Beräkning av Sannolikheter för Utfall i Fotbollsmatcher130981/FULLTEXT01.pdfOrdered Probit, som...
Transcript of Beräkning av Sannolikheter för Utfall i Fotbollsmatcher130981/FULLTEXT01.pdfOrdered Probit, som...
Nationalekonomiska Institutionen Uppsala Universitet Examensarbete D Författare: Philip Jonsson Handledare: Johan Lyhagen VT 2006
Beräkning av Sannolikheter för Utfall i Fotbollsmatcher
Oddsen på din sida
1
Sammanfattning Uppsatsen skapar en statistisk modell för beräkning av sannolikheter för utfall vid
Allsvenska fotbollsmatcher. Modellens skattade sannolikheter för hemmavinst, oavgjort
och bortavinst jämförs med utvalt spelbolag och visar på likvärdiga estimat. Utifrån de
skattade sannolikheterna skapas odds som genererar lägre förluster än spelbolaget vid test
utifrån ett spelbolags synvinkel. Sannolikheterna används även från en spelares
perspektiv till att skapa ett spelsystem som genererar en positiv avkastning.
Nyckelord: Allsvenskan, Odds, Ordered Probit, Sannolikhet, Spelmarknad,
2
Innehållsförteckning 1. Inledning ......................................................................................................................... 3 2. Bakgrund – Svenska spelmarknaden .............................................................................. 5 3. Teori ................................................................................................................................ 7
3.1 Effektiv Marknad ...................................................................................................... 7 3.2 Vad är ett odds? ........................................................................................................ 7 3.3 Tidigare studier ....................................................................................................... 10
4. Metod ............................................................................................................................ 13 4.1 Modell ..................................................................................................................... 13 4.2 Variabler ................................................................................................................. 14
4.2.1 Vinstchans........................................................................................................ 15 4.2.2 Senaste resultat................................................................................................. 16 4.2.3 Tabellposition .................................................................................................. 16 4.2.4 Poängskillnad................................................................................................... 17
4.3 Kritik mot variabler................................................................................................. 17 5. Datamaterial .................................................................................................................. 18 6. Analys ........................................................................................................................... 19
6.1 Kommentar statistisk modell .................................................................................. 19 6.2 Sannolikheter .......................................................................................................... 19
6.2.1 Hemmavinst ..................................................................................................... 20 6.2.2 Oavgjort ........................................................................................................... 20 6.2.3 Bortavinst ......................................................................................................... 21 6.2.4 Totalt ................................................................................................................ 22
6.3 Odds ........................................................................................................................ 22 7. Slutord........................................................................................................................... 24 Litteraturlista..................................................................................................................... 26
Internetkällor................................................................................................................. 26 Appendix........................................................................................................................... 28
3
1. Inledning Varför är det intressant med en uppsats som berör spelmarknaden? Spelmarknaden i
världen och så även i Sverige har vuxit till en mångmiljardindustri. På senare år är det
först och främst spelet över Internet som stått för den kraftiga ökningen. I Sverige har
invånarna sedan många år haft möjlighet att spela genom de statligt ägda bolagen
Svenska Spel och ATG eller genom någon av de föreningar som av staten erhållit
tillstånd att anordna spel. Genom utvecklingen av Internet har möjligheten skapats för
svenska spelare att även spela via utländska aktörer. Idag är konkurrensen på den
skandinaviska spelmarknaden stenhård. Internetmagasinet Egaming Review (2005)
rankar den skandinaviska spelmarknaden som den största och viktigaste i Europa efter
Storbritannien.
Den svenska spelmarknaden är relativt outforskad trots uppståndelsen. De studier som
gjorts har framförallt haft sitt ursprung i USA och Storbritannien. Omfattande studier på
svenska spelmarknaden lyser med sin frånvaro. De senaste åren har spelbolagen genererat
miljardvinster, vilket innebär att stora massan av spelare måste förlora. Utnyttjar spelarna
verkligen informationen som finns tillgänglig eller har spelbolagen genom sin
ekonomiska kraft oddsen på sin sida?
Syftet med uppsatsen är att skapa en statistisk modell för uträkningen av resultat vid
fotbollsmatcher. Studien ämnar besvara följande frågor:
i. Är det möjligt att skapa sannolikheter som ligger närmare resultaten än de av
spelbolaget beräknade sannolikheterna?
ii. Ur ett spelbolags perspektiv är det möjligt att skapa bättre odds?
iii. Utifrån skattade sannolikheter är det möjligt att generera en positiv avkastning
genom spel hos spelbolaget?
Spelet som används till grunden för studien är 1x2, vilket innebär endast tre utfall är
möjliga. Genom att ta hänsyn till ett antal variabler som kan tänkas påverka utfallet
4
skapas sannolikheter för hemmavinst (1), oavgjort (x) och bortavinst (2). Från dessa
sannolikheter skapas i sin tur odds som ska jämföras med odds från spelbolaget Expekt.
Uppsatsen avgränsas till svenska spelmarknaden för fotboll och då specifikt
Allsvenskan, som är den högsta serien. Datamaterialet är erhållet av spelbolaget Expekt
och omfattar Allsvenska matcher och resultat mellan åren 2000-2004. Totalt motsvarar
det 910 matcher. Beräkningarna av utfallen genomförs endast på den sista säsongen 2004,
vilket motsvarar 182 matcher. De förklarande variablerna och modell estimeras utifrån
historisk statistik för säsongerna 2000-2003, totalt 728 matcher. Spelbolagen använder
information som kan uppdateras timmar innan matchen men då detta innebär en alltför
komplicerad modell tas sådan information ej i beaktning. Denna information är dessutom
svårtillgänglig vilket ytterligare försvårar arbetet.
Uppsatsen inleds med en kort beskrivning av utvecklingen på spelmarknaden och
förutsättningarna för spelare och spelföretag. Detta för att ge en inblick av utvecklingen
på marknaden och förklara reglerna som råder. Första sektionen i kapitlet teori beskriver
kortfattat likheterna mellan spelmarknaden och aktiemarknaden. Under teori förklaras
även utförligt vad ett odds är och hur dessa är uppbyggda, vidare diskuteras resultaten
och tillvägagångssätten från tidigare studier. I metod behandlas den statistiska modell,
Ordered Probit, som används för estimeringen. Där diskuteras också utförligt vilka
variabler som ska tas i beaktning utifrån de historiska resultaten och varför dessa är valda.
Sannolikheterna och oddsen estimeras under analys där även resultatet redovisas och
diskuteras. Slutord sammanfattar och diskuterar uppsatsen i sin helhet.
5
2. Bakgrund – Svenska spelmarknaden
Den svenska spelmarknaden är idag reglerad, vilket innebär att enbart statliga bolag och
av staten godkända aktörer har rätt att anordna spel om pengar i Sverige. Den svenska
spelmarknaden omsatte år 2005 över 35 miljarder kronor enligt siffror i
Lotteriinspektionens utredning1. Utredningen omfattas dock inte av företag utanför
Sveriges gränser som erbjuder spel till svenska invånare över Internet. De utländska
aktörernas omsättning inom Sverige finns det idag inga konkreta siffror på och de är
svåra att beräkna. Enligt siffror från Svenska Spels årsredovisning (2005) uppskattas
omsättningen för dessa aktörer till över 10 miljarder kronor. Tillsammans med olagliga
spel i form av ej registrerade värdeautomater2 som anordnas inom Sverige, beräknas
årliga omsättningen på svenska spelmarknaden till nära 50 miljarder kronor. Trots en
minskad omsättning för Svenska Spel under 2005 finns det inga tecken på att
omsättningen i sin helhet på spelmarknaden befinner sig i en avmattningsfas.3 I Sverige
och världen är det främst poker över Internet som stått för större delen av ökningen. Men
ökningen kan också förklaras med att tillgängligheten för spelarna har ökat.
De nya aktörernas intåg på den svenska marknaden har inneburit en skärpt konkurrens,
vilket har gynnat spelarna i form av bättre villkor. I och med utvecklingen av Internet och
mobila lösningar finns idag inte samma krav från spelarnas sida att spela hos ett fysiskt
ombud. Konkurrenssituationen och tillgängligheten har inneburit att spelarna kan studera
olika spelföretags odds och välja ut det bästa. Detta torde i sin tur förbättra möjligheterna
för spelarna att generera vinster. Konkurrenssituationen har dock inneburit en avtagande
utveckling för de statligt ägda bolagen, vilket i sin tur genererar mindre pengar till
föreningslivet.4
1 Utvecklingen på Spelmarknaden (2005), Lotteriinspektionen. 2 Till värdeautomater räknas i första hand spelmaskiner utställda på restauranger och pubar som t ex Jack Vegas maskiner. 3 Svenska Spels årsredovisning (2005). 4 Ibid.
6
I januari 2006 färdigställdes utredningen av svenska spelmarknaden som begärts av
regeringen. Utredningen ”Spel i en föränderlig värld” sammanställdes av
kammarrättspresidenten Jan Francke. Syftet med utredningen var att granska Sveriges
spelpolitik, vilken i grund och botten baseras på 1939 års Lotteriförordning.
Lagstiftningen är skapad för en fysisk marknad, vilket ej råder i dagens Sverige.
Utredarna anser att svensk spelpolitik på grund av konkurrens ej kan hålla nuvarande
form och samtidigt fortsätta generera stora inkomster till föreningslivet. De anser även att
en förändring av regleringen utan att öppna marknaden skulle innebära att politiken
strider mot EU-direktivet om fri etableringsrätt.5
I rådande situation omsätter svenska spelare miljarder kronor årligen som enligt EU-
regler ej kan beskattas i Sverige. Konkurrensen har ökat möjligheterna för spelarna i form
av tillgänglighet och en högre återbetalningsgrad.6 Men det har även inneburit pressade
marginaler för de statligt ägda bolagen som årligen genererar pengar till det svenska
föreningslivet. EU granskar nu reglerade spelmarknader i flera av medlemsstaterna
däribland den svenska.7 Svenska spelmarknaden befinner sig i en viktig fas som inom en
snar framtid kommer att innebära stora förändringar för spelpolitiken, spelbolagen och
den individuelle spelaren.
5 SOU 2006:11 6 Återbetalningsgrad är det belopp som återgår till spelarna i form av vinster. 7 SOU 2006:11
7
3. Teori
3.1 Effektiv Marknad Teorin att spelmarknaden lyder under samma effektivitetsvillkor som aktiemarknaden har
undersökts i ett flertal studier främst i USA. Woodland och Woodland (2001) testade
effektiviteten på den nordamerikanska hockeyligan (NHL) och fann tendenser till
ineffektivitet. Enligt studien har spelarna en benägenhet att underskatta sannolikheten att
laget med högst odds vinner. Thaler och Ziemba (1988) testade effektiviteten för den
amerikanska hästkapplöpningsmarknaden och fann den relativt effektiv. Studien fastslog
att de odds som råder är bra estimat för vinstsannolikheter.
Den svaga formen av marknadseffektivitet fastslår att historiska prisrörelser finns
diskonterat i nuvarande pris. Detta innebär att det inte är möjligt att göra en
överavkastning genom att enbart studera historiska prisrörelser.8 Fördelen med att testa
effektiviteten av den svaga formen på spelmarknaden gentemot aktiemarknaden är att
samtliga spel har ett slutdatum som kan studeras. Detta i motsats till aktiemarknaden där
priserna ständigt uppdateras till den tidpunkt då bolaget slutat agera på börsen. Enligt
Thaler och Ziemba (1988) bör spelmarknaden ha en större möjlighet till effektivitet då
spelen kontinuerligt kan ge en snabb och återkommande feedback.
