Diventare ricchi con le scommesse usando l'intelligenza artificiale

Confesso: il titolo l'ho scelto io. Doveva essere abbastanza scandaloso da farti cliccare e abbastanza onesto da non farti sentire preso in giro alla fine. Se sei qui per la formula magica, ti risparmio dieci minuti: non c'è. Se sei qui per capire come funziona davvero il gioco — e perché quasi tutti quelli che provano a batterlo finiscono per finanziare il montepremi di qualcun altro — accomodati.

Per mesi, nel nostro laboratorio, abbiamo costruito un sistema per prevedere i risultati del calcio. Non un pronostico da bar: un modello probabilistico vero, con dati, validazione e test fuori campione. L'obiettivo dichiarato era nobile: trovare un vantaggio misurabile contro i bookmaker. L'obiettivo implicito era meno nobile: diventare ricchi. Il primo non l'abbiamo trovato. Il secondo, di conseguenza, nemmeno.

Cosa abbiamo costruito (in due righe)

Il dataset contiene 173.165 partite di 13 campionati, dal 1993 al 2026. Le quote pre-partita coprono il 98% delle partite dal 2000 in poi, con una quota di riferimento per partita presa da un solo bookmaker: mai mischiando prezzi diversi nello stesso evento.

Sopra ci abbiamo messo quattro modelli: una frequenza di lega come riferimento («non sapere nulla»), un Poisson indipendente, un Dixon-Coles e una rete neurale. Tutti producono la stessa cosa: una matrice 11×11 con la probabilità di ogni punteggio da 0-0 a 10-10, più la coda oltre i 10 gol. Da quella matrice derivano 1X2, Under/Over, Goal/NoGoal e risultato esatto: un solo modello, nessuna incoerenza fra mercati.

Regola ferrea: le quote non entrano mai nelle feature. Il modello deve prevedere la partita, non ripetere il prezzo. Le quote le usiamo solo dopo, per giudicare. Se il modello sbircia il mercato non stiamo misurando un'idea: stiamo misurando una fotocopia.

La validazione è sulle stagioni 2019-2022. Il test 2023-2026 l'abbiamo aperto una volta sola, alla fine, come si fa con le cose serie. Spoiler: non è cambiato nulla.

Prima lezione: il banco parte con cinque gol di vantaggio

Il bookmaker non indovina il futuro. Applica un margine. Prendi le tre quote di un 1X2, trasformale in probabilità implicite e sommale: non fa 100%, fa di più. Quel di più è il suo compenso. Nel nostro dataset il margine medio di Bet365 è sceso dal 9,2% del 2005-09 al 4,9% del 2015-19, per poi risalire al 6,0% nel 2020-24. Nel 2020-24 William Hill sta intorno al 7,5%, Interwetten al 7,1%.

Sembra poco. Non lo è. Un margine del 6% significa che, per andare in pari, devi essere più bravo del mercato di sei punti percentuali. Non più bravo del tuo vicino di casa: più bravo del prezzo. E il prezzo è fatto da chi ha più dati, più soldi e più tempo di te.

Poi c'è il dettaglio che rovina la festa a chi punta sui colpi a sorpresa: il favourite-longshot bias. Le quote alte promettono più di quanto mantengono. Ecco cosa succede puntando sempre una fissa su ogni fascia di probabilità, dal 2000 al 2026:

Tabella 1 — ROI di una puntata fissa per fascia di probabilità implicita (2000-2026).

Gli outsider sono quelli che pagano il conto: −26,7% di ROI nella fascia intorno all'8% di probabilità. I grandi favoriti perdono «solo» l'1,2%, ma perdono, e l'incertezza è di circa un punto: non si distingue da zero. Nessuna fascia, nel periodo 2000-2026, ha restituito un ROI positivo. Non è una legge di natura: è la fotografia di un mercato che, nel complesso, sa quello che fa.

Seconda lezione: il mercato batte il nostro modello

Il modello più semplice, il Dixon-Coles, ottiene un RPS di 0,2133 sul 1X2. La rete neurale, con tutte le feature di squadra, scende a 0,2085. Il mercato, depurato dal margine con la stessa procedura, sta a 0,2007. Più basso è meglio: il mercato vince.

Tabella 2 — Confronto sulla validazione 2019-2022 (8.723 partite). RPS e log-loss: più bassi sono meglio.

Non è un dettaglio statistico. È la brutta notizia di fondo. Il mercato non è un avversario stupido da smontare con un notebook e una GPU: è un aggregato di informazioni, incluse formazioni, infortuni, notizie dell'ultimo minuto e soldi veri che si muovono. Una versione estesa, con Elo, tiri e angoli, ha chiuso circa metà del divario. Il modello di produzione, che non vede formazioni né infortuni, resta quello base. Ha smesso di perdere meno. Non ha cominciato a vincere.

