Turneringshistorie og statistik: sådan bygger bookmakeren odds på fortiden
Hver gang en spiller spørger mig “hvorfor er Frankrig anden-favorit, når Danmark har vundet 4 VM i træk”, svarer jeg med et regneark. Bookmakerens model er ikke en simpel “hvem har flest titler”-regression. Det er et rullende vindue, der vægter de seneste resultater tungere end ældre, og det er derfor Frankrigs 6 historiske VM-guld ikke automatisk gør dem til favorit, mens Danmarks 4 seneste titler gør.
Available in USVinderne gennem tiden
Den historiske medaljetabel for VM-håndbold på herresiden er klar i sin top: Frankrig 6 titler, Sverige 4, Danmark 4, Rumænien 4. Fire nationer der står med næsten halvdelen af alle VM-titler tilsammen.
Tabellens titler dækker forskellige perioder. Sveriges 4 titler kommer alle før 2000. Rumæniens 4 titler er fra perioden 1961-1974. Frankrigs 6 titler er fordelt over en længere periode med spidsen omkring 2017. Danmarks 4 titler er alle fra 2019-2025 – den mest koncentrerede titelserie i moderne håndbold-historie.
For en bookmakers model betyder distributionen af titler over tid mere end det samlede antal. Et hold med 6 titler over 50 år vægtes anderledes end et hold med 4 titler over 6 år. Den danske serie på 4 VM-guld i træk fra 2019 til 2025 – kombineret med 37 ubesejrede VM-matcher og 26 sejre i de seneste 28 kampe – er præcis den slags koncentrerede dominans, der presser modellen mod kort prissætning.
EM-niveauet ligner VM-strukturen, men med Frankrig og Tyskland som klassiske topnationer historisk, og Spanien som en stigende styrke i de seneste 15 år. EM-titler har typisk lidt mindre vægt i bookmakerens VM-model end VM-titler selv – fordi turneringsformatet og deltagerantallet er anderledes.
Rullende vinduer i modeller
Den centrale modelteknik er rullende vinduer. Bookmakerens regneark vægter resultater fra de seneste 4-8 år tungest, og resultater før denne periode med eksponentielt aftagende vægt.
Et typisk vægtningsskema: seneste turnering vejer 100 %, turneringen før vejer 70 %, to turneringer tilbage 50 %, tre tilbage 35 %, fire tilbage 25 %, fem tilbage 18 %, og så videre. Resultater fra 8+ turneringer tilbage vejer typisk under 5 % og betragtes praktisk talt som baggrundsstøj.
Det betyder, at Frankrigs VM-guld fra 2017 vejer cirka 35 % i dagens model (3 turneringer tilbage), mens Danmarks guld fra 2025 vejer 100 %. Det forklarer, hvorfor Danmark sidder med kortere outright-odds end Frankrig, selvom Frankrig samlet har flere titler.
Det forklarer også, hvorfor Norge – uden noget VM-guld nogensinde på herresiden – kan være anden-favorit eller tredje-favorit i en aktuel turnering. Bookmakerens model vægter den seneste form (typisk semifinalist, OL-medaljevinder), ikke den historiske titel-mangel. Den korte ende af modellen er aktuelle resultater; den lange ende er irrelevant for prissætningen.
Den modelmæssige antagelse er, at en spillertrup, en træner og et taktisk system udvikler sig over 4-8 år, og at resultater før det er fra en anden generation. Det er ikke perfekt – visse strukturelle styrker (forbund, klubliga, ungdomsudvikling) holder ved over længere perioder – men det er en rimelig tilnærmelse, der giver brugbare prissætninger.
Seertal som sekundær datakilde
Bookmakerne bruger ikke kun sportresultater – de bruger også seertal og volumen-indikatorer som sekundær input til exposure-modellering.
VM-finalen 2025 mellem Danmark og Kroatien samlede et gennemsnitligt seertal på 2.115.540 danskere, og 91,7 % af alle tændte tv’er var stillet ind på håndbold. På de ni danske VM-kampe under turneringen lå det gennemsnitlige seertal på 1.366.000, og semifinalen mod Portugal nåede 1,7 millioner. I finaleugen var 15 af de 17 mest sete tv-programmer i Danmark håndbold.
De her tal fortæller bookmakeren noget vigtigt: når en kamp har høj forventet seerinteresse, så vil indskudvolumen stige tilsvarende. Det presser bookmakeren til at åbne flere markeder, holde overround tæt, og tilbyde live-streaming. Det er ikke en sportslig vurdering – det er en forretningsmæssig.
