Nach dem Weltmeistertitel könnte auch jener der Fußball-EM an Frankreich gehen – zu diesem Ergebnis kommen Forscherinnen und Forscher der Universitäten Innsbruck und Gent, der Technischen Universitäten Dortmund und München und der Hochschule Molde. Gute Chancen auf den Titel dürfen sich aber auch England und Spanien ausrechnen.
Am Freitag, 11. Juni, starten Europas Herren-Fußballmannschaften mit einem Jahr Verspätung in die Europameisterschaft. Der Favorit ist diesmal Frankreich mit einer Gewinnwahrscheinlichkeit von 14,8 Prozent. Das zeigt ein internationales Forscher*innen-Team bestehend aus Andreas Groll und Franziska Popp (beide TU Dortmund), Gunther Schauberger (TU München), Christophe Ley und Hans Van Eetvelde (beide Universität Gent), Achim Zeileis (Universität Innsbruck) und Lars Hvattum (Hochschule Molde, Norwegen) mit Hilfe von maschinellem Lernen. Ihre Prognose kombiniert dabei mehrere statistische Modelle für die Spielstärken der Teams mit Informationen über die Team-Struktur (etwa Marktwert, Anzahl Champions-League-Spieler, Vereinsspiele-Performance einzelner Spieler) sowie sozio-ökonomische Faktoren des Herkunftslandes (Bevölkerung und Bruttoinlandsprodukt).
100.000 Mal simuliert
Mit den vorhergesagten Werten aus dem Modell der Forscher*innen wurde die gesamte EM 100.000 Mal durchsimuliert: Spiel für Spiel, der Turnierauslosung und allen UEFA-Regeln folgend. Damit ergeben sich Wahrscheinlichkeiten für das Weiterkommen aller Teams in die einzelnen Turnierrunden und letztendlich für den EM-Sieg. Favorit ist diesmal Frankreich mit einer Gewinnwahrscheinlichkeit von 14,8 Prozent, gefolgt von England (13,5) und Spanien (12,3). Das Turnier ist natürlich dennoch nicht gelaufen – das zeigen auch die relativ knappen Abstände bei den Gewinnwahrscheinlichkeiten an der Spitze, außerdem natürlich die ohnehin niedrige Wahrscheinlichkeit selbst der Top-Nationen. „Es liegt in der Natur von Prognosen, dass sie auch danebenliegen können – sonst wären Fußball-Turniere auch sehr langweilig. Wir liefern eben Wahrscheinlichkeiten, keine Gewissheiten, und eine Gewinnwahrscheinlichkeit von 15 Prozent heißt zugleich, dass die Mannschaft zu 85 Prozent nicht Turniersieger werden kann“, sagt Achim Zeileis. Bisher waren die Prognosen aber durchaus erfolgreich: Das Innsbrucker Modell von Achim Zeileis, das auf bereinigten Quoten der Wettanbieter basiert, konnte unter anderem bereits 2008 das EURO-Finale, sowie 2010 und 2012 Welt- und Europameister Spanien richtig vorhersehen. Dieses Jahr wird es als Teil des umfassenderen kombinierten Modells eingesetzt, das von den Teams um Andreas Groll (TU Dortmund), Gunther Schauberger (TU München) und Christophe Ley (Universität Gent) entwickelt wurde und das bei der Fußball-Weltmeisterschaft 2018 die Prognosegüte der Wettanbieter übertroffen hatte.
Deutschland im Turnier
Es ist kein Geheimnis, dass die deutsche Nationalmannschaft dieses Jahr in eine besonders herausfordernde Gruppe gelost wurde: „In Gruppe F sind drei sehr starke Teams, darunter der amtierende Weltmeister Frankreich und der Europameister Portugal, beide zugleich die Finalisten der EURO 2016, plus eben Deutschland“, erläutert Andreas Groll: „In dieser Gruppe ist die Wahrscheinlichkeit deshalb verglichen mit den Favoriten in den anderen Gruppen geringer, es bis ins Achtelfinale zu schaffen. Wer das aber schafft, hat dann ganz gute Chancen, weiterzukommen.“ Die Prognose sieht sowohl für Deutschland als auch Portugal eine Wahrscheinlichkeit von 85,3 Prozent, es ins Achtelfinale zu schaffen; für Frankreich liegt diese Wahrscheinlichkeit etwas höher bei 89,7 Prozent. Dass Deutschland Europameister wird, ist mit 10,1 Prozent Wahrscheinlichkeit deutlich unter den Werten der Favoriten und genau gleichauf mit Portugal.
Machine Learning
Die Berechnung der Forscher*innen basiert auf vier Informationsquellen: Ein statistisches Modell für die Spielstärke jedes Teams auf Basis aller Länderspiele der vergangenen acht Jahre (Universität Gent), ein weiteres statistisches Modell für die Spielstärke der Teams auf Basis der Wettquoten von 19 internationalen Buchmachern (Universität Innsbruck), weitere Informationen über die Teams, zum Beispiel der Marktwert, und ihre Herkunftsländer, etwa die Bevölkerungszahl (TU Dortmund und TU München), außerdem detaillierte Ratings der einzelnen Spieler und deren individueller Performance sowohl in ihren Stammvereinen und Nationalmannschaften (Hochschule Molde). Fünfte Quelle bzw. fünfter „Partner“ ist ein Machine-Learning-Modell, das die anderen vier Quellen zusammenführt und sie schrittweise optimiert. Die Forscher*innen haben das Modell zuvor mit historischen Daten trainiert, wie Andreas Groll erläutert: „Wir haben das Modell mit den jeweils zu dem Zeitpunkt aktuellen Daten für die vergangenen vier Europameisterschaften, also zwischen 2004 und 2016, gefüttert und mit den tatsächlichen Spielausgängen aller Spiele der jeweiligen Turniere vergleichen lassen – so wird die Gewichtung der einzelnen Informationsquellen für das aktuelle Turnier im Idealfall sehr genau ausfallen.“ Wie gut das Modell abgeschnitten hat, werden wir auf alle Fälle spätestens am Abend des 11. Juli erfahren.
Rückfragen (Deutschland):
Prof. Dr. Andreas Groll
Fakultät für Statistik
Technische Universität Dortmund
Tel.: +49 231 755-4229
E-Mail: groll@statistik.tu-dortmund.de
Rückfragen (Österreich):
Univ.-Prof. Dr. Achim Zeileis
Institut für Statistik
Universität Innsbruck
Mobil: +43 676 38 48 967
E-Mail: achim.zeileis@uibk.ac.at
http://bit.ly/forecast-euro2020 Die gesamte Prognose mit interaktiven Grafiken
Merkmale dieser Pressemitteilung:
Journalisten, jedermann
Informationstechnik, Mathematik, Wirtschaft
überregional
Forschungsergebnisse, Kooperationen
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).