شاید برایتان سوال شده باشد که بازگشت سرمایه یا ROI چیست؟ بازگشت سرمایه یا Return on Investment، یکی از مهم‌ترین معیارهای سنجش عملکرد در کسب‌وکارها است. این شاخص نشان می‌دهد که هر واحد پولی که یک سازمان سرمایه‌گذاری می‌کند، چه میزان بازده مالی ایجاد می‌کند. به عبارت ساده‌تر، ROI به ما می‌گوید که آیا سرمایه‌گذاری انجام شده سودآور بوده است یا خیر. در مجله بت فوروارد در رابطه با مفهوم ROI و بررسی جنبه‌های مختلف آن می‌پردازیم.
بازگشت سرمایه در پیش‌بینی‌های ورزشی چیست؟
چه عواملی بر احتمال موفقیت در پیش‌بینی‌های ورزشی تأثیر می‌گذارند؟
چگونه ROI را محاسبه کنیم؟
ROI و تفسیر آن
ROI چیست؟
پاسخ به این سؤال به سادگی بیان یک آمار یا گزارش نیست. برای درک دقیق ROI، باید نکات بسیاری را در نظر بگیریم.
با افزایش تعداد پیش‌بینی‌ها و در نتیجه، افزایش حجم سرمایه ورودی، میزان سود یا زیان کلی نیز تغییر می‌کند. بنابراین، برای مقایسه‌ی عملکردمان در دوره‌های زمانی مختلف با تعداد پیش‌بینی‌ها و مبالغ متفاوت، به یک معیار استاندارد نیاز داریم.
معیار رایجی که برای این منظور استفاده می‌شود، بازده سرمایه‌گذاری یا ROI است که به صورت درصد بیان می‌شود. گاهی اوقات ممکن است به این معیار، سود بر گردش یا بازده نیز گفته شود. همه این اصطلاحات در اصل به یک معنا هستند.
محاسبه ROI
برای محاسبه‌ی ROI، کل پولی که از پیش‌بینی‌ها به دست می‌آوریم را تقسیم بر کل مبلغ پیش‌بینی‌ها می‌کنیم.
تفسیر ROI
ROI به ما می‌گوید که برای هر واحد پولی که در پیش‌بینی‌ها سرمایه‌گذاری کرده‌ایم، چه مقدار سود یا زیان کسب کرده‌ایم. به عنوان مثال، اگر ROI ما ۱۰ درصد باشد، به این معنی است که برای هر ۱۰۰ تومانی که پیش بینی کرده‌ایم، ۱۰ تومان سود به دست آورده‌ایم.
عوامل مؤثر بر ROI
عوامل بسیاری بر ROI تأثیر می‌گذارند، از جمله:
کیفیت سیستم پیش‌بینی: دقت سیستم پیش‌بینی در پیش‌بینی نتایج مسابقات
مدیریت ریسک: نحوه مدیریت سرمایه و تعیین مبلغ هر پیش‌بینی
شرایط بازار: نوسانات بازار و تغییرات در ضرایب شرط‌بندی
در بخش‌های بعدی، به بررسی دقیق‌تر عوامل مؤثر بر ROI و روش‌های بهبود آن خواهیم پرداخت.
اهمیت ROI و POT
استفاده از معیارهایی مانند ROI یا POT به ما این امکان را می‌دهد تا عملکردمان را در پیش‌بینی‌های ورزشی به طور دقیق‌تری ارزیابی کنیم. این معیارها به ما کمک می‌کنند تا:
مقایسه‌ی عملکرد‌های مختلف: عملکردمان را در دوره‌های زمانی مختلف یا با استفاده از استراتژی‌های متفاوت با یکدیگر مقایسه کنیم.
سنجش ریسک: میزان ریسک‌پذیری و تحمل ریسک خود را ارزیابی کنیم.
تعیین اهداف: اهداف واقع‌بینانه‌ای برای پیش‌بینی‌های آینده تعیین کنیم.
مثالی برای محاسبه بازده سرمایه‌گذاری ROI در پیش‌بینی‌های ورزشی
فرض کنید فردی در مجموعه‌ای از پیش‌بینی‌ها، مبلغ ۱۰۰۰ دلار سرمایه‌گذاری کرده است. پس از پایان این مجموعه، او ۱۰۵۰ دلار دارد. در این صورت، ROI او به صورت زیر محاسبه می‌شود:
ROI = مبلغ برگشتی تقسیم بر مبلغ سرمایه گذاری اولیه منهای یک
ROI = (1050/1000) -1
ROI = 1.05 – 1
ROI = 0.05 یا ۵%
به عبارت دیگر، این فرد ۵ درصد سود نسبت به سرمایه‌گذاری اولیه خود کسب کرده است.
