Forfatterens note: Den optimale beslag og regneark for 2019-turneringen, der er baseret på den samme metode nedenfor, er nu tilgængelig her.

Forfatterens note: Turneringen er afsluttet! Se min oversigt over, hvordan min beslag gjorde det i mit indlæg "Hvordan jeg korrekt valgte Villanova for at vinde NCAA-mænds basketball turnering 2018"

Forfatterens note: Dette indlæg og mit regneark er blevet opdateret ved hjælp af friske data fra onsdag den 14. marts fra kl. 19.10.

Mens matematikken har ændret sig, har de anbefalede valg i den optimale beslag ikke gjort det. Min anbefaling er at vælge Villanova for at slå Virginia for at vinde det hele, med Duke og Gonzaga, der afslutter Final Four. Find min endelige beslag som indsendt i ESPN Tournament Challenge her.

Ligeledes er ESPN People's Bracket ikke ændret.

FiveThirtyEight-beslaget havde kun én ændring, men en betydelig en. Chefredaktør Nate Silver meddelte, at "med skaden på Virginia's De'Andre Hunter, er Villanova nu den" favorit "til at vinde herreturneringen på 18%." Virginia faldt fra 18% chance for at vinde turneringen til 14% . Publikum har tilpasset sig, og nu har 20% af parenteserne valgt Virginia til at vinde, ned fra 25%. 20% er stadig 6 point højere end Virginia's 14% -chancer, hvilket betyder, at de stadig er ret overvurderede. Selvom Villanova ikke var så god af værdi som for nogle dage siden, er den stadig undervurderet af mængden og stadig den bedste valg i henhold til optimal strategi.

På grund af ændringen til Virginia's chancer er de projicerede point for hver beslag blevet revideret nedad, selvom de forbliver i samme rækkefølge: FiveThirtyEights beslag forventes at få 893 point (nede fra 910); Optimal beslag: 891 (ned fra 906), ESPN's folks beslag: 872 point (ned fra 903); Kridt: 867 (ned fra 899).

Dataene blev fanget inden det andet par første fire spil. Held og lykke!

Dette indlæg er første gang, jeg afslører offentligt den dybdegående metode, jeg bruger til at udfylde min NCAA-basketball turneringsbeslag. Nedenfor deler jeg alle mine egne ressourcer for dig til at dominere din kontorpool, inklusive beslaget, jeg vil bruge i år. Lad os komme ind i det.

Her er et direkte link til mit omfattende regneark, der inkluderer:

  • Den forudfyldte beslag, jeg skal bruge i år, optimeret perfekt til den bedste chance for at vinde din pulje ("Optimal beslag" -ark)
  • Et tomt beslag, som du kan kopiere og udfylde det dynamisk 1) forudsiger antallet af point, som din beslag vil tjene, 2) beregner, hvor længe din beslag er til mængden, 3) måler dit beslags risiko / belønningsniveau, og 4) sammenligner dit beslag til optimal strategi ("Dit beslag" -ark)
  • Komplet placering for hvert hold baseret på vindersandsynlighed, crowd distribution, værdiforskel og optimal strategi (“Rankings” -ark)
  • 4 forudfyldte parenteser, der repræsenterer optimal strategi, FiveThirtyEight's valg baseret på vindersandsynlighed, ESPN's People's Bracket og kridt.
  • Alle de sorte gnistformler og data bag min beslag
  • Indstillinger, der giver dig mulighed for at tilpasse alt ovenstående til din pools punktstruktur ("Punktstruktur" -ark)
Den

Bundlinjen? Vælg Villanova for at vinde det hele mod Virginia, med Gonzaga og Duke, der afslutter Final Four, og Cincinnati, UNC, Purdue og Kansas udfylder Elite Eight. Matematikken i år producerer en ret kridtagtig beslag, hvor Gonzaga er det eneste hold i Elite 8, der ikke er podet 1 eller 2. Hvis du er i en større pulje, kan du overveje at vælge Cincy over Virginia eller Michigan State over Duke. Overvej mørke heste som West Virginia, Kentucky, Houston eller Seton Hall, og potentielle Askepottehold Butler eller Texas.

