Kurskorrelation – jämför banor istallet för resultat
Available in US
Kurskorrelation – jämför banor istallet för resultat
Under min tredje säsong som golfbettinganalytiker stotte jag på ett problem som jag inte kunde losa med standardverktyg. En turnering flyttade till en ny bana – ingen spelare i fältet hade spelat där – och plotsligt var all kurshistorik vardeloos. Så jag stallde en annan fråga: vilka andra banor liknar den har?
Det var mitt första steg in i kurskorrelation – en analysmetod där du jämför banors egenskaper istallet för spelares resultat på specifika banor. Istallet för att fråga ”hur har den har spelaren presterat på Torrey Pines?” fragar du ”vilka banor paminner om Torrey Pines, och hur har spelaren presterat på dem?”
Det är en kraftfull metod som loser ett av golfbettingens största problem: begränsad data. En spelare har kanske spelat på en specifik bana två gånger – för lite för att dra slutsatser. Men han har kanske spelat på tio banor med liknande egenskaper, och den samlade bilden är betydligt mer tillforlitlig.
Faktorer som bestämmer bankorrelation
Vilka egenskaper gör att två banor ”liknar” varandra? Jag har identifierat sex nyckelfaktorer, rangordnade efter prediktivt värde.
Den viktigaste är bantyp och layout. Links, parkland, desert och resort-banor har fundamentalt olika karaktarer. En spelare som presterar starkt på links-banor tenderar att prestera starkt på andra links-banor – den korrelationen är starkare an någon enskild statistisk variabel. Inom parkland-kategorin finns undergrupper: tranga, tradkantade banor kontra öppna, vindexponerade banor.
Den näst viktigaste är greenernas karaktar. Snabba, ondulerade greener kräver en helt annan putting- och approach-teknik an platta, langsamma greener. Banor med liknande greenkomplex tenderar att belona samma typ av spelare. Augusta och East Lake har till exempel snabba, kraftigt ondulerade greener som kräver liknande färdigheter, trots att banorna i övrigt är ganska olika.
Tredje faktorn är grastyp. Bermuda-gras spelar annorlunda an Bentgrass, som spelar annorlunda an Fescue. Grastypen påverkar hur bollen rullar på fairway, hur den reagerar vid chip och pitch, och hur puttar beter sig. Spelare som vaxte upp på Bermuda-gras har en intuitiv fördel på Bermuda-banor.
Fjarde: banlangd och par-sammansättning. Banor med långa par-4-hal och attackerbara par-5-hal gynnar långslagare. Banor med korta par-4-hal och svara par-3-hal gynnar precisionsspelare. Femte och sjätte: ruff-tyngd och vindexponering. Banor med tung ruff straffar oprecisa driveslag. Vindexponerade banor gynnar spelare med lag bollflygning och vindkontroll.
När jag sätter ihop dessa faktorer skapar jag en profil som ser ut ungefar så har: ”Lång parkland-bana, Bentgrass, snabba ondulerade greener, medeltung ruff, lag vindexponering.” Den beskrivningen matchar kanske tre-fyra andra banor på PGA Tour-schemat. Det är mina systerbanor – de banor vars resultat jag använder som proxy för veckans turnering.
En sak jag har lärt mig över tid är att greenfaktorn dominerar korrelationen mer an de flesta tror. Två banor med liknande greener men helt olika fairway-layouts kan producera ovanlappande topplistor, medan två banor med identiska fairways men helt olika greener sällan gör det. Det beror på att greenspelet – approach, chipping och putting – star för en större andel av den totala scoringen an tee-spelet. Prioritera greener när du bygger dina korrelationer.
Praktisk metod för att matcha spelare med banprofil
Har är den metod jag använder för att tillamppa kurskorrelation i min veckovisa turneringsanalys. ShotLink-systemet på PGA Tour sparar ungefar 30 000 slag per turnering, och den datan är grunden för allt som följer.
Steg ett: definiera veckans banas profil. Jag gar igenom de sex faktorerna ovan och skapar en enkel profil: bantyp, greenhastighet, grastyp, genomsnittlig banlangd, ruff-intensitet och vindexponering. Det tar ungefar 15 minuter per bana när du har gjort det tillräckligt många gånger.
Steg två: identifiera tre till fem ”systerbanor” – banor på PGA Tour-schemat som delar flest egenskaper med veckans bana. Över tid bygger du upp en mental karta över vilka banor som korrelerar, och den kartan forbattras med varje säsong.
Steg tre: analysera spelarnas SG-data på systerbanorna. Istallet för att titta på resultat på en enda bana tittar jag på SG-siffror över 15-20 rundor på liknande banor. Det ger en robustare bild an tre rundor på exakt samma bana.
Steg fyra: vikta resultaten. Nyare data är viktigare an aldre. Banor som liknar veckans bana mest får högre vikt. Om en spelare har starka SG-siffror på de två närmaste systerbanorna men svaga siffror på den tredje, gar jag med de två närmaste.
Steg fem: jämför med marknaden. Om min korrelationsanalys säger att en spelare är en stark kandidat men hans odds är långa – kanske för att han inte har spelat på just den har banan tidigare – har jag potentiellt hittat value. Marknaden overviktar ofta specifik kurshistorik och underviktar bantyps-passning. Det är i den luckan korrelationsanalys ger sin största edge.
En varning: kurskorrelation är inte en exakt vetenskap. Två banor kan dela många yttre egenskaper men spela helt annorlunda på grund av subtila skillnader i greendesign eller strategisk layout. Anvand korrelation som ett komplement till din övriga analys, inte som en ersättning. Och revider din korrelationskarta regelbundet – banor renoveras, gräsbyten genomförs, och det som var en stark systerban för två år sedan kanske inte är det längre.
Låt mig ge ett konkret exempel på hur korrelation fungerar i praktiken. När en turnering spelas på en bana du inte har korrelationsdata för – kanske en ny venue på schemat – börjar jag med att identifiera banans mest utmаrkande drag. Ar det en lag bana där drivdistans inte spelar någon roll? Ar greenerna snabba och lutande? Har banan öppna fairways med lite ruff? Varje svar pekar mot en grupp av liknande banor, och summan av svaren ger dig din systergrupp. Det är en process som tar 20 minuter men som kan vara skillnaden mellan att satsa blint och att satsa informerat på en okänd bana.
Över tid har jag byggt upp en databas med korrelationspar som jag uppdaterar varje säsong. Det är inte en formell databas – det är ett kalkylblad med bannamn, nyckelegenskaper och historiska scoringkorrelationer. Det är det mest varddefulla analytiska verktyget jag har, och det har tagit fyra är att bygga. Men grundversionen – de sex faktorerna, tre till fem systerbanor, SG-jämförelse – kan du börja med på en eftermiddag.
Vad innebär kurskorrelation i golfbetting?
Kurskorrelation är en analysmetod där du jämför golfbanors egenskaper för att identifiera banor som liknar varandra. Istallet för att enbart titta på en spelares resultat på en specifik bana analyserar du hans prestation på liknande banor, vilket ger en bredare och mer tillforlitlig databas för din bedömning.
Var hittar man data om kurskorrelation?
Det finns inga allment tillgängliga kurskorrelationsverktyg, men du kan bygga din egen analys genom att kombinera banprofiler med SG-data från PGA Tour. Tjänster som specialiserar sig på golfstatistik publicerar banprofiler med information om grastyp, banlangd, greenhastighet och historiska scoringgenomsnitt.
Skapad av redaktionen på ”Open Golf Betting”.