سود بر گردش (POT)
سود بر گردش نیز معیاری مشابه ROI است و به سادگی قابل محاسبه است و برابر است با سود خالص تقسیم بر مبلغ کل سرمایه‌گذاری:
POT = سود خالص تقسیم بر مبلغ سرمایه‌گذاری اولیه
POT = (1050-1000)/1000
POT = 50/1000
POT = 0.05 یا ۵%
همانطور که مشاهده می‌کنید، در این مثال، ROI و POT برابر هستند. رابطه بین ROI و POT به صورت زیر است:
POT = ROI – 1
مثال دیگری برای روشن‌تر شدن موضوع:
شخص اول ۵۰۰ پیش‌بینی انجام می‌دهد، در هر پیش‌بینی ۱ دلار سرمایه‌گذاری می‌کند و در مجموع ۶۰۰ دلار برمی‌گرداند. ROI او برابر با ۲۰% خواهد بود.
شخص دوم ۱۰,۰۰۰ پیش‌بینی انجام می‌دهد و در هر پیش‌بینی ۱۰۰۰ دلار سرمایه‌گذاری می‌کند و در مجموع ۱۲ میلیون دلار برمی‌گرداند. ROI او نیز برابر با ۲۰% خواهد بود.
همانطور که مشاهده می‌کنید، هر دو شخص ROI یکسانی دارند، اما سود کلی شخص دوم بسیار بیشتر است. این نشان می‌دهد که ROI به ما کمک می‌کند تا موفقیت نسبی افراد را در پیش‌بینی‌ها مقایسه کنیم، بدون توجه به حجم سرمایه‌گذاری اولیه.
ROI و POT دو معیار مهم برای ارزیابی عملکرد در پیش‌بینی‌های ورزشی هستند. با استفاده از این معیارها می‌توانیم به طور دقیق‌تری موفقیت خود را اندازه‌گیری کرده و استراتژی‌های خود را بهبود بخشیم.
تاریخچه پیش‌بینی‌ها: آیا تمام ROIهای یکسان، همانند هم هستند؟
اگر کسی در مجموعه‌ای از پیش‌بینی‌ها، ۱۰۰۰ دلار سرمایه‌گذاری کرده باشد و پس از پایان این مجموعه، ۱۰۵۰ دلار برمی‌گرداند، ROI او ۵ درصد خواهد بود. اما آیا می‌توان گفت که هر فرد دیگری که ROI ۵ درصدی در پیش‌بینی‌های ورزشی کسب کرده است، به همان اندازه موفق بوده است؟ پاسخ این سوال منفی است و دلایل مختلفی برای آن وجود دارد که در ادامه به آن‌ها می پردازیم.
اهمیت طول یا تکرار تاریخچه پیش‌بینی‌ها
یکی از مهم‌ترین عوامل تاثیرگذار بر تفسیر ROI، طول یا تکرار تاریخچه پیش‌بینی‌ها است. تصور کنید سکه‌ای را ۱۰ بار پرتاب می‌کنیم و ۶ بار شیر می‌آید. آیا می‌توانیم نتیجه بگیریم که این سکه تقلبی است؟ احتمالاً نه. اما اگر همین سکه را ۱۰۰۰ بار پرتاب کنیم و ۶۰۰ بار شیر بیاید، این احتمال بسیار قوی‌تر می‌شود که سکه به نحوی دستکاری شده باشد.
در پیش‌بینی‌های ورزشی نیز همین موضوع صادق است. هرچه تعداد پیش‌بینی‌های انجام شده بیشتر باشد، احتمال اینکه نتایج به دست آمده به دلیل مهارت یا دانش فرد پیش‌بینی کننده باشد و نه صرفاً شانس، بیشتر می‌شود.
مثالی برای روشن‌تر شدن موضوع
فرض کنید دو نفر را داریم که هر دو ROI ۵ درصدی در پیش‌بینی‌های ورزشی کسب کرده‌اند. نفر اول ۲۵۰ پیش‌بینی انجام داده است و نفر دوم ۲۵۰۰ پیش‌بینی. اگر هر دو نفر روی رویدادهایی با احتمال برنده شدن ۵۰ درصد پیش بینی کرده باشند، احتمال اینکه موفقیت نفر دوم به دلیل مهارت او باشد، بسیار بیشتر از نفر اول است.
