Математические прогнозы на футбол: как это работает

Математические прогнозы на футбол — это вероятности исходов, посчитанные моделью из статистики прошлых матчей, а не мнение эксперта и не «инсайд из раздевалки». Модель не знает, кто выиграет. Она знает другое: как часто выигрывали команды такой силы в такой ситуации — и превращает это знание в проценты. В этом разборе — вся кухня без магии: откуда берутся вероятности счёта, что такое Эло и xG, какая точность достижима на самом деле и по каким признакам отличить честный сервис от продавца воздуха. Все цифры — из нашей базы: пять сезонов, больше двенадцати тысяч матчей.

Содержание:

• Чем модель отличается от эксперта
• Точка отсчёта: базовые частоты исходов
• Распределение Пуассона: из средних голов — в вероятности счёта
• Рейтинг Эло: сила команды одним числом
• xG: почему счёт врёт
• Как собран прогноз ГолПульс
• Какая точность реальна
• Вероятности против коэффициентов
• Почему «проходимость 70%» — маркетинг
• Чего математика не видит
• Как читать такие прогнозы

Чем модель отличается от эксперта

Эксперт смотрит матч и рассказывает историю: «Спартак на кураже, у соперника кризис, жду победу». История может быть верной, но у неё есть два дефекта. Она невоспроизводима — другой эксперт из тех же фактов соберёт противоположный вывод. И она непроверяема на дистанции: кто помнит, что этот же человек говорил перед сотней прошлых матчей?

Модель работает иначе. Один и тот же алгоритм прогоняется через каждый матч без исключений — без любимых команд, без настроения, без «чуйки». На выходе не «победит Спартак», а распределение: скажем, 48% на победу хозяев, 27% на ничью, 25% на гостей. Такой прогноз нельзя «угадать» в привычном смысле — зато можно измерить его качество на тысячах матчей и честно опубликовать результат. Это и есть главное отличие: не точность, а проверяемость.

Отсюда рабочее определение. Математический (его же называют компьютерным или алгоритмическим) прогноз — это оценка вероятностей всех исходов матча, которую строит статистическая модель по историческим данным. Дальше — из чего такая оценка собирается.

Точка отсчёта: базовые частоты исходов

Прежде чем усложнять, полезно узнать, как футбол устроен «в среднем». Мы посчитали частоты по всем завершённым матчам нашей базы за сезоны 2021–2025 — РПЛ, топ-5 европейских лиг и еврокубки:

Из этой таблицы следует почти всё важное. Хозяева выигрывают заметно чаще гостей — в среднем по базе 44,6% матчей против 30,8%; ничьих около четверти. Лиги ощутимо разные: в Бундеслиге забивают 3,17 гола за матч, в Ла Лиге — 2,59, то есть между двумя соседними чемпионатами — больше полугола разницы. В Серии A домашнее преимущество самое слабое (40,3% побед хозяев), а в Лиге чемпионов — самое сильное.

И главный практический вывод. Самый ленивый прогнозист на свете — тот, кто в каждом матче молча ставит на хозяев, — угадает 44,6% исходов. Это база. Любую модель, сервис и телеграм-канал имеет смысл сравнивать не с нулём, а с ней: ценность прогнозиста — только то, что он даёт сверх базы.

Распределение Пуассона: из средних голов — в вероятности счёта

Голы в футболе — редкие события: за девяносто минут их случается в среднем меньше трёх. Для таких процессов в статистике есть готовый инструмент — распределение Пуассона. Идею впервые применил к футболу Майкл Маэр в работе 1982 года, и с тех пор она — фундамент почти всех счётных моделей.

Работает так. Допустим, модель ожидает от хозяев 1,57 гола — это средняя результативность домашних команд по нашей базе. Число голов, которые они забьют фактически, — случайная величина, и Пуассон раздаёт её значениям вероятности:

Ожидая от команды «полтора гола», модель на самом деле утверждает: в каждом пятом таком матче команда не забьёт вовсе, а в каждом тринадцатом — забьёт три. Ощущение «ну полтора так полтора» обманчиво: за средним прячется разброс.

