USO DE MACHINE LEARNING E ALGORITMOS DE PREVISÃO PARA APOSTAS LUCRATIVAS NO FUTEBOL

Resumo

Apostas esportivas ainda é um cenário considerado novo para muitas pessoas, porém, com um crescimento significativo nos últimos anos, principalmente, porque se tornou muito fácil, prático e rápido realizar apostas por meio dos inúmeros sites hoje existentes na internet. Maior país da América do Sul, o Brasil é o grande centro de atenção de investidores para instalarem suas marcas. Com mais de 200 milhões de habitantes, o país é alvo de muita cobiça e empenho de autoridades pela regulamentação de casas de apostas esportivas. Com o futebol sendo 70% do foco principal de apostadores, outros esportes como basquete, corrida de cavalos e futebol americano crescem em um grande ritmo e prometem ser ainda mais fortes com a chegada de mais empresas e mais oportunidades no mercado. Esse crescimento significativo do cenário no Brasil e no mundo ocorre devido à ampla divulgação do mercado de casas esportivas entre diversos clubes e diferentes esportes em patrocínios e estampas em uniformes, e em canais de televisão, com espaços para divulgações das marcas, destacando a relevância do futebol, que é a paixão da população brasileira. Existem inúmeras opções de apostas em uma única partida de futebol e, para cada uma dessas opções, existem as odds, que nada mais são do que as probabilidades de um evento acontecer. Neste sentido, entram em cena as técnicas computacionais para determinar o cenário mais lucrativo para o apostador esportivo para determinado mercado proposto. O objetivo desse trabalho é analisar e indicar, com o uso da técnica de aprendizado de máquina (Machine Learning), um algoritmo de previsão lucrativo para o apostador, a partir de testes e análises de dados, considerando o futebol como o esporte escolhido. Como metodologia, são apresentados estudos de artigos e trabalhos desenvolvidos na área, com levantamento bibliográfico, bibliometria quantitativa e qualitativa e a proposta de um sistema previsor de resultados. Esse sistema abordará: i) quatro algoritmos de Machine Learning para previsão de resultados (vitória-empate-derrota) da English Premier League, sendo eles: Florestas Randômicas (Random Forest), Redes Bayesianas, Redes Neurais Artificiais do tipo Perceptron Multicamadas (MultiLayer Perceptron) e Máquinas de Vetores de Suporte (Support Vector Machine); ii) o uso do software Orange, ferramenta para realizar os treinamentos e testes dos algoritmos, a fim de medir a precisão de acerto de cada um; iii) matriz de confusão (tabela que permite visualizar o desempenho dos algoritmos, relacionando as instâncias previstas com as instâncias reais) para avaliar cada um dos algoritmos, mostrando as taxas de assertividade; iv) uma tabela comparativa entre os algoritmos escolhidos, e; v) uma tabela final, mostrando o lucro ou prejuízo do algoritmo que obteve a maior taxa de assertividade, considerando as odds disponibilizadas para as mesmas partidas analisadas em um site especializado. Com isso, será indicado o melhor algoritmo, entre os utilizados, para a previsão de lucros para o apostador.