E c'è un altro fatto, ancora più fastidioso: il nostro riferimento è un book per partita, non necessariamente il più affilato. Contro un operatore come Pinnacle, che accetta puntate grosse e non regala nulla, il divario sarebbe probabilmente più largo, non più stretto.

Terza lezione: l'IA è conservativa per costruzione

Qui arriviamo al cuore del titolo. Il risultato esatto è il mercato più affascinante del calcio: «questa partita finisce 4-0» è una frase che sembra una previsione, non una scommessa. Ed è anche il mercato più crudele.

Sul nostro campione di validazione, la rete indovina il punteggio esatto il 13,3% delle volte. Il risultato esatto è tra i primi tre punteggi del modello nel 33% dei casi. Tradotto: in due partite su tre, il risultato esatto non è nemmeno sul podio del modello.

Il numero che fa male è un altro. Indovinare sempre 1-1 avrebbe azzeccato il 12,9% delle partite. La rete, con embedding e feature, arriva al 13,3%. Quattro decimi di punto percentuale sopra la strategia del nonno. Non è zero, ma non è il colpo di genio che ti compra una casa.

Perché il modello è così prudente? Perché è addestrato a esserlo. La funzione di perdita — l'entropia incrociata sul punteggio osservato — premia le probabilità oneste e punisce le scommesse spericolate. Se dai il 2% a un 4-0 e il 4-0 non arriva, perdi poco. Se gli dai il 10% e non arriva, perdi molto. Il modello impara presto che il suo interesse è stare vicino al centro della distribuzione, non inseguire i picchi.

C'è anche un motivo strutturale. Poisson impone che la varianza sia uguale alla media. Il calcio reale è un po' più disperso: le goleade esistono, e non sono tutte rumore. Dixon-Coles corregge i punteggi bassi — 0-0, 1-0, 0-1, 1-1 — ma non fa nulla per allargare la coda alta. La regolarizzazione e lo shrinkage verso la media fanno il resto: ogni squadra viene tirata verso il centro, ogni stima viene ammorbidita, ogni eccesso viene raffreddato. Il risultato è un modello che non sbaglia quasi mai di grosso e non azzecca quasi mai il colpo grosso.

Lo vediamo nei numeri di calibrazione. Sul test 2023-2026 il modello prevede Over 2.5 al 48,7%, ma l'Over 2.5 si verifica al 51,7%. Prevede 2,634 gol totali a partita; ne arrivano 2,718. Prevede 1,151 gol della squadra ospite; ne arrivano 1,221. Sovrastima casa e pareggio, sottostima trasferta e Over. Non è rotto: è tirato verso il centro.

Il 4-0 è l'esempio perfetto. Nel nostro periodo di test succede nell'1,6% delle partite: non è la norma, ma non è nemmeno fantascienza. Ma una probabilità dell'1,6% vale una quota equa di 62,5. Per guadagnarci, il bookmaker dovrebbe offrirti più di 62,5. Se te ne offre 50, non è un'occasione: è il prezzo che il banco ti dà per un evento che lui sa essere più raro di quanto sembri. E il margine su questi mercati è notoriamente più alto di quello dell'1X2.

A questo aggiungi che la matrice si ferma a 10 gol per squadra. Qualcuno potrebbe pensare: «ecco il problema, i picchi sono fuori dalla griglia». No. La massa di coda oltre i 10 gol è dello 0,00027%: allargare la griglia non cambierebbe nulla. Il problema non è il tetto. È la forma della distribuzione.

Il modello non sbaglia perché è stupido. Sbaglia perché è addestrato a non stupire.

Quarta lezione: i dati che mancano (e i conti che non tornano)

Un modello è bravo quanto i dati che lo nutrono. E qui abbiamo sbattuto contro tre muri, tutti reali.

Primo muro: le quote non hanno un orario. La fonte le raccoglie il venerdì pomeriggio per le partite del weekend, due o tre giorni prima del fischio. Non sappiamo cosa facesse il mercato un'ora prima. Un backtest «a T ore dal kickoff» non è eseguibile con questi dati: possiamo solo confrontare due istanti fissi, pre-closing e chiusura. E la chiusura di mercato, quella degli aggregati, è disponibile solo dal 2019.

Secondo muro: le quote di Under/Over e del risultato esatto non sono mai state ingerite. Possiamo derivare il modello di Over 2.5 dalla matrice, ma non abbiamo il prezzo di mercato con cui confrontarlo. Sul risultato esatto non abbiamo nemmeno quello: senza quote storiche, l'unico test economico possibile è il forward logging, cioè registrare le quote prima del fischio e aspettare. Mesi. Forse anni.