3.2 Vad är ett odds? Ordet odds är plural för engelskans odd (udda). Betydelsen i svenskan är densamma som
i engelskan: förhållandet mellan vinst och insats vid vadhållning uttryckt i siffror.9
Oddsen har olika utseende beroende på var i världen spelet läggs. Det är främst tre olika
system som används inom vadhållning; europeiskt, brittiskt och amerikanskt. I tabell 1
redovisas de tre olika oddsmodellerna för en match i Allsvenskan våren 2006.
8 Bodie, Kane and Marcus (2002) Investments 9 Nationalencyklopedin
8
Tabell 1: Odds för Djurgården – IFK Göteborg10
Oddstyp Hemma Oavgjort Borta
Amerikansk -105 225 280Brittisk 19/20 9/4 14/5Europeisk 1,95 3,25 3,8
Amerikanskt system – I USA används en så kallad ”dime line”, vilket innebär att
systemet utgår från det belopp spelaren erhåller genom att spela för 100 enheter eller det
belopp som måste satsas för att vinna 100 enheter. Detta redovisas genom plus- eller
minustecken. Minustecknet framför innebär att 100 enheter erhålls utöver angivet belopp.
Plustecknet innebär att det angivna beloppet erhålls i vinst genom att satsa 100 enheter. I
tabell 1 innebär en djurgårdsvinst att spelaren vinner 100 enheter utöver 105 satsade. Ett
oavgjort resultat innebär att spelaren för satsade 100 enheter erhåller 225 i vinst.
Brittiskt system – Det brittiska systemet utgår från kvoter. Systemet bygger på att
angiven kvot är det som spelaren erhåller i vinst. Ett spel på Djurgårdsvinst på 10 enheter
innebär att spelaren får tillbaka sin insats och även vinsten som utgör 19/20*10, det vill
säga 9,5 enheter.
Europeiskt system – Det europeiska systemet är det system som används i studien och
även det som de flesta i Sverige känner till. Det utgår ifrån decimalform och visar hur
mycket spelaren får tillbaka på satsad enhet. Till skillnad från den brittiska modellen
visar det europeiska systemet det totala beloppet som spelaren erhåller och ej enbart
vinsten. Ett spel på 10 enheter på Djurgårdsvinst i ovanstående exempel innebär att
spelaren erhåller 19,5 enheter.
Redovisade odds är omräknade sannolikheter. För de tre utfallen hemmavinst, oavgjort
och bortavinst beräknar spelbolagen en sannolikhet att respektive utfall inträffar. Dessa
sannolikheter ska summera upp till 100 procent. Genom att ta hänsyn till ett antal
variabler i sina beräkningar skapar spelföretaget sannolikheter för respektive utfall som
sedan modifieras till odds. Sannolikheten beräknas genom invertering av oddsen. I tabell
10 Odds erhållna från spelsidan Gamebookers.
9
2 redovisas de av spelbolagen beräknade sannolikheterna och oddsen för matchen mellan
Djurgården och IFK Göteborg
Tabell 2: Sannolikheter för Djurgården – IFK Göteborg
Hemma Oavgjort Borta
Odds 1,95 3,25 3,8Sannolikhet 0,51 0,31 0,26
SUMMA 1,08
Sannolikheterna för de tre utfallen beräknas som 1/odds. Summan av de tre
sannolikheterna adderar upp till 1,08 vilket innebär över 100 procent. Detta beror på att
spelföretagen i dessa spel tar ut en marginal. För denna match tar spelbolaget ut en
marginal på 8 procent. Marginalen varierar för spelföretagen beroende på vilken liga och
sport som spelas. Marginalen innebär försämrade möjligheter för spelaren då den
påverkar oddsen negativt. Oddsen är med andra ord ej uträknade på spelbolagets
kalkylerade vinstfaktor. Den kalkylerade vinstfaktorn är spelbolagets beräknade
sannolikhet för utfall med marginal borträknad. Tabell 3 visar matchen utan marginal, där
oddsen är beräknade på spelbolagets kalkylerade vinstfaktor.
Tabell 3: Sannolikheter utan marginal för Djurgården – IFK Göteborg
Hemma Oavgjort Borta
Odds 2,11 3,52 4,12Kalkylerad vinstfaktor 0,47 0,28 0,24
SUMMA 1
I detta fall är sannolikheten korrekt uträknad och summerar upp till ett. Det ger också
spelaren en högre utdelning vid eventuell vinst i form av högre odds. Den kalkylerade
vinstfaktorn erhålls genom 1/(1,08*odds).
Dessa spel, så kallade 1x2-spel hör till de mest populära i Sverige. Det statliga
spelbolaget Svenska Spel erbjuder denna spelform under namnet Oddset, vilket också är
det namn som de flesta svenskar känner till spelformen som. Oddsformen är fix, vilket
innebär att spelbolagen erbjuder oddsen flera dagar innan matchens start och de ändras
sällan mer än marginellt. Oddset kan dock komma att ändras i de fall där spelbolaget tar
10
emot stora volymer på ett specifikt utfall eller om ny information skulle förändra deras
kalkylerade sannolikhet avsevärt. Skillnaden från andra spel är dock att spelaren alltid
erhåller det odds som han/hon spelat till. Fördelen med en fix oddsform är att det
möjliggör för studier där spelbolagens sannolikheter kan jämföras med egna beräknade
sannolikheter, vilket också är syftet med uppsatsen. De tidigare studier som behandlats
inom området hänvisar även till denna fördel.
3.3 Tidigare studier Studier som behandlar beräkningar av utfall för sportevenemang har ägt rum länge i
framförallt USA. Först under senare år har även europeiska forskare börjat studera de
inhemska sportmarknaderna. Framförallt engelska fotbollsligan har legat till grund för ett
flertal studier. Det är främst två modeller som använts i studierna. En Poisson modell
som estimerar antalet mål producerade av respektive lag. Den andra en Ordered Probit
modell där beroende variabeln kategoriseras. Modellen beräknar sannolikheterna i
utvalda matcher utifrån tre utfall hemmavinst, oavgjort och bortavinst.
Dixon and Coles (1997) utvecklade en modell skapad av Maher (1982) för beräkningar
av utfall för 1x2-spel inom engelska fotbollsligan. Studien omfattade 6 629 liga- och
cupmatcher åren 1992-1995. Modellen tog hänsyn till producerade och insläppta mål,
lagens resultat i de senaste matcherna och en variabel för hemmaplansfördel. Utifrån
dessa skapades två oberoende Poisson variabler för respektive lags förmåga att producera
och släppa in mål. Studien fann en spelstrategi som jämförde beräknade sannolikheter
med spelbolagens. I de fall där egna sannolikheter överskred spelbolagens fann de
möjligheter till spel. Strategin visade på en positiv avkastning.
Dixon och Robinson (1998) studerade huruvida det är möjligt att finna samband under
vilken tidpunkt målen i en fotbollsmatch faller. Resultaten användes till att skapa en
Poisson modell som beräknade utfallen för engelska fotbollsmatcher. Studien fann att
mål ofta inträffar i slutet av matcherna. Som förklaring ger författarna fysisk trötthet som
leder till att fler försvarsmisstag begås. Med hjälp av modellen beräknades sannolikheter i
11
utvalda ligamatcher och fann att den i många fall stämde väl in med de korrekta
slutresultaten.
Koning (2000) undersökte styrkeförhållandena mellan lagen i holländska ligan. Genom
en Ordered Probit modell skapade författaren en parameter för hur starka lagen i ligan är
och undersökte dess förändring i tiden. Koning fann att styrkeförhållanden har skiftat
beroende på säsong och därmed inga klara tendenser på att det skulle råda några
missförhållanden mellan lagen.
Parametern hemmaplansfördel har legat till grund för flera studier. Genom beräkningar
fann Clarke och Norman (1995) att fördelen med hemmaplan inom engelska ligafotbollen
motsvarar 0,5 mål per match. Studien omfattade 20 306 matcher mellan åren 1981-1991.
De fann att hemmalaget i genomsnitt vinner 48,7 % av matcherna. Vilket tyder på en
relativt stor fördel av hemmaplan. Stefani (1983) fann i en studie för flera fotbollsligor i
Europa, att hemmalaget vinner 49 % av spelade matcher. Koning (2000) fann i sin studie
att hemmalagen i engelska ligan vinner i genomsnitt 48 % av matcherna. Vinster för
lagen på hemmaplan sträcker sig mellan 47-49 % i samtliga nämnda studier.
Forest, Goddard, Simmons (2005) studerade 10 000 engelska ligamatcher för att skapa en
modell med sannolikheter för utgången av matcher som jämfördes med spelbolagens
sannolikheter. De använde sig av en Ordered Probit modell där matchresultaten beräknas
som beroende variabel. Modellen estimerades av de oberoende variablerna vinstchans,
senaste resultat, geografisk distans, typ av match (om matchen är viktig för ligatiteln,
ned- eller uppflyttning), cupspel och publikstöd. Resultaten visade på bättre estimat än
spelbolagen i början av undersökningsperioden. I slutet på undersökningsperioden var
dock spelbolagens metod bättre än estimerad modell. Författarna förklarar resultatet med
att konkurrensen har höjts avsevärt mellan spelbolagen under senare år. Felaktigt
beräknade sannolikheter av spelbolagen kan få en betydande ekonomisk effekt, vilket har
medfört att spelbolagens oddssättare utnyttjar sin tillgängliga information bättre.
12
De två modeller som främst har använts för att beräkna utgången av fotbollsmatcher,
Poisson och Ordered Probit, har resulterat i bra estimat. I en studie av Goddard (2005)
testades skillnaden mellan dessa modeller i förmåga att beräkna resultat. Modellen som
baseras på antalet gjorda mål uppbyggd av Poisson variabler ansågs på förhand estimera
bättre då den innehåller mer detaljrik statistik. Studien fann dock ingen skillnad mellan
modellerna och föreslog istället en kombinerad modell för bästa estimat.
13
4. Metod
4.1 Modell Undersökningens syfte är att estimera sannolikheter för de tre olika utfallen i en
fotbollsmatch; hemmavinst, oavgjort och bortavinst. Enligt tidigare studier som
genomförts anses en Ordered Probit modell vara väl anpassad för dessa beräkningar då
den är mindre komplicerad än en Poisson modell och resulterar i likvärdiga estimat.
Denna modell kommer därför att ligga till grund för estimeringen av utfallen för
undersökningen. Modellen används i första hand när beroende variabeln har fler än två
utfall. Den beroende variabeln ordnas i kategorier och omfattar enbart positiva värden.
Modellen som beräknar sannolikheterna baseras på en modell framtagen av Forrest,
Goddard och Simmons (2005).
I ekvation 1 skattas en beroende indexvariabel, *iy , som beror på en linjär funktion av
parametrarna, ix . Ekvationen innehåller även en oberoende felterm,ε , som är
normalfördelad N(0,1).
iii xy εβ +=* (1)
Den observerade variabeln, iy , delas in i tre kategorier där:
0 = Hemmavinst
1= Oavgjort
2= Bortavinst
Variabeln, iy , erhålls genom indexvariabeln, *iy , i ekvation 2.
