Problemstellung
Wetten auf die NHL ist kein Kinderspiel – es ist ein Schachspiel auf Eis, bei dem jede Linie, jeder Freeze‑Frame zählt. Der Kern? Vorhersagen, die mehr als Glück erfordern. Hier kommt die Statistik ins Spiel, nicht als trockenes Lehrbuch, sondern als scharfe Klinge, die jedes Unwetter zerschneidet.
Die gängigsten Modelle
Poisson‑Verteilung
Ein klassischer Ansatz: Tore als seltene Ereignisse, verteilt nach Poisson. Kurz gesagt: Wie oft „pupsen“ die Netze? Der Vorteil: Simpel, schnell, intuitiv. Der Nachteil: Ignoriert Momentum, ignoriert Spezialteams. Trotzdem ist sie das Rückgrat vieler erster Analysen.
Logistische Regression
Hier wird das Ergebnis zu einer Wahrscheinlichkeit, nicht zu einer festen Zahl. Eingangsvariablen wie Schussanteil, Power‑Play‑Rate und Torwart‑Save‑Percentage fließen ein. Ergebnis: Ein Wahrscheinlichkeits‑Score, der Wettquoten fast direkt entspricht. Praktisch, solange man die Daten sauber hält.
Elo‑Rating mit Anpassungen
Ursprünglich für Schach, jetzt auf das Eis übertragen. Jeder Sieg zieht Punkte, jede Niederlage drückt sie. Ergänzt um Heimvorteil‑Faktor, Spielgeschwindigkeit, und sogar die Temperatur im Stadion. Resultat: Ein dynamisches Rating, das sich mit jedem Spiel neu justiert.
Daten, die zählen
Statt nur die Grundzahlen zu schaufeln, grabt tief. Corsi‑Statistiken, Fenwick, Expected Goals (xG) – das sind die Goldadern. Und nicht zu vergessen: Verletzungen, Reisestraphe, sogar die Anzahl der „Corsi‑Turns“ in der letzten Zehner‑Minute. Wer diese Werte ignoriert, wirft das Netz im Dunkeln.
Fallstricke und Overfitting
Zu viele Faktoren, zu wenig Daten – das klassische Stolpern. Ein Modell, das jede einzelne Line‑Change berücksichtigt, ist schön auf dem Papier, aber im echten Spiel überfrachtet. Hier gilt: Simpler wins. Und das Prinzip der „Cross‑Validation“ sollte man wie ein Mantra rezitieren.
Praktisches Vorgehen für Wettprofis
Start: Historische Daten von eishockeywettennhl.com herunterladen. Dann: Ein Basis‑Poisson‑Modell aufsetzen, um die Grundtendenz zu erfassen. Danach: Logistische Regression hinzufügen, um Spezialsituationen zu gewichten. Zum Schluss: Das Elo‑Rating verfeinern und wöchentlich neu kalibrieren.
Und hier ist der Deal: Sobald das Modell einen Stabilitäts‑Score von über 0,78 erreicht, setze den ersten Live‑Wettbetrag. Keine halben Sachen. Kalibriere jede Nacht, beobachte Abweichungen, und justiere den Hebel, bevor das Spiel überhaupt anläuft.