Terzo muro: SNAI. Siamo riusciti a scaricare il palinsesto automatizzando l'handshake TLS di un browser, senza browser e senza display. Una soddisfazione tecnica notevole, per carità. Ma il palinsesto è la fotografia di adesso: non c'è uno storico, e ogni fetch sovrascrive il precedente. Abbiamo imparato a leggere le quote. Non abbiamo imparato a batterle. E, per completezza: quella raccolta è quasi certamente contro i termini di servizio del bookmaker. Non è un dettaglio che si può mettere sotto il tappeto.

Quinta lezione: anche un modello perfetto non basta

Supponiamo per un momento che il modello batta il mercato di due punti percentuali. Non è il nostro caso, ma facciamo finta. Due punti sono un edge? Sì, in teoria. In pratica devi ancora fare i conti con tre cose.

La prima è il volume. Un edge del 2% su cento scommesse è rumore; su diecimila è una tendenza. Ma per fare diecimila scommesse serve un bankroll che sopravviva alle serie negative. E le serie negative arrivano sempre, anche quando l'edge è vero.

La seconda è il prezzo. Il mercato si muove. Se il modello dice «valore» a 2,10 e tu trovi 2,05, il valore è già evaporato. I professionisti non guardano solo la quota: guardano se il prezzo si muove verso di loro dopo che hanno puntato. Si chiama closing line value. Se batti la chiusura in modo sistematico, hai un segnale. Se non la batti, stai solo pagando il margine con più eleganza.

La terza sono i limiti. I bookmaker non sono enti di beneficenza: se vinci, ti abbassano i limiti, ti chiudono l'account o ti invitano a giocare altrove. Un edge che non puoi scommettere non è un edge: è un bel grafico in un notebook.

E poi c'è la matematica del «diventare ricchi». Per trasformare 100 euro in 10.000 con un edge del 2% non basta crederci: serve tempo, turnover e una gestione del rischio che non ti faccia saltare alla prima serie sfortunata. Senza edge, invece, il tempo lavora contro di te. Il banco non ha fretta. Tu sì.

Cosa servirebbe per provarci seriamente

Non voglio lasciarti con un «non si può fare». Si può provare, ma va fatto con un protocollo. Questo è quello che servirebbe, e che noi non abbiamo ancora:

• Quote di chiusura e timestamp reali, da più bookmaker, non solo la quota di riferimento pre-partita.
• Forward logging pre-registrato: ogni quota catturata prima del fischio, con la probabilità del modello calcolata in quel momento, la versione del modello e l'hash dei parametri.
• Calibrazione out-of-sample e walk-forward per stagione, non un unico test aperto quando fa comodo.
• Un criterio di successo fissato prima: battere la closing line, non «avere un ROI positivo su un campione scelto a posteriori».
• Migliaia di scommesse, bankroll, drawdown massimo e una regola di stop. Il risultato si legge alla fine, non dopo la terza vittoria.
• Nessun confronto multiplo senza correzione. Se guardi venti segmenti, uno sembrerà magico per puro caso.

Allora l'IA non serve a niente?

Serve. Solo, non a quello che promette il titolo.

Serve a misurare quanto è efficiente il mercato. Serve a scoprire che il favourite-longshot bias esiste e quanto costa. Serve a capire che il nostro modello, per quanto ben fatto, resta dietro a un prezzo che contiene più informazione di quanta ne possiamo mettere noi. Serve, soprattutto, a mettere un numero dove prima c'era un'opinione.

Il nostro modello è un ottimo strumento per capire quanto è difficile. Non è una macchina per stampare soldi. E questa distinzione, in un settore dove chiunque venda corsi e bot promette rendimenti a due cifre, è già un risultato.

Se qualcuno ti vende un sistema che fa il 30% al mese, chiedigli tre cose: il log di ogni singola scommessa, il drawdown massimo e perché sta vendendo il sistema invece di usarlo. Se non ha le prime due e non sa rispondere alla terza, hai già la risposta.

In sintesi

• 173.165 partite, 13 campionati, 1993-2026: il dataset non è il problema.
• Il margine dei bookmaker è tra il 5% e il 7,5% sull'1X2: si parte in svantaggio.
• Nessuna fascia di probabilità, dal 2000 al 2026, ha dato ROI positivo puntando a quota fissa.
• Il mercato batte tutti i nostri modelli: RPS 0,2007 contro 0,2085 della rete.
• Sul risultato esatto la rete indovina il 13,3% delle volte; sempre 1-1 avrebbe indovinato il 12,9%.
• Il modello sottostima i gol (2,634 contro 2,718) e l'Over 2.5 (48,7% contro 51,7%). I picchi, 4-0 in testa, restano fuori dal centro della distribuzione.
• Non abbiamo un edge. Abbiamo una misura onesta di quanto sia difficile trovarne uno.

---

Questo articolo racconta un esperimento di ricerca e non è un consiglio finanziario né un invito a scommettere. Il gioco d'azzardo può causare dipendenza: se il gioco non è più un gioco, chiedi aiuto. In Italia il numero verde per il gioco d'azzardo patologico è 800 558 822.