نمودار توزیع نتایج
نمودار زیر محدوده نتایج احتمالی را برای هر دو فرد نشان می‌دهد. همانطور که مشاهده می‌کنید، با افزایش تعداد پیش‌بینی‌ها، احتمال اینکه نتایج به دلیل شانس به دست آمده باشد، کاهش می‌یابد.
در اینجا نمودار نشان می دهد با افزایش تعداد پیش‌بینی‌ها، پراکندگی نتایج کاهش می‌یابد و نتایج به سمت میانگین همگرا می‌شوند.
تأثیر طول تاریخچه پیش‌بینی‌ها بر تفسیر ROI
همانطور که در نمودار مشاهده می‌کنید، محدوده نتایج احتمالی برای فردی که ۲۵۰ پیش‌بینی انجام داده است (منحنی آبی)، بسیار گسترده‌تر از فردی است که ۲۵۰۰ پیش‌بینی انجام داده است (منحنی نارنجی). این بدان معناست که فردی که ۲۵۰ پیش‌بینی انجام داده، با احتمال بیشتری می‌تواند به دلیل شانس، نتیجه‌ای بهتر یا بدتر از میانگین به دست آورد.
برای مثال، در مورد فردی که ۲۵۰ پیش‌بینی انجام داده و ROI ۵ درصدی به دست آورده است، حدود ۲۱.۵ درصد احتمال وجود دارد که او به سادگی با خوش‌شانسی، نتیجه‌ای بهتر از این کسب کرده باشد. بنابراین، ادعای اینکه این فرد لزوماً مهارت خاصی دارد، کمی اغراق‌آمیز خواهد بود.
در مقابل، فردی که ۲۵۰۰ پیش‌بینی انجام داده و باز هم ROI ۵ درصدی به دست آورده است، احتمالاً مهارت بیشتری داشته است. زیرا احتمال اینکه او به طور تصادفی به چنین نتیجه‌ای دست یافته باشد، بسیار کمتر (کمتر از ۱ درصد) است. هرچه تعداد پیش‌بینی‌ها بیشتر باشد، تأثیر شانس بر نتایج کمتر می‌شود و مهارت فرد پیش‌بینی کننده نقش مهم‌تری ایفا می‌کند. به عبارت دیگر، با افزایش تعداد پیش‌بینی‌ها، نتایج به دست آمده پایدارتر و قابل اعتمادتر می‌شوند. هنگام مقایسه‌ی عملکرد افراد مختلف در پیش‌بینی‌های ورزشی، صرفاً به عدد ROI اکتفا نکنید. طول تاریخچه پیش‌بینی‌ها نیز یک عامل بسیار مهم است. اگر دو نفر ROI یکسانی داشته باشند، فردی که تاریخچه‌ی طولانی‌تری دارد، احتمالاً مهارت بیشتری داشته و موفقیت او کمتر به شانس وابسته بوده است.
به طور خلاصه:
تاریخچه کوتاه: احتمال اینکه موفقیت به دلیل شانس باشد، بیشتر است.
تاریخچه طولانی: احتمال اینکه موفقیت به دلیل مهارت باشد، بیشتر است.
اهمیت مهارت در بلندمدت
همانطور که می‌دانیم، شانس در بلندمدت تأثیر کمتری دارد و مهارت است که به موفقیت پایدار منجر می‌شود. بنابراین، اگر قصد دارید در پیش‌بینی‌های ورزشی موفق باشید، باید به دنبال بهبود مهارت‌های خود باشید و نه صرفاً تکیه بر شانس!
تأثیر ضرایب پیش‌بینی بر نتایج
تاکنون به تأثیر طول تاریخچه پیش‌بینی‌ها بر نتایج پرداختیم. اما عامل دیگری نیز وجود دارد که به شدت بر عملکرد پیش‌بین‌ها تأثیر می‌گذارد و آن هم ضرایب پیش‌بینی است.
ضریب پیش‌بینی چیست؟
ضریب پیش‌بینی نشان می‌دهد که اگر پیش‌بینی شما درست باشد، چه مقدار سود خواهید کرد. به عنوان مثال، اگر ضریب یک پیش‌بینی ۲ باشد، به این معنی است که اگر برنده شوید، دو برابر مبلغ اولیه خود را دریافت خواهید کرد.