Læs videre for at lære, hvorfor du skal vælge de otte hold til at gå langt. For instruktioner om, hvordan du bruger regnearket til at oprette din egen beslag, skal du springe til afsnittet "Sådan opbygger du din beslag" mod slutningen af ​​dette indlæg.

Bag galskaben

NCAA marts madness basketball turnering er den mest spændende sportsbegivenhed i verden. Super Bowl, OL og verdensmesterskabet får større opmærksomhed, men ingen steder kan du finde en sådan stor turnering fyldt med summer-beaters og Askepott-historier.

Spændende og tilgængelig med en vis mængde tilfældighed er March Madness den perfekte kandidat til en kontorpool. Jeg har tidligere skrevet om min kærlighed til kontorpuljer, f.eks. Da jeg brugte 200 eksperter og Reddit's kommentarrangeringsalgoritme til at vinde min office NFL-pick'em-pool, eller når jeg overlistede en FiveThirtyEight NFL-forudsigelsesalgoritme. Nu afslører jeg for første gang offentligt den metode, jeg har brugt for at forblive konkurrencedygtig i min kontorpool i marts Madness.

Fra rodfæstelse for hjemmelaget til væddemål som en hedgefondsforvalter

Som en teenager, der voksede op i North Carolina, var strategien for mine tidlige parenteser at vælge hold fra North Carolina for at vinde det hele. Dette var ikke en forfærdelig strategi i betragtning af de historiske succeshold fra North Carolina har haft i turneringen.

På universitetet kæmmede jeg igennem hver ekspertvalg på CBSSports.com og samlet deres "visdom" til min beslag. Dette førte forudsigeligt til meget kridtagtige parenteser fyldt med top seedede hold. Denne strategi virkede tilfældigvis godt i 2008, da alle # 1 frø nåede Final Four, men var ret kedelige i praksis.

For et par år siden blev jeg forelsket i en idé, der blev fremsat af Chris Wilson i denne skiferartikel, der går ind for at vælge vindere som en hedgefondsforvalter:

Det er meget usandsynligt, at du […] vinder, hvis du [vælger publikumsfavoritter]. Selv hvis du får de sidste par spil til de store point, vil en masse andre mennesker også. Mindst en af ​​dem vil sandsynligvis være heldigere end dig. [...]
Tænk ikke på at gætte de mest spil korrekt. Tænk i stedet på at finde "gode tilbud" i beslaget, hvor kollektiv visdom giver anledning til mere objektive målinger. At udnytte spil, hvor dine kolleger i bracketologer sandsynligvis vil gætte forkert - selvom oddsene for, at det stadig er imod dig - vil give dig det bedste skud på at springe foran pakken. En NCAA-beslag er altså mere som en langskudshandel end et spil; oddsen for at vinde kan være lav, men den store pot gør gamble det værd - hvis du ved, hvordan du maksimerer din investering.
Den "kontrariske" strategi, som jeg foreslår her, er ikke ny; korrekt valg af forstyrrelser har altid givet pooljockeyer et stort løft. Hvad der er ændret i de sidste par år er vores evne til at værdsætte risikoen og fordelene ved en given indsats og til at beslutte, om det er det værd. Denne strategi til valg af parentes er ikke så forskellig fra den måde, Wall Street blev besat af modelleringsrisiko på, som Wired har kronisk. Nøglen er at have adgang til to datasæt: visdom-for-folkemængden data fra den nationale beslag og en tabel med mere objektiv statistik. Ved at sammenligne de to vil du være i stand til at vurdere, om du får bang for dit penge, når du kaster dit parti med et underdog-team.

Chris bruger ESPNs ”hvem valgte hvem” til sin visdom-for-folkemængden. Denne fantastiske ressource viser, hvilken procentdel af ESPN-brugere, der valgte hvert hold til at nå hver turneringsrunde.

ESPNs

Chris sammenligner disse data med den statistiske sandsynlighed for, at hvert hold vinder turneringen, som målt af Ken Pomeroy, en vidt respekteret statistikevaluerer for holdets styrke.

Sidste år anbefalede Chris at vælge Gonzaga, der ifølge ESPN var det mest undervurderede hold. De blev valgt til at vinde turneringen af ​​6,9 procent af ESPN-brugerne. Ken Pomeroy gav dem en 20,5 procent chance for at vinde turneringen, hvilket betyder, at de blev undervurderet af mængden med hele 13,6 procentpoint.