For en spiller betyder det, at høj-seer-kampe (Danmark mod en stærk modstander, semi- eller finalekampe i VM/EM, store derbier i Champions League) konsekvent har de mest skarpt prissatte markeder. Spredningen mellem licensbookmakere på den slags kampe er smal (typisk 0,02-0,05 i odds på 1X2), og value er sjælden.
Den modsatte case: lav-seer-kampe i klubliga eller mellemrunder af mindre profilerede turneringer har bredere overround, færre markeder, og mere variation mellem bookmakere. Det er der, line-shopping skaber realistisk merafkast.
Hvordan statistik omsættes til odds
Den konkrete proces fra rådata til offentliggjort odds følger fire trin.
Trin 1: data-aggregation. Bookmakeren samler resultater, mål-fordelinger, spilleformer, målmandstatistik og taktiske data fra de seneste 24 måneder for begge hold. Datagrundlaget er typisk 60-120 kampe per topnationale hold.
Trin 2: model-prædiktion. Statistik køres gennem en regressionsmodel, der forudsiger forventet score for hvert hold (med konfidensinterval). Outputtet er en sandsynlighedsfordeling over alle mulige slutresultater.
Trin 3: konvertering til odds. Sandsynlighederne konverteres til “fair odds” (1/sandsynlighed). Derefter lægges overround på (typisk 4-6 % på 1X2), hvilket giver de offentliggjorte priser.
Trin 4: justering for exposure og marketing. Hvis bookmakeren har skæv exposure (mange penge på én side), så flytter han odds for at balancere. Hvis kampen er en marketing-platform (f.eks. en VM-finale), så kan han presse overround yderligere ned for at konkurrere.
Den vigtige observation er, at bookmakerens prissætning er en kombination af model og kommerciel beslutning, ikke kun ren statistik. For en value-jæger betyder det, at edges sjældent ligger i, at modellen er forkert (den er typisk skarp), men i, at den kommercielle beslutning skaber små forvridninger – for kort på favoritter med stor exposure, for lang på underdogs uden navne-præmie.
Det andet praktiske takeaway er, at modellens vægtning ikke er statisk – den justeres over tid baseret på, hvor godt forudsigelserne har ramt. En periode med systematiske mis-forudsigelser fører til kalibrering af vægtningen, hvilket midlertidigt skaber atypiske odds-mønstre. For en disciplineret spiller er den slags overgangsperioder en af de få strukturelle muligheder for at finde edges, før modellen finder sit nye ligevægts-niveau.
Hvis du vil bygge bredere ramme om, hvordan turneringer som VM, EM og Champions League hænger sammen og hvordan sæsonsstrukturen påvirker odds-dynamikken, har jeg samlet det i analysen af de tre store håndbold-turneringer.
Turneringshistorien er det fundamentale datapunkt, bookmakerens model trækker på, når en outright-linje åbnes for en ny VM- eller EM-runde. Vinderlisten siden 1938 for herrerne og 1957 for kvinderne giver modellen et rullende vindue af 10-15 turneringer at læne sig op ad ved beregning af den implicitte sandsynlighed for en given nation. Når en nation som Danmark vinder fire VM-guld i træk, justerer modellen den historiske vægt opad og pricer fremtidige turneringer med kortere odds — selv hvis den aktuelle trup ikke fuldt matcher de tidligere års styrke. Den disciplinerede spiller læser turneringshistorien som markedets udgangspunkt og søger value, hvor den dagsaktuelle styrke afviger fra det historiske gennemsnit.
Hvor langt tilbage i tiden går bookmakeren?
Praktisk relevant data går typisk 8-10 år tilbage i bookmakerens model. Resultater før 8 år vægtes så lavt (under 10 %), at de næsten ikke påvirker prissætningen. Det betyder, at en titel fra for 15 år siden ikke nævneværdigt påvirker dagens outright-odds, mens en titel fra for 2 år siden vægter tungt.
Hvorfor vejer de seneste fire år mest?
Fordi en spillertrup, en træner og et taktisk system typisk udvikler sig over 4-6 år. Resultater før det er fra en anden generation og er ikke direkte sammenlignelige. Den eksponentielt aftagende vægt afspejler antagelsen, at fortidens resultater er en stadig svagere forudsigelse jo længere tilbage du går.
Udarbejdet af redaktionen på ”bet på Håndbold”.
