In diesem Jahr forderte Nate Silvers FiveThirtyEight die Leser dazu auf, die Ergebnisse von NFL-Spielen besser vorherzusagen als der Prognosealgorithmus. Das Ergebnis? Weniger als 2% der 20.352 teilnehmenden Leser haben den Elo-Algorithmus von FiveThirtyEight bestanden.

Ich war einer von ihnen

Mit einer Kombination aus Datenquellen und 30 verschiedenen Projektionsmodellen belegte ich den 190. Platz von 20.352 Teilnehmern. Elo von FiveThirtyEight platzierte sich auf Platz 432. Nate Silver selbst belegte den 406. Platz.

Hier ist die Tabelle, mit der ich mich auf den Weg nach oben gemacht habe - lesen Sie weiter, um zu erfahren, wie ich es gemacht habe.

Die Tabelle, die ich verwendet habe, um 30 Modelle und 3 Datenquellen zu verfolgen, um FiveThirtyEight bei seinem eigenen NFL-Vorhersagespiel zu überlisten

Wie FiveThirtyEight NFL Predictions Game funktioniert

Das NFL-Tippspiel von FiveThirtyEight ist das erste seiner Art für das Spielen von NFL-Ergebnissen. Im Gegensatz zu den meisten NFL-Wettmärkten, Fantasy-Football-Herausforderungen oder Gewinnspielen werden Sie von FiveThirtyEight gebeten, für jedes Match eine Wahrscheinlichkeitsprognose zu erstellen. Wählen Sie dabei A) die Siegermannschaft und B) die Zuversicht, dass Ihr ausgewähltes Team gewinnt. FiveThirtyEight erklärt:

"Nach jedem NFL-Spiel werden Sie Punkte gewinnen oder verlieren, je nachdem, ob Sie das Gewinnerteam ausgewählt haben und wie sicher Sie waren, dass es sich durchsetzen wird." Je höher die Gewinnwahrscheinlichkeit, die Sie einem Team zuweisen, desto mehr Punkte können Sie verdienen - aber auch desto mehr können Sie verlieren. “
So spielen Sie unser NFL-Tippspiel, FiveThirtyEight.com

Das Bewertungssystem basiert auf Brier-Ergebnissen, die die Genauigkeit von Vorhersagen belohnen und übermäßiges Vertrauen bestrafen. Das Spiel verfolgte die Gesamtpunktzahl jedes Spielers während der gesamten Saison und lieferte Ranglisten für die gesamte Saison, jede Woche, die zweite Saisonhälfte und die Nachsaison, in der die Punkte verdoppelt wurden.

Meine Datenquellen

Um die Prognosen von FiveThirtyEight zu übertreffen, habe ich zwei weitere Datenquellen in meinen Prozess einbezogen: die Crowd-Pick-Verteilung von Yahoo und eine Zusammenstellung der Wettquoten von Vegas Bookmaker.

Die Crowd-Pick-Distribution von Yahoo ist als Teil des Pro Football Pick'em-Spiels verfügbar. Es zeigt die Verteilung der Picks durch die mehr als 36.000 Fans, die jede Woche spielen.

Crowd-Pick-Verteilung Woche 1 von Yahoo Pro Football Pick'em

Diese Auswahlverteilungen sind natürlich keine Gewinnwahrscheinlichkeiten, aber ich stellte die Hypothese auf, dass sie eine nützliche Ergänzung meiner Prognosen sein könnten, um die Unterstützung der Bevölkerung für ein Team zu messen.

Die zweite Datenquelle, die ich benutzte, war eine Zusammenstellung von Vegas-Buchmacherquoten. Ähnlich wie bei der Yahoo-Auswahlverteilung könnte dies als ein Maß für die Menge dienen, mit möglicherweise noch größerer Genauigkeit, da es sich um echte Wetten mit tatsächlichem Geld auf der Linie handelt.