14
>
≤<
≤
3*
2
2*
1
1*
2
1
0
i
i
i
i
yif
yif
yif
y
µµµ
µ
(2)
I ekvation 2 representerar, µ , ”cut-off” parametrar som kontrollerar det sammanlagda
sannolikheterna för hemmavinst, oavgjort och bortavinst. Utifrån ekvation 2 erhålls
sannolikheterna för de tre utfallen enligt följande:
)()(),,2Pr(:
)()(),,1Pr(:
)(),,0Pr(:
23
12
1
βµβµµβ
βµβµµβ
βµµβ
iiii
B
i
iiii
O
i
iii
H
i
xFxFxyPBortavinst
xFxFxyPOavgjort
xFxyPHemmavinst
−−−===
−−−===
−===
(3)
Ekvation 3 redovisar sannolikheterna för de tre utfallen. Funktionen, F, representerar den
kumulativa distributionen av feltermerna, ε. Genom skattad ekvation kan sannolikheterna
för hemmavinst, oavgjort och bortavinst beräknas. Sannolikheterna jämförs sedan med de
av spelbolaget beräknade sannolikheterna. De estimerade sannolikheterna beräknas till
odds genom att invertera dem enligt ekvation 4.
B
o
H
pbortavinstOdds
poavgjortOdds
PhemmavinstOdds
1
1
1
=−
=−
=−
(4)
Vid beräkning av odds med marginal, multipliceras sannolikheten, p, med marginalen.
4.2 Variabler Spelbolagen använder sig av flera variabler för att beräkna sannolikheter i respektive
match. I och med mängden av data, det vill säga antalet matcher, kommer variablerna
15
som används för beräkning av sannolikheter enbart att baseras på historisk statistik.
Spelbolagen tar även dagsaktuella och lagspecifika variabler som t ex skador på
nyckelspelare, psykologiska effekter, motivation i beaktning. Den här studien inkluderar
emellertid inte detta då modellen i de fallen blir alltför komplicerad och informationen
oftast är svårtillgänglig. Tidigare studier såsom Dixon and Coles (1997) och Goddard
(2005) visar dock att det är möjligt att skapa lika, eller till och med bättre, sannolikheter
på enbart historisk data. Nedan listas de komponenter som specificerar modellen för
sannolikhetsuträkningen. Det ska tilläggas att variablerna är valda helt subjektivt av
författaren. En del av variablerna har förekommit i tidigare studier, vilka benämns under
förklaringen till respektive variabel.
4.2.1 Vinstchans
Modellen tar i beaktning lagets kvalitet, vilket även togs i beaktning av Forrest, Goddard
och Simmons (2005). Större delen av lagen i Allsvenskan har befunnit sig där under en
längre period och oftast placerat sig i liknande tabellpositioner. Detta på grund av att det
råder stora ekonomiska skillnader mellan lagen. Ett lag med en stark ekonomi har bättre
möjligheter att locka till sig spelare genom att erbjuda högre löner och chans till spel i
Europa. Dessa lag återfinns ofta i toppen av tabellen och har således en genomsnittligt
hög vinstchans. Andra lag med sämre ekonomiska förutsättningar har som regel
ambitionen att klara sig från nedflyttning. Kvalitén på dessa lag är oftast sämre och de har
en lägre genomsnittlig vinstchans. Variabeln beräknas genom att studera lagets
genomgående vinstchans över flera säsonger. En beräkning över hur stor del av lagens
matcher som resulterar i vinst, oavgjort eller förlust på hemma- respektive bortaplan
utförs över hela studieperioden. Två variabler skapas där den ena innehåller hemmalagets
vinstchans och den andra omfattar bortalagets vinstchans.
Vinstchans hemmalag: j
HjHj
N
VP = (5)
Vinstchans bortalag: i
BiBi
N
VP = (6)
16
I ekvationerna 5 och 6 är P vinstsannolikheten för lag i och j. V är antalet matcher som
har vunnits på borta- respektive hemmaplan för lag i och j. N är antalet matcher.
4.2.2 Senaste resultat
Forrest, Goddard och Simmons (2005) använde sig även av en variabel för senaste match
resultat, detta för att formen för lagen har en betydande funktion. Har laget spelat bra de
senaste matcherna är sannolikheten högre att det besegrar ett lag med sämre form.
Modellen omfattar därför även respektive lags senaste resultat. Då form är en färskvara
beräknas resultaten från de fem senaste matcherna. En beräkning av ytterligare fler
matcher bakåt i tiden skulle sakna relevans då formen ofta varierar över tiden. Till
skillnad från Forrest, Goddard och Simmons (2005), som beräknar formen genom match
resultaten, beräknar denna modell formen genom att inspelad poäng för respektive lags
fem senaste matcher summeras. Två variabler skapas för hemma- respektive bortalag.
Poängen beräknas på samma sätt som i tabellen, det vill säga tre poäng för vinst, ett för
oavgjort och noll för förlust. En hög poängsumma indikerar att laget spelat bra de senaste
matcherna och således har en bra form. En låg poängsumma indikerar det motsatta.
Form hemmalag: Pj
t
Pj
t
Pj
t
Pj
t
Pj
t
Hj
t RRRRRSR 54321 −−−−− ++++= (7)
Form bortalag: Pi
t
Pi
t
Pi
t
Pi
t
Pi
t
Bi
t RRRRRSR 54321 −−−−− ++++= (8)
SR betecknar senaste resultat för lag i och j. R är resultatet i poäng för respektive lag
summerat fem omgångar tillbaka.
4.2.3 Tabellposition
Respektive lags position i den allsvenska tabellen indikerar hur starka lagen är under
säsongen. Ett lag med sämre tabellposition bör ha en sämre vinstsannolikhet mot ett lag
placerat över dem. Variabeln beräknas så att det absoluta värdet av skillnader i positioner
mellan lagen avgör styrkeförhållandena. Ett högt värde indikerar stor skillnad mellan
lagen i tabellen. Ett lågt värde tyder på att lagen befinner sig nära varandra i tabellen och
matchen torde vara jämnare. Denna variabel räknas som noll för första omgången då
samtliga lag befinner sig på samma position.
17
Tabellposition: ij TBTBT −= där ji ≠ (9)
TB indikerar skillnaden i tabellposition för lag i och j, fram till utvald match.
4.2.4 Poängskillnad
Tabellpositionen visar enbart var i tabellen som respektive lag befinner sig. Det kan dock
uppstå situationer där det enbart skiljer en position i tabellen mellan lagen medan
skillnaden i lagens totala poängskörd är hög. För att fånga effekten skapas en variabel för
den absoluta skillnaden i respektive lags totala poängskörd fram till utvald match.
Poängen beräknas enligt samma metod som formvariabeln (tre för vinst, ett för oavgjort
och noll för förlust). En stor differens innebär stor skillnad mellan lagen i antalet
insamlade poäng under säsongen. För första omgången räknas denna variabel som noll
för samtliga lag då inga poäng är givna.
Poängskillnad: ij TPTPPS −= där ji ≠ (10)
PS indikerar skillnaden i den totala poängskörden för lag i och j, fram till utvald match.
4.3 Kritik mot variabler De senaste resultaten summeras ihop. Detta medför att samtliga fem resultat påverkar
utfallet lika mycket. Möjligheter att vikta de senaste resultaten finns så att senaste
matchen har större betydelse för utfallet än till exempel tredje senaste matchen. Ett
sammanslaget värde visar dock, enligt författaren, bättre formen då en förlustmatch
senast kan få en relativt hög betydelse även då laget vunnit de fyra matcherna innan.
De senaste resultaten för de första omgångarna är beräknade från förra säsongens sista
matcher. Det kan dock ifrågasättas om variabeln i de fallen utgör en formvariabel. För att
vara konsekvent i beräkningarna har dock denna variabel behållits även för de tidiga
omgångarna och ska då tolkas som en kvalitetsvariabel snarare än en formvariabel. För
lag som precis flyttats upp från Superettan11 beräknas tidigare resultat från senaste
11 Serien under Allsvenskan.
18
tidpunkten de befann sig i Allsvenskan. Beräkningar från deras senaste matcher i
Superettan anser författaren vara missvisande då lagen som flyttats upp troligtvis spelat
väldigt bra i Superettan, som generellt innehåller sämre lag. Därför anses senaste
resultaten från Allsvenskan för dessa lag vara en mer korrekt bedömning.
5. Datamaterial
De historiska resultaten från de Allsvenska matcherna och oddsen är erhållna av
spelbolaget Expekt. Spelbolaget grundades i London och är ett av de största på den
skandinaviska marknaden. De förklarande variablerna beräknas utifrån de Allsvenska
säsongerna 2000-2003, vilket motsvarar 728 matcher. Materialet innehåller endast
slutresultat och odds för matcherna. Den beräknade modellen appliceras på sista säsongen
(2004) som motsvarar 182 Allsvenska matcher.
Materialet är inhämtat från ett spelbolag. Det innebär att modellen skapas och jämförs
mot de av Expekt skattade sannolikheterna och ej ger en generell bild av spelbolagens
beräkningar. Efter en jämförelse av odds på marknaden finner dock författaren små
avvikelser mellan de största spelbolagen, varför även generella slutsatser kan dras.12
12 Odds jämförelse på Internetsidan Oddslive.
19
6. Analys
6.1 Kommentar statistisk modell Av de sex förklarande variablerna visade tre signifikant skillnad från noll på fem procents
nivå. Tabell 4 redovisar den deskriptiva statistiken för estimerad modell. Limit punkt 1
och 2 indikerar hur sannolikheterna fördelas mellan de tre utfallen.
Tabell 4: Deskriptiv statistik för estimerad modell
Beroende variabel: Y (resultat)
Metod: ML - Ordered Probit
Observationer: 728
Förklarande variabel Koefficient Standardfel P-värdePoängskillnad -0.007177 0.015964 0.6530
Sannolikhet hemmavinst -0.027955 0.004057 0.0000Sannolikhet bortavinst 0.029027 0.005130 0.0000
Senaste resultat hemmalag 0.040091 0.015568 0.0100Senaste resultat bortalag 0.000854 0.015790 0.9569
Tabellposition 0.015905 0.036607 0.6639
LIMIT_1:C(7) -0.291767 0.226084 0.1969LIMIT_2:C(8) 0.451641 0.226441 0.0461
Akaike info criterion 2.059781 Schwarz criterion 2.110224Log likelihood -741.7602 Hannan-Quinn criter. 2.079244
Restr. log likelihood -786.3006 Avg. log likelihood -1.018901LR statistic (6 df) 89.08085 LR index(Pseudo-R2) 0.056646
Probability(LR stat) 0.000000
6.2 Sannolikheter Utifrån estimerad modell har sannolikheter för Allsvenskan 2004 skapats. Modellen har
beräknat utfallen för hemmavinst, oavgjort och bortavinst för samtliga 182 matcher
utifrån de förklarande variablerna. Sannolikheterna har beräknats i statistikprogrammet
Eviews. De beräknade sannolikheterna jämförs med sannolikheterna beräknade av
20
spelbolaget Expekt. Spelbolagets sannolikheter är beräknade utifrån oddsen på matcherna
utan marginal.13 Detta är spelbolagets så kallade kalkylerade vinstfaktor.
