie ist es auch. Für fünfzig Prozent aller Wetten schaffen das die meisten Tipper nicht, und sie sollten diese Wetten auch nicht spielen. Für die andere Hälfte — insbesondere bei Spezialmärkten, die für Buchmacher schwer zu pricen sind — ist es mit systematischer Arbeit machbar.
Mein Arbeits-Modell für Sieg-Wahrscheinlichkeiten hat vier Eingangsgrößen. Erstens: Historische Pace auf der konkreten Strecke in den letzten drei Jahren, bereinigt um Wetter und Ausfälle. Zweitens: Aktuelle Pace-Deltas aus den vorangegangenen zwei Rennen, mit ausgleichendem Faktor für Strecken-Ähnlichkeit. Drittens: Qualifikations-Ergebnis als Proxy für Grid-Position. Viertens: ein diskretionärer Faktor für bekannte Sondersituationen — etwa eine Strafversetzung wegen Motorwechsel oder ein frisches Chassis-Update.
Ein Beispiel zum Kalibrierungs-Thema: Pole-to-Win Konversion in der Saison 2025 betrug 70 Prozent — der Sieger startete in 14 von 20 Rennen aus der Pole. Das ist der höchste Wert der letzten zehn Jahre. Der Langzeit-Durchschnitt seit 1950 liegt bei 43,4 Prozent — 499 Siege aus 1.149 absolvierten Grands Prix. Wer sein Modell mit dem 2025er-Wert kalibriert und ihn unkritisch auf 2026 überträgt, wird die Pole-Position systematisch überbewerten. Wer mit dem Langzeit-Wert arbeitet, verpasst den aktuellen Trend. Beide Ansätze sind falsch. Das einzig seriöse Vorgehen ist ein gewichteter Mittelwert — etwa zwei Drittel aktueller Trend, ein Drittel Langzeit — mit einer bewussten Korrektur, wenn strukturelle Veränderungen wie ein neues Reglement vorliegen.
Genau diese strukturelle Korrektur ist 2026 essenziell. Das neue Reglement verändert die Renn-Dynamik substantiell. Mehr Überholmanöver, weniger Abtriebs-Dominanz, neue Teams und neue Motoren. Mein persönliches Modell hat den 2025er-Pole-to-Win-Wert um rund zehn Prozentpunkte nach unten korrigiert — in Richtung einer erwarteten 2026er-Konversion von etwa 60 Prozent. Das ist Arbeitshypothese, nicht Prognose. Nach sechs bis acht Rennen der laufenden Saison werde ich das Modell aktualisiert haben und eine bessere Zahl angeben können. Bis dahin bleibt die Vorsicht das wichtigste Werkzeug.
Der häufigste Fehler in der Modellierung ist das Vertrauen auf Einzel-Ereignisse. Ein Pilot gewinnt ein Rennen überraschend — und die Tipper erhöhen seine Siegwahrscheinlichkeit für das nächste Rennen um zwanzig Prozent. Ein Rennen ist ein Datenpunkt, kein Trend. Mein Ratschlag seit zehn Jahren: Modelle atmen langsam. Wer nach jedem Rennen sein Modell komplett überschreibt, pendelt mit jedem Anekdote-Ergebnis und verliert die Disziplin. Gute Modelle ändern sich in Prozentpunkten, nicht in Vielfachen.
Bankroll-Management: der unsexy Motor
Wenn ich eine Sache ungern zugebe, dann die: Mein größter einzelner Saisonverlust kam nicht von schlechten Tipps, sondern von schlechtem Bankroll-Management. Ich hatte im Oktober recht mit meiner These, ich hatte Value gefunden, und ich habe trotzdem sechs Tausender in drei Wochen verloren, weil ich die Einsatzgröße pro Wette vom gefühlten Potenzial abhängig gemacht habe und nicht von einer Regel. Die Lektion saß. Danach habe ich ein Staking-System entwickelt, das ich seither nie verlassen habe.
