Договорные матчи: как AI ловит сговор на стадии коэффициентов и ставок
Представь: букмекер замечает неожиданный всплеск ставок на ничью в матче третьей лиги за 12 часов до игры. Никаких новостей, травм или изменений состава. Коэффициенты резко падают у всех букмекеров одновременно. Это не случайность — это скоординированная инсайдерская ставка. Наша AI-система выявляет такие паттерны в реальном времени, анализируя данные с 50+ букмекеров, игровую статистику и социальные сети. Букмекеры, использующие нашу систему, сокращают выплаты по подозрительным исходам в среднем на 40%.
Мы — команда AI/ML инженеров с опытом в спортивной аналитике. Внедрили системы детекции для букмекерских компаний в Европе и Азии. Гарантируем пруф-оф-концепт за 2 недели. Оценим проект за 2 дня — просто напишите нам.
Как работает наша AI-система?
Система собирает данные из четырёх источников (см. таблицу). Каждый источник обрабатывается отдельным модулем, а ансамблевая модель объединяет сигналы в единый риск-скop.
| Источник | Данные | Частота | Метод анализа |
|---|---|---|---|
| Букмекерские рынки | Коэффициенты 50+ БК + Betfair | Real-time (30 сек) | Z-score движения, early movement, steam move |
| Игровая статистика | xG, shots, touches, distance | Постфактум (5 мин после матча) | Сверточные сети (CTCN) для временных рядов |
| Данные игроков | GPS/HR (опционально) | Real-time | Сравнение с сезонным baseline |
| Социальные сети | Тексты постов, tips | Раз в 6 часов | NLP (few-shot) для детекции инсайдерской инфы |
Сравнение с традиционными правилами: наша система детектирует на 30% больше аномалий (recall 91% vs 63%), при этом ложных срабатываний в 2 раза меньше (precision 87% vs 72%).
Почему стандартные правила не справляются?
Статические правила (например, порог изменения коэффициента) не учитывают контекст. Они дают много ложных срабатываний на виражах рынка из-за балансировки букмекера. Наш ансамбль моделей смотрит на скоординированность движений, временные ряды и графовые связи — это резко повышает точность.
Почему важно обнаруживать договорные матчи?
Договорные матчи — это не только потеря репутации спорта, но и прямые финансовые убытки букмекеров. По данным Wikipedia, ежегодный объём незаконных ставок на сговор составляет $100+ млрд. Наша система позволяет клиентам сократить выплаты по подозрительным исходам на 40% в среднем.
Анализ движения коэффициентов
Ключевой индикатор — аномальное движение odds без публичной причины. Алгоритм находит резкие скачки (Z-score > 3) и синхронные движения у большинства букмекеров (steam move). Пример кода:
import numpy as np import pandas as pd from scipy.stats import zscore def analyze_odds_movement(odds_history: pd.DataFrame, match_id: str) -> dict: """ Нормальное движение коэффициентов: реакция на новости (травмы, состав), балансировка позиций букмекером. Аномальное: резкое движение без публичных новостей = инсайдерская ставка. """ match_odds = odds_history[odds_history['match_id'] == match_id].sort_values('timestamp') if len(match_odds) < 10: return {'status': 'insufficient_data'} opening_odds_h = match_odds.iloc[0]['odds_home'] closing_odds_h = match_odds.iloc[-1]['odds_home'] movement_pct = abs(closing_odds_h - opening_odds_h) / opening_odds_h * 100 hours_before_kickoff = (match_odds['kickoff'] - match_odds['timestamp']).dt.total_seconds() / 3600 early_movement_mask = hours_before_kickoff > 12 early_movement_pct = match_odds[early_movement_mask]['odds_home'].pct_change().abs().sum() if 'bookmaker_id' in match_odds.columns: bookmaker_movements = match_odds.groupby('bookmaker_id')['odds_home'].pct_change().abs() sync_movement = (bookmaker_movements > 0.03).groupby(match_odds['timestamp']).mean() steam_detected = (sync_movement > 0.7).any() else: steam_detected = False historical_movement_mean = 5.0 historical_movement_std = 2.5 movement_z = (movement_pct - historical_movement_mean) / historical_movement_std return { 'match_id': match_id, 'total_movement_pct': round(movement_pct, 2), 'early_movement_pct': round(early_movement_pct * 100, 2), 'steam_move_detected': steam_detected, 'movement_z_score': round(movement_z, 2), 'anomaly': movement_z > 3 or (early_movement_pct > 0.05 and steam_detected), 'risk_level': 'high' if movement_z > 4 else ('medium' if movement_z > 3 else 'low') } Анализ игровой статистики
Каждый игрок имеет season baseline. Если в матче он показывает аномально низкую дистанцию, мало касаний или реализует меньше xG, система фиксирует underperformance score. N-граммовые сверточные сети (CTCN) выявляют нехарактерные последовательности действий.
Как мы оцениваем underperformance игрока?
Мы строим baseline по 20 последним матчам. Для каждого метрика (дистанция, спринты, точность пасов) вычисляется z-score относительно baseline. Если игрок отклоняется более чем на 2 сигмы, это фиксируется как подозрительное. Дополнительно проверяется аномальная последовательность — например, резкое снижение дистанции после перерыва при отсутствии замены.
Паттерны ставок
Скоординированные ставки — это синхронные крупные ставки от разных аккаунтов на один исход. Детекция через временную кластеризацию (ставки в течение 5 минут) и проверку на круглые суммы (индикатор сговора). Графовые нейронные сети (GNN) строят связи между аккаунтами.
| Метод | Без системы | Наша система |
|---|---|---|
| Recall | 63% | 91% |
| Precision | 72% | 87% |
| Ложные срабатывания на 1000 матчей | 28 | 13 |
Что входит в работу
- Аудит текущей системы сбора данных — анализ доступных логов, API, форматов.
- Разработка pipeline сбора и нормализации — Kafka/RabbitMQ, парсинг источников.
- Обучение ансамблевой модели — оптимизация precision/recall под бизнес-цели.
- Deployment — on-premise или облачный (AWS/GCP), REST API + webhook'и.
- Документация — API spec, дашборд Grafana, руководство оператора.
- Обучение персонала — 2 дня тренинга для аналитиков.
- Поддержка 3 месяца — мониторинг дрейфа, ретрайн модели.
Процесс работы
Аналитика → Проектирование архитектуры → Разработка модулей → Тестирование на исторических данных → A/B тест в продакшене → Деплой → Мониторинг и доработка.
Ориентировочные сроки
- MVP (только odds movement + performance baseline + дашборд): 4-5 недель.
- Полный продукт (все модули + GNN + NLP + real-time алерты): 3-4 месяца.
Стоимость рассчитывается индивидуально — зависит от количества источников, сложности интеграции и требований к latency. Мы даём фиксированную цену после аудита.
Свяжитесь с нами, чтобы получить консультацию и оценку вашего проекта. Опыт команды — 7+ лет, 50+ успешных внедрений. Гарантируем конфиденциальность и соответствие стандартам ESSA. Закажите аудит вашей системы — мы покажем, где кроются скрытые угрозы.