I de sidste par år har jeg anvendt denne strategi på hvert turneringsspil, ikke kun for at vinde vinderen. Jeg beregnet forskellen mellem A) sandsynligheden for, at et hold kom til en bestemt runde, og B) procentdelen af ​​ESPN-brugere, der valgte teamet for at nå det til den runde. Derefter tilføjede jeg denne forskel i værdi til holdets gevinstsandsynlighed og udsatte de to komponenter for multiplikatorer, der gav dobbelt vægt til, hvor meget et hold blev over- eller undervurderet.

Denne strategi havde fungeret temmelig godt. I både 2016 og 2017 valgte jeg korrekt et hold, der kom til mesterskabet (Villanova i 2016 og Gonzaga i 2017). Men i år besluttede jeg at gå dybere ned i galskaben og opbygge et system omkring optimal strategi.

Gå ind i optimal strategi

Tidligere i vinter snublede jeg over et gammelt Medium-indlæg af Robby Greer med passende titlen Optimering Your 2016 March Madness Bracket. I det gør han et lignende punkt som Chris gjorde ovenfor. At vælge enten det samme som alle andre eller anderledes end alle andre er begge dårlige strategier for at vinde en beslagspool; den optimale strategi er et sted i midten.

Visualisering af optimal strategi fra Optimering af din 2016 marts Madness Bracket af Robby Greer

Han beskriver den nøjagtige funktion til at finde den optimale strategi:

Et bidrags bidrag til din chance for at vinde er en funktion af oddsene for at pick er korrekt og oddsene for at resten af ​​puljen ikke vælger det samme valg.
Værdien af ​​et beslag er summen af ​​værdierne for alle dets valg, og det beslag, der maksimerer din chance for at vinde, er den med den højeste værdi.
[...]
Nøglen til at forstå denne model er at vide, at den ikke forudsiger de mest sandsynlige vindere, men snarere de mest værdifulde vindere.

Jeg indså hurtigt, at dette kunne overlade min forenklede model, jeg havde brugt, med Robbys indsigt. Så hvad nu? Nå, selvfølgelig, opbyg et regneark.

Into the Madness: Data, formler og parenteser

For at skabe den optimale strategi i regnearksform, havde jeg først brug for data. Ligesom Robby (men i modsætning til Chris), indsamlede jeg mine objektive sandsynlighedsdata fra FiveThirtyEight.

Rundt-for-runde sandsynligheder fra FiveThirtyEight (nøjagtige data, der blev fundet i .csv-download nederst på siden)

De bruger 6 forskellige computerrangeringer (inklusive Ken Pomeroy's, som Chris bruger) såvel som 2 menneskelige genererede placeringer. Heldigvis giver FiveThirtyEights forudsigelser sandsynligheden for, at hvert enkelt hold når frem til hver enkelt turneringsrunde. Jeg eksporterede let disse data til arket “FiveThirtyEight Data”.

Det andet datasæt, jeg havde brug for, var crowd data. Dette ville fortælle mig, hvilke hold der mest sandsynligt dukkede op på konkurrerende parenteser. I modsætning til Robby, der kompilerede data fra CBS ved hjælp af et python-script, kopierede jeg og indsatte ESPNs "hvem valgte hvem" -funktionen i "ESPN Data" -arket (jeg lavede mindre formateringsjusteringer for at understøtte fremtidige vlookups).

For at afslutte opsætningen oprettede jeg et "Point Structure" -ark til beregning af forventede punktværdier for hver beslag. Jeg bruger ESPNs Turneringsudfordring 10–20–40–80–160–320 stilscoring som standard, hvilket spejler de fleste puljer, der bruger derivatet 1–2–4–8–16–32 stilscoring. Dette kan ændres til enhver punktstruktur, der tildeler et bestemt antal point pr. Kamp efter runde. Det understøtter (endnu) ikke forstyrrede bonusser eller andre mere komplekse variationer.