6.2.1 Hemmavinst
Tabell 4 visar hur stor del av vinsterna på hemmaplan som skattades med högst
sannolikhet för modellen respektive spelbolaget. Medelavvikelsen visar skillnaden i snitt
mellan de två metoderna. Ett positivt resultat tyder på att modellen estimerade
sannolikheter närmare det sanna resultatet i förhållande till spelbolaget. Max och min
visar de största avvikelserna i sannolikheterna. Av de 182 matcherna slutade 71 i vinst för
hemmalaget.
Tabell 5: Estimat av vinster på hemmaplan
Antal ProcentModell 30 0,42
Spelbolag 38 0,54 Lika 3 0,04
TOTALT 71
Medel avvikelse -0,01
STDAV 0,11MAX 0,21
MIN -0,24
Första kolumnen i tabell 5 redovisar antalet matcher som estimerade en högre sannolikhet
för modell och spelbolag medan andra kolumnen redovisar andelen i procent.
Medelavvikelsen visar att spelbolaget i snitt estimerar en sannolikhet som är en
procentenhet högre än de av modellen estimerade sannolikheterna. Spelbolaget estimerar
bättre sannolikheter för hemmavinst i 38 av de 71 matcherna, vilket motsvarar 54
procent. Skillnaderna mellan sannolikheterna för spelbolaget och modellen är relativt
stora, vilket standardavvikelsen indikerar. Detta tolkas som att modellen och spelbolaget
använder sig av olika variabler vilket har givit stora skillnader i beräkningarna.
6.2.2 Oavgjort
Tabell 6 visar vilken modell som beräknade bäst sannolikheter för ett oavgjort resultat.
Av de 182 matcherna slutade 56 i ett oavgjort resultat.
13 Beräkningarna görs enligt metoden för odds i teori kapitlet.
21
Tabell 6: Estimat av oavgjorda resultat
Antal ProcentModell 14 0,25
Spelbolag 33 0,59 Lika 9 0,16
TOTALT 56
Medel avvikelse -0,01
STDAV 0,02
MAX 0,04
MIN -0,08
Tabell 6 visar att spelbolaget estimerade bättre sannolikheter i förhållande till modellen i
59 procent av de oavgjorda resultaten. Medelavvikelsen visar att modellen i snitt
estimerar ett oavgjort resultat en procentenhet sämre än spelbolaget. Den låga
standardavvikelsen tyder på att det är liten skillnad mellan modellens och spelbolagets
estimeringar. I estimeringen av de oavgjorda resultaten är spelbolag och modell relativt
nära varandra, vilket värdena i tabell 6 indikerar. För 9 av de oavgjorda resultaten har
spelbolaget och modellen samma estimat för sannolikheten.
6.2.3 Bortavinst
I tabell 7 redovisas resultaten av estimeringen för matcherna med bortavinst. Av de 182
matcherna slutade 55 i vinst för bortalaget.
Tabell 7: Estimat av bortavinster
Antal ProcentModell 26 0,47
Spelbolag 25 0,45 Lika 4 0,07
TOTALT 55
Medel avvikelse 0,01
STDAV 0,10
MAX 0,29
MIN -0,20
Modellen estimerar bättre sannolikheter i 47 procent av bortavinsterna. Tabell 7 visar på
en relativt hög standardavvikelse vilket tyder på en skillnad i metod mellan modellen och
spelbolagets förklarande variabler. Max och min stärker dessa antydningar.
22
Medelavvikelsen visar att modellen i snitt estimerar en procentenhet bättre sannolikheter
än spelbolaget för matcherna som slutade i med bortavinst.
6.2.4 Totalt
Tabell 8 visar genomsnittet av sannolikheterna för samtliga matcher över hela säsongen.
Totalt estimerar modellen och spelbolaget i genomsnitt samma sannolikheter för de tre
utfallen. Modellen estimerar mycket bra resultat i förhållande till de av spelbolagen
beräknade sannolikheterna för samtliga matcher i Allsvenskan 2004.
Tabell 8: Totala sannolikheterna för matcherna
Utfall Modell SpelbolagHemmavinst 0,39 0,43 0,44
Oavgjort 0,31 0,27 0,28Bortavinst 0,31 0,30 0,29
Medel 0,00STDAV 0,09
Standardavvikelsen visar att spelbolaget och modellen skiljer sig åt i estimeringarna. I
genomsnitt skiljer det relativt lite mellan utfall, modell och spelbolag. Sannolikheterna
för enstaka matcher kan dock variera avsevärt mellan modellen och spelbolaget. Detta
bekräftar återigen att estimeringen av sannolikheter beräknas med olika variabler.
Spelbolagen tar hänsyn till mer dagsaktuell statistik och har oftast information som inte
finns tillgänglig för allmänheten. Däremot lyckas estimerad modell beräkna sannolikheter
som ligger väldigt nära de av spelbolagen beräknade sannolikheterna. I flera av
matcherna lyckas modellen till och med bättre än spelbolaget, vilket visar på att det är
möjligt att förutspå resultat genom att enbart se till historisk statistik. Samtliga matcher
med beräkningar återfinns i appendix.
6.3 Odds Sannolikheterna omvandlas till spelbara odds. Detta utförs enligt ekvation 4. Modellen
använder samma marginal som spelbolaget använder för utvald match. För att se om det
är möjligt att skapa bättre odds, utgår modellen från att vara ett spelbolag. Genom att
jämföra de rätta resultaten med de skapade odds för spelbolag och modell är det möjligt
23
att identifiera vilket system som genererar minst förlust. Då antalet spel på respektive
utfall är svårt att uppskatta utgår beräkningarna från att spelaren tippade rätt utfall i
samtliga matcher. Vid satsade 10 kronor genererar estimerad modell en förlust på
5 268,22 kronor. För spelbolaget genererar det en förlust på 5 164,50 kronor. Detta
motsvarar cirka två procent högre förlust för modellen.
Spelbolaget avrundar dock sina odds i det här datamaterialet till hela 0,05 och 0,10. Efter
en omräkning av estimerade odds efter samma avrundningsmetod genererar modellen en
förlust för samtliga matcher på 4 768,50 kr, mot spelbolagets 5 164,50 kr. I detta fall är
förlusten mindre vid användandet av estimerad modell. Spelbolagets odds genererar en
förlust som är 8 procent högre än estimerad modell. Ur ett spelbolags synvinkel genererar
modellen bättre odds än spelbolaget.
Ytterligare ett test genomförs för att undersöka om de skattade sannolikheterna kan skapa
ett spelsystem som kan generera positiv avkastning för spelaren genom spel hos
spelbolaget. Systemet skapas så att spelaren spelar på utfallet där kvoten mellan
modellens sannolikhet och spelbolagets sannolikhet är störst. Detta i tron att
sannolikheterna beräknade av modellen är mer trovärdiga än spelbolagets. Genom att
spela 10 kronor på utfallet i samtliga matcher där kvoten är högst genererade modellen en
förlust på 161 kronor, detta vid en omsättning på 1820 kronor. Således är inte
sannolikheterna tillräckligt bra för att generera vinster efter spel på samtliga matcher.
Systemet modifieras för att finna ett spelsystem som kan generera en positiv avkastning.
Genom att förändra kvoten mellan modell och spelbolag, spelar endast systemet på de
matcher där skillnaderna i sannolikheter är stora mellan spelbolag och modell. Vid en
kvot på minst 1,4 genererar spelsystemet en positiv avkastning. Uppstår flera kvoter över
1,4 läggs spelet på den kvot som är högst av dessa. Detta för att välja ut de matcher där
avvikelsen mellan sannolikheterna är stor. Av de 182 matcherna hade 18, minst en kvot
som översteg 1,4. Spelsystemet genererade en vinst på 22 kr, vilket motsvarar en
avkastning på över 12 procent. Omsättningen vid detta system är 180 kronor.
24
7. Slutord
Uppsatsen ämnade skapa sannolikheter för utfall för Allsvenska fotbollsmatcher. Genom
en statistisk modell skapades sannolikheter för hemmavinst, oavgjort och bortavinst
utifrån förutbestämda oberoende variabler. Resultaten visar att den estimerade modellen i
genomsnitt beräknar väldigt nära de av spelbolaget beräknade sannolikheterna. En mer
precis modell hade säkerligen kunnat estimeras genom att ta i beaktning fler variabler
som är unika för respektive match. Men då dagsaktuell information är komplicerad att
applicera genereras modellen enbart med historisk statistik. Resultaten visar dock på bra
estimat genom att enbart förlita sig på historisk statistik.
Genom de beräknade sannolikheterna skapades odds som jämfördes med spelbolaget. Vid
ett test där förutsättningarna var att spelaren tippar rätt på samtliga matcher genererade
spelbolaget en förlust som var 8 procent högre än den estimerade modellen. De av
sannolikheterna beräknade oddsen visar att det är möjligt, utifrån historisk data, att skapa
odds som bättre speglar utfallen och genererar lägre förluster. Det ska dock tilläggas att
spelbolag även använder sig av högre odds för att locka till sig spel. En kalkylerad
vinstfaktor visar inte hela sanningen men ger en god indikation på hur spelbolaget tänker.
Spelbolagen väger även in flera av matcherna i sin riskportfölj, vilket innebär att de kan
ta högre risker (högre odds) i vissa matcher mot att den totala risken i portföljen ej ökar.
Testerna som utförts visar att det är möjligt att skapa spelsystem som genererar en positiv
avkastning utifrån de skattade sannolikheterna. Ett modifierat spelsystem genererade en
positiv avkastning på över 12 procent. Då testet genomförts på ett fåtal matcher avvaktar
författaren med att dra slutsatsen om ett vattentätt spelsystem tills större studier kan
bekräfta det. Dock ges en indikation att möjligheten finns att skapa positiva avkastningar
med spelsystem baserade enbart på historisk data.
Modellen som skapats har givit goda resultat för både sannolikheter och odds. En mer
omfattande studie över en längre tidsperiod hade troligen estimerat mer trovärdiga
resultat. Författaren efterfrågar därför fler studier och forskning inom den svenska
25
spelmarknaden som kan stärka tesen att det är möjligt att förutspå sportresultat baserat
enbart på historisk data.
