Negli ultimi anni le scommesse multiple, conosciute anche come parlay o accumulator, hanno conquistato una fetta sempre più ampia del mercato igaming. La possibilità di combinare più eventi in un unico ticket attrae sia i giocatori occasionali sia i professionisti, perché offre la prospettiva di vincite esponenziali rispetto a una scommessa singola. Tuttavia, dietro l’apparente semplicità di “mettere insieme” quote allettanti si nascondono complesse dinamiche probabilistiche che, se non comprese, trasformano il sogno di un colpo grosso in una perdita rapida.
Per approfondire questi meccanismi è utile consultare risorse come https://www.dogalize.com/ che, pur non essendo un operatore di gioco, fornisce notizie, guide e strumenti utili per chi desidera affinare il proprio approccio quantitativo. Dogalize è citata più volte in questo articolo come punto di riferimento per chi vuole restare aggiornato su novità, software e best practice del settore.
L’articolo è suddiviso in sette parti tematiche: partiamo dai fondamenti di probabilità, passiamo al valore atteso, esaminiamo l’effetto della correlazione, introduciamo la gestione del bankroll con il criterio di Kelly, analizziamo un caso reale di “Trifecta di Milano”, esploriamo i tool più efficaci e, infine, definiamo quando è più saggio abbandonare le multiple. Alla fine di ogni sezione il lettore avrà un concetto chiave pronto da applicare al proprio portafoglio di scommesse.
1. Fondamenti di Probabilità nelle Scommesse Multiple
Una scommessa multiple consiste nel selezionare due o più eventi distinti e legarli in un unico ticket. La vincita totale si ottiene solo se tutti gli eventi risultano corretti; in caso contrario l’intera puntata è persa.
Il calcolo della probabilità combinata è lineare: si moltiplicano le probabilità individuali dei singoli eventi. Se (p_1, p_2, …, p_n) sono le probabilità reali, la probabilità della multiple è (P = \prod_{i=1}^{n} p_i).
I bookmaker, tuttavia, non offrono le probabilità reali ma quote che includono il margine di profitto. La probabilità implicita di una quota (q) è (1/q). Spesso questa è inferiore alla probabilità reale, creando un “gap” che il giocatore esperto deve colmare.
Esempio: consideriamo una tripla con quote 2.00, 1.80 e 2.50.
– Probabilità implicita: (0.50, 0.556, 0.40).
– Probabilità combinata implicita: (0.50 \times 0.556 \times 0.40 = 0.111) (11,1 %).
– Quota totale: (2.00 \times 1.80 \times 2.50 = 9.00).
Se la probabilità reale di ciascun evento fosse, ad esempio, 0.55, 0.60 e 0.45, la probabilità reale combinata sarebbe 0.149 (14,9 %). La differenza tra 14,9 % e 11,1 % indica un potenziale valore nascosto, ma solo se il giocatore riesce a stimare con precisione le probabilità di base.
2. Il Valore Atteso (EV) e Come Individuarlo nelle Accumulator
Il valore atteso (EV) misura il profitto medio per unità scommessa e si calcola così:
[
EV = (p \times q) – (1 – p)
]
dove (p) è la probabilità reale e (q) la quota offerta. Un EV positivo indica che, a lungo termine, la scommessa è profittevole.
Per le multiple, esistono due approcci:
1. Somma degli EV individuali – si calcola l’EV di ciascuna selezione e si somma.
2. EV della combinazione – si usa la probabilità combinata reale e la quota totale.
Spesso la seconda è più restrittiva perché la dipendenza tra eventi riduce la probabilità complessiva. Tuttavia, se la quota totale è sufficientemente alta, l’EV della combinazione può risultare positivo anche quando le quote sembrano “inflazionate”.
Caso pratico: un accumulator a 4 eventi con quote 1.95, 2.10, 1.80, 2.40.
– Quota totale: (1.95 \times 2.10 \times 1.80 \times 2.40 = 17.66).
– Probabilità reale stimata: 0.55, 0.48, 0.60, 0.45 → combinata = 0.071 (7,1 %).
– EV = (0.071 \times 17.66 – (1-0.071) = 1.255 – 0.929 = +0.326) → +32,6 % rispetto alla puntata.
Un EV complessivo del +5 % (come nell’esempio) è sufficiente a giustificare l’inclusione della multiple nel portafoglio, purché il bankroll sia gestito con criteri rigorosi.
3. Correlazione degli Eventi: Il Nemico Nascosto delle Multiple
La teoria delle probabilità assume indipendenza tra gli eventi. Nella realtà sportiva, però, le partite possono essere correlate: due incontri della stessa lega, squadre con lo stesso allenatore o condizioni meteorologiche simili influenzano le probabilità congiunte.