Anstatt die Gewinnchancen eines einzelnen Buchmachers zu verwenden, suchte ich nach einer Quelle, die mehrere Buchmacher zusammenfasste, um die Vorurteile eines einzelnen Buchmachers im Laufe einer Saison zu neutralisieren. Ich hatte Glück, als ich OddsPortal.com fand, einen europäischen Wettquoten-Überwachungsdienst. Es bietet sowohl historische als auch Echtzeit-Durchschnittsquoten von 13 bis 14 Buchmachern kostenlos an.

OddsPortal.coms NFL-Gewinnchancen

Ich habe OddsPortals American (a.k.a. "Moneyline" oder "US Odds") in Wahrscheinlichkeitsprozentsätze mit der folgenden Formel konvertiert, wobei z die Moneyline ist:

Für Favoriten: z / (z-100)

Für Außenseiter: 100 / (z + 100)

Ich habe die Gewinnchancen auf einen ganzen Prozentsatz gerundet und dann die Wahrscheinlichkeit des Gewinners von 1 abgezogen, um sicherzustellen, dass die beiden zu 100% addiert wurden (die Gewinnchancen beinhalteten den Zuschlag der Buchmacher und hätten allein nicht zu 100% addiert).

Benchmarking mit der Saison 2016–2017

Um einen Eindruck von der historischen Leistung jeder Datenquelle zu bekommen, habe ich Daten aus der vorherigen NFL-Saison 2016–2017 gesammelt. Dies wäre mein Maßstab für das Experimentieren mit verschiedenen Kombinationen von Datenquellen in verschiedenen Projektionsmodellen.

Ich habe die Wayback-Maschine verwendet, um historische Daten zur Crowd-Pick-Verteilung von Yahoo zu erhalten. Zum Glück war der Großteil der Saison und ein Teil der Nachsaison verfügbar.

FiveThirtyEight Elo-Projektionen für 2016–2017 waren ebenso verfügbar wie die historischen Geldlinien von OddsPortal.

Ich habe mit dem Kopieren und Einfügen der Daten aus jeder Quelle in diese Google-Tabelle begonnen. Ich habe den Spielcode von FiveThirtyEight auf GitHub nachgeahmt, um die Art und Weise zu reproduzieren, wie sie mithilfe von Brier-Scores Punkte berechnet haben. So wird dieser Code in meiner Tabelle in Gleichungen umgewandelt:

Brier Ergebnisse:

= (Wahrscheinlichkeit - Ergebnis des Spiels) * (Wahrscheinlichkeit - Ergebnis des Spiels)

wobei das Ergebnis des Spiels = 1 für die gewinnende Mannschaft und 0 für die verlierende Mannschaft ist.

Spielpunkteberechnung:

= wenn (Runde (25- (100 * Wahrscheinlichkeit), 1) <0, Runde (25- (100 * Wahrscheinlichkeit) +0.001,1), Runde (25- (100 * Wahrscheinlichkeit), 1)

(Dies schließt die Rundungsoptimierung ein, die FiveThirtyEight ein paar Wochen in der Saison hinzufügte.)

Schauen wir uns ein Beispiel an: das erste Spiel der Saison 2016–2017, ein Super Bowl-Rückkampf zwischen den Carolina Panthers und den Denver Broncos.

Im oberen Bild können Sie sehen, dass die Yahoo-Crowd Carolina mit einer 81% igen Chance, das Spiel zu gewinnen, stark favorisierte. FiveThirtyEight's Elo, der sich in der Nachsaison seit dem Super Bowl-Sieg in Denver kaum verändert hatte, favorisierte die Broncos mit 60%. Vegas-Buchmacher haben Carolina mit 59% fast als Spiegelbild-Favorit eingestuft. Denver hat das Spiel gewonnen.

