Offene Sportdaten mit R und Python prüfen: Wie gut sind Wettquoten wirklich?

Wettquoten sind im Grunde Wahrscheinlichkeiten mit Aufschlag. Rechnet man den Aufschlag heraus, sagt eine Quote: «Dieses Team gewinnt mit 62 Prozent.» Ob solche Aussagen stimmen, lässt sich mit freier Software und offenen Daten in wenigen Minuten selbst nachprüfen. Genau das machen wir hier.

Die Daten

Der Datensatz enthält 5'897 Spiele der NBA-Regular-Season vom 19. Oktober 2021 bis 13. März 2026. Pro Spiel gibt es die Schlussquote von mindestens drei Buchmachern (umgerechnet in eine Siegchance für das Heimteam, ohne Buchmacher-Aufschlag), das Endergebnis und die Ruhetage beider Teams. Die Datei ist eine einfache CSV unter CC BY 4.0 und hat eine DOI (10.5281/zenodo.23782134). Man kann sie direkt aus dem Netz einlesen, es braucht kein Konto und keinen API-Schlüssel.

Spalten: date, season, stage, home, away, home_chance, books, home_score, away_score, home_won, home_rest, away_rest.

Python (pandas)

import pandas as pd
url = "https://betbetter.world/studies/data/nba-back-to-backs-2021-2026.csv"
df = pd.read_csv(url)
brier = ((df.home_chance - df.home_won) ** 2).mean()
print(f"Spiele: {len(df)}  Brier: {brier:.4f}")
df["band"] = pd.cut(df.home_chance, [0, .2, .4, .5, .6, .8, 1])
print(df.groupby("band", observed=True).agg(spiele=("home_won", "size"),
      erwartet=("home_chance", "mean"), gewonnen=("home_won", "mean")).round(3))
tired_home = df[(df.home_rest == 0) & (df.away_rest > 0)]
print(f"Heimteam müde, Gast ausgeruht: {len(tired_home)} Spiele, "
      f"erwartet {tired_home.home_chance.mean():.1%}, gewonnen {tired_home.home_won.mean():.1%}")

R (ohne Zusatzpakete)

Titelbild: selbst

Quellen:

• Bet Better (2026): NBA back-to-backs 2021-2026: closing prices vs results, 5,897 regular-season games. Datensatz, CC BY 4.0. https://doi.org/10.5281/zenodo.23782134
• Studie mit Methodik und Tabellen: https://betbetter.world/studies/nba-back-to-backs-2021-2026
• Übersicht aller offenen Datensätze: https://betbetter.world/studies/
• Brier, G. W. (1950): Verification of forecasts expressed in terms of probability. Monthly Weather Review 78(1), 1-3.
  R Core Team: R: A Language and Environment for Statistical Computing. https://www.r-project.org/
• pandas: https://pandas.pydata.org/