То же самое считается для гостей с их ожиданием 1,26 гола. Перемножив два распределения, получаем матрицу: вероятность каждого конкретного счёта. Например, шанс сухой ничьей 0:0 — произведение вероятностей «хозяева не забили» и «гости не забили», около 5,9%. Счёт 1:1 — примерно 11,7%. Сумма всех ячеек матрицы равна единице, поэтому из неё напрямую складываются любые рынки: исход 1X2, тоталы, «обе забьют», точный счёт.

У чистого Пуассона есть известный дефект: он считает голы команд независимыми, а это не совсем так — низовые счета вроде 0:0 и 1:1 в реальности случаются чуть чаще, чем предсказывает перемножение. Марк Диксон и Стюарт Коулс в статье 1997 года предложили поправку, которая аккуратно сдвигает вероятности именно этих ячеек. Комбинация «Пуассон + поправка Диксона–Коулса» — отраслевой стандарт уже почти тридцать лет.

Остался вопрос, откуда модель берёт сами ожидаемые голы — те самые 1,57 и 1,26 для конкретной пары соперников. Средние по лиге годятся только как заглушка: Зенит дома против новичка и тот же Зенит в гостях у Краснодара — очевидно разные ожидания. Нужна оценка силы каждой команды.

Рейтинг Эло: сила команды одним числом

Рейтинг Эло придуман для шахмат, но давно прижился в футболе — открытые проекты вроде ClubElo ведут его для европейских клубов десятилетиями. Принцип простой: у каждой команды есть число, оно растёт за победы и падает за поражения. Тонкость — в размере шага. Обыграли явного аутсайдера — рейтинг почти не сдвинулся: ничего нового о вас мы не узнали. Обыграли лидера на его поле — получили сразу много очков, потому что результат неожиданный.

Из разницы рейтингов двух команд выводится ожидание матча: чем больше разрыв, тем выше вероятность победы сильного и тем больше голов ему «положено». Так рейтинг превращается в те самые ожидаемые голы, которые дальше идут в матрицу Пуассона.

Вот как выглядит живой Эло-рейтинг РПЛ в нашей модели — таблица обновляется после каждого сыгранного матча:

#	Команда	Эло
1	Зенит	1665
2	Краснодар	1636
3	Спартак	1569
4	Динамо Москва	1565
5	ЦСКА	1547
6	Локомотив	1543
7	Рубин	1519
8	Балтика	1515
9	Родина Москва	1495
10	Ахмат	1480
11	Ростов	1478
12	Крылья Советов	1467
13	Динамо Махачкала	1463
14	Оренбург	1443
15	Акрон	1428
16	Факел	1400

Подробный расклад по этой таблице — с новичками, фаворитами и календарём первого тура — мы разбирали в превью сезона РПЛ 2026/27.

xG: почему счёт врёт

Счёт матча — шумный сигнал. Команда может создать десяток моментов и проиграть 0:1 после единственного удара соперника; таблица запишет поражение, хотя по игре она была сильнее. Если кормить модель только счётом, она примет случайность за силу.

Здесь помогает xG — ожидаемые голы. Каждому удару приписывается вероятность стать голом: удар с одиннадцатиметровой отметки ценнее дальнего выстрела из-за штрафной. Сумма таких вероятностей за матч показывает, сколько команда «должна была» забить по качеству созданных моментов. Матч с десятком моментов и нулём голов по xG выглядит совсем не так, как по счёту, — и это делает оценку силы устойчивее к случайным результатам.

Наша модель использует xG-статистику матчей как дополнительный сигнал к фактическим голам: серия «создавали много — забивали мало» перестаёт незаслуженно ронять рейтинг команды. На карточках завершённых матчей мы показываем фактический xG обеих сторон — можно сверить счёт с качеством игры.

