Pred svako Svjetsko i Evropsko prvenstvo u fudbalu kompanije i investicione banke posvećene davanju prognoza tržišnih kretanja objave i projekciju konačnog ishoda i plasmana uz pomoć njima svojstvenog statističlkog modela. Ove godine Goldman Sachs predviđao je da Euro 2020 osvoji Belgija i to tako što bi u finalu savladala Portugal. U polufinalima je, prema ovim prognozama, bilo očekivano da igraju Belgija, Italija, Portugal i Španija.
Već nakon osmine finala vidjelo se da je ovakav ishod nemoguć. Goldman Sachs prognoze bazira na modeliranju broja golova koje je postigla svaka reprezentacija, koristeći veliki skup međunarodnih fudbalskih utakmica od 1980. godine, uz ocjenu da se broj golova koje je postigla svaka od njih može objasniti ako uzmu u obzir četiri vodeća faktora i to – snagu ekipe iskazanu Elo rejtingom, odnosno objektivnim mjerilom snage tima koja pokazuje koliko je puta reprezentacija u proteklom periodu nastupila, broj datih i primljenih golova tokom skorijih utakmica, prednost domaćeg terena koja vrijedi 0,4 gola po utakmici i turnirski efekat, koji pokazuje da neke zemlje imaju tendenciju da nadmaše svoj uobičajeni rejting na velikim takmičenjima.
Statističko modeliranje precijenjuje faktor koji se odnosio na domaći teren
Ova formula korišćena je i prilikom predviđanja pobjednika Svjetskog prvenstva 2014. kada je Goldman Sachs procijenio da će to biti Brazil, zemlja domaćin, nakon čega su ogromne količine novca utonule u kladioničarske tokove. Polufinalni meč, iz kojeg je Brazil izašao poražen od Njemačke rezultatom 1:7, bio je jedan od signala da formulama nijesu predviđena iznenađenja.
Statističko modeliranje precijenilo je faktor koji se odnosio na domaći teren kada je Brazil bio u pitanju. Predviđanja za svaku utakmicu zasnivala su se na regresionoj analizi koja je koristila dugu istoriju međunarodnih fudbalskih susreta, izuzimajući prijateljske utakmice. No, bez obzira na to koliko sofisticirane metode su bile korišćene, činjenica je da je nepodudarnost onoga što piše u prognozama i stvarnog rezultata zapravo ogolila suštinu prognoziranja budućeg ishoda bilo čega što bi možda moglo da se dogodi u budućnosti.
Ovakve prognoze bazirane su na stohastičkom modelu koji je stvorio raspodjelu ishoda za svaku od 51 utakmice, koliko ih ima Euro 2020, odnosno procesu u teoriji vjerovatnoće, koji se svodi na grupu slučajno odabranih nepoznatih brojeva, pri čemu se nasumične promjenjive posmatraju uzimajući u obzir vrijeme.
Ipak, neprocjenjivi uticaj faktora puke sreće i činjenica da je riječ o procesima koje je veoma teško formalizovati stvaraju percepciju da subjekti koji prave prognoze za potrebe tržišta griješe samo kada je fudbal u pitanju. Suština je drugačija, jer je svaki proces izrade određene analize koja treba da posluži da jasno locira u vremenu i izmjeri pojave poput promjene cijena, rasta inflacije i slično takođe sprovedena na način na koji se ne ostvari sve što se očekuje.
U oblasti za koju je tipično da svaku zasebnu jedinicu proučavanja predstavlja pojedinačni meč koji ima individualni karakter, statističke zakonitosti pokazuju da mogu da funkcionišu dugoročno, ali ne i sa potpunom tačnošću, što obradu podataka čini složenijenijom i težom.
Čisto matematički posmatrano, ove ishode moguće je predviđati s mnogo većom preciznošću uz korišćenje formula koje uključuju nešto veći broj faktora
Da je cio pristup imalo racionalan, nesumnjivo bi neko do sada uzeo da analizira dužinu trajanja pandemijskih talasa ili zadržavanja infekcije tako što bi razmotrio podatke iz ranijih pandemija na način na koji investicione kompanije prave prognoze vezane za fudbal.
Međutim, ovako razrađeni statistički modeli ne kreiraju se kako bi neka od ovakvih kompanija predviđanjem tačnog rezultata dodatno unaprijedila poslovanje, jer ne samo da se radi o najprofitabilnijim gigantima sa Wall Streeta, već se na kraju njihove prognoze pokažu kao pogrešne, a najveću štetu može da ima onaj ko im je slijepo vjerovao za potrebe klađenja i slično.
Čisto matematički posmatrano, ove ishode moguće je predviđati s mnogo većom preciznošću uz korišćenje formula koje uključuju nešto veći broj faktora, kao što su prosječna starost igrača, vremenske prilike, istorijat posljednjih utakmica, broj i učestalost povreda ključnih igrača, psihološko stanje članova tima, prosječan broj golova igrača, prednost domaćeg terena, vremenske prilike i klima, performanse tokom posljednjih mečeva... Drugim riječima, naučne teorije nude mnogo više sredstava da se dođe do cilja u odnosu na broj onih koje se u praksi koriste.
Polazeći od toga da npr. za Goldman Sachs upotreba ovakvih formula ne bi predstavljala ulaganje značajnijeg napora, a dovela bi do preciznijeg rezultata, može se otvoriti pitanje zašto se isključivo razrađeni statistički modeli finansijskih tržišta i kada je riječ o predviđanju sportskog rezultata koriste na jednak način kao i u slučajevima kada ovakvi procesi služe za kamufliranje obmana kojih ovakvi sistemi nijesu lišeni ni nakon kriza koje su dajući vjetar u leđa finansijskim zabludama prouzrokovali.
