Problem: Ein einzelner Score verdeckt Marktbewegungen
Im Live-Wettenhandel wird der betscore häufig als statische Kennzahl behandelt, obwohl er sekündlich neue Ereignisse verarbeitet. Das Problem entsteht, wenn ein Modell den Score nur als Rangwert interpretiert und die zugrunde liegende Ereignisfrequenz ignoriert. Ein Tennisspiel mit zwei Breaks in fünf Minuten erzeugt andere Marktimpulse als ein ausgeglichener Satz mit sieben Minuten ohne Break. Wer beide Situationen mit derselben Score-Schwelle handelt, misst nicht Spielstärke, sondern Datenrauschen.
Ursache: Gewichtung und Latenz erzeugen Scheinpräzision
Gewichtung als Modellrisiko
Die Ursache liegt in der Gewichtung der Score-Komponenten: Ein hoher Aufschlagwert kann einen schwachen Return-Wert überdecken, sodass der betscore im Live-Kontext zu spät auf Richtungswechsel reagiert. Ein Beispiel aus dem Basketball zeigt den Effekt: Ein Run von acht Punkten innerhalb von 90 Sekunden verändert den Score stärker als ein langsamer 8:0-Lauf über vier Minuten, obwohl beide dieselbe Punktedifferenz erzeugen. Die Gewichtung muss daher zeitabhängig kalibriert werden, nicht nur ereignisabhängig.
Datenlatenz als ökonomische Größe
Die zweite Ursache ist Latenz. Wenn Feed und Quotenschnitt um 1,5 Sekunden versetzt sind, entstehen Quoten, die den betscore bereits eingepreist haben, während das Modell noch den alten Zustand bewertet. Das ist kein technisches Detail, sondern eine Kostenposition: Jede verzögerte Aktualisierung erhöht die Wahrscheinlichkeit, dass ein Signal nach Handelsausführung bereits zerfallen ist.
Lösung: Kalibrierung über Rolling-Origin-Backtests
Die Lösung ist eine rollierende Kalibrierung, die Score-Gewichte und Latenzpuffer gemeinsam optimiert. Statt eines einzelnen Backtests werden Fenster über mehrere Wettbewerbe hinweg verschoben und der betscore jeweils nur mit den Informationen neu berechnet, die zum Entscheidungszeitpunkt verfügbar waren. Für die Dokumentation solcher Kalibrierungsschritte und die Einordnung von Score-Metriken bietet betscore eine praktische Referenz. Entscheidend ist, dass jedes Fenster eine eigene Latenzschwelle erhält und die Gewichte nicht über alle Sportarten hinweg fixiert werden.
Operative Umsetzung in vier Schritten
- Ereigniszeit statt Wanduhrzeit verwenden: Jede Score-Aktualisierung wird mit dem Zeitstempel des Feeds versehen, nicht mit dem Eingang im Handelssystem.
- Latenzpuffer je Markt messen: Für Hauptmärkte und Nebenmärkte werden getrennte Verzögerungswerte erhoben, weil die Quotendichte unterschiedlich reagiert.
- Gewichte rollierend schätzen: Die Score-Komponenten werden in gleitenden Fenstern neu gewichtet und gegen ein Nullmodell ohne betscore geprüft.
- Handelslimits an Signalhalbwertszeit koppeln: Je kürzer die Halbwertszeit eines Scoresignals, desto kleiner das maximale Exposure pro Ereignis.
Ergebnis: Weniger Scheinsignale, belastbarere Limits
Das Ergebnis ist keine höhere Trefferquote um jeden Preis, sondern eine belastbarere Entscheidungsgrenze. Ein kalibrierter betscore reduziert Scheinsignale, weil Gewichtung und Latenz explizit modelliert sind. Im operativen Betrieb sinkt die Zahl der Trades, die nach 2 Sekunden bereits gegen das Modell laufen; gleichzeitig lassen sich Limits pro Sportart und Marktphase begründen. Die Kennzahl bleibt damit ein Messinstrument, kein Orakel.