Im unteren Bild wurden die Punkte gemäß dem Sieg von Denver berechnet. Elo von FiveThirtyEight schnitt mit einem Brier von 0,16 (näher an 0 ist besser) am besten ab und erhielt 9 Punkte. Das Yahoo-Publikum schnitt am schlechtesten ab und zeigte sich bei der falschen Wahl der Panthers mit einem Brier von 0,66 und einem Verlust von 40,6 Punkten ziemlich zuversichtlich. Vegas verlor ebenfalls Punkte, verlor aber nur 9,8 Punkte, weil es bei der Wahl der Panthers nicht so zuversichtlich war.

Ich habe die Brier-Ergebnisse und -Punkte für alle drei Datenquellen für 262 Spiele in der Saison 2016–2017 berechnet. (Ich habe nur die Divisions-Meisterschaftsspiele in den Playoffs und im Super Bowl ausgeschlossen, da auf der Wayback Machine keine Daten für Yahoo-Crowd-Distributionen verfügbar sind.)

Wenn FiveThirtyEight ihr Spiel im letzten Jahr gestartet hätte, hätten sich diese drei Datenquellen für sich genommen wie folgt entwickelt:

  • Vegas Odds Composite: 880,5 Punkte
  • FiveThirtyEight Elo: 800,2 Punkte
  • Yahoo Crowd Pick Distribution: 278,5 Punkte

Vegas war genauer als FiveThirtyEight. Beide waren weitaus besser als die Crowd Distribution von Yahoo.

Ich hätte zu diesem Zeitpunkt entscheiden können, Vegas-Gewinnchancen einfach als Leitfaden für das diesjährige Spiel zu verwenden, war jedoch gespannt, ob Variationen und Kombinationen der drei Datenquellen zu einer höheren Punktzahl führen würden.

30 Modelle

Um die Elo-Prognosen von FiveThirtyEight zu übertreffen, habe ich mit 30 verschiedenen Methoden experimentiert, die die drei verfügbaren Datenquellen gemischt, abgeglichen und angepasst haben, wobei jede Methode auf den Datensatz von 262 Spielen in der Saison 2016–2017 angewendet wurde. Um die Sache einfach zu halten, habe ich für Playoff-Spiele keine doppelten Punkte gesammelt. Hier finden Sie eine kurze Erläuterung der einzelnen Modelle und ihrer Funktionsweise:

