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 прогнозах с ИИ-разбором эти роли разделены: математическая модель считает вероятности, а языковой ИИ помогает их объяснять. Чтобы увидеть разницу между оценкой и фактом, сравните сохранённый прогноз с результатом завершённой игры:

Последние завершённые матчи с прогнозом, сохранённым до начала игры, от новых к старым. Подборка не зависит от того, сбылся прогноз или нет. Это примеры, а не оценка общей точности.

Лига Европы · 15 октября 2026 г.

Лех—Байер

38 %

23 %

39 %

П1 38 %Х 23 %П2 39 %

Самый вероятный исход: П2 — победа гостей.

Зафиксирован 15.10.2026, 08:15 МСК — до матча.

Сравнить с результатом

Исход за 90 минут: П2 — победа гостей. Прогноз исхода сбылся.

Полный прогноз и итог матча

Лига конференций · 15 октября 2026 г.

ЦСКА София—Монако

26 %

27 %

47 %

П1 26 %Х 27 %П2 47 %

Самый вероятный исход: П2 — победа гостей.

Зафиксирован 15.10.2026, 08:15 МСК — до матча.

Сравнить с результатом

Исход за 90 минут: П2 — победа гостей. Прогноз исхода сбылся.

Полный прогноз и итог матча

Лига Европы · 15 октября 2026 г.

Юнион Сен-Жиллуаз—Реал Сосьедад

59 %

22 %

19 %

П1 59 %Х 22 %П2 19 %

Самый вероятный исход: П1 — победа хозяев.

Зафиксирован 15.10.2026, 08:15 МСК — до матча.

Сравнить с результатом

Исход за 90 минут: Х — ничья. Прогноз исхода не сбылся.

Полный прогноз и итог матча

Частоты лиг ниже — исторический срез нашей базы от 17 июля 2026 года; точность модели обновлена по выгрузке от 28 сентября.

Применить разбор к ближайшей игре можно в каталоге матчей, а сравнить опубликованные прогнозы с результатами — в трек-рекорде.

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 70% попаданий не доказывают прибыльность
• 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. Без полной сохранённой истории проверить её на дистанции трудно. Если такая история есть, прогнозы эксперта можно оценивать так же, как прогнозы модели.

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. Таблица сохраняет срез от 17 июля 2026 года, а не текущую полноту базы:

В таблице показаны семь турниров. Общий срез от 17 июля 2026 года шире: 12 242 матча, включая Лигу Европы и чемпионат мира. Именно для всего среза, а не только семи строк выше, доли побед хозяев и гостей — 44,6% и 30,8%; ничьих около четверти. Средние голы хозяев и гостей 1,57 и 1,26 тоже взяты из всего среза.

Лиги ощутимо разные: в Бундеслиге забивают 3,17 гола за матч, в Ла Лиге — 2,59, то есть между Бундеслигой и Ла Лигой — 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 выбирает хозяев, — получил бы 44,6% попаданий на всех 12 242 матчах среза. Для оценки модели базовую стратегию нужно пересчитать на том же наборе матчей: переносить 44,6% на другую лигу или период нельзя.

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 инструмент — распределение Пуассона. Один из классических примеров его применения к футболу — работа M. J. Maher 1982 года, указанная в источниках.

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 примерно в 13% матчей — 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 для конкретной пары берутся свои ожидаемые голы — вместо средних по базе 1,57 и 1,26. 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	1697
2	Динамо Москва	1632
3	Спартак	1625
4	Краснодар	1620
5	ЦСКА	1583
6	Локомотив	1517
7	Балтика	1515
8	Рубин	1485
9	Ростов	1477
10	Крылья Советов	1461
11	Ахмат	1459
12	Оренбург	1456
13	Динамо Махачкала	1427
14	Акрон	1409
15	Родина Москва	1379
16	Факел	1374

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 учитывает xG. На карточках завершённых матчей с доступными данными мы показываем фактический xG обеих сторон — можно сверить счёт с качеством игры.

Как собран прогноз ГолПульс

На карточке матча ГолПульс показывает вероятности П1, ничьей и П2, ожидаемый счёт и оценки других рынков. Это оценки до результата, а не обещание попадания. Во время игры вероятности пересчитываются с учётом её хода.

Например, условные 48% / 27% / 25% дают хозяевам самый высокий шанс среди трёх исходов. Но суммарная вероятность ничьей или победы гостей — 52%: даже главный фаворит такого прогноза чаще не выигрывает, чем выигрывает.

Общие принципы описаны на странице «Как это работает». Для проверки качества сопоставляйте расчёт до стартового свистка с итогом за тот же период: прогноз на основное время не включает серию пенальти.

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 бэктеста на всей истории лиг:

Матчей в бэктесте

36 636

Точность 1X2

51,9 %

RPS

0.203

ECE (калибровка)

0.019

Тотал 2.5: Brier

0.244

ECE 0.004

Обе забьют: Brier

0.248

ECE 0.005

За последние 12 месяцев (4 333 матчей): 1X2 52,1 % · RPS 0.203 · ECE 0.015

По пересчёту от 28 сентября 2026 года модель угадала исход 1X2 в 51,9% из 36 438 матчей бэктеста, точный счёт — в 12,6%. Плитки выше обновляются ежедневно, поэтому могут отличаться от этого среза. Эти показатели нельзя напрямую вычитать из 44,6% в начале статьи: у исторической таблицы и бэктеста разные наборы матчей.

Доля угаданных исходов — не единственная метрика. Если модель даёт событию 60%, оно должно происходить примерно в 60% таких случаев. В указанном бэктесте ECE — средний разрыв между вероятностью и фактической частотой в группах прогнозов — составляет 1,8 процентного пункта. Среднее не гарантирует одинаковую калибровку в каждой лиге или будущем периоде.

Отдельно проверяем прогнозы, опубликованные до матча. В выгрузке от 28 сентября 2026 года — 475 верных исходов 1X2 из 983, или 48,3%, с начала наблюдений 30 июня 2026 года. Это не бэктест: результаты и актуальный размер выборки доступны в открытом трек-рекорде. При проверке обращайте внимание на время фиксации прогноза до начала встречи.

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.

Одно из применений модельных вероятностей — сравнение с коэффициентами. Если оценка модели выше подразумеваемой вероятности линии, это кандидат на валуй: положительное ожидание получится только при достаточно точной оценке реального шанса. Ошибка модели может полностью убрать предполагаемое преимущество. Такое расхождение не гарантирует ни выигрыш, ни прибыль на дистанции.

Почему 70% попаданий не доказывают прибыльность

Само по себе число «70%» не позволяет оценить прогноз. Нужны правила отбора матчей, коэффициенты и полная история результатов.

Первый случай — 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%.

Для отдельного условного расчёта возьмём вероятность 72% и коэффициент 1,30. Ожидаемая выплата на рубль — 0,72 × 1,30 = 0,936: ожидаемый минус 6,4 копейки. 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.

Наши датированные результаты приведены выше, а актуальные опубликованные прогнозы можно проверить в трек-рекорде, включая промахи.

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 простой базовой стратегии на тех же матчах?
• 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, поэтому оценка силы особенно неопределённа. 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 сервис с базовой стратегией на той же выборке и требуйте историю прогнозов — без неё любые проценты стоят ровно ноль. Помните про дистанцию: единичный промах ничего не говорит о модели, единичное попадание — тоже.

Проверку на одной сохранённой истории можно посмотреть в сравнении лиг и сопоставлении исхода с точным счётом. От метода к конкретной встрече ведут прогнозы РПЛ, АПЛ и Лиги чемпионов.

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.