Bankroll-Management beginnt mit einer einzigen Zahl: dem Geld, das ich bereit bin, in einer Saison zu verlieren. Nicht zu gewinnen — zu verlieren. Wer diese Zahl nicht nennen kann, wettet nicht, sondern spielt. Aus dieser Zahl leitet sich alles ab. Mein persönlicher Bankroll für die F1-Saison beträgt einen fest definierten Betrag, den ich von meinem laufenden Einkommen trenne. Ist er verspielt, ist die Saison vorbei — egal ob im März oder im Oktober.
Aus diesem Gesamt-Bankroll errechne ich meine Unit. Eine Unit ist typischerweise ein Prozent des Bankrolls. Bei 5.000 Euro Bankroll also 50 Euro. Die Unit ist meine Standard-Einsatzgröße für eine Standard-Value-Wette. Sie verändert sich nur, wenn Value oder Vertrauen in die eigene Wahrscheinlichkeit deutlich abweichen. Bei starkem Value — acht Prozent und mehr — und hoher Modell-Sicherheit spiele ich zwei bis drei Units. Bei marginalem Value oder höherer Modell-Unsicherheit spiele ich eine halbe Unit oder lasse die Wette ganz weg.
Der Kontext, den ich hierbei nie vergesse: Glücksspiel ist nicht harmlos. Etwa zwei von hundert Erwachsenen in Deutschland haben eine Glücksspiel-Störung entwickelt. Elf Prozent der Klientinnen und Klienten mit der Hauptdiagnose „Pathologisches Spielen“ haben über 50.000 Euro Schulden. Das sind keine Zahlen für die Fußnote, das sind die Leitplanken jedes verantwortungsvollen Wettens. Wer beim Einsetzen nicht weiß, wann Schluss ist, sollte nicht einsetzen. Das LUGAS-Limit von 1.000 Euro Monatseinzahlung anbieterübergreifend ist ein gesetzlicher Rahmen, der genau dafür existiert — und er sollte als harte Grenze, nicht als Ziel, verstanden werden.
Staking-Plans im Vergleich
Drei Staking-Modelle dominieren die seriöse Wett-Praxis. Ich habe jedes in unterschiedlichen Phasen meiner Analyse-Laufbahn verwendet, jedes hat Stärken und Schwächen, und die Wahl hängt vom Wett-Profil ab.
Erstens: flacher Einsatz. Jede Wette bekommt denselben Einsatz, unabhängig von Value oder Quote. Einfach, robust, emotional neutral. Der Nachteil: Er nutzt unterschiedliche Value-Größen nicht aus. Eine Wette mit drei Prozent Value und eine mit zwölf Prozent Value bekommen denselben Einsatz — das ist mathematisch suboptimal. Für Einsteiger ist der flache Einsatz trotzdem das beste System, weil er das größte psychologische Risiko ausschließt: die emotionale Überbewertung einer vermeintlich „sicheren“ Wette.
Zweitens: proportionaler Einsatz nach Value. Die Unit wird linear mit dem Value-Prozent skaliert. Fünf Prozent Value gleich eine Unit, zehn Prozent Value gleich zwei Units, fünfzehn Prozent Value gleich drei Units. Mathematisch näher am Optimum als flacher Einsatz, aber deutlich anfälliger für Modell-Fehler. Wer den Value überschätzt, bestraft sich mit übergroßen Einsätzen auf scheinbar starken Wetten. Mein Weg für die tägliche Praxis.
Drittens: Kelly-Kriterium. Die mathematisch optimale Einsatzgröße. Die Formel: f = (bp minus q) dividiert durch b, wobei b die Dezimalquote minus 1, p die eigene Wahrscheinlichkeit und q die Gegenwahrscheinlichkeit ist. Das Ergebnis f ist der Anteil des Bankrolls, der gesetzt werden sollte. Der Haken: Kelly setzt eine perfekte Wahrscheinlichkeits-Schätzung voraus. Wer seine Wahrscheinlichkeit um fünf Prozentpunkte zu hoch ansetzt, setzt deutlich zu viel Geld ein. Die Lösung vieler professioneller Wetter ist das „Half-Kelly“ — die errechnete Kelly-Einsatzgröße wird halbiert. Das halbiert den langfristigen Gewinn, halbiert aber auch die Volatilität. Für WM-Langzeitwetten, die über Monate laufen, ist Half-Kelly das System, das ich inzwischen bevorzuge.