Как собран прогноз ГолПульс

Теперь цепочка целиком, как она устроена у нас — от исходных данных до вероятностей на карточке матча:

1. Оценка силы. По каждой команде ведётся Эло-рейтинг, который раздельно учитывает атаку и оборону, преимущество своего поля и затухание по времени: свежие матчи весят больше старых. Сигналом служат не только фактические голы, но и xG.
2. Ожидаемые голы пары. Для конкретного матча из рейтингов соперников выводятся ожидаемые голы каждой стороны — с поправкой на то, кто играет дома (а на нейтральных полях, вроде чемпионата мира, домашняя фора отключена).
3. Матрица счёта. По ожидаемым голам строится матрица Пуассона с поправкой Диксона–Коулса — вероятность каждого счёта от 0:0 до самых экзотических.
4. Рынки. Из одной матрицы агрегируются все витрины: 1X2, ожидаемый счёт, тоталы, «обе забьют», авторы голов. Числа согласованы между собой по построению — они следствия одного расчёта, а не независимые мнения.

Дальше прогноз корректируется по событиям: травмы и дисквалификации меняют ожидания составов, а во время матча вероятности пересчитываются вживую с учётом счёта, времени и удалений. Полное описание методологии — на странице «Как это работает»; параметры модели мы не публикуем, а вот её результаты — целиком.

Какая точность реальна

Точность мы измеряем бэктестом: модель прогоняется по прошлым матчам так, как будто прогнозирует их заранее, — на каждом шаге ей доступны только данные до матча. Никакого подглядывания в будущее. Вот метрики на выборке 2021–2025:

Матчей в бэктесте

12 324

Точность 1X2

52,2 %

RPS

0.205

ECE (калибровка)

0.014

Расшифруем. Модель угадывает исход 1X2 примерно в 52% случаев. На фоне обещаний из рекламы это звучит скромно — пока не вспомнить базу из начала статьи: стратегия «всегда дом» даёт 44,6%. Семь с лишним процентных пунктов сверх базы — это то, что в действительности отличает работающую модель от подбрасывания монетки. Заметно выше на длинной дистанции не забирается никто: реалистичный потолок пре-матчевых прогнозов 1X2 оценивается в 50–55%, и упирается он не в несовершенство моделей, а в природу футбола — слишком много решает случайность.

Доля угаданных исходов — вообще не главная метрика. Важнее калибровка: если модель говорит «60%», событие должно происходить примерно в 60% таких случаев. У нас средний разрыв между заявленной и фактической частотой — меньше двух процентных пунктов (метрика ECE в плитках выше). Именно калибровка делает вероятности пригодными к делу: им можно верить как частотам, а не читать как ребус.

И отдельно — про честность в реальном времени. Бэктест бэктестом, но с 30 июня 2026 года мы фиксируем каждый боевой прогноз до начала матча и открыто грейдим его в трек-рекорде: что модель сказала — и что случилось на поле. Пока там 14 попаданий в 24 матчах — выборка размером с неполный тур, хвастаться нечем и судить рано. Но она растёт с каждым туром, и подделать её задним числом нельзя.

Вероятности против коэффициентов

Коэффициент букмекера — это тоже вероятность, только записанная наоборот и с наценкой. Кэф 2,00 означает, что шансы оцениваются поровну; чтобы получить подразумеваемую вероятность, делите единицу на коэффициент. Наценка видна на простом примере: на два равновероятных исхода честный кэф — ровно 2,00, но реально букмекер выставит около 1,85. Разница — его комиссия, маржа: она вшита в каждую линию и составляет обычно от нескольких процентов.

Отсюда единственное осмысленное применение модельных вероятностей: сравнивать их с подразумеваемыми вероятностями линии. Когда модель оценивает исход заметно выше, чем букмекер, такую ситуацию называют валуем — ставкой с положительным ожиданием. Именно поиск расхождений, а не «угадывание исходов», отличает системную работу с прогнозами: без сравнения с линией даже идеальная вероятность — просто красивое число.

