Đề tài Xây dựng mô hình dự đoán tiền đạo đoạt danh hiệu Chiếc giày vàng châu Âu

PHẦN 1: LÝ DO CHỌN ĐỀ TÀI Bóng đá – môn thể thao vua của nhiều nước trên thế giới, và Việt Nam cũng không là một ngoại lệ. Tuy nhiên, hiếm có nơi nào trên thế giới mà tình yêu cho trái bóng lại cuồng nhiệt và cháy bóng như tại Việt Nam, hẳn chúng ta vẫn còn nhớ những “chảo lửa” trên sân Mỹ Đình hoặc cảnh “đi bão” có một không hai của người hâm mộ bóng đá Việt Nam. Không chỉ là xem, cổ vũ, thưởng thức những khoảnh khắc tuyệt vời mà những “nghệ sĩ sân cỏ” mang lại, mà nhiều người còn muốn tham gia thử vận may thông qua những trận đấu bóng đá cũng như những khía cạnh khác của nó. Nhưng, ở Việt Nam chúng ta hiện nay, cá cược bóng đá vẫn chưa được hợp pháp hóa. Cũng như xổ số, cá cược bóng đá rõ ràng cũng là một nhu cầu của con người, mà đã là nhu cầu thì càng cấm đoán người ta càng tìm cách để thỏa mãn. Theo thông kê thì hằng năm có khoảng hơn 200 triệu USD của các tay chơi Việt Nam về các nhà cái nước ngoài, một khoản tiền lớn như vậy thì tại sao lại để nó bị tuồng ra bên ngoài? Trên thế giới có khá nhiều nhà cái hoạt động hiệu quả trong lĩnh vực này như: Bwin, Willams Hill, Labbrokes, … ngay cả các nước trong khu vực chúng ta cũng có những nhà cái lớn và nổi tiếng như Singapore Pools chẳng hạn. Cá cược bóng đá trên thế giới có rất nhiều hình thức và nội dung cá cược khác nhau chứ không chỉ đơn thuần là cá cược thắng thua của một trận đấu nào đó, có thể là tham gia cá cược cho một danh hiệu nào đó, hay chủ nhân cho một chiếc cup nào đó, thậm chí đã có trường hợp người ta đặt cược cho huấn luyện viên đầu tiên trong một mùa giải Ngoại hạng Anh bị sa thải chẳng hạn. Một trong số đó là việc các nhà cái ở châu Âu đặt ra một nội dung cược là: đầu mùa chúng ta sẽ đặt cược cho cầu thủ đạt danh hiệu Chiếc giày vàng châu Âu. Vậy thì dựa vào cơ sở nào để tham gia đặt cược với sự tự tin cao nhất? Với mục đích trả lời câu hỏi trên cũng như xuất phát từ lòng đam mê trái bóng của các thanh viên trong nhóm, chúng tôi – nhóm 5 bạn nam của lớp K7T quyết định chọn đề tài: “Xây dựng mô hình dự đoán tiền đạo đoạt danh hiệu Chiếc giày vàng châu Âu” để nghiên cứu. Đó chính là lý do chọn đề tài của nhóm. Do còn nhiều hạn chế nên việc nghiên cứu còn chưa triệt để cho lắm, nhóm chỉ thu thập và sử dụng số liệu của các tiền đạo chơi tại 5 giải vô địch quốc gia hàng đầu châu Âu là Anh, Tây Ban Nha, Ý, Đức, Pháp. Khi quyết định chọn đề tài này nhóm rất hy vọng đây sẽ là một đề tài rất hấp dẫn và mang tính ứng dụng cao. Bởi vì, cá cược luôn là một “thú vui” của nhiều người và khi tham gia thì ai cũng muốn mình được cái gì đó. Do đó, nhóm nghĩ rằng nếu có điều kiện để nghiên cứu sâu sắc hơn nữa thì đề tài sẽ thật sự là một công cụ tốt cho những người tham gia. Đề tài được thực hiện trong thời gian ngắn và do năng lực của nhóm còn nhiều hạn chế nên không thể tránh khỏi những thiếu sót. Rất mong nhận được sự đóng góp ý kiến của Thầy và các bạn! PHẦN 2: CƠ SỞ LÝ LUẬN Cơ sở lý thuyết khi chọn đề tài Khi tham vào bất kỳ một cái gì mà chúng ta phải bỏ ra một phần tài sản của mình, dù nhỏ dù lớn, thì ta