For at bygge et ark, der kunne tjene til mine parenteser, var jeg nødt til at blive kreativ. Heldigvis behøvede jeg ikke at gøre meget af dette selv. Jeg fandt denne fantastiske downloadbare beslagsskabelon fra PLEXKITS, der passer perfekt til mit behov. Skabelonen er temmelig godt designet og understøtter datavalidering, så du kan klikke og vælge et hold fra en dropdown for hvert spil, ligesom en online beslagsvælger. Find dette tomme beslag på "Dit beslag" -ark.

PLEXKITS 'interaktive March Madness Bracket-regneark fra 2017

Oprettelse af min optimale beslag

Med min tomme konsol klar, havde jeg brug for at udfylde den i henhold til optimal strategi:

I lægmandsmæssige vilkår beregnes merværdien af ​​et bestemt valg ved at identificere procentdelen af ​​mængden, der ikke valgte dette hold, multiplicere det med dets sandsynlighed for at komme videre forbi den runde og derefter multiplicere det med de tilgængelige point for den runde.

Lad os forestille os en første runde matchup mellem et # 1 frø og et # 16 frø. FiveThirtyEight fortæller os, at # 1 frøet har en 97 procent chance for at vinde. Antag, at 95 procent af beslagene på ESPN har nr. 1 frø, der vinder spillet. Det betyder, at mængden undervurderer frø nr. 1 med 5 procent i håb om en forfalden forstyrrelse. Vi multiplicerer disse 5 procent med 97 procent chancen for, at de vil tage fejl, svarende til 4,85 procent. Endelig multiplicerer vi disse 4,85 procent med antallet af tilgængelige point til dette spil, 10 i vores tilfælde, hvilket giver os 0,485 point af værdi. Dette betyder, at vi ved at plukke nr. 1-frøet her i gennemsnit kan forvente at gøre 0.485 point ud for dette valg i forhold til mængden.

0,485 = (1–0,95) * 0,97 * 1

0,485 point er ikke meget, især når du overvejer det samlede mulige 1.920 point. Men når al denne ekstra værdi tilføjes på tværs af alle 63 spil, kan det give dig den fordel, du har brug for for at få en gevinst.

Overvej et mere skarpt eksempel, ligesom Gonzaga fra 2017. FiveThirtyEight gav Gonzaga 13,85 procent chance for at vinde hele turneringen, men kun 7,30 procent af parenteser på ESPN valgte Gonzaga til at vinde det hele. Denne forskel på 6,55 procent betød en masse værdi tilbage på bordet for mig at hente. Multipliser 92,7 procent af dem, der ikke valgte Gonzaga med dets sandsynlighed på 13,85 procent, betød 12,84 procentpoint af værdien. Når ganget med mesterskabspilpoint på 320 giver det os 41,08 point af forventet værdi, vi ville få ved at vælge Gonzaga i forhold til mængden.

41.08 = (1-0.073) * 0.1385 * 320

Og det er bare mesterskabet. At tilføje den skjulte værdi på tværs af alle Gonzagas spil, hvis de vandt dem alle, kunne jeg forvente 106,87 point mere end den gennemsnitlige beslag, før jeg trækker fra anden skjult værdi, der ikke blev valgt til fordel for Gonzaga.

Disse beregninger er vist i kolonne I på arket "Optimal bracketberegning" som følger:

= (1-VLOOKUP ($ A2, 'ESPN Data'! $ A: $ M, 13, FALSE)) * VLOOKUP ($ A2, 'FiveThirtyEight Data'! $ A: $ K, 11, FALSE) * 'Punktstruktur '! $ B $ 7

Vi kan se fra dette ark, at de fire højeste værdipluk til at vinde turneringen i år fra hver afdeling, beregnet ud fra den optimale strategi, er Villanova (øst; 105,48 forventet merværdi), efterfulgt af Virginia (Syd; 90,53 point), Duke (Midtvesten; 78,99 point) og Gonzaga (60,34 point).

Jeg brugte dette ark til at udfylde min Optimal Bracket, startende med at vælge Villanova til at vinde alle deres spil, derefter Virginia, og ned på listen, indtil hele beslaget var blevet udfyldt. Det er meget vigtigt at udfylde et beslag “baglæns” ved at starte med den forventede mester. Final Four- og National Championship-kampene, der er under standardskøn, udgør typisk 65 procent af dine point, hvis du vælger dem korrekt. Ofte end ikke, da det ikke er sandsynligt, at du får dem alle korrekt, vil selv en eller to korrekte valg stadig udgøre 50 procent eller mere af dine endelige point.