26
Litteraturlista Bodie, Z., Kane, A., & Marcus, A.J. (2002) Investments, McGraw-Hill
Clarke, S. R. & Norman, J. M. (1995), “Home Ground Advantage of Individual Clubs in English Soccer”, The Statistician, Vol. 44, No.4, s.509-521. Dixon, M. J. & Coles, S. G. (1997), ”Modelling Association Football Scores and Inefficiencies in the Football Betting Market”, Applied Statistics, Vol. 46, No. 2, s.265-280. Dixon, M. J. & Robinson, M. E. (1998), “A Birth Process Model for Association Football Matches”, The Statistician, Vol. 47, No. 3, s.523-538. Francke, J. (2006), “Spel i en Föränderlig Värld”, SOU 2006:11. Forrest, D., Goddard, J., & Simmons, R. (2005), “Odds-Setters as Forecasters: The Case of English Football”, International Journal of Forecasting, Vol. 21, s.551-564. Goddard, J. (2005), “Regression Models for Forecasting Goals and Match Results in Association Football”, International Journal of Forecasting, Vol. 21, s.331-340. Koning, R. H. (2000), “Balance in Competition in Dutch Soccer”, The Statistician, Vol. 49, No. 3, s.419-431. Thaler, R. H. & Ziemba, W. T. (1988), “Anomalies: Parimutuel Betting Markets: Racetracks and Lotteries, The Journal of Economic Perspectives, Vol. 2, No. 2, s.161-174. Woodland, L.M. & Woodland, B.M (2001), “Market Efficiency and Profitable Wagering
in the National Hockey League: Can Bettors Score on Longshots?”, Southern Economical
Journal, 67(4), 983-995
Internetkällor Sveriges Fotbollshistoriker och Statistiker http://www.bolletinen.se/sfs/java/allsvenskan.htm tillgängligt 2006-05-22 Egaming Review (2005) http://www.egrmagazine.com/data/pdfs/Power50.pdf tillgängligt 2006-05-22 Gamebookers http://www.gamebookers.com tillgängligt 2006-04-23
27
Nationalencyklopedin http://www.ne.se tillgängligt 2006-05-22 Oddsjämförelse http://www.oddslive.com tillgängligt 2006-05-22
Svenska Spels årsredovisning (2005) http://www.svenskaspel.se/pl.aspx?PageID=3529&menuid=2&parentid=4906 tillgängligt 2006-05-22 Utvecklingen på Spelmarknaden (2005) http://www.lotteriinsp.se/lott_templates/Page____371.aspx tillgängligt 2006-05-22
28
Appendix Match Resultat 1 x(3) 2 Modell 1 Modell x Modell 2 Spelbolag 1 Spelbolag x Spelbolag 2 DIFF Rätt Resultat DIFF Rätt resultat 1 DIFF Rätt resultat x DIFF Rätt resultat 2 Odds modell 1 Odds modell x Odds modell 2 Avrundat odds 1 Avrundat odds x Avrundat odds 2 Odds spelbolag 1 Odds spelbolag x Odds spelbolag 2 Marginal
Landskrona - Helsingborg 1 - 1 3 0,32 0,29 0,40 0,36 0,29 0,35 0,00 0,00 3,13 3,44 2,51 3,15 3,45 2,50 2,75 3,40 2,85 1,0086AIK - GIF Sundsvall 1 - 0 1 0,57 0,25 0,18 0,59 0,24 0,17 -0,01 -0,01 1,74 3,97 5,60 1,75 3,95 5,60 1,70 4,10 5,80 1,0046
Kalmar FF - IFK Göteborg 0 - 0 3 0,24 0,27 0,49 0,33 0,28 0,38 -0,01 -0,01 4,16 3,63 2,05 4,15 3,65 2,05 3,00 3,50 2,60 1,0037Örebro - Halmstad 2 - 5 2 0,25 0,28 0,47 0,40 0,28 0,32 0,15 0,15 3,89 3,56 2,13 3,90 3,55 2,15 2,50 3,50 3,10 1,0083Elfsborg - Örgryte 1 - 2 2 0,36 0,29 0,35 0,41 0,28 0,31 0,04 0,04 2,78 3,44 2,84 2,80 3,45 2,85 2,45 3,55 3,20 1,0024
Trelleborg - Djurgården 2 - 2 3 0,26 0,28 0,46 0,20 0,26 0,54 0,02 0,02 3,85 3,56 2,15 3,85 3,55 2,15 4,95 3,80 1,85 1,0057Hammarby - Malmö FF 0 - 0 3 0,31 0,29 0,41 0,41 0,28 0,31 0,01 0,01 3,27 3,47 2,45 3,25 3,45 2,45 2,45 3,55 3,20 1,0024Halmstad - Trelleborg 1 - 0 1 0,72 0,19 0,09 0,58 0,25 0,17 0,14 0,14 1,29 4,90 9,87 1,30 4,90 9,85 1,60 3,70 5,45 1,0788
IFK Göteborg - Elfsborg 3 - 0 1 0,64 0,22 0,13 0,49 0,28 0,23 0,15 0,15 1,44 4,14 6,91 1,45 4,15 6,90 1,90 3,30 4,00 1,0793Malmö FF - Örebro 5 - 1 1 0,54 0,26 0,20 0,64 0,23 0,13 -0,09 -0,09 1,70 3,56 4,71 1,70 3,55 4,70 1,45 4,00 7,00 1,0825
Helsingborg - Kalmar FF 1 - 2 2 0,52 0,27 0,21 0,60 0,24 0,16 0,05 0,05 1,77 3,49 4,39 1,75 3,50 4,40 1,55 3,80 5,80 1,0807Örgryte - Hammarby 0 - 0 3 0,23 0,27 0,50 0,33 0,28 0,39 -0,01 -0,01 4,06 3,41 1,85 4,05 3,40 1,85 2,80 3,25 2,40 1,0815
GIF Sundsvall - Landskrona 0 - 0 3 0,46 0,28 0,26 0,37 0,29 0,34 -0,01 -0,01 2,01 3,32 3,59 2,00 3,30 3,60 2,50 3,25 2,70 1,0781Djurgården - AIK 3 - 1 1 0,46 0,28 0,26 0,44 0,29 0,27 0,02 0,02 2,02 3,31 3,56 2,00 3,30 3,55 2,10 3,20 3,45 1,0785AIK - Trelleborg 0 - 0 3 0,51 0,27 0,22 0,56 0,25 0,19 0,02 0,02 1,82 3,46 4,23 1,80 3,45 4,25 1,65 3,70 5,00 1,0763
GIF Sundsvall - Örgryte 1 - 1 3 0,44 0,28 0,28 0,36 0,29 0,36 -0,01 -0,01 2,12 3,26 3,30 2,10 3,25 3,30 2,60 3,20 2,60 1,0817Landskrona - Örebro 0 - 1 2 0,25 0,28 0,47 0,50 0,27 0,23 0,24 0,24 3,65 3,32 1,97 3,65 3,30 1,95 1,85 3,40 4,05 1,0816Elfsborg - Malmö FF 1 - 5 2 0,39 0,29 0,32 0,21 0,28 0,51 -0,20 -0,20 2,35 3,21 2,90 2,35 3,20 2,90 4,40 3,35 1,80 1,0813
IFK Göteborg - Halmstad 0 - 0 3 0,41 0,29 0,30 0,50 0,28 0,23 0,01 0,01 2,23 3,22 3,09 2,25 3,20 3,10 1,85 3,35 4,10 1,0830Helsingborg - Djurgården 1 - 1 3 0,40 0,29 0,31 0,31 0,29 0,40 0,00 0,00 2,31 3,23 2,99 2,30 3,25 3,00 2,95 3,20 2,35 1,0770Kalmar FF - Hammarby 1 - 2 2 0,19 0,26 0,55 0,27 0,28 0,45 0,10 0,10 4,80 3,59 1,68 4,80 3,60 1,70 3,45 3,30 2,05 1,0807
Örgryte - AIK 1 - 1 3 0,26 0,28 0,45 0,42 0,28 0,29 0,00 0,00 3,50 3,30 2,04 3,50 3,30 2,05 2,20 3,25 3,15 1,0797Malmö FF - IFK Göteborg 1 - 0 1 0,49 0,27 0,24 0,59 0,25 0,16 -0,10 -0,10 1,88 3,36 3,88 1,90 3,35 3,90 1,55 3,70 5,80 1,0878
Örebro - Kalmar FF 1 - 2 2 0,39 0,29 0,32 0,53 0,27 0,21 0,12 0,12 2,37 3,20 2,86 2,35 3,20 2,85 1,75 3,45 4,50 1,0835Hammarby - Elfsborg 1 - 0 1 0,53 0,26 0,21 0,64 0,23 0,13 -0,11 -0,11 1,74 3,51 4,48 1,75 3,50 4,50 1,45 4,00 7,00 1,0825
Halmstad - Helsingborg 3 - 2 1 0,42 0,29 0,30 0,41 0,28 0,30 0,01 0,01 2,21 3,24 3,13 2,20 3,25 3,15 2,25 3,25 3,05 1,0800Trelleborg - Landskrona 2 - 1 1 0,42 0,29 0,29 0,38 0,29 0,33 0,04 0,04 2,20 3,23 3,14 2,20 3,25 3,15 2,45 3,15 2,80 1,0828
Djurgården - GIF Sundsvall 3 - 1 1 0,70 0,20 0,10 0,68 0,21 0,11 0,02 0,02 1,31 4,65 8,94 1,30 4,65 8,95 1,35 4,30 8,75 1,0876Örebro - Hammarby 1 - 2 2 0,34 0,29 0,37 0,30 0,29 0,41 -0,04 -0,04 2,70 3,20 2,52 2,70 3,20 2,50 3,10 3,20 2,25 1,0795
Landskrona - Djurgården 2 - 0 1 0,33 0,29 0,38 0,24 0,27 0,49 0,09 0,09 2,77 3,20 2,46 2,75 3,20 2,45 3,85 3,40 1,90 1,0802Kalmar FF - GIF Sundsvall 2 - 1 1 0,35 0,29 0,36 0,49 0,28 0,23 -0,14 -0,14 2,64 3,19 2,57 2,65 3,20 2,55 1,90 3,25 4,05 1,0809
Elfsborg - Helsingborg 1 - 1 3 0,48 0,28 0,24 0,33 0,29 0,38 -0,01 -0,01 1,92 3,37 3,84 1,90 3,35 3,85 2,80 3,20 2,45 1,0778AIK - Halmstad 0 - 2 2 0,31 0,29 0,40 0,39 0,29 0,32 0,08 0,08 2,98 3,22 2,31 3,00 3,20 2,30 2,40 3,20 2,85 1,0800