Важная оговорка: валуй не гарантирует выигрыш конкретной ставки. Он означает лишь, что на длинной дистанции такие ставки в среднем выгоднее случайных. Дистанция при этом измеряется сотнями событий, и всё это время маржа работает против вас.

Почему «проходимость 70%» — маркетинг

Сервисы и капперы регулярно обещают проходимость 70% и выше. Теперь у вас есть вся математика, чтобы понять, почему это либо трюк, либо неведение.

Первый трюк — отбор лёгких матчей. Ставя только на явных фаворитов, 70% попаданий собрать несложно: топ-клуб дома против аутсайдера выигрывает и чаще. Подвох в цене такого попадания. Коэффициент на подобные исходы — в районе 1,30, то есть букмекер сам оценивает вероятность под 77%. Если реальная вероятность — 72%, каждая ставка на дистанции теряет деньги: 0,72 × 1,30 = 0,936, минус шесть копеек с рубля. Высокая проходимость и заработок — разные вещи; съедает разницу маржа букмекера.

Второй трюк проще: выборочная история. Удачные прогнозы публикуются и остаются, неудачные тихо исчезают, статистика «за месяц» начинается с удачной серии. Проверить можно единственным способом — полной историей всех прогнозов с датами публикации до матча. У большинства продавцов «70%» такой истории нет.

Наша позиция здесь скучная: мы показываем 52% на двенадцати тысячах матчей и открытый трек-рекорд — вместо красивого числа, которое не переживёт проверки.

Чтобы проверить любой сервис прогнозов — наш в том числе, — достаточно пяти вопросов:

• Есть ли полная история прогнозов, включая неудачные, с фиксацией до начала матча?
• Насколько точность выше базы — тех самых 44,6% стратегии «всегда дом»?
• Даёт ли сервис вероятности, или только бинарное «зайдёт — не зайдёт»?
• Говорит ли что-нибудь о калибровке, или хвастается одной проходимостью?
• Обещает ли заработок? Если да — закрывайте вкладку.

Чего математика не видит

Ограничения у модели есть, и о них честнее сказать прямо.

Модель не знает того, чего нет в данных. Конфликт в раздевалке, вирус, прошедший по основе, договорённость «нам обоим хватит ничьей» в последнем туре — всё это не лежит в статистике до матча. Часть таких факторов просачивается в данные косвенно — через составы и новости о травмах, которые модель учитывает, — но далеко не всё и не сразу.

По новичкам лиги данных попросту мало. Команда, поднявшаяся из низшего дивизиона, почти не пересекалась с соперниками по элите — её стартовый рейтинг неизбежно грубый, и первые туры двигают его сильнее обычного. Мы говорили об этом в превью РПЛ про Родину и Факел: любые оценки дебютантов — самые хрупкие числа в модели.

И наконец, дисперсия. Даже идеально откалиброванная вероятность 60% означает: в четырёх случаях из десяти событие не произойдёт. На отрезке в десять матчей модель может выглядеть и гением, и бестолочью — осмысленные выводы начинаются с сотен наблюдений. Это не оговорка мелким шрифтом, это свойство футбола.

Как читать такие прогнозы

Короткая инструкция вместо выводов. Воспринимайте вероятности как частоты: «48% на П1» значит «из ста похожих матчей хозяева выиграют около сорока восьми», а не «скорее всего победят». Сравнивайте любой сервис с базой 44,6% и требуйте открытую историю прогнозов — без неё любые проценты стоят ровно ноль. Помните про дистанцию: единичный промах ничего не говорит о модели, единичное попадание — тоже.

Прогнозы нашей модели на ближайшие туры — в каталоге матчей: вероятности исходов, ожидаемый счёт и живой пересчёт по ходу игры. А проверить, чего эти прогнозы стоят, всегда можно в открытом трек-рекорде — он обновляется после каждого сыгранного матча.