Den optimale beslag er det, jeg vil bruge som min egen i år. Matematikken producerer en ret kridtagtig beslag, hvor Gonzaga er det eneste hold i Elite 8, der ikke er seedet 1 eller 2. Hvis du er i en større pulje, kan du overveje at have Cincy slå Virginia eller Michigan State nederlag Duke. Overvej mørke heste som West Virginia, Kentucky, Houston eller Seton Hall, og potentielle Askepottehold Butler eller Texas.

Bemærk, at jeg udfyldte den optimale beslag ved hjælp af den samlede rangering af den samlede forventede merværdi for hvert hold (kolonne H). En mere nøjagtig metode kan være at gå rundt for runde og udfylde beslaget, der kun tegner point for hold i runder forud for den runde (kolonne J-N). Jeg eksperimenterede med dette, men fandt, at den resulterende beslag var ret stor, med flere forstyrrelser, end jeg var villig til at mage (# 16 Penn slår # 1 Kansas ?!) til at bruge som min sidste beslag. Find denne "optimale rund for runde" beslag på ESPN.

Projekteringspunkt i alt og merværdi

Når jeg havde udfyldt min beslag, skabte jeg to ark til, et til at beregne det samlede antal point, jeg kunne forvente, at denne besætning skulle tjene, og en anden til at beregne den forventede merværdi i forhold til mængden for hvert spil. Dette hjalp mig med at evaluere, hvilke hold jeg kunne forvente at redegøre for de fleste af mine point og sætte grundlaget for at sammenligne mine valg på tværs af forskellige modeller.

Jeg ændrede let beslagets design til at inkludere en oversigtsboks i toppen af ​​konsollen. Midt i oversigtsfeltet trak jeg de projicerede samlede point ind fra det første ark ovenfor.

Oversigtsfelt fra den optimale beslag

I år kan jeg forvente, at det optimale beslag tjener ~ 891 point. Hvis det holder, og dette år er noget, der ligner sidste år, ville det placere den optimale beslag i omkring 80. percentilen af ​​alle parenteser på ESPN, i top 5 millioner deltagere.

Det lyder måske ikke særlig godt, men det kan variere meget afhængigt af hvor godt Villanova klarer sig, eller hvis de vakler, hvor populært det vindende hold er blandt publikum. Nogle år vinder et meget populært hold, så selvom de blev overvurderet af mængden i forhold til deres sandsynlighed for at vinde, betaler de stadig for mængden. Hold med store fanbaser og en historie med NCAA-turneringsucces som UNC, Michigan State, Kentucky og Duke er overvurderede, men klarer sig godt (i år er Duke den eneste af disse fire, der er undervurderet og kun næppe).

Sammenligning med andre konsoller

Jeg følte det vigtigt at kunne sammenligne den optimale beslag med andre konsoller for at vurdere ydelsen. Som sådan oprettede jeg manuelt tre andre forudfyldte parenteser:

  • ESPN's People's Bracket: dette er simpelthen en verbat kopi af det nationale beslag på ESPN
  • FiveThirtyEight's Bracket: dette bruger FiveThirtyEight's forudsigelser til at udfylde beslaget, hvilket altid vælger favoritten til at gå videre til en bestemt runde
  • Kridt beslag: dette vælger simpelthen det højeste frø i hvert spil for at gå videre med den officielle placering

Sådan forventes hver af disse parenteser at udføre i år:

  • ESPN's People's Bracket: 872 forventede point
  • FiveThirtyEight's Bracket: 893 forventede point
  • Kridtbeslag: 867 forventede point
  • (My) Optimal beslag: 891 forventede point

Husk, at den optimale beslag er bygget til at være den bedste kombination af valg af høj værdi, der giver den bedste chance for at være anderledes end andre konsoller, men uden at ofre for meget på plukkvaliteten. I gennemsnit projiceres FiveThirtyEight's Bracket altid for at tjene flest point, men det vil ofte være for lig med andre parenteser i din pool til at give dig vindende fordel. I år svarer FiveThirtyEight-beslaget til 91 procent, der svarer til crowd-beslaget, men Optimal-bracket er kun 69 procent, der ligner mængden. Det er markant anderledes uden at ofre mange projicerede punkter.