  • FiveThirtyEight Elo (800,2 Punkte)
  • Yahoo Crowd Pick Distribution (278,5 Punkte)
  • Vegas Odds Composite (880,5 Punkte)
  • Modell 1: Durchschnitt zwischen FiveThirtyEight und Yahoo. Trotz der Kombination von FiveThirtyEight mit einer Datenquelle, die im Durchschnitt für sich genommen deutlich schlechter abschnitt, schnitt sie etwas besser ab (816,0 Punkte gegenüber FiveThirtyEight mit 800,2).
  • Modell 2: Mittelpunkt zwischen fünfunddreißig und 50%. Angesichts der Tatsache, dass das Spiel zu viel Selbstvertrauen nach sich zog, würde eine leichte Kastration von Elo zu einer besseren Leistung führen. Es hat nicht. (635,2 Punkte)
  • Modell 3: Wenn Leader mit FiveThirtyEight nicht einverstanden ist, treffen Sie keine Wahl. Dies war mit einer Übung verbunden, die ich letztes Jahr durchgeführt habe, bei der ich 200 Experten und Reddits Algorithmus für die Kommentarrangfolge verwendet habe, um meinen NFL-Auswahlpool im Büro zu gewinnen. Ich habe nachverfolgt, welcher Experte im Verlauf der Saison die beste Leistung erbracht hat, und für dieses Modell habe ich, wenn der führende Experte zu der Zeit nicht mit FiveThirtyEight einverstanden war, überhaupt keine Wahl getroffen. Meine Hypothese war, dass zwei Quellen, denen ich vertraute, nicht übereinstimmten und ich daher kein Vertrauen haben sollte, welches Team ich auswählen sollte, um zu gewinnen. (808,8 Punkte)
  • Modell 4: Wenn Leader mit FiveThirtyEight nicht einverstanden ist, treffen Sie eine Auswahl für die Spiegelung. Diese Hypothese besagte, dass der führende Experte bei der Auswahl der Gewinner tatsächlich besser als FiveThirtyEight war. Da ich bei diesen führenden Experten keine genauen Wahrscheinlichkeiten hatte, habe ich bei Meinungsverschiedenheiten einfach die Fünfunddreißigacht-Wahrscheinlichkeit als ihre eigene gespiegelt. (772,2 Punkte)
  • Modelle 5–11: Unterschiedlicher Grad des "Aufdrehens des Zifferblatts" bei FiveThirtyEight. Bei diesen Modellen wurden die Prognosen von FiveThirtyEight um 5, 10, 20, 30, 40, 50 oder 100% verbessert. Die Idee war, dass, wenn FiveThirtyEight so gut darin war, Gewinner zu ermitteln, warum nicht all-in auf den Gewinner gesetzt werden sollte? Offensichtlich bestraft das Vorhersagespiel übertriebenes Vertrauen hart, so dass dies einige der Modelle mit der schlechtesten Leistung waren. (+ 5%: 756,1 Punkte, + 10%: 645,2 Punkte, + 20%: 286,7 Punkte, + 30%: -245,0 Punkte, + 40%: -846,7 Punkte, + 50%: -1431,1 Punkte, + 100%: -2750,0 Punkte)
  • Modelle 12–13: Erhöhen Sie das Selbstvertrauen auf 100%, wenn FiveThirtyEight über X liegt. Diese Modelle haben das Zifferblatt zu 100% zugunsten eines einzelnen Teams angehoben, wenn FiveThirtyEight bereits über einer bestimmten Prognose lag. Wenn zum Beispiel FiveThirtyEight einem Team eine Gewinnchance von mehr als 85% gab, dachte ich, ich könnte ein paar zusätzliche Punkte gewinnen, indem ich das Wählrad nach oben bewege, um zu projizieren, dass das Team eine Gewinnchance von 100% hat. Es schnitt nur unwesentlich besser ab. (> 85%: 809,1 Punkte;> 86%: 805,1 Punkte)
  • Modelle 14–15: Steigern Sie das Selbstvertrauen auf 100%, wenn Yahoo über X liegt. In ähnlicher Weise haben diese Modelle die Verteilung der Yahoo-Besucher berücksichtigt, und wenn mehr als 95% der Zuschauer ein bestimmtes Team favorisierten, haben sie das Zifferblatt auf 100% erhöht Dieses Team hat einen deutlichen Vorteil erlangt. Diese Modelle schlugen Vegas zwar nicht, übertrafen jedoch FiveThrityEights Elo. (> 95%: 853,0 Punkte;> 96%: 846,2 Punkte)
  • Modelle 16–18: Vergleichen Sie FiveThirtyEight mit der Masse; Wenn es einen signifikanten Unterschied gibt, geh mit der Menge. Die Idee dabei war, dass der Elo-Algorithmus von FiveThirtyEight einige Informationen nicht enthält, die die Menge möglicherweise hat, z. B. Verletzungen, Spielerruhe oder andere immaterielle Werte. Wenn ich also einen großen Unterschied zwischen der Yahoo-Crowd und FiveThirtyEight sehen würde, könnte ich davon ausgehen, dass es etwas gibt, von dem die Crowd weiß, dass es von Vorteil sein könnte. Der Sweet Spot schien eine Differenz von 32 Prozentpunkten zu sein - wenn diese Lücke existierte, konnte ich einen Vorteil finden und mit der Menge mitgehen. Ich habe versucht, diese Idee zu variieren. (Wenn Lücke, verwenden Sie Yahoo: 899,5 Punkte; wenn Lücke, verwenden Sie Yahoo 100%: 805,2 Punkte; wenn Lücke, durchschnittliches Yahoo & FiveThirtyEight: 766,1 Punkte.)
  • Modell 19: Duplikatmodell; entfernt.
  • Modelle 20–22: Durchschnittswerte der Rohdatenquelle. Dies war mein erster großer Durchbruch. Ich stellte fest, dass die Mittelung aller drei Datenquellen für jedes Spiel die Punktzahl dramatisch verbesserte. Nur Yahoo & Vegas oder nur FiveThirtyEight & Vegas zu berechnen, war nicht so gut, aber dennoch vielversprechend. (Durchschnitt aller drei: 929,5 Punkte; Durchschnitt von Yahoo und Vegas: 837,7 Punkte; Durchschnitt von FiveThirtyEight und Vegas: 907,8 Punkte)
  • Modelle 23–31: Vergleiche FiveThirtyEight mit Vegas; Wenn es einen signifikanten Unterschied gibt, wählen Sie Vegas oder einen Durchschnitt von Vegas mit anderen, andernfalls verwenden Sie einen Durchschnitt. Dies nutzte die Erkenntnisse aus den beiden vorherigen Modelltypen und bewertete diesmal den Unterschied zwischen Vegas und FiveThirtyEight anstelle von Yahoo und FiveThirtyEight. Wenn der Unterschied zwischen Vegas und FiveThirtyEight eine bestimmte Schwelle überschreitet, dann weiß ich, dass es etwas gibt, von dem der Markt weiß, dass es FiveThirtyEight nicht gibt. Deshalb habe ich Vegas direkt verwendet oder den Durchschnitt verwendet, um die Unsicherheit zwischen den verschiedenen Datenquellen auszugleichen. Dieser Modelltyp schnitt sehr gut ab, bis zu 28% besser als die Projektionen von FiveThirtyEight und bis zu 16% höher als Vegas alleine:

Das Modell mit der besten Leistung für die NFL-Saison 2016–2017 war Modell 27, das dieser Logik folgte:

  • Wenn der Unterschied zwischen FiveThirtyEight und Vegas mehr als 13 Prozentpunkte beträgt, nehmen Sie einen Durchschnitt der beiden Quellen.
  • Wenn der Unterschied zwischen 11 und 13 Prozentpunkten liegt, verwenden Sie Vegas.
  • Wenn die Differenz 10% oder weniger beträgt, nehmen Sie einen Durchschnitt aller drei Quellen (Vegas, FiveThirtyEight und Yahoo).

Das Problem bei einigen Modellen in dieser letzten Kategorie war, dass sie anfällig für Überanpassungen wurden. Eine Überanpassung tritt auf, wenn das Modell zu eng mit dem angegebenen Datensatz übereinstimmt und möglicherweise nicht ausreichend geerdet ist, um eine ähnliche Leistung mit anderen Datensätzen zu erzielen. Zum Beispiel gibt es für das Modell 27 keinen logischen Grund, warum Differenzen in mehr als 13 Prozentpunkten zwischen FiveThirtyEight und Vegas gemittelt werden sollten, aber Yahoo, 11–13 sollten Vegas allein verwenden und weniger als der Durchschnitt von alle drei. Es ist mehr als wahrscheinlich, dass die Zufälligkeit in diesem bestimmten Datensatz zu Verbesserungen bei willkürlichen einstelligen Unterschieden geführt hat.

Dennoch blieb die zugrunde liegende Hypothese dieses letzten Modelltyps vielversprechend: Wenn es einen signifikanten Unterschied zwischen Vegas und FiveThirtyEight gibt, weiß der Markt möglicherweise etwas, was FiveThirtyEight nicht weiß.

Strategie und Ergebnisse der Saison 2017–2018

Jetzt, da ich über eine ausreichende Anzahl von Modellen verfügte, die mit fast einer ganzen Fußballsaison vergleichbar waren, konnte ich FiveThirtyEight spielen, da ich wusste, dass ich einen Vorteil hatte.

