Thesis (B.A.)--Haverford College, Dept. of Economics, 2008. / Includes bibliographical references.

<p>Betting under ordered forms has been around for a long time, but the recent increase in Internet betting and the large sums of money that are now involved makes it even more important for betting companies to have correct odds.</p><p> </p><p>The purpose of the essay is to calculate probabilities for outcomes of football games using a statistical model and to see if you can find better odds than a betting company.</p><p>The data contains the 380 games from the 2004/2005 season and the variables form, head-to-heads, league position, points, home/away, average attendance, promoted team, distance and final league position from previous season.</p><p> </p><p>After performing an ordered probit regression we only find the variable “form of the away team” to be significant at the 5 % level. We suspect the presence of multicollinearity and perform a VIF-test which confirms this. To fix this problem we perform a second ordered probit regression where a number of variables are combined to index variables. In the second regression we once again find only one significant variable. This time it is the variable “difference between home and away teams’ final league position”. A reason for the lack of significant variables could be the size of the data. A new model with five variables is examined and it results in four significant variables.</p><p> </p><p>The calculated odds pick the correct result in 200, 203 and 198 out of 380 games respectively, compared to 197 out of 380 for Unibet. Betting one krona on the lowest calculated odds from the second model will result in a positive yield for season 2004/2005 when using Unibet’s odds.</p> / <p>Vadslagning under ordnade former har funnits under en längre tid, men de senaste årens explosionsartade ökning av Internetspel och de stora summor som då omsätts har gjort det allt viktigare för spelbolagen att sätta korrekta odds.</p><p> </p><p>Syftet med uppsatsen är att med hjälp av en statistisk modell räkna ut sannolikheter för utfall i fotbollsmatcher och att undersöka om man kan hitta bättre odds än ett spelbolag.</p><p>Datamaterialet innefattar de 380 matcherna som spelades säsongen 2004/2005 samt de oberoende variablerna form, inbördes möten, tabellplacering, poängskörd, hemmaplan/bortaplan, publiksnitt, uppflyttat lag, avstånd och slutplacering.</p><p> </p><p>Efter utförd ordered probit regression erhåller vi endast en signifikant variabel vid en signifikansnivå på 5 %, nämligen ”bortalagets form”. Vi misstänker att det kan förekomma multikollinearitet och utför därför ett VIF-test som bekräftar detta. För att råda bot på detta problem genomför vi en andra ordered probit regression där flera variabler slås ihop till indexvariabler. I den andra regressionen får vi åter igen en enda signifikant variabel, men i detta fall är det variabeln ”differensen mellan hemma- och bortalagets slutplaceringar”. Ett skäl till att det inte blir fler signifikanta variabler misstänks vara storleken på datamaterialet. En ny modell med fem variabler undersöks och då blir fyra variabler signifikanta.</p><p> </p><p>De beräknade oddsen väljer rätt utfall i 200, 203 respektive 198 av 380 matcher för de tre modellerna mot Unibets 197 av 380 matcher. I modell 2 ger en spelad krona på utfallet med lägst beräknat odds positiv avkastning under säsongen vid spel hos Unibet.</p>

Betting under ordered forms has been around for a long time, but the recent increase in Internet betting and the large sums of money that are now involved makes it even more important for betting companies to have correct odds.   The purpose of the essay is to calculate probabilities for outcomes of football games using a statistical model and to see if you can find better odds than a betting company. The data contains the 380 games from the 2004/2005 season and the variables form, head-to-heads, league position, points, home/away, average attendance, promoted team, distance and final league position from previous season.   After performing an ordered probit regression we only find the variable “form of the away team” to be significant at the 5 % level. We suspect the presence of multicollinearity and perform a VIF-test which confirms this. To fix this problem we perform a second ordered probit regression where a number of variables are combined to index variables. In the second regression we once again find only one significant variable. This time it is the variable “difference between home and away teams’ final league position”. A reason for the lack of significant variables could be the size of the data. A new model with five variables is examined and it results in four significant variables.   The calculated odds pick the correct result in 200, 203 and 198 out of 380 games respectively, compared to 197 out of 380 for Unibet. Betting one krona on the lowest calculated odds from the second model will result in a positive yield for season 2004/2005 when using Unibet’s odds. / Vadslagning under ordnade former har funnits under en längre tid, men de senaste årens explosionsartade ökning av Internetspel och de stora summor som då omsätts har gjort det allt viktigare för spelbolagen att sätta korrekta odds.   Syftet med uppsatsen är att med hjälp av en statistisk modell räkna ut sannolikheter för utfall i fotbollsmatcher och att undersöka om man kan hitta bättre odds än ett spelbolag. Datamaterialet innefattar de 380 matcherna som spelades säsongen 2004/2005 samt de oberoende variablerna form, inbördes möten, tabellplacering, poängskörd, hemmaplan/bortaplan, publiksnitt, uppflyttat lag, avstånd och slutplacering.   Efter utförd ordered probit regression erhåller vi endast en signifikant variabel vid en signifikansnivå på 5 %, nämligen ”bortalagets form”. Vi misstänker att det kan förekomma multikollinearitet och utför därför ett VIF-test som bekräftar detta. För att råda bot på detta problem genomför vi en andra ordered probit regression där flera variabler slås ihop till indexvariabler. I den andra regressionen får vi åter igen en enda signifikant variabel, men i detta fall är det variabeln ”differensen mellan hemma- och bortalagets slutplaceringar”. Ett skäl till att det inte blir fler signifikanta variabler misstänks vara storleken på datamaterialet. En ny modell med fem variabler undersöks och då blir fyra variabler signifikanta.   De beräknade oddsen väljer rätt utfall i 200, 203 respektive 198 av 380 matcher för de tre modellerna mot Unibets 197 av 380 matcher. I modell 2 ger en spelad krona på utfallet med lägst beräknat odds positiv avkastning under säsongen vid spel hos Unibet.