đều ít nhiều phải cân nhắc trước khi ra quyết định – hay nói cách khác là “con người luôn muốn được hơn là mất”. Và khi tham gia vào các trò cá cược bóng đá thì người chơi cũng vậy. Rõ ràng, chúng ta sẽ luôn đặt cho những “cửa” mà chúng ta cho rằng xác suất thắng là lớn nhất. Xuất phát từ những lý thuyết trên nhóm chúng tôi đưa ra mô hình này nhằm giúp cho người chơi có cơ sở hơn trước khi ra quyết định đặt cược. Mặt khác, nhóm cũng mình cũng xin đề cập đến “lý thuyết về đánh đổi”. Sự đánh đổi ở đây là giữa việc người chơi sẽ đặt cược cho cầu thủ mà mình yêu thích và tin tưởng theo cảm tính hay họ sẽ đặt cho cầu thủ được xác định theo mô hình. Đây chính là những cơ sở lý thuyết mà chúng tôi quyết định chọn đề tài để nghiên cứu. Cơ sở lý thuyết để xây dựng mô hình Danh hiệu “Chiếc giày vàng châu Âu” hằng năm được UEFA trao cho các cầu thủ chơi tại các giải vô địch quốc gia của các nước thành viên. Cơ sở khi trao giải này của UEFA là dựa vào số điểm mà mỗi cầu thủ đạt được, cầu thủ nào có số điểm cao nhất sẽ là người được nhận danh hiệu “Chiếc giày vàng châu Âu” của năm. Số điểm của mỗi cầu thủ = số bàn thắng * hệ số của giải vô địch quốc gia Trong đó, số bàn thắng là số bàn mà mỗi cầu thủ ghi được trong cả mùa một giải vô địch quốc gia. Còn, hệ số của giải vô địch quốc gia là hệ số mà UEFA qui định: -Năm quốc gia đứng đầu bảng xếp hạng 5 năm của UEFA sẽ có hệ số là 2; -Các quốc gia đứng từ vị trí từ 6 đến 21 sẽ có hệ số là 1.5; -Các quốc gia đứng tiếp sau sẽ có hệ số là 1 hoặc 0.5 Căn cứ vào cơ sở xác định “Chiếc giày vàng châu Âu” trong từng mùa như trên cùng với việc chỉ giới hạn phạm vi nghiên cứu trong 5 giải vô địch của 5 quốc gia đứng đầu bảng xếp hạng 5 năm của UEFA, thì nhóm đã chuyển sang các yếu tố tác động đến khả năng khi bàn thắng của cầu thủ. Mô hình được người chơi sử dụng vào đầu mỗi mùa bóng nhằm để xác định số điểm dự đoán của mỗi cầu thủ khi mùa giải kết thúc (DMS) qua đó người chơi ra quyết định đặt cược. Do vậy, theo nhóm những yếu tố tác động đến dự đoán số bàn thắng ghi được của cầu thủ trong cả mùa bao gồm: -Nhóm những yếu tố thuộc về bản thân của tiền đạo đó: +Số điểm mùa trước của tiền đạo này, kí hiệu DMTR, đơn vị điểm; +Lương hiện tại mà tiền đạo này được nhận, kí hiệu LUONG, đơn vị triệu euro/mùa; +Tuổi của tiền đạo này, kí hiệu TUOI, biến dummy; +Số trận vắng mặt hoàn toàn trong mùa giải trước, kí hiệu SOTRAN, đơn vị trận. -Nhóm những yếu tố thuộc về bên ngoài của tiền đạo đó: +Vị trí mùa trước của Câu lạc bộ mà tiền đạo này thi đấu, kí hiệu VITRI; +Đầu tư của Câu lạc bộ trước mùa bóng, kí hiệu DAUTU. Mô hình dự kiến: DMS =
+
DMTR +
LUONG +
TUOI +
SOTRAN +
VITRI +
