Modello di Poisson per le Scommesse Calcio: Costruire la Tua Previsione
Available in US
Il modello di Poisson è il punto di partenza per qualsiasi approccio quantitativo alle scommesse calcio. Non perché sia il più preciso — non lo è — ma perché ha il miglior rapporto tra complessità implementativa e qualità delle stime. Con un foglio Excel e dati gratuiti, puoi costruire un modello che produce previsioni comparabili alla baseline dei bookmaker sui campionati meno efficienti. Ho costruito il mio primo modello Poisson su una scommessa di Serie B nel 2017. I risultati erano imprecisi su quasi tutto tranne che su questo: le quote del bookmaker erano molto vicine alle mie stime su quasi tutte le partite — il che mi ha confermato che il modello funzionava, ma che per trovare edge avrei dovuto arricchirlo.
Il modello di Poisson si basa sull’assunzione che il numero di gol segnati da una squadra in una partita segue una distribuzione di Poisson — una distribuzione di probabilità discreta che descrive il numero di eventi indipendenti in un intervallo di tempo. Per il calcio, questa assunzione non è perfettamente vera (i gol non sono completamente indipendenti — un gol cambia le dinamiche della partita), ma è abbastanza accurata da produrre stime utili.
La Teoria del Modello Poisson: Parametri, Assunzioni e Struttura
Il modello di Poisson per il calcio lavora con due parametri per ogni partita: lambda_home (gol attesi dalla squadra di casa) e lambda_away (gol attesi dalla squadra in trasferta). Con questi due parametri, si costruisce una matrice di probabilità per ogni combinazione di gol: P(0-0), P(1-0), P(0-1), P(2-0), e così via. Sommando le probabilità delle celle appropriate si ottengono le probabilità di vittoria casa (1), pareggio (X) e vittoria trasferta (2).
Il calcolo di lambda_home per una partita specifica segue la formula: lambda_home = (media gol segnati in casa per la squadra A) x (media gol subiti in trasferta per la squadra B) / (media gol segnati in casa nel campionato). Questo formula normalizza le forze relative rispetto alla media del campionato, permettendo confronti tra squadre con diversi livelli di qualità.
Il modello xG Bayesiano con AUC = 0.781 (Deakin University, 2024) è costruito sugli stessi principi del modello Poisson, ma usa l’expected goals invece dei gol effettivi come parametro base — un miglioramento che riduce l’influenza della varianza sui risultati osservati e produce stime più stabili. La differenza fondamentale tra il modello base e quello avanzato non è la struttura matematica (entrambi usano la distribuzione di Poisson), ma la qualità dei dati in input.
Costruire il Modello in Excel: Passo per Passo
Primo passo: raccogliere i dati. Per ogni squadra del campionato, calcola: media gol segnati in casa nelle ultime 15 partite, media gol subiti in trasferta nelle ultime 15 partite. Calcola anche la media del campionato per entrambe le metriche. I dati sono gratuiti su Football-data.co.uk per decine di campionati europei.
Secondo passo: calcolare la forza di attacco e difesa normalizzata. Forza attacco squadra A (casa) = media gol segnati in casa / media campionato gol segnati in casa. Forza difesa squadra B (trasferta) = media gol subiti in trasferta / media campionato gol subiti in trasferta. Questi due valori misurano quanto ogni squadra è sopra o sotto la media del campionato nelle rispettive dimensioni.
Terzo passo: calcolare i lambda. Lambda home = forza attacco A x forza difesa B x media campionato gol in casa. Lambda away = forza attacco B (trasferta) x forza difesa A (casa) x media campionato gol in trasferta. Questi sono i parametri della distribuzione di Poisson per ciascuna squadra.
Quarto passo: costruire la matrice dei risultati. Per ogni combinazione di gol da 0-0 a 8-8 (o fino a 6-6 per efficienza), calcola P(i, j) = POISSON(i, lambda_home, 0) x POISSON(j, lambda_away, 0). Questa è la probabilità che la partita finisca con i gol della squadra di casa e j gol della squadra in trasferta.
Quinto passo: sommare le celle appropriate. Probabilità vittoria casa = somma di P(i, j) dove i > j. Probabilità pareggio = somma di P(i, j) dove i = j. Probabilità vittoria trasferta = somma di P(i, j) dove j > i.
Calibrazione e Aggiornamento: Come Mantenere il Modello Accurato Nel Tempo
Un modello non calibrato è peggio di nessun modello: produce falsa confidenza su previsioni che non hanno una base solida. La calibrazione verifica se le probabilità stimate dal modello corrispondono alle frequenze osservate reali: se il modello stima il 60% di probabilità su un esito, quell’esito dovrebbe verificarsi circa il 60% delle volte nel lungo periodo.
Il metodo di calibrazione più semplice è il backtesting: applica il modello a partite storiche su cui non hai visto il risultato, calcola le probabilità, e confrontale con i risultati effettivi. Se il modello stima 1.85 su un esito che si è verificato il 57% delle volte (quota fair = 1/0.57 = 1.75), il modello sovrastima la probabilità su quell’esito. Aggiusti moltiplicando le tue stime per un fattore di correzione calcolato sul campione di test.
La rolling window è l’approccio raccomandato per mantenere il modello aggiornato durante la stagione. Invece di usare l’intera stagione come input, usi solo le ultime N partite (tipicamente 10-15). Questo cattura i cambiamenti tattici o di rosa che si verificano durante la stagione, come l’impatto di un nuovo allenatore o di acquisti importanti nel mercato di gennaio. Il rischio è di perdere stabilità statistica su campioni piccoli — la rolling window ottimale è un compromesso tra reattività e stabilità.
Per integrare il modello Poisson con dati xG gratuiti e migliorarne significativamente la qualità delle stime, la guida sugli algoritmi gratuiti per le scommesse calcio tratta le fonti di dati disponibili e come usarli praticamente nel modello.
Domande sul Modello Poisson
Il modello Poisson è ancora utile nel 2026 o i bookmaker lo hanno già adottato completamente?
Il modello Poisson base è già incorporato nell’allibramento di tutti i bookmaker principali. Resta utile come punto di partenza per costruire una stima propria, come strumento di calibrazione per verificare quando le quote del bookmaker divergono in modo interessante dalla distribuzione Poisson, e come base per aggiustamenti specifici (xG invece di gol grezzi, PPDA come fattore correttivo) che i bookmaker non sempre incorporano completamente.
Qual è il limite principale del modello Poisson nel calcio?
L’assunzione di indipendenza dei gol è il limite principale: nella realtà, un gol cambia il comportamento tattico di entrambe le squadre (la squadra che segna difende più il risultato, quella che subisce si apre di più). Questo produce una sottostima della probabilità di risultati come 1-0 e 0-1 (partite chiuse dopo il primo gol) e una sovrastima dei risultati con molti gol nel secondo tempo quando la partita è ancora aperta. I modelli più avanzati correggono questa assunzione con parametri di ‘momentum’.
Prodotto dalla redazione di «Scommesse Calcio Come Vincere».