Quando la correlazione è positiva, la probabilità combinata reale è maggiore di quella ottenuta con il semplice prodotto, perché gli eventi tendono a verificarsi insieme più spesso del previsto. Ciò riduce l’effettiva efficacia della multiple.
Per misurare la correlazione si può ricorrere a:
| Metodo | Descrizione | Applicazione tipica |
|---|---|---|
| Coefficiente di Pearson | Valuta la linearità tra due variabili (es. numero di goal segnati da due squadre) | Analisi preliminare tra partite della stessa lega |
| Analisi di regressione | Stima l’impatto di una variabile su un’altra (es. risultato di una squadra su un’altra) | Modelli predittivi avanzati |
| Test di indipendenza χ² | Confronta frequenze osservate vs attese | Verifica di dipendenza in grandi dataset |
Strategie per mitigare il rischio di correlazione:
– Diversificazione sportiva: combinare calcio, basket, tennis o sport meno seguiti.
– Orari diversi: evitare partite della stessa giornata, perché gli eventi possono condividere fattori di forma.
– Leghe diverse: scegliere incontri in campionati con dinamiche di mercato differenti.
Adottare queste pratiche abbassa la correlazione media della multiple e rende più attendibile il calcolo di probabilità combinata.
4. Gestione del Bankroll: Il Metodo Kelly per le Multiple
Il criterio di Kelly è una formula matematica che determina la frazione ottimale del bankroll da scommettere per massimizzare la crescita a lungo termine:
[
f^* = \frac{p \cdot b – q}{b}
]
dove (b) è la quota netta (quota meno 1), (p) la probabilità reale e (q = 1-p).
Per le multiple, si utilizza la quota totale netta:
[
b_{tot} = \left(\prod_{i=1}^{n} q_i\right) – 1
]
e la probabilità reale combinata (p_{tot}).
Esempio: accumulator a 5 eventi con quote 1.90, 2.05, 1.75, 2.20, 1.60.
– Quota totale: (1.90 \times 2.05 \times 1.75 \times 2.20 \times 1.60 = 24.37).
– Quota netta: (b_{tot}=23.37).
– Probabilità reale stimata (0.55, 0.48, 0.60, 0.45, 0.58) → combinata = 0.041 (4,1 %).
– Kelly fraction: ((0.041 \times 23.37 – 0.959)/23.37 = (0.959 – 0.959)/23.37 \approx 0).
In questo caso l’EV è quasi nullo, quindi Kelly suggerisce di non puntare. Se la probabilità reale fosse 0.05 (5 %), la frazione salirebbe a circa 1,2 % del bankroll, un valore gestibile con un Kelly frazionale (es. ½ Kelly).
Consigli pratici:
– Kelly frazionale: utilizzare ½ o ¼ Kelly per ridurre la volatilità.
– Limiti di esposizione: non superare il 5 % del bankroll in una singola multiple.
– Revisione periodica: ricalcolare le probabilità ogni settimana in base a risultati recenti.
5. Analisi di Caso: “Il Trifecta di Milano” – Una Vittoria da 1 200 %
Descrizione della scommessa
Tre partite di Serie A:
1. Inter vs Torino – quota 3.20
2. Milan vs Sampdoria – quota 2.75
3. Juventus vs Verona – quota 4.10
Calcolo probabilistico
- Probabilità implicita: 0.312, 0.364, 0.244.
- Probabilità reale stimata (analisi di forma, infortuni): 0.38, 0.42, 0.31 → combinata = 0.049 (4,9 %).
- Quota totale: (3.20 \times 2.75 \times 4.10 = 36.16).
EV e Kelly
- EV = (0.049 \times 36.16 – (1-0.049) = 1.771 – 0.951 = +0.820) → +82 % di valore atteso.
- Quota netta totale: 35.16.
- Kelly fraction: ((0.049 \times 35.16 – 0.951)/35.16 = (1.722 – 0.951)/35.16 = 0.022) → 2,2 % del bankroll.
Correlazione valutata
Le tre partite coinvolgevano squadre con allenatori diversi e si svolgevano in giornate differenti, riducendo la correlazione. Tuttavia, Inter e Milan condividono lo stesso stadio di allenamento, un fattore di lieve correlazione che è stato quantificato con un coefficiente di Pearson di 0.12 (basso).
Risultati e lezioni
Il ticket ha pagato 36.16 volte la puntata, generando un ritorno del 1 200 % sulla singola scommessa. Le chiavi del successo sono state: valutazione accurata delle probabilità reali, scelta di eventi con bassa correlazione e uso disciplinato del Kelly (2 % del bankroll). Questo caso dimostra che, anche in un mercato di quote “inflazionate”, è possibile trovare valore se si applicano metodi statistici rigorosi.