DAUTU Kỳ vọng về dấu của các biến Biến DMTR kỳ vọng mang dấu dương, bởi vì những tiền đạo mùa trước ghi được nhiều bàn thắng (hay số điểm mùa trước cao) thì rõ ràng mùa sau sẽ được dự đoán là ứng cử viên nặng kí. Biến LUONG kỳ vọng mang dấu dương, bởi vì LUONG cao sẽ khiến cầu thủ có nhiều nỗ lực cống hiến hơn cho Câu lạc bộ và số bàn thắng anh ghi sẽ được dự đoán cao. Biến TUOI là biến dummy. Căn cứ vào những cầu thủ dã nhận danh hiệu “Chiếc giày vàng châu Âu” trong 10 mùa giải gần đây, nhóm chọn ra một khoảng tuổi gọi là “thời kì đỉnh cao phong độ” của cầu thủ. Biến TUOI nhận giá trị 1 nếu tuổi của cầu thủ nằm trong khoảng tuổi đó và nhận giá trị 0 nếu không thuộc khoảng đó. Biến SOTRAN kỳ vọng mang dấu dương, bởi vì biến SOTRAN càng cao chứng tỏ hiệu suất ghi bàn của tiền đạo sẽ càng cao. Biến VITRI kỳ vọng mang dấu dương.( Ở đây nhóm sử dụng biến VITRI = 20 – vị trí mùa trước của Câu lạc bộ). Bởi vậy vị trí của Câu lạc bộ mùa trước càng cao, thì biến VITRI càng lớn. Khi đó phong độ chung của cả đội bóng sẽ tốt và bản thân cầu thủ đó cũng như những hỗ trợ từ đồng đội sẽ hiệu quả hơn, do đó khả năng ghi bàn cũng sẽ cao hơn. Biến DAUTU là biến dummy, nhận giá trị 1 nếu trước mùa Câu lạc bộ có sự đầu tư mạnh; nhận giá trị 0 nếu ngược lại. PHẦN 3: THU THẬP SỐ LIỆU Phương pháp thu thập số liệu Vì đặc thù của đề tài nghiên cứu, nên nhóm sử dụng nguồn số liệu là số liệu thứ cấp. Nhóm tiến hành thu thập số liệu qua kênh chính là internet, ngoài ra còn sử dụng số liệu qua các trang báo giấy về bóng đá khác nữa. Bảng số liệu STT  DMS  DMTR  VITRI  DAUTU  LUONG  TUOI  SOTRAN   1  48  50  19  1  7  1  4   2  34  38  16  0  7  1  5   3  42  40  17  0  9  0  7   4  46  50  17  0  6.5  1  8   5  48  50  18  0  9  0  3   6  60  56  19  0  8.5  1  5   7  34  30  19  1  7  0  4   8  36  34  19  0  8  1  12   9  38  30  16  0  6  0  14   10  42  30  18  1  8.5  0  3   11  48  62  16  0  5.5  0  9   12  34  48  17  0  5  1  9   13  42  46  17  0  8  0  11   14  32  36  19  1  5.5  0  11   15  44  34  18  1  6  0  3   16  32  46  18  0  6  0  4   17  36  30  19  1  7  1  12   18  34  40  18  1  5  1  10   19  26  30  19  0  7  0  9   PHẦN 4: ƯỚC LƯỢNG VÀ KIỂM ĐỊNH MÔ HÌNH 4.1. Ước lượng mô hình Bảng ANOVA Dependent Variable: DMS     Method: Least Squares     Date: 05/28/09 Time: 22:15     Sample: 1 19      Included observations: 19                 Variable  Coefficient  Std. Error  t-Statistic  Prob.                 DMTR  0.754977  0.136711  5.522434  0.0001   LUONG  3.911580  0.968114  4.040411  0.0016   SOTRAN  0.009730  0.333604  0.029166  0.9772   TUOI  1.230103  2.128409  0.577945  0.5740   VITRI  -0.982377  1.173067  -0.837443  0.4187   DAUTU  8.379541  2.999391  2.793748  0.0162   C  -4.824613  22.17563  -0.217564  0.8314               R-squared  0.807689      Mean dependent var  39.78947   Adjusted R-squared  0.711534      S.D. dependent var  8.024815   S.E. of regression  4.310051      Akaike info criterion  6.037087   Sum squared resid  222.9185      Schwarz criterion  6.385038   Log likelihood  -50.35232      F-statistic  8.399835   Durbin-Watson stat  2.423997      Prob(F-statistic)  0.000989               Từ bảng ANOVA trên ta có mô hình được ước lượng là: DMS = -4.824613 + 0.754977DMTR + 3.911580LUONG + 0.009730SOTRAN + (0.8314) (0.0001) (0.0016) (0.9772) 1.230103TUOI - 0.982377VITRI + 8.379541DAUTU (0.5740) (0.4187) (0.0162) R2 = 0.807689 ESS = 222.9185 N = 19 AIC = 6.037087 SCHWARZ = 6.385038 (Số trong ngoặc là Prob) 4.2. So sánh dấu các biến trong mô hình với kỳ vọng và ý nghĩa của từng biến