Sådan bygger du dit beslag

For at bygge din beslag skal du først lave en kopi af mit omfattende regneark, som jeg har henvist til i hele indlægget. Naviger enten til Fil> Lav en kopi, eller klik på dette link for automatisk at blive bedt om at oprette en kopi på din Google Drev (Google-konto kræves). Regnearket kan også downloades som et Excel-regneark (Fil> Download som> Microsoft Excel (.xlsx)), selvom jeg ikke kan garantere, at alle links og formatering fungerer.

Når du har en version, du kan redigere, skal du beslutte, hvordan du vil udfylde din beslag. Hvis du allerede har hold i tankerne, eller bare er klar til at hoppe lige ind, skal du navigere til arket "Din beslag". Foretag dine valg ved at vælge et hold fra rullelisten i hver celle for hvert spil.

Hvis du vil bruge data til at bestemme dine valg - forudsat at du ikke bare kopierer en af ​​de fire fyldte konsoller (Optimal beslag, FiveThirtyEight's beslag, Kridtbeslag, ESPN's People's Bracket) - skal du bruge disse konsoller som reference eller studere “ Rangord ”-ark til et sammendrag af hvert holds mesterskabsvindsandsynlighed, mesterskabsvindemængdefordeling, værdiforskel (forskellen mellem gevinstsandsynlighed og publikum) og optimal strategi. Værdiforskelkolonnen giver dig en fornemmelse af, hvem der er undervurderet af mængden. Dette ark udfylder også dine valg, så du kan sammenligne dem med de andre parenteser samt identificere, hvor mange point, du ønsker at tjene fra hvert hold.

Når du vælger dit beslag, anbefaler jeg stærkt, at du starter med det hold, du tror vil vinde det hele, og arbejde baglæns på en slags indvendig måde. Dette vil holde dig fokuseret på de hold, som du vil stole på for de fleste af dine point (dine Final Four-teams kan ofte udgøre 50 procent eller mere af dit endelige point i alt).

Hvis du ikke finder det intuitivt, skal du bare sørge for at starte med de første fire spil i bunden af ​​arket og derefter metodisk arbejde dig gennem beslaget. Vær opmærksom på den røde tekst i midten, der opdateres, når du indtaster dine valg for at vise dig, hvor mange valg du har foretaget, men vær forsigtig med at sikre, at du ikke har nogen valideringsfejl - i modsætning til online-parenteswebsteder, og skift en vinder i en tidlig runde på dette regneark vil ikke automatisk rydde denne vinder fra efterfølgende runder og måske ikke afspejle fremskrivninger nøjagtigt, hvis du ikke løser disse fejl. Disse fejl identificeres med en rød trekant øverst til højre på en celle.

Jeg vil også råde dig til ikke at kopiere og indsætte celler i stedet for at bruge vælgeren til hvert spil. Hvis du ikke bruger vælgeren, kan det føre til fejl.

Projekterede samlede point

Resumeoversigten øverst i midten af ​​dit beslag viser dig de forventede samlede point baseret på FiveThirtyEight-sandsynligheder ganget med de point, der er tildelt for hvert spil i hver runde.

Oversigtsfelt fra den optimale beslag

Punktsystemet er standardindstillet til ESPN-punktsystemet, der tildeler et sæt antal point for hver korrekt valg i runde: 10–20–40–80–160–320. Punkter kan ændres på “Punktstruktur” -arket. Bemærk, at det ikke understøtter forstyrrede bonusser på dette tidspunkt.

Lighed med Crowd

Metrikken "Lighed med skarer" angiver, hvor længe din beslag er med ESPN's People's Bracket ved at sammenligne antallet af point, du håber at tjene fra det samme hold for hvert spil. Bemærk, at dette ikke blot sammenligner, hvor mange rå valg er de samme. Du vil bemærke, at forskelle i senere runder drastisk falder denne lighedberegning, da senere runder tæller mere i standardpointsystemet. Jo højere dette tal er, jo længere til højre er du Robbys klokkekurvediagram, der er omtalt tidligere. Alt over ~ 70 procent begynder at blive temmelig kridt, eller i det mindste flok-y.