Während der Saison 2017–2018 sammelte ich jede Woche meine drei Datenquellen (Yahoo Crowd Pick Distribution, FiveThirtyEight Elo und Vegas Odds Composite), fügte sie in meine Tabelle ein und berechnete die Wahrscheinlichkeiten für jedes meiner 30 Modelle.

Die meiste Zeit des Jahres habe ich Modell 25 verwendet, mit Ausnahme von Woche 1, als ich Modell 1 (Durchschnitt von FiveThirtyEight und Yahoo Crowd) verwendete, und Woche 8, als ich nicht im Land war und FiveThirtyEight kopierte, weil ich nicht in der Lage war, meine zu sammeln übliche Daten.

Ich habe mich für Modell 25 entschieden, weil es in der Saison 2016–2017 auf Platz 4 meiner 30 Modelle lag, aber über ausreichende Grundlagen verfügte, um zu glauben, dass es nicht übermäßig anfällig für Überanpassungen wäre.

So funktioniert Model 25: Zunächst wurde geprüft, ob zwischen den Prognosen von FiveThirtyEight und Vegas ein Unterschied von mehr als 10 Prozentpunkten besteht. Wenn es eine Lücke gäbe, würde ich die von Vegas vorgegebene Vorhersage verwenden. Wenn es keine Lücke gäbe, würde ich einen Durchschnitt aller drei ursprünglichen Datenquellen verwenden.

Angenommen, FiveThirtyEight gibt einem Team eine Gewinnchance von 55%, Vegas eine Gewinnchance von 70% und Yahoo-Crowd-Pick-Distribution bevorzugt das gleiche Team mit 80%. Da zwischen FiveThirtyEight und Vegas ein Unterschied von mehr als 10 Prozentpunkten bestand, würde ich die Projektion von Vegas (70%) als meine eigene verwenden. Wenn Vegas dem Team stattdessen eine Gewinnchance von 60% geben würde, würde ich alle drei für 65% mitteln.

Wie hat diese Methode funktioniert? Während der Saison 2017–2018 erzielte FiveThirtyEight Elo 914,6 Punkte, womit er auf Platz 432 im 98. Perzentil landete.

Im Gegensatz dazu erreichte ich 996,2 Punkte und platzierte mich bei 190 von 20.352 Teilnehmern im 99. Perzentil:

Ich belegte den 87. Platz in der Rangliste der zweiten Chance:

In der Nachsaison war es mir nicht so heiß, als ich das 40. Perzentil einsetzte:

Meine beste Einzelwoche war Woche 7, als ich im 99. Perzentil den 53. Gesamtrang belegte:

Wenn ich das Modell 25 das ganze Jahr über konsequent eingesetzt hätte, hätte ich auf dem 78. Platz fast 100 Punkte mehr für insgesamt 1.099,9 Punkte verdient, verglichen mit meinem 190. Platz mit 996,2 Punkten.

Anders als in der Saison 2016–2017, in der verschiedene Modelle eine bessere Leistung erzielten als jede andere Datenquelle, übertraf Vegas in dieser Saison den Rest im Alleingang. Es hat 1.230,1 Punkte verdient, was es auf Platz 16 von 20.352 Teilnehmern gebracht hätte!

So hätten sich alle 30 Modelle und 3 Datenquellen gegenübergestellt:

(Beachten Sie, dass die Modelle 3 und 4 nicht gut genug waren, um weiterhin die Zeit zu investieren, die für die Zusammenstellung des Modells benötigt wurde. Daher habe ich es in der ersten Saison einige Wochen nicht mehr verwendet.)

Schlussfolgerungen

Ein Blick in die nächste Saison

Mit dieser Saison in den Büchern habe ich jetzt insgesamt 528 Spiele in meiner Datenbank, die die letzten beiden NFL-Spielzeiten umfassen. Interessanterweise schnitt Vegas in der Saison 2016–2017 nur schwach gut ab, während es in einer anderen Saison 23% besser abschnitt als FiveThirtyEight.