Biến DMTR: có dấu dương trùng với kỳ vọng. Khi điểm mùa trước tăng một điểm thì điểm dự đoán mùa sau sẽ tăng lên 0.754977 điểm. Biến LUONG: cũng có dấu dương trùng với kỳ vọng. Khi lương của tiền đạo được hưởng tăng lên 1 triệu/mùa thì số điểm dự đoán sẽ tăng lên 3.911580. Biến SOTRAN: có dấu dương trùng với kỳ vọng. Khi số trận nghỉ hoàn toàn mùa trước của cầu thủ tăng lên 1 đơn vị thì số điểm dự đoán sẽ tăng lên 0.00973. Biến VITRI: trái với dấu kỳ vọng. 4.3. Kiểm định thống kê cho mô hình ước lượng DMS = -4.824613 + 0.754977***DMTR + 3.911580**LUONG + 0.009730SOTRAN + 1.230103TUOI - 0.982377VITRI + 8.379541*DAUTU * là ở mức ý nghĩa ** là ở mức ý nghĩa 0.05 *** là ở mức ý nghĩa 0.001 Như vậy, các biến SOTRAN, TUOI và VITRI là không có ý nghĩa tại mức ý nghĩa 5%, hay tổng quát là các biến này chưa có ý nghĩa giải thích cho mô hình. 4.4. Kiểm định WALD test Đặt giả thiết: H0
H1 không phải là H0 Kết quả kiểm định Wald test từ Eviews: Wald Test:     Equation: Untitled              Test Statistic  Value    df      Probability             F-statistic  1.472621  (4, 12)    0.2710   Chi-square  5.890484  4    0.2075                  Null Hypothesis Summary:              Normalized Restriction (= 0)  Value    Std. Err.             C(3)  0.009730  0.333604   C(4)  1.230103  2.128409   C(5)  -0.982377  1.173067   C(7)  -4.824613  22.17563             Restrictions are linear in coefficients.   Vì p-value (F = 1.472621) = 0.271 > 0.05, nên ta không bác bỏ H0. Vậy, chúng ta sẽ loại bỏ 3 biến SOTRAN, TUOI và VITRI ra khỏi mô hình. 4.5. Các mô hình mới. 4.5.1. Mô hình C

Mô hình ước lượng từ mô hình C: Dependent Variable: DMS     Method: Least Squares     Date: 05/28/09 Time: 22:22     Sample: 1 19      Included observations: 19                 Variable  Coefficient  Std. Error  t-Statistic  Prob.                 DMTR  0.778452  0.115988  6.711503  0.0000   LUONG  3.600192  0.761205  4.729593  0.0003   DAUTU  7.292878  2.265937  3.218482  0.0057   C  -20.18172  8.353792  -2.415876  0.0289               R-squared  0.793599      Mean dependent var  39.78947   Adjusted R-squared  0.752319      S.D. dependent var  8.024815   S.E. of regression  3.993756      Akaike info criterion  5.792005   Sum squared resid  239.2513      Schwarz criterion  5.990835   Log likelihood  -51.02405      F-statistic  19.22469   Durbin-Watson stat  2.718968      Prob(F-statistic)  0.000021               4.5.2. Mô hình B
Mô hình ước lượng từ mô hình B: Dependent Variable: DMS     Method: Least Squares     Date: 05/28/09 Time: 22:48     Sample: 1 19      Included observations: 19                 Variable  Coefficient  Std. Error  t-Statistic  Prob.                 DMTR  0.586549  0.125249  4.683044  0.0002   LUONG  2.901920  0.918559  3.159210  0.0061   C  -4.682946  8.593665  -0.544930  0.5933               R-squared  0.651064      Mean dependent var  39.78947   Adjusted R-squared  0.607447      S.D. dependent var  8.024815   S.E. of regression  5.027875      Akaike info criterion  6.211811   Sum squared resid  404.4724      Schwarz criterion  6.360933   Log likelihood  -56.01220      F-statistic  14.92681   Durbin-Watson stat  2.481660      Prob(F-statistic)  0.000220               4.5.3. Mô hình A