Trelleborg - Malmö FF 1 - 1 3 0,19 0,26 0,55 0,19 0,26 0,54 -0,01 -0,01 4,87 3,61 1,67 4,85 3,60 1,65 4,85 3,50 1,70 1,0801Örgryte - IFK Göteborg 1 - 2 2 0,36 0,29 0,35 0,32 0,29 0,39 -0,04 -0,04 2,57 3,19 2,64 2,55 3,20 2,65 2,85 3,20 2,40 1,0800
Malmö FF - AIK 0 - 0 3 0,34 0,29 0,37 0,60 0,25 0,15 0,04 0,04 2,70 3,19 2,51 2,70 3,20 2,50 1,55 3,70 6,00 1,0821Djurgården - Kalmar FF 0 - 3 2 0,60 0,24 0,16 0,60 0,25 0,15 0,01 0,01 1,55 3,81 5,69 1,55 3,80 5,70 1,55 3,70 6,00 1,0821GIF Sundsvall - Elfsborg 0 - 0 3 0,45 0,28 0,27 0,40 0,29 0,31 -0,01 -0,01 2,06 3,29 3,44 2,05 3,30 3,45 2,30 3,20 3,00 1,0806Halmstad - Landskrona 5 - 3 1 0,53 0,26 0,21 0,53 0,26 0,21 0,00 0,00 1,75 3,52 4,48 1,75 3,50 4,50 1,75 3,55 4,45 1,0778
Örgryte - Örebro 2 - 2 3 0,46 0,28 0,26 0,50 0,28 0,22 0,00 0,00 2,00 3,31 3,59 2,00 3,30 3,60 1,85 3,30 4,20 1,0817Helsingborg - IFK Göteborg 1 - 2 2 0,52 0,27 0,21 0,38 0,30 0,32 -0,11 -0,11 1,78 3,47 4,33 1,80 3,45 4,35 2,45 3,10 2,85 1,0816
Hammarby - Trelleborg 0 - 1 2 0,59 0,24 0,16 0,58 0,26 0,17 0,00 0,00 1,56 3,81 5,67 1,55 3,80 5,65 1,60 3,60 5,60 1,0813Elfsborg - Djurgården 0 - 0 3 0,41 0,29 0,30 0,27 0,29 0,44 0,00 0,00 2,27 3,23 3,04 2,25 3,25 3,05 3,45 3,20 2,10 1,0785
Landskrona - Malmö FF 2 - 1 1 0,32 0,29 0,39 0,27 0,29 0,44 0,05 0,05 2,93 3,22 2,35 2,95 3,20 2,35 3,45 3,20 2,10 1,0785Kalmar FF - Halmstad 1 - 3 2 0,11 0,20 0,69 0,32 0,28 0,40 0,29 0,29 8,64 4,59 1,34 8,65 4,60 1,35 2,90 3,35 2,30 1,0781
Trelleborg - Örebro 1 - 2 2 0,27 0,28 0,45 0,46 0,29 0,24 0,20 0,20 3,46 3,30 2,07 3,45 3,30 2,05 2,00 3,20 3,80 1,0757IFK Göteborg - GIF Sundsvall 0 - 1 2 0,67 0,21 0,12 0,62 0,24 0,14 -0,02 -0,02 1,38 4,36 7,81 1,40 4,35 7,80 1,50 3,80 6,50 1,0837
Helsingborg - Örgryte 3 - 0 1 0,45 0,28 0,27 0,44 0,28 0,28 0,01 0,01 2,07 3,27 3,40 2,05 3,25 3,40 2,10 3,30 3,30 1,0823AIK - Hammarby 0 - 1 2 0,45 0,28 0,27 0,33 0,29 0,38 -0,11 -0,11 2,08 3,29 3,42 2,10 3,30 3,40 2,85 3,15 2,45 1,0765
Halmstad - Elfsborg 3 - 0 1 0,48 0,28 0,24 0,64 0,23 0,13 -0,16 -0,16 1,92 3,35 3,80 1,90 3,35 3,80 1,45 4,00 7,00 1,0825GIF Sundsvall - Helsingborg 3 - 3 3 0,28 0,28 0,43 0,35 0,30 0,35 -0,02 -0,02 3,29 3,27 2,14 3,30 3,25 2,15 2,65 3,10 2,65 1,0773
Örebro - AIK 2 - 1 1 0,29 0,29 0,42 0,41 0,29 0,30 -0,12 -0,12 3,15 3,24 2,21 3,15 3,25 2,20 2,25 3,20 3,10 1,0795Hammarby - Landskrona 3 - 1 1 0,52 0,27 0,21 0,53 0,27 0,20 -0,01 -0,01 1,77 3,49 4,37 1,75 3,50 4,35 1,75 3,40 4,65 1,0806Malmö FF - Kalmar FF 0 - 0 3 0,49 0,27 0,23 0,62 0,23 0,15 0,04 0,04 1,87 3,38 3,95 1,85 3,40 3,95 1,50 4,00 6,00 1,0833
Djurgården - IFK Göteborg 1 - 2 2 0,62 0,23 0,15 0,50 0,28 0,22 -0,07 -0,07 1,48 3,95 6,13 1,50 3,95 6,15 1,85 3,30 4,10 1,0875Örgryte - Trelleborg 1 - 0 1 0,61 0,24 0,15 0,45 0,28 0,26 0,16 0,16 1,52 3,90 6,00 1,50 3,90 6,00 2,05 3,25 3,50 1,0812
GIF Sundsvall - Hammarby 2 - 0 1 0,27 0,28 0,45 0,28 0,29 0,43 -0,01 -0,01 3,41 3,28 2,07 3,40 3,30 2,05 3,30 3,20 2,15 1,0806Landskrona - AIK 0 - 1 2 0,31 0,29 0,41 0,43 0,28 0,28 0,12 0,12 3,03 3,22 2,27 3,05 3,20 2,25 2,15 3,25 3,25 1,0805
29
Match Resultat 1 x(3) 2 Modell 1 Modell x Modell 2 Spelbolag 1 Spelbolag x Spelbolag 2 DIFF Rätt Resultat DIFF Rätt resultat 1 DIFF Rätt resultat x DIFF Rätt resultat 2 Odds modell 1 Odds modell x Odds modell 2 Avrundat odds 1 Avrundat odds x Avrundat odds 2 Odds spelbolag 1 Odds spelbolag x Odds spelbolag 2 Marginal
Kalmar FF - Trelleborg 2 - 0 1 0,33 0,29 0,38 0,48 0,28 0,24 -0,15 -0,15 2,83 3,21 2,42 2,85 3,20 2,40 1,95 3,30 3,80 1,0790GIF Sundsvall - Halmstad 1 - 0 1 0,27 0,28 0,45 0,29 0,29 0,42 -0,02 -0,02 3,46 3,29 2,06 3,45 3,30 2,05 3,20 3,20 2,20 1,0795
Elfsborg - Örebro 3 - 0 1 0,54 0,26 0,20 0,38 0,29 0,34 0,17 0,17 1,70 3,57 4,72 1,70 3,55 4,70 2,45 3,25 2,75 1,0795Helsingborg - Malmö FF 0 - 2 2 0,40 0,29 0,31 0,33 0,30 0,37 -0,06 -0,06 2,32 3,22 2,96 2,30 3,20 2,95 2,80 3,10 2,50 1,0797
IFK Göteborg - Hammarby 0 - 1 2 0,47 0,28 0,25 0,42 0,29 0,29 -0,04 -0,04 1,98 3,33 3,65 2,00 3,35 3,65 2,20 3,20 3,20 1,0795Djurgården - Örgryte 2 - 1 1 0,55 0,26 0,19 0,51 0,27 0,22 0,03 0,03 1,69 3,57 4,74 1,70 3,55 4,75 1,80 3,45 4,20 1,0835Malmö FF - Örgryte 1 - 0 1 0,32 0,29 0,39 0,56 0,26 0,18 -0,24 -0,24 2,87 3,19 2,35 2,85 3,20 2,35 1,65 3,55 5,00 1,0878
Malmö FF - GIF Sundsvall 0 - 0 3 0,69 0,20 0,11 0,58 0,25 0,17 -0,05 -0,05 1,34 4,59 8,63 1,35 4,60 8,65 1,60 3,65 5,55 1,0792Örgryte - Landskrona 1 - 1 3 0,54 0,26 0,20 0,48 0,28 0,24 -0,02 -0,02 1,72 3,55 4,64 1,70 3,55 4,65 1,95 3,30 3,80 1,0790
AIK - Kalmar FF 1 - 1 3 0,49 0,27 0,24 0,45 0,28 0,27 -0,01 -0,01 1,89 3,38 3,91 1,90 3,40 3,90 2,05 3,30 3,45 1,0807Halmstad - Djurgården 2 - 2 3 0,33 0,29 0,38 0,40 0,28 0,31 0,00 0,00 2,79 3,20 2,44 2,80 3,20 2,45 2,30 3,25 2,95 1,0815
Hammarby - Helsingborg 2 - 1 1 0,35 0,29 0,36 0,49 0,28 0,23 -0,14 -0,14 2,66 3,20 2,56 2,65 3,20 2,55 1,90 3,30 4,00 1,0793Örebro - IFK Göteborg 0 - 0 3 0,37 0,29 0,34 0,35 0,29 0,36 0,00 0,00 2,52 3,20 2,71 2,50 3,20 2,70 2,65 3,25 2,55 1,0772Trelleborg - Elfsborg 0 - 1 2 0,33 0,29 0,38 0,43 0,28 0,29 0,09 0,09 2,76 3,20 2,46 2,75 3,20 2,45 2,15 3,30 3,20 1,0806
Elfsborg - AIK 1 - 0 1 0,34 0,29 0,37 0,36 0,29 0,35 -0,02 -0,02 2,74 3,21 2,50 2,75 3,20 2,50 2,55 3,25 2,65 1,0772IFK Göteborg - Trelleborg 2 - 0 1 0,69 0,20 0,11 0,60 0,26 0,14 0,09 0,09 1,34 4,62 8,76 1,35 4,60 8,75 1,55 3,60 6,50 1,0768
Halmstad - Örgryte 2 - 2 3 0,36 0,29 0,35 0,54 0,26 0,19 0,03 0,03 2,55 3,19 2,67 2,55 3,20 2,65 1,70 3,50 4,85 1,0801Kalmar FF - Landskrona 1 - 1 3 0,30 0,29 0,42 0,48 0,28 0,24 0,01 0,01 3,11 3,24 2,23 3,10 3,25 2,25 1,95 3,30 3,80 1,0790
Helsingborg - Örebro 0 - 0 3 0,57 0,25 0,18 0,48 0,28 0,24 -0,03 -0,03 1,64 3,67 5,10 1,65 3,65 5,10 1,95 3,30 3,80 1,0790Djurgården - Malmö FF 0 - 2 2 0,54 0,26 0,20 0,42 0,28 0,30 -0,10 -0,10 1,72 3,54 4,60 1,70 3,55 4,60 2,20 3,30 3,10 1,0802
AIK - IFK Göteborg 3 - 1 1 0,47 0,28 0,25 0,33 0,30 0,37 0,14 0,14 1,96 3,36 3,74 1,95 3,35 3,75 2,80 3,15 2,50 1,0746Örebro - GIF Sundsvall 3 - 3 3 0,53 0,26 0,20 0,44 0,28 0,28 -0,02 -0,02 1,73 3,52 4,54 1,75 3,50 4,55 2,10 3,30 3,30 1,0823Landskrona - Elfsborg 0 - 0 3 0,46 0,28 0,26 0,45 0,28 0,27 -0,00 -0,00 2,01 3,31 3,57 2,00 3,30 3,55 2,05 3,30 3,45 1,0807Örgryte - Kalmar FF 1 - 1 3 0,33 0,29 0,38 0,41 0,28 0,31 0,01 0,01 2,79 3,20 2,44 2,80 3,20 2,45 2,25 3,30 3,00 1,0808