Vorausgesetzt, FiveThirtyEight setzt das Spiel nächstes Jahr fort, werde ich wahrscheinlich nur dem Markt folgen und das Vegas-Gewinnchancen-Komposit verwenden, um meine Prognosen zu erstellen. Als Faustregel gilt, dass es eine Herausforderung ist, den Markt zu schlagen. Wenn ich jedoch gegen Personen antreten möchte, die ihre Auswahl mit FiveThirtyEight's Elo verankern, ist es ein mächtiges Werkzeug, einfach den Markt zu nutzen.

Es ist erwähnenswert, dass der Markt Elo auf lange Sicht nicht unbedingt schlagen muss. Nate Silver hat kommentiert, dass beim Backtesting von Elo gegen den Markt der Spread nur 51% der Zeit übertroffen wurde.

Ich wäre gespannt, wie andere Spieler auf der Bestenliste den Markt schlagen. Wenn Sie dieses Jahr das FiveThirtyEight NFL-Tippspiel gespielt haben und bereit sind, Ihren Ansatz mitzuteilen, kommentieren Sie unten oder setzen Sie sich mit uns in Verbindung (@dglid hier und auf Twitter).

Ich denke darüber nach, nächstes Jahr ein paar andere Datenquellen aufzunehmen, nämlich den NFL Football Power Index von ESPN und die DVOA Ratings von Football Outsider. Leider ist es ziemlich umständlich, FPI Woche für Woche zu sammeln, und DVOA berücksichtigt keine einzelnen Spiel-Matchups. Wenn Sie wissen, wo Sie diese Daten einfach und effektiv abrufen können, lassen Sie es mich wissen.

Zur Entwicklung probabilistischer Prognosefähigkeiten

Das NFL-Prognosespiel von FiveThirtyEight ist eine der besten Anwendungen, mit denen ich probabilistische Prognosen unterrichten kann. Das Spiel bietet Anreize für eine sorgfältige Berücksichtigung aller Faktoren und entmutigt Experten, die alles oder nichts voraussagen.

Im Laufe der Saison wurde ich von Problemen mit den Favoriten, die ich bei 70%, 80% und sogar über 90% hatte und die wahrscheinlich gewinnen würden, gedemütigt. Ich habe mich auf den Schmerz eingestellt, so viele Punkte zu verlieren, als ich mir über das Ergebnis so sicher schien.

Wenn ich eines gelernt habe, ist eine Gewinnchance von 70% überhaupt nicht sicher. Wenn wir das alle vor der Wahl 2016 erfahren hätten ...

Koda

Vielen Dank an Jay Boice, Aaron Bycoffe und Gus Wezerek von FiveThirtyEight für die Erstellung dieses Spiels. Gut gemacht Jungs.

Herzlichen Glückwunsch an Dave Dexter, der das Spiel gewonnen hat, Han Zhang, der so viele Wochen an der Spitze der Rangliste stand, Neil Paine, der uns alle glauben ließ, dass das Spiel manipuliert wurde, und Terry Zhang, der das 0. Perzentil hartnäckig verfolgt.

Vielen Dank an Justin Carstens für das großartige Gespräch im Kommentarbereich während der gesamten Saison.

Schließlich vielen Dank an meinen guten Freund Jay Sher, der mich auf etwas aufmerksam gemacht hat, von dem er wusste, dass es in meiner Gasse liegen würde.

Gefällt dir dieser Beitrag? Schauen Sie sich den Beitrag des letzten Jahres an: Wie ich mit 200 Experten und dem Kommentar-Ranking-Algorithmus von Reddit meinen NFL-Auswahlpool im Büro gewonnen habe. Wie mache ich dieses Jahr? Nicht so heiß - ich belegte den 4. Platz in meinem Pool, ein paar Siege unter Vegas und FiveThirtyEight.