Mô hình ước lượng từ mô hình A: Dependent Variable: DMS     Method: Least Squares     Date: 05/28/09 Time: 22:49     Sample: 1 19      Included observations: 19                 Variable  Coefficient  Std. Error  t-Statistic  Prob.                 DMTR  0.556768  0.154398  3.606050  0.0022   C  16.63965  6.576180  2.530291  0.0216               R-squared  0.433401      Mean dependent var  39.78947   Adjusted R-squared  0.400072      S.D. dependent var  8.024815   S.E. of regression  6.215622      Akaike info criterion  6.591309   Sum squared resid  656.7773      Schwarz criterion  6.690724   Log likelihood  -60.61744      F-statistic  13.00360   Durbin-Watson stat  2.192865      Prob(F-statistic)  0.002180               4.5.4. So sánh 3 mô hình Variable  Model A  Model B  Model C   Constant  16.63965* (6.576180)  -4.682946 (8.593665)  -20.18172* (8.353792)   DMTR  0.556768** (0.154398)  0.586549*** (0.125249)  0.778452*** (0.115988)   LUONG   2.901920* (0.918559)  3.600192*** (0.761205)   DAUTU    7.292878* (2.265937)   Variable  Model A  Model B  Model C   ESS  656.7773  404.4724  239.2513   R2  0.433401  0.651064  0.793599    0.400072  0.607447  0.752319   F-stat  13.00360  14.92681  19.22469   DF (N-K)  17  16  15   AIC  6.591309  6.211811  5.792005   SCHWAR  6.690724  6.360933  5.990835   Kết quả so sánh trên nhóm quyết định chọn mô hình tối ưu là mô hình C. Bởi vì: mô hình C có AIC và SCHWAR nhỏ nhất và
lớn nhất. DMS = -20.18172 + 0.778452*DMTR + 3.600192*LUONG + 7.292878*DAUTU R2 = 0.7935
= 0.75231 F-stat = 19.22469 DMS = -20.18172* + 0.778452*** DMTR + 3.600192*** LUONG + 7.292878* DAUTU PHẦN 5: Ý NGHĨA MÔ HÌNH 5.1. Mô hình tối ưu DMS = -20.18172 + 0.778452*DMTR + 3.600192*LUONG + 7.292878*DAUTU R2 = 0.7935
= 0.75231 F-stat = 19.22469 5.2. Ý nghĩa mô hình Kết quả từ mô hình tối ưu trên có thể kết luận là số điểm dự đoán mùa tới phụ thuộc vào số điểm của mùa trước, lương của cầu thủ và đầu tư của Câu lạc bộ trước mùa giải. Hy vọng đề tài đem vào áp dụng trong thực tế có thể giúp nhiều người chơi cá cược có thể tin tưởng, cũng như có cơ sở hơn cho những quyết định đặt cược của mình. 5.3. Kết quả dự đoán STT  DMS  DMSF   1  34  34.6008   2  42  43.35809   3  34  35.66606   4  36  35.08718   5  42  41.06635   6  48  47.88336   7  34  35.18494   8  36  35.66606   9  34  36.2502   10  26  28.37318   PHẦN 6: LỜI KẾT Mô hình được thực hiện trong điều kiện thời gian gấp gáp, cùng với những hạn chế về số liệu và kiến thức của nhóm mà việc nghiên cứu chưa được thực hiện triệt để. Nhưng nhóm tin rằng nếu đề tài này được đầu tư hơn nữa sẽ mang tính ứng dụng cao. Nói về cá cược bóng đá hợp pháp tại Việt Nam, đây rõ ràng là một vấn đề cần sớm được xem xét. Được biết hiện nay đề án cá cược bóng đá tại Việt Nam đã được trình lên Quốc hội, do đó các cơ quan chức trách cần sớm xét duyệt để có thể đưa nó vào thực hiện. Cuối cùng, nhóm rất mong đóng góp của Thầy và các bạn về những sai sót xảy ra trong quá trình làm việc của nhóm! Xin cảm ơn!.