6. Software e Strumenti di Calcolo per le Multiple
| Strumento | Pro | Contro |
|---|---|---|
| Excel/Google Sheets | Facilità d’uso, ampia documentazione, grafici integrati | Limiti di automazione, difficile gestire grandi dataset |
| Python (pandas, NumPy) | Potente, script personalizzabili, simulazioni Monte‑Carlo | Richiede competenze di programmazione |
| App dedicate (es. Bet Calculator) | Interfaccia mobile, calcolo rapido in tempo reale | Spesso a pagamento, meno flessibili per modelli personalizzati |
Modelli di spreadsheet
- Prodotto delle quote:
=PRODOTTO(B2:B10) - Calcolo EV:
= (PREAL * QUOTA) - (1- PREAL) - Simulazione Monte‑Carlo: generare 10 000 combinazioni casuali con
=CASUALE.TRA(0;1)e aggregare risultati per stimare la distribuzione di profitto.
Script Python di esempio
import itertools, random
events = [
{"name":"Inter vs Torino","odds":3.20,"p":0.38},
{"name":"Milan vs Sampdoria","odds":2.75,"p":0.42},
{"name":"Juventus vs Verona","odds":4.10,"p":0.31},
{"name":"Roma vs Lazio","odds":2.10,"p":0.45},
]
def comb_value(combo):
odds = 1
prob = 1
for e in combo:
odds *= e["odds"]
prob *= e["p"]
ev = prob * odds - (1 - prob)
return {"combo": [e["name"] for e in combo], "odds": odds, "prob": prob, "EV": ev}
best = None
for r in range(2, len(events)+1):
for combo in itertools.combinations(events, r):
val = comb_value(combo)
if best is None or val["EV"] > best["EV"]:
best = val
print(best)
Questo script genera tutte le combinazioni possibili, calcola quota, probabilità e EV, e restituisce la combinazione più vantaggiosa.
L’automazione consente di analizzare centinaia di combinazioni in pochi secondi, ma è fondamentale mantenere una verifica umana sulla qualità delle probabilità inserite.
7. Quando Rinunciare alle Multiple: Segnali di Allarme e Strategie di Uscita
- Alta volatilità: quando le quote totali superano 30 x ma la probabilità reale stimata è inferiore al 2 %, il rischio di perdita supera di gran lunga il potenziale guadagno.
- Basso EV: un EV inferiore allo 0 % è un chiaro segnale di valore negativo; anche un EV positivo ma minore dell’1 % può non giustificare l’esposizione in un bankroll limitato.
- Elevata correlazione: coefficienti di Pearson > 0.3 tra eventi indicano dipendenza significativa, riducendo la validità del prodotto delle probabilità.
Tecnica del cash‑out
Molti bookmaker offrono la possibilità di chiudere anticipatamente una multiple. Il valore di cash‑out può essere stimato con:
[
Cashout = Stake \times \left( \frac{P_{remaining}}{1 – P_{remaining}} \right) \times Odds_{remaining}
]
Se il cash‑out supera il valore atteso calcolato, è matematicamente conveniente accettarlo.
Pianificazione di stop‑loss
Impostare una soglia di perdita massima per l’intera serie di multiple (es. 10 % del bankroll mensile). Quando la soglia è raggiunta, si sospende l’attività di accumulator per ricalibrare le probabilità.
Conversione in scommesse singole
Se una multiple contiene un evento con EV positivo ma gli altri sono neutri o negativi, è possibile “scomporre” il ticket in scommesse singole, mantenendo solo le selezioni con valore atteso positivo. Questo riduce la dipendenza e migliora la stabilità del bankroll.
Conclusion
Abbiamo esaminato i pilastri matematici delle scommesse multiple: dalla corretta stima della probabilità reale, al calcolo dell’EV, all’identificazione e mitigazione della correlazione, fino all’applicazione del criterio di Kelly per una gestione disciplinata del bankroll. Il caso “Trifecta di Milano” dimostra come un approccio quantitativo possa trasformare una combinazione di quote in una vincita eccezionale.
Invitiamo i lettori a sperimentare con i propri calcoli, a sfruttare gli strumenti descritti e a consultare fonti affidabili come Dogalize per restare aggiornati su notizie, software e best practice del settore. La disciplina matematica è il pilastro di ogni scommessa vincente: solo chi la applica con rigore potrà trasformare le multiple da semplice gioco d’azzardo a strategia di investimento responsabile.