Trelleborg - Helsingborg 1 - 6 2 0,43 0,29 0,29 0,34 0,28 0,38 -0,09 -0,09 2,16 3,23 3,19 2,15 3,25 3,20 2,70 3,25 2,45 1,0862Hammarby - Djurgården 3 - 0 1 0,29 0,28 0,43 0,36 0,29 0,36 -0,07 -0,07 3,24 3,25 2,15 3,25 3,25 2,15 2,60 3,20 2,60 1,0817
Malmö FF - Halmstad 2 - 1 1 0,35 0,29 0,36 0,46 0,27 0,27 -0,11 -0,11 2,61 3,17 2,56 2,60 3,15 2,55 2,00 3,40 3,40 1,0882Djurgården - Örebro 5 - 1 1 0,69 0,20 0,11 0,56 0,26 0,17 0,13 0,13 1,34 4,56 8,56 1,35 4,55 8,55 1,65 3,50 5,30 1,0805
GIF Sundsvall - Trelleborg 1 - 0 1 0,46 0,28 0,26 0,58 0,26 0,16 -0,12 -0,12 2,00 3,32 3,61 2,00 3,30 3,60 1,60 3,55 5,80 1,0791Kalmar FF - Elfsborg 0 - 1 2 0,28 0,28 0,43 0,42 0,29 0,29 0,14 0,14 3,29 3,26 2,13 3,30 3,25 2,15 2,20 3,20 3,20 1,0795
IFK Göteborg - Landskrona 1 - 1 3 0,65 0,22 0,13 0,58 0,26 0,16 -0,04 -0,04 1,42 4,23 7,28 1,40 4,25 7,30 1,60 3,55 5,80 1,0791Helsingborg - AIK 3 - 0 1 0,41 0,29 0,30 0,45 0,28 0,27 -0,04 -0,04 2,25 3,24 3,09 2,25 3,25 3,10 2,05 3,35 3,45 1,0762
Halmstad - Hammarby 2 - 1 1 0,48 0,27 0,24 0,41 0,29 0,30 0,07 0,07 1,91 3,37 3,85 1,90 3,35 3,85 2,25 3,20 3,10 1,0795Kalmar FF - Djurgården 1 - 1 3 0,17 0,25 0,59 0,34 0,29 0,38 -0,04 -0,04 5,49 3,76 1,57 5,50 3,75 1,55 2,75 3,20 2,45 1,0843
Örebro - Örgryte 1 - 0 1 0,33 0,29 0,38 0,41 0,29 0,30 -0,08 -0,08 2,81 3,20 2,43 2,80 3,20 2,45 2,25 3,20 3,10 1,0795AIK - Malmö FF 0 - 2 2 0,33 0,29 0,39 0,28 0,28 0,43 -0,05 -0,05 2,84 3,20 2,40 2,85 3,20 2,40 3,25 3,25 2,15 1,0805
Elfsborg - GIF Sundsvall 3 - 1 1 0,53 0,26 0,21 0,49 0,28 0,24 0,04 0,04 1,75 3,49 4,43 1,75 3,50 4,45 1,90 3,35 3,85 1,0846Landskrona - Halmstad 0 - 4 2 0,29 0,28 0,43 0,28 0,28 0,44 -0,01 -0,01 3,24 3,25 2,15 3,25 3,25 2,15 3,35 3,25 2,10 1,0824Trelleborg - Hammarby 2 - 2 3 0,28 0,28 0,43 0,21 0,26 0,53 0,02 0,02 3,26 3,26 2,15 3,25 3,25 2,15 4,50 3,50 1,75 1,0794
IFK Göteborg - Helsingborg 2 - 1 1 0,50 0,27 0,23 0,43 0,29 0,28 0,07 0,07 1,86 3,40 4,00 1,85 3,40 4,00 2,15 3,20 3,30 1,0806Djurgården - Landskrona 1 - 1 3 0,72 0,19 0,09 0,54 0,26 0,19 -0,08 -0,08 1,28 4,96 10,12 1,30 4,95 10,10 1,70 3,50 4,85 1,0801
Helsingborg - Elfsborg 4 - 0 1 0,54 0,26 0,20 0,48 0,28 0,24 0,06 0,06 1,73 3,54 4,60 1,75 3,55 4,60 1,95 3,30 3,80 1,0790Hammarby - Örebro 1 - 1 3 0,55 0,26 0,19 0,56 0,26 0,17 -0,01 -0,01 1,67 3,61 4,86 1,65 3,60 4,85 1,65 3,50 5,30 1,0805
GIF Sundsvall - Kalmar FF 0 - 1 2 0,34 0,29 0,37 0,44 0,28 0,28 0,09 0,09 2,69 3,19 2,52 2,70 3,20 2,50 2,10 3,25 3,35 1,0824Malmö FF - Trelleborg 4 - 2 1 0,54 0,26 0,20 0,68 0,21 0,11 -0,14 -0,14 1,71 3,50 4,54 1,70 3,50 4,55 1,35 4,30 8,50 1,0909
Halmstad - AIK 1 - 2 2 0,40 0,29 0,31 0,58 0,26 0,16 0,14 0,14 2,28 3,20 2,99 2,30 3,20 3,00 1,60 3,55 5,60 1,0853IFK Göteborg - Örgryte 4 - 0 1 0,42 0,29 0,30 0,49 0,28 0,23 -0,07 -0,07 2,21 3,23 3,11 2,20 3,25 3,10 1,90 3,30 3,95 1,0825
Kalmar FF - AIK 1 - 1 3 0,16 0,24 0,59 0,40 0,29 0,31 -0,05 -0,05 5,64 3,81 1,57 5,65 3,80 1,55 2,35 3,20 2,95 1,0770Landskrona - Örgryte 0 - 2 2 0,33 0,29 0,38 0,41 0,29 0,30 0,08 0,08 2,85 3,22 2,42 2,85 3,20 2,40 2,25 3,25 3,10 1,0747
GIF Sundsvall - Malmö FF 3 - 2 1 0,26 0,28 0,46 0,26 0,28 0,46 0,00 0,00 3,50 3,29 2,02 3,50 3,30 2,00 3,55 3,30 2,00 1,0847Helsingborg - Hammarby 3 - 1 1 0,38 0,29 0,33 0,38 0,30 0,32 0,00 0,00 2,43 3,22 2,83 2,45 3,20 2,85 2,45 3,10 2,90 1,0756
IFK Göteborg - Örebro 1 - 0 1 0,54 0,26 0,20 0,56 0,26 0,18 -0,02 -0,02 1,71 3,56 4,67 1,70 3,55 4,65 1,65 3,60 5,15 1,0780Elfsborg - Trelleborg 3 - 1 1 0,55 0,26 0,19 0,54 0,26 0,19 0,01 0,01 1,68 3,60 4,83 1,70 3,60 4,85 1,70 3,50 4,85 1,0801
Djurgården - Halmstad 1 - 1 3 0,50 0,27 0,23 0,38 0,30 0,32 -0,03 -0,03 1,85 3,44 4,11 1,85 3,45 4,10 2,45 3,10 2,90 1,0756Örgryte - Djurgården 0 - 1 2 0,32 0,29 0,39 0,35 0,30 0,35 0,04 0,04 2,90 3,22 2,38 2,90 3,20 2,40 2,65 3,10 2,65 1,0773
Örebro - Elfsborg 2 - 2 3 0,46 0,28 0,26 0,45 0,28 0,26 -0,01 -0,01 2,00 3,31 3,59 2,00 3,30 3,60 2,05 3,25 3,50 1,0812Hammarby - IFK Göteborg 1 - 2 2 0,53 0,26 0,21 0,40 0,28 0,31 -0,10 -0,10 1,76 3,49 4,42 1,75 3,50 4,40 2,30 3,25 2,95 1,0815
Trelleborg - Kalmar FF 0 - 0 3 0,56 0,26 0,19 0,35 0,30 0,35 -0,04 -0,04 1,67 3,63 4,94 1,65 3,65 4,95 2,65 3,10 2,65 1,0773AIK - Landskrona 1 - 3 2 0,67 0,21 0,12 0,52 0,29 0,20 -0,08 -0,08 1,38 4,40 7,91 1,40 4,40 7,90 1,80 3,25 4,65 1,0783
Halmstad - GIF Sundsvall 1 - 0 1 0,34 0,29 0,37 0,58 0,26 0,17 -0,24 -0,24 2,73 3,19 2,49 2,75 3,20 2,50 1,60 3,60 5,60 1,0813Malmö FF - Helsingborg 1 - 1 3 0,35 0,29 0,36 0,49 0,28 0,23 0,01 0,01 2,63 3,19 2,57 2,65 3,20 2,55 1,90 3,30 3,95 1,0825
Landskrona - IFK Göteborg 0 - 1 2 0,40 0,29 0,31 0,29 0,29 0,42 -0,11 -0,11 2,34 3,23 2,96 2,35 3,25 2,95 3,25 3,20 2,20 1,0747
30
Match Resultat 1 x(3) 2 Modell 1 Modell x Modell 2 Spelbolag 1 Spelbolag x Spelbolag 2 DIFF Rätt Resultat DIFF Rätt resultat 1 DIFF Rätt resultat x DIFF Rätt resultat 2 Odds modell 1 Odds modell x Odds modell 2 Avrundat odds 1 Avrundat odds x Avrundat odds 2 Odds spelbolag 1 Odds spelbolag x Odds spelbolag 2 Marginal
AIK - Helsingborg 2 - 2 3 0,43 0,28 0,29 0,36 0,30 0,34 -0,01 -0,01 2,16 3,26 3,24 2,15 3,25 3,25 2,55 3,10 2,75 1,0784Trelleborg - GIF Sundsvall 1 - 1 3 0,48 0,27 0,24 0,36 0,30 0,34 -0,02 -0,02 1,92 3,37 3,86 1,90 3,35 3,85 2,60 3,10 2,70 1,0776
Elfsborg - Kalmar FF 0 - 1 2 0,40 0,29 0,31 0,47 0,28 0,24 0,07 0,07 2,31 3,22 2,97 2,30 3,20 2,95 1,95 3,25 3,85 1,0803Örgryte - Malmö FF 0 - 2 2 0,34 0,29 0,37 0,26 0,29 0,45 -0,08 -0,08 2,71 3,19 2,51 2,70 3,20 2,50 3,55 3,20 2,05 1,0820Örebro - Djurgården 0 - 2 2 0,30 0,29 0,41 0,31 0,29 0,40 0,01 0,01 3,07 3,23 2,25 3,05 3,25 2,25 3,00 3,20 2,30 1,0806
Hammarby - Halmstad 1 - 1 3 0,47 0,28 0,25 0,40 0,29 0,31 -0,02 -0,02 1,98 3,34 3,68 2,00 3,35 3,70 2,35 3,15 3,00 1,0763Djurgården - Hammarby 1 - 0 1 0,52 0,27 0,21 0,37 0,30 0,33 0,15 0,15 1,79 3,47 4,31 1,80 3,45 4,30 2,50 3,10 2,80 1,0797Elfsborg - Landskrona 1 - 1 3 0,56 0,25 0,19 0,50 0,28 0,22 -0,03 -0,03 1,66 3,63 4,95 1,65 3,65 4,95 1,85 3,30 4,20 1,0817GIF Sundsvall - Örebro 1 - 0 1 0,44 0,28 0,28 0,47 0,28 0,24 -0,04 -0,04 2,11 3,27 3,33 2,10 3,25 3,35 1,95 3,25 3,85 1,0803
Kalmar FF - Örgryte 1 - 1 3 0,14 0,23 0,63 0,43 0,29 0,28 -0,06 -0,06 6,68 4,08 1,46 6,70 4,10 1,45 2,15 3,20 3,30 1,0806Helsingborg - Trelleborg 2 - 0 1 0,61 0,24 0,15 0,64 0,23 0,13 -0,03 -0,03 1,51 3,91 6,05 1,50 3,90 6,05 1,45 4,00 7,00 1,0825