Transfer spending among Premier League teams has increased drastically since the inception of the league. Over the past decade, extremely wealthy owners have begun purchasing majority stakes in clubs and spending recklessly to accumulate as much talent as possible. This paper aims to examine whether such exorbitant spending is effective financially and whether it improves the clubs competitively. Data is gathered from Deloitte’s Annual Reviews of Football Finance. I conclude that spending at such high levels does not improve on-field performance, which is consistent among clubs in the past decade and the elite clubs across all seasons.

This dissertation examines second order network formation on India's large and rapidly expanding mobile phone networks. It does so by examining a particular second order network - the Indian Premier League (IPL) mobile network. Using a case study approach and a mix of ethnographic methods and textual analysis, I explore the history that preceded the IPL mobile network, the intentions of its creators, the processes by which users participate on the network, and the outcomes of network expansion and evolution. I deploy the space of flows concept of Manuel Castells, to draw attention to continuity and change in Indian communication networks, and to highlight the new spatial dynamics at work in mass mobile telephony. This dissertation emphasizes the transformative nature of second order networks and identifies the ways that masses of users can disrupt and alter communication networks, especially in contexts of informal economics and power structures.

The aim of this study was to explore how match-related statistics contribute to winning association football matches. This is relevant for stakeholders in the football industry to facilitate the understanding of what factors contribute to winning matches and can thus be of use when formulating match tactics. A model was constructed through the use of binary logistic regression, where winning/not winning was used as the response variable and standardized match-related statistics were used as predictor variables. Using the acquired coefficients, it was concluded that, among other variables, the home advantage and the ability of a team to finish on target has a strong correlation with winninggames. Further, the study explores the impact of a team’s ability to win football games on the financial landscape of the modern football world. The results show that some of the examined statistics are well correlated to winning a match, but that the tactical useability of these insights is low. / Syftet med denna studie var att utforska hur matchrelaterad statistik bidrar till att vinna fotbollsmatcher. Detta är relevant för aktörer inom fotbollsbranchen för att underlätta försåelsen av vilka matchrelaterade faktorer som bidrar till vinst och kan således användas för att forma matchtaktik. En modell konstruerades genom binär logistisk regression, där att vinna/att inte vinna användes som responsvariabel och standardiserad matchrelaterad statistik användes som prediktorvariabel. Genom att använda koefficienterna tillhörande modellen,kan man fastslå att bland annat hemmalagsfördel samt ett lags förmåga att träffa mål korrelerar starkt med att vinna matcher. Dessutom utforskar studien påverkan av ett lags förmåga att vinna fotbollsmatcher på det finansiella landskapet tillhörande den moderna fotbollen. Resultaten visar att vissa av de studerade variablerna korrelerar starkt med att vinna fotbollsmatcher, men attmöjligheterna att använda dessa insikter till att forma taktik är begränsade.

This thesis provides insights into the creation of a model for predicting odds in the Premier League. It illustrates how the ELO system and historical odds, in combination with Monte Carlo simulations, can be implemented through logistic regression to predict odds in an unbiased way. The findings are that the model performs generally well, but significantly worse at the beginning and end of the Premier League seasons. For further improvements, it is most likely necessary to factor in variables not available in the current model. Such factors could for example be incentives, injuries, or changes in the squad, all not being accounted for by the model in this case. / Detta examensarbete ger insikter om skapandet av en modell för att förutsäga oddsen i Premier League. Den visar hur ELO-systemet och historiska odds, i kombination med Monte Carlo-simuleringar, kan implementeras genom logistisk regression för att förutsäga oddsen på ett opartiskt sätt. Resultaten visar att modellen generellt sett fungerar bra, men betydligt sämre i början och slutet av Premier League-säsongerna. För ytterligare förbättringar är det troligtvis nödvändigt att ta hänsyn till variabler som inte är tillgängliga i den nuvarande modellen. Sådana faktorer kan till exempel vara incitament, skador eller förändringar i truppen, som alla inte tas hänsyn till i modellen i detta fall.

The English Premier League is regarded as one of the most prominent sporting competitions in the world. In the last decade the league (and by definition it’s member clubs) have become highly attractive to wealthy foreign investors, having taken ownership of a number of clubs across the league. This thesis seeks to investigate the motivations and consequences behind this foreign direct investment (FDI). The study uses a multi-method approach not commonly found within the sports economics or FDI literature combining both quantitative and qualitative methods. The thesis has generated responses from ‘elite’ level respondents at Premier League clubs together with members of the supporters’ movement. Existing data from club sources and market reports has been collected in order to assess the motivations and consequences of FDI. The thesis finds the motives behind football FDI to be somewhat different to those held by other forms of business organisation. Football is a mostly loss-making industry, but despite this weakness, some investors have purchased Premier League clubs for economic reasons. The importance of non-economic motives, such as profile enhancement, and the notion of the trophy asset were also found to be influential motives behind some football FDI. These aspects are not strongly reflected in the FDI literature, and they imply football is different to other forms of investment. FDI is shown to be mostly beneficial for the clubs receiving the investment, but for non-acquired clubs negative consequences are found in terms of wages, transfer costs, profits, and debt. For the Premier League itself, FDI has been positive in terms of enhancing the league’s stature, revenues