Typische Fehler in der F1-spezifischen Praxis
Fehler kosten Geld. Typische Fehler kosten regelmäßig Geld. Ich liste fünf, die ich bei mir selbst in den ersten fünf Jahren durchgespielt habe und die ich bei Tippern um mich herum bis heute sehe — mit Regelmäßigkeit.
Erster Fehler: Recency Bias. Ein Pilot gewinnt zwei Rennen in Folge, und die Tipp-Wahrscheinlichkeit in der Community geht auf fünfzig Prozent plus. Zwei Rennen sind sechzig Runden mal zwei, also 120 Runden aus insgesamt rund 1.200 Rennrunden pro Saison. Statistisch dünn. Ich korrigiere in solchen Fällen immer nur leicht und warte das dritte Rennen ab.
Zweiter Fehler: Chasing. Nach einer Verlustserie wird der Einsatz erhöht, um schneller zurückzukommen. Der schnellste Weg, einen Bankroll zu zerstören. Mein System hat eine harte Regel: Nach drei Verlusten in Folge reduziere ich die Einsatzgröße auf eine halbe Unit, bis die nächsten zwei Wetten gewinnen. Dann erst zurück zur Normal-Unit. Diese Regel kostet mich in guten Zeiten ein paar Prozent Ertrag, in schlechten Zeiten rettet sie Monats-Bilanzen.
Dritter Fehler: Illegal-Markt-Quotenvergleich. Wer seine eigene Value-Rechnung mit den Quoten unlizenzierter Anbieter macht, vergleicht Äpfel mit Birnen. Unlizenzierte Anbieter haben oft engere Märkte, aber riskanten Zahlungsverkehr, keinen Spielerschutz und keinen rechtlichen Schutz bei Streitfällen. Mathias Dahms vom Deutschen Sportwettenverband hat das auf den Punkt gebracht: „Der legale Markt ist heute so sicher wie nie — mit umfangreichen Maßnahmen zum Schutz der Spieler. Doch wenn dieser Markt durch Überregulierung an Attraktivität verliert, weichen die Nutzer auf illegale Angebote aus.“ Das Ausweichen ist verständlich, aber für den einzelnen Wetter ist es ein Risiko, das jede Value-Rechnung zunichte macht.
Vierter Fehler: Tipp-Abkopplung von der eigenen Wahrscheinlichkeitsschätzung. Ein Pilot wird aus Sympathie getippt, nicht weil das Modell ihn als Value ausweist. Ich habe dafür eine einfache Regel: Jeder Tipp braucht eine Zahl. Wer keine Wahrscheinlichkeit nennen kann, tippt nicht, sondern schwärmt.
Fünfter Fehler: Overtrading. An Grand-Prix-Wochenenden ist die Versuchung groß, zehn oder mehr Märkte gleichzeitig zu spielen — Pole, Sieg, Podium, H2H, Schnellste Runde, Safety Car. Jeder einzelne Markt bindet Kapital und erfordert eine eigene Modellrechnung. Wer sich verzettelt, kommt bei keinem Markt zur notwendigen Tiefe. Meine Obergrenze: maximal drei Märkte pro Wochenende, und nur, wenn bei jedem ein Value von mindestens fünf Prozent vorliegt.
Value-Beispiel: WM-Outright rechnen
Eine vollständige Beispielrechnung, damit die Abstraktion greifbar wird. Stellen wir uns vor, der Buchmacher bietet folgende Quoten auf den WM-Titel 2026 kurz vor Saisonstart an: Pilot A zu 2.75, Pilot B zu 3.50, Pilot C zu 4.00, Pilot D zu 8.00, Pilot E zu 12.00. Die impliziten Wahrscheinlichkeiten: 36,4 Prozent, 28,6 Prozent, 25,0 Prozent, 12,5 Prozent, 8,3 Prozent. Summiert: 110,8 Prozent — also ein Overround von 10,8 Prozent. Das ist ein typischer Wert für einen Outright-Markt auf der Top 5, ohne die Longshots.