تأثیر ضریب بر پراکندگی نتایج
همانطور که در نمودار مشاهده می‌کنید، ضرایب پیش‌بینی نیز بر پراکندگی نتایج تأثیر می‌گذارند. افرادی که روی رویدادهایی با ضرایب بالا پیش بینی می‌کنند (مانند پیش‌بینی برنده یک مسابقه اسب‌دوانی)، پتانسیل کسب سودهای بسیار بالا را دارند اما در عین حال، ریسک از دست دادن سرمایه نیز در آن‌ها بیشتر است. در مقابل، افرادی که روی رویدادهایی با ضرایب پایین‌تر پیش بینی می‌کنند (مانند پیش‌بینی نتیجه یک مسابقه فوتبال)، سودهای کمتری کسب می‌کنند اما ریسک کمتری نیز متحمل می‌شوند.
نمودار مقایسه‌ای
در نمودار ارائه شده، دو منحنی مشاهده می‌کنید:
منحنی آبی: نشان‌دهنده محدوده نتایج احتمالی برای افرادی است که روی رویدادهایی با ضریب بالا (مثلاً ۱۰) پیش‌بینی می‌کنند.
منحنی نارنجی: نشان‌دهنده محدوده نتایج احتمالی برای افرادی است که روی رویدادهایی با ضریب پایین (مثلاً ۲) پیش‌بینی می‌کنند.
همانطور که مشاهده می‌کنید، پراکندگی نتایج در منحنی آبی بسیار بیشتر از منحنی نارنجی است. این بدان معناست که افرادی که روی رویدادهایی با ضریب بالا پیش بینی می‌کنند، احتمال اینکه نتایج بسیار بهتر یا بسیار بدتر از میانگین به دست آورند، بیشتر است.
نتیجه‌گیری
ضرایب بالا: پتانسیل سود بیشتر اما ریسک بالاتر
ضرایب پایین: پتانسیل سود کمتر اما ریسک کمتر
اهمیت تنوع‌سازی
تنوع سازی یا برگه پیش‌بینی برای کاهش ریسک و افزایش احتمال موفقیت در بلندمدت، توصیه می‌شود. درواقع به جای تمرکز بر یک نوع ضریب، برگه‌ای از پیش‌بینی‌ها با ضرایب مختلف ایجاد کنید. این کار به شما کمک می‌کند تا ریسک را مدیریت کرده و در عین حال از فرصت‌های سودآوری نیز بهره‌مند شوید.
نگاهی دوباره به مناطق نسبی
پیش‌بینی با شانس‌های طولانی‌تر(تکرارپذیرتر) می‌تواند بازده‌های مثبت بزرگ‌تری ارائه دهد. با وجود اینکه رکوردها دارای طول یکسان هستند، بسیار محتمل‌تر است که یک بازده ۵% به سادگی با شانس (و بدون مهارت) برای پیش‌بینی با شانس ۱۰ اتفاق بیفتد. به این دلیل این اتفاق می‌افتد که رویدادهای احتمال پایین‌تر بیشتر تحت تأثیر شانس خوب و بد قرار می‌گیرند.
پیش‌بینی با شانس‌های طولانی‌تر می‌تواند فقط با خوش‌شانسی، بازده‌های مثبت بزرگ‌تری ارائه دهد، اما جنبه دیگر این است که بدشانسی نتایج برعکس را ارائه می‌دهد. شکل بالا این موارد را به وضوح نشان می‌دهد.
اکنون عامل دوم خود را هنگام تعیین اینکه یک ROI چقدر خوب است، در اختیار داریم. با فرض برابر بودن متغییر های دیگر، جایی که دو پیش‌بینی بازده یکسانی دارند، پیش‌بینی بهتر کسی است که آن را با شانس‌های کوتاه‌تر به دست آورده است.
نتیجه این است که انتظار می‌رود بازده‌های برترROI از پیش‌بینی‌هایی که با شانس‌های طولانی‌تر انجام می شوند اتفاق بیفتد. بازده‌ها ممکن است از نظر بزرگی بزرگ‌تر باشند، اما لزوماً دلیل بر مهارت بیشتر نیستند. مگر اینکه شانس‌های پیش‌بینی (و طول تاریخچه پیش‌بینی) را در نظر بگیریم، مقایسه بازده برای دو پیش‌بینی مختلف برای یافتن شواهدی دال بر مهارت واقعاً یک مقایسه منصفانه نیست.
احتمال به عنوان یک معیار در سنجش مهارت پیش‌بینی
بیایید به سوال اصلی خود بازگردیم: چه چیزی یک ROI خوب را می‌سازد؟ اکنون می‌دانیم که کیفیت یکROI یا بازده تحت تأثیر طول تاریخچه پیش‌بینی و اندازه شانس‌های پیش‌بینی است.