IFK Göteborg - AIK 1 - 0 1 0,34 0,29 0,37 0,56 0,27 0,17 -0,22 -0,22 2,73 3,18 2,47 2,75 3,20 2,45 1,65 3,45 5,30 1,0846Halmstad - Malmö FF 2 - 2 3 0,39 0,29 0,32 0,36 0,30 0,34 -0,01 -0,01 2,38 3,21 2,88 2,40 3,20 2,90 2,55 3,10 2,75 1,0784
Landskrona - Kalmar FF 0 - 2 2 0,42 0,29 0,30 0,39 0,29 0,31 -0,02 -0,02 2,22 3,23 3,10 2,20 3,25 3,10 2,35 3,15 2,95 1,0820Örgryte - Halmstad 2 - 0 1 0,33 0,29 0,38 0,26 0,28 0,45 0,07 0,07 2,81 3,20 2,43 2,80 3,20 2,45 3,50 3,25 2,05 1,0812
Hammarby - GIF Sundsvall 1 - 0 1 0,74 0,18 0,08 0,53 0,28 0,19 0,21 0,21 1,25 5,26 11,34 1,25 5,25 11,35 1,75 3,30 4,85 1,0806Trelleborg - IFK Göteborg 2 - 3 2 0,32 0,29 0,40 0,19 0,26 0,54 -0,15 -0,15 2,93 3,21 2,33 2,95 3,20 2,35 4,80 3,50 1,70 1,0823
Örebro - Helsingborg 3 - 1 1 0,40 0,29 0,31 0,33 0,29 0,38 0,07 0,07 2,29 3,21 2,99 2,30 3,20 3,00 2,80 3,15 2,45 1,0828Malmö FF - Djurgården 2 - 0 1 0,38 0,29 0,33 0,56 0,26 0,17 -0,18 -0,18 2,42 3,20 2,82 2,40 3,20 2,80 1,65 3,50 5,30 1,0805
AIK - Elfsborg 1 - 1 3 0,54 0,26 0,20 0,50 0,28 0,22 -0,02 -0,02 1,71 3,55 4,65 1,70 3,55 4,65 1,85 3,30 4,20 1,0817Landskrona - GIF Sundsvall 3 - 2 1 0,60 0,24 0,16 0,39 0,30 0,31 0,21 0,21 1,53 3,86 5,87 1,55 3,85 5,85 2,35 3,10 3,00 1,0814
Trelleborg - Halmstad 0 - 4 2 0,22 0,27 0,51 0,22 0,27 0,51 -0,00 -0,00 4,20 3,44 1,81 4,20 3,45 1,80 4,25 3,45 1,80 1,0807Hammarby - Örgryte 0 - 1 2 0,46 0,28 0,26 0,46 0,28 0,26 -0,00 -0,00 1,99 3,30 3,57 2,00 3,30 3,55 2,00 3,30 3,55 1,0847
Kalmar FF - Helsingborg 0 - 0 3 0,16 0,24 0,60 0,39 0,30 0,31 -0,06 -0,06 5,84 3,86 1,54 5,85 3,85 1,55 2,40 3,10 2,95 1,0782Elfsborg - IFK Göteborg 1 - 0 1 0,46 0,28 0,26 0,29 0,28 0,43 0,17 0,17 2,02 3,30 3,55 2,00 3,30 3,55 3,20 3,30 2,15 1,0806
Örebro - Malmö FF 1 - 2 2 0,32 0,29 0,39 0,21 0,28 0,51 -0,12 -0,12 2,87 3,18 2,35 2,85 3,20 2,35 4,35 3,30 1,80 1,0885AIK - Djurgården 1 - 1 3 0,39 0,29 0,32 0,32 0,29 0,39 -0,01 -0,01 2,35 3,21 2,92 2,35 3,20 2,90 2,90 3,15 2,40 1,0790
Halmstad - Örebro 5 - 0 1 0,54 0,26 0,20 0,62 0,24 0,14 -0,07 -0,07 1,70 3,57 4,73 1,70 3,55 4,75 1,50 3,85 6,50 1,0803Örgryte - Elfsborg 0 - 2 2 0,44 0,28 0,28 0,49 0,28 0,23 0,04 0,04 2,10 3,27 3,35 2,10 3,25 3,35 1,90 3,30 4,00 1,0793
Djurgården - Trelleborg 5 - 0 1 0,70 0,20 0,10 0,66 0,21 0,13 0,04 0,04 1,32 4,70 9,10 1,30 4,70 9,10 1,40 4,50 7,00 1,0794Malmö FF - Hammarby 4 - 3 1 0,39 0,29 0,32 0,58 0,25 0,17 -0,19 -0,19 2,39 3,21 2,88 2,40 3,20 2,90 1,60 3,65 5,60 1,0775
GIF Sundsvall - AIK 1 - 1 3 0,31 0,29 0,41 0,41 0,29 0,29 -0,01 -0,01 3,03 3,22 2,27 3,05 3,20 2,25 2,25 3,15 3,15 1,0794IFK Göteborg - Kalmar FF 1 - 0 1 0,49 0,27 0,23 0,54 0,27 0,18 -0,05 -0,05 1,87 3,38 3,95 1,85 3,40 3,95 1,70 3,40 5,00 1,0824Helsingborg - Landskrona 0 - 1 2 0,61 0,24 0,15 0,51 0,28 0,21 -0,05 -0,05 1,52 3,90 6,02 1,50 3,90 6,00 1,80 3,30 4,50 1,0808
Kalmar FF - Malmö FF 1 - 0 1 0,16 0,24 0,59 0,23 0,28 0,49 -0,06 -0,06 5,61 3,80 1,56 5,60 3,80 1,55 4,05 3,25 1,90 1,0809AIK - Örebro 1 - 2 2 0,53 0,26 0,21 0,51 0,28 0,21 0,00 0,00 1,75 3,51 4,46 1,75 3,50 4,45 1,80 3,30 4,50 1,0808
Trelleborg - Örgryte 1 - 1 3 0,26 0,28 0,46 0,18 0,26 0,56 0,02 0,02 3,56 3,29 1,99 3,55 3,30 2,00 5,15 3,50 1,65 1,0859Helsingborg - GIF Sundsvall 1 - 0 1 0,68 0,21 0,11 0,53 0,27 0,20 0,15 0,15 1,36 4,46 8,15 1,35 4,45 8,15 1,75 3,40 4,65 1,0806
Elfsborg - Halmstad 1 - 1 3 0,32 0,29 0,39 0,22 0,26 0,51 0,03 0,03 2,87 3,19 2,36 2,85 3,20 2,35 4,10 3,50 1,80 1,0852IFK Göteborg - Djurgården 2 - 0 1 0,38 0,29 0,33 0,51 0,28 0,21 -0,13 -0,13 2,43 3,20 2,80 2,45 3,20 2,80 1,80 3,35 4,40 1,0813Landskrona - Hammarby 0 - 0 3 0,33 0,29 0,38 0,38 0,29 0,33 -0,01 -0,01 2,83 3,21 2,43 2,85 3,20 2,45 2,45 3,15 2,85 1,0765
Halmstad - Kalmar FF 1 - 0 1 0,47 0,28 0,25 0,54 0,27 0,18 -0,07 -0,07 1,96 3,33 3,68 1,95 3,35 3,70 1,70 3,40 5,00 1,0824GIF Sundsvall - IFK Göteborg 2 - 1 1 0,40 0,29 0,31 0,26 0,29 0,45 0,14 0,14 2,30 3,21 2,97 2,30 3,20 2,95 3,55 3,20 2,05 1,0820
Djurgården - Elfsborg 3 - 2 1 0,64 0,22 0,13 0,52 0,29 0,20 0,13 0,13 1,44 4,15 6,96 1,45 4,15 6,95 1,80 3,25 4,65 1,0783Örgryte - Helsingborg 1 - 1 3 0,32 0,29 0,40 0,44 0,29 0,27 -0,00 -0,00 2,93 3,22 2,35 2,95 3,20 2,35 2,10 3,20 3,45 1,0785Örebro - Trelleborg 3 - 0 1 0,58 0,25 0,17 0,66 0,22 0,12 -0,08 -0,08 1,59 3,72 5,33 1,60 3,70 5,35 1,40 4,15 7,75 1,0843
Malmö FF - Landskrona 0 - 1 2 0,58 0,25 0,18 0,66 0,22 0,12 0,05 0,05 1,60 3,70 5,26 1,60 3,70 5,25 1,40 4,20 7,50 1,0857Hammarby - AIK 1 - 1 3 0,47 0,28 0,26 0,33 0,29 0,38 -0,01 -0,01 1,99 3,33 3,63 2,00 3,35 3,65 2,80 3,20 2,45 1,0778
Landskrona - Trelleborg 4 - 0 1 0,50 0,27 0,23 0,66 0,22 0,12 -0,16 -0,16 1,83 3,43 4,11 1,85 3,45 4,10 1,40 4,15 8,00 1,0802Kalmar FF - Örebro 0 - 1 2 0,28 0,28 0,44 0,45 0,28 0,26 0,17 0,17 3,31 3,26 2,12 3,30 3,25 2,10 2,05 3,25 3,50 1,0812
AIK - Örgryte 0 - 3 2 0,39 0,29 0,32 0,42 0,29 0,29 0,03 0,03 2,37 3,21 2,89 2,35 3,20 2,90 2,20 3,20 3,20 1,0795GIF Sundsvall - Djurgården 0 - 1 2 0,22 0,27 0,52 0,38 0,29 0,33 0,19 0,19 4,31 3,48 1,79 4,30 3,50 1,80 2,45 3,20 2,80 1,0778
Elfsborg - Hammarby 0 - 1 2 0,37 0,29 0,34 0,40 0,29 0,31 0,03 0,03 2,47 3,20 2,75 2,45 3,20 2,75 2,30 3,20 3,00 1,0806Helsingborg - Halmstad 1 - 2 2 0,39 0,29 0,32 0,27 0,29 0,44 -0,12 -0,12 2,36 3,21 2,90 2,35 3,20 2,90 3,45 3,20 2,10 1,0785
IFK Göteborg - Malmö FF 1 - 2 2 0,41 0,29 0,30 0,32 0,30 0,38 -0,08 -0,08 2,23 3,23 3,10 2,25 3,25 3,10 2,85 3,10 2,45 1,0816Malmö FF - Elfsborg 1 - 0 1 0,56 0,26 0,19 0,73 0,19 0,08 -0,17 -0,17 1,64 3,57 4,86 1,65 3,55 4,85 1,25 4,85 11,00 1,0971
Trelleborg - AIK 1 - 3 2 0,27 0,28 0,45 0,32 0,28 0,40 0,04 0,04 3,39 3,27 2,07 3,40 3,25 2,05 2,90 3,30 2,30 1,0826Örebro - Landskrona 2 - 0 1 0,44 0,28 0,28 0,45 0,29 0,26 -0,02 -0,02 2,13 3,27 3,32 2,15 3,25 3,30 2,05 3,25 3,55 1,0772
Hammarby - Kalmar FF 0 - 3 2 0,55 0,26 0,19 0,46 0,29 0,25 -0,06 -0,06 1,68 3,61 4,84 1,70 3,60 4,85 2,00 3,25 3,70 1,0780Djurgården - Helsingborg 2 - 1 1 0,47 0,28 0,25 0,60 0,26 0,14 -0,13 -0,13 1,97 3,33 3,67 1,95 3,35 3,65 1,55 3,55 6,50 1,0807Halmstad - IFK Göteborg 1 - 1 3 0,41 0,29 0,30 0,60 0,24 0,16 0,04 0,04 2,26 3,22 3,04 2,25 3,20 3,05 1,55 3,80 5,80 1,0807Örgryte - GIF Sundsvall 1 - 3 2 0,54 0,26 0,20 0,46 0,28 0,25 -0,05 -0,05 1,73 3,53 4,56 1,75 3,55 4,55 2,00 3,25 3,65 1,0817