Um die bereinigten Buchmacher-Wahrscheinlichkeiten zu erhalten, teile ich jede implied probability durch 1,108. Pilot A sinkt auf 32,9 Prozent, Pilot B auf 25,8 Prozent, Pilot C auf 22,6 Prozent, Pilot D auf 11,3 Prozent, Pilot E auf 7,5 Prozent. Jetzt habe ich die ungefähre Markt-Konsensschätzung ohne Marge.
Mein eigenes Modell sieht die WM-Verteilung anders. Ich gebe Pilot A 28 Prozent (Pre-Season-Test war schwächer erwartet), Pilot B 30 Prozent (neue Motorenallianz zeigte Pace), Pilot C 20 Prozent, Pilot D 10 Prozent, Pilot E 5 Prozent. Mein Modell legt also mehr Gewicht auf B als der Markt. Value-Berechnung: Für Pilot B ist die Quote 3.50, meine Wahrscheinlichkeit 30 Prozent. (0,30 × 3,50) minus 1 = 0,05 — also fünf Prozent Value. Knapp an meiner Grenze. Für die anderen Piloten ergibt mein Modell negatives Value — der Buchmacher pricet sie höher, als meine Einschätzung es rechtfertigt.
Die Wettentscheidung: Ich platziere einen halben Unit-Einsatz auf Pilot B. Keine volle Unit, weil der Value-Wert grenzwertig ist und vorsaisonale Einschätzungen traditionell unsicher sind. Nach dem dritten Rennen der Saison hätte ich deutlich bessere Daten und könnte nachjustieren — entweder mit einer weiteren Wette, wenn mein Modell bestätigt wird, oder mit einer Gegenwette als Absicherung, wenn sich die Lage gegen meine Einschätzung verschiebt. Der Kontext-Stress-Test: Selbst bei einer 2025er-Pole-to-Win-Quote von 70 Prozent darf man Pole-Dominanz nicht blind auf den WM-Titel extrapolieren. Der WM-Kampf entscheidet sich über Konstanz, nicht über einzelne Siege. Wer zehn Poles und acht Siege holt, aber viermal ausfällt, verliert den Titel gegen einen Piloten mit sechs Siegen und null Ausfällen. Mein Modell berücksichtigt deshalb explizit die erwartete Ausfallrate — und 2026 ist diese Rate wegen der neuen Technik höher als in den Vorjahren.
Disziplin und Dokumentation
Die beste Methodik ist wertlos, wenn sie nicht dokumentiert wird. Mein zweiter größter Sprung in Saisonbilanz — nach der Einführung von Bankroll-Management — kam durch ein schlichtes Excel-Sheet, in dem ich seit 2018 jede Wette erfasse. Datum, Rennen, Markt, Pilot, Quote, eigene Wahrscheinlichkeit, Value, Einsatz, Ergebnis, Notiz zur Begründung.
Aus diesem Sheet lese ich nach jeder Saison drei Kennzahlen. Erstens: den Ertrag pro Wette (Profit geteilt durch Einsatz, in Prozent). Zweitens: die Kalibrierung meines Modells — also den Vergleich meiner geschätzten Wahrscheinlichkeiten mit den tatsächlichen Trefferquoten. Wenn ich einhundert Wetten mit 50 Prozent geschätzter Wahrscheinlichkeit platziert habe, sollten annähernd 50 davon getroffen haben. Liegt der Wert systematisch niedriger, überschätze ich mein Modell. Drittens: die Value-Kalibrierung — welche Value-Bandbreite war profitabel, welche nicht.
Diese Nachkalibrierung kostet pro Jahr einen Samstagnachmittag. Sie zahlt sich aus, weil sie die Modellfehler sichtbar macht, die man im Jahresverlauf nicht wahrnimmt. Ich habe über sieben Jahre gelernt, dass mein Modell auf überraschungs-reichen Strecken — Singapur, Monaco, Kanada — systematisch zu viele Value-Wetten produziert. Heute reduziere ich dort meine Einsätze automatisch um fünfzig Prozent. Ein einzelner Regel-Zusatz, der meine Bilanz in unruhigen Rennen deutlich verbessert hat.
Artikel
Erstellt von der Redaktion von „ApexWett".