هنگام تجزیه و تحلیل هر دو عامل، این کار را با در نظر گرفتن احتمال مشاهده یک نتیجه خاص در محدوده‌ای از تمام نتایج ممکن انجام دادیم. بنابراین، استدلال می‌شود که مقایسه احتمال‌ها راه بهتری برای مقایسه عملکرد دو پیش‌بینی نسبت به بررسی ROI تنهاست، زیرا احتمال یک نتیجه خاص، یک معیار معنی‌دار از داشتن یا عدم داشتن مهارت پیش‌بینی است.
با انجام این بررسی، می‌توانیم دید دقیق‌تری نسبت به نتایج احتمالی پیش‌بینی‌ها با شانس‌های متفاوت پیدا کنیم. برای این منظور، دو نمودار با در نظر گرفتن سه سطح احتمال وقوع تصادفی رویداد (۱۰ درصد، ۱ درصد و ۰.۱ درصد) ارائه شده است. هرچه این احتمال کمتر باشد، می‌توان با اطمینان بیشتری گفت که عوامل دیگری نیز در نتیجه پیش‌بینی نقش داشته‌اند. با این حال، این اعداد تنها یک رابطه کیفی را نشان می‌دهند و نمی‌توان از آن‌ها برای محاسبه دقیق احتمال مهارت پیش‌بینی‌کننده استفاده کرد.
نمودار اول، محدوده ضرایب معمول در بیشتر مسابقات ورزشی را نشان می‌دهد که عموماً مورد توجه بسیاری از علاقه‌مندان به پیش بینی قرار می‌گیرد. به عنوان مثال، اگر کسی بتواند نتایجی به دست آورد که احتمال رخداد تصادفی آن‌ها تنها ۱ درصد باشد، با پیش بینی روی گزینه‌هایی با ضریب ۱.۵ به طور متوسط ۵ درصد سود خواهد برد. اما اگر همان فرد باهوش روی گزینه‌هایی با ضریب ۳۰۰۰ پیش‌بینی کند، سود متوسط او به طور قابل توجهی به بیش از ۱۰ درصد افزایش می‌یابد. نمودار دوم، این رابطه را برای ضرایب بسیار بالاتر، مثلاً در مسابقاتی مانند گلف یا اسب‌دوانی که تعداد شرکت‌کنندگان بسیار زیاد است، نشان می‌دهد.
یک پیش‌بینی با ضریب ۲۰,۰۰۰ انتظار می‌رود سود بسیار بالایی حدود ۳۵ درصد داشته باشد. بنابراین، اگر کسی با ضریب بسیار بالا، سود کمتری نسبت به این مقدار به دست آورد، نشان می‌دهد که به اندازه کسی که با ضریب پایین‌تر پیش‌بینی می‌کند، مهارت ندارد و عملکرد او در نمودار پایین‌تر از خط قرمز قرار می‌گیرد. به عبارت دیگر، احتمال اینکه کسی با ضریب ۵,۰۰۰ میزان ۱۵ درصد سود ببرد، حدود ده برابر بیشتر از کسی است که با ضریب ۳,۰۰۰ یا ۱۴,۰۰۰ به همین سود برسد، است.
نتیجه گیری پایانی
بازگشت سرمایه یا ROI چیست؟ حال باید پاسخ این سوال را گرفته باشید! تمام ROIها در پیش‌بینی یکسان نیستند. اینکه یک پیش‌بینی‌کننده دو برابر دیگری ROI داشته باشد، لزوماً او را به یک پیش‌بینی‌کننده ماهرتر تبدیل نمی‌کند. بازدهی بالاتر را می‌توان نه تنها از تاریخچه پیش‌بینی کوتاه‌تر، بلکه همچنین از پیش‌بینی با ضریب بالاتر انتظار داشت. بازدهی بالاتر ممکن است در کوتاه‌مدت احساس خوبی داشته باشد، اما در نهایت عامل تعیین‌کننده تأثیرگذار بر پایداری سوددهی، سطح مهارت پیش‌بینی خواهد بود.
امیدواریم با بررسی بیشتر مفهوم احتمال در این مجله، درک بهتری از آنچه که یک ROI خوب را تشکیل می‌دهد، به دست آورده باشید. برای کسانی که می‌خواهند ریاضیات پشت این ایده‌ها را بررسی کنند، کتاب جدید جوزف بوخدال، Monte Carlo or Bust: Simple Simulations for Aspiring Sports Bettors ممکن است چیزی باشد که شما به دنبالش هستید.