Risiko / belønningsniveau

Metrikken Risiko / Belønningsniveau angiver, hvor langt væk du er fra FiveThirtyEight Bracket's samlede projicerede point, hvilket antyder, hvor mange underhunde du vælger. Hvis du er ude af mere end 5 procent af det samlede mulige antal point (> 96 point i standard 1.920-punktssystemet eller> 9.6 point i et 1–2–4–8–16–32-system), har jeg klassificeret det som en "høj" risiko / belønningsvurdering. Hvis du kun er lidt forskellig fra FiveThirtyEight (mellem 2,5 procent og 5 procent), får du en "Moderat" risiko / belønningsvurdering. Hvis du er <2,5 procent rabat på FiveThirtyEights projekterede point i alt, får du en "Lav" risiko / belønningsvurdering.

Som en tommelfingerregel, hvis du prøver at vinde en pulje med færre end 15 personer, ville en god strategi være at opbygge en beslag med lav risiko og belønning. 15–50 mennesker kræver et moderat niveau af risiko / belønning for at have en god chance for at vinde. Enhver pulje med over 50 personer er en crapshoot, så din eneste chance for at vinde er at opbygge et beslag med et højt niveau af risiko og belønning og håbe på, at nogle forstyrrelser kan svinge i din favør.

Lighed med Optimal strategi

Metrikken "Lighed med den optimale strategi" angiver, hvor længe din beslag er som den optimale beslag (som jeg vil bruge) ved at sammenligne antallet af point, du håber at tjene fra det samme hold for hvert spil. Ligesom den førnævnte "lighed med Crowd" -metrikken sammenligner dette ikke blot det rå antal matchende valg, men vægter snarere kampene baseret på forventede point.

Jo lavere denne procentdel er, jo mere værdi giver du på bordet, som mængden tilbyder dig. Jeg anbefaler, at din beslag er mindst 60 procent svarende til den optimale beslag (medmindre du selvfølgelig er i min pool!).

Andre tip og tricks

Hvis din pulje består af mennesker, som du kender til at variere fra det nationale gennemsnit, skal du overveje at spille det til din fordel. For eksempel, hvis din pulje er geografisk ens, og dit område har et lokalt hold, der er i turneringen, kan du overveje at satse mod det lokale hold for at høste gevinsten, hvis de falder tidligt - det meste af din konkurrence falder ved siden af ​​dem.

Overvej ligeledes at undgå konkurrenters alma-maters.

Men hvis dit alma mater er i turneringen, skal du altid give dem fordelen ved tvivlen, især hvis de ikke er en flerårig konkurrent. Du ønsker ikke at være University of South Carolina alun i 2017, Syracuse-studerende i 2016 eller VCU-medarbejder i 2011, der tvivlede på dit team, da de chokerede landet og kom til Final Four.

Før du går

Kan du lide dette indlæg? Giv det et par , del det med venner, og følg mig.

Hvis du kunne lide dette indlæg, kan du også lide mine andre indlæg om sport og data:

  • Hvordan jeg overlistede en FiveThirtyEight prognosealgoritme
  • Hvordan jeg brugte 200 eksperter og Reddit's kommentarrangeringsalgoritme til at vinde mit kontor NFL Pick'em-pool

credits

En kæmpe tak til Robby Greer for hans fremragende post Optimering af dit 2016 marts Madness Bracket, der førte mig ned i dette seneste kaninhul.

Tak til Chris Wilson for at have skrevet den originale artikel "bet som en hedgefondsforvalter" og til Slate for at genanvende den år efter år.

Shoutout til bracket-eksperterne på FiveThirtyEight: Jay Boice, Rachael Dottle og Nate Silver, og alle deres kolleger, der er involveret i ESPN Tournament Challenge-beslagskonkurrencen.

Tak til min far og bror for at have traditionen med at udfylde beslag, da jeg kan huske - den gule og orange markør bringer så mange minder tilbage ...

Sidst men ikke mindst tak til min kone Elizabeth for at have støttet mine (hovedsagelig sunde) besættelser. Hun er en stor forfatter i sin egen ret - jeg er meget stolt af hende. Tjek hendes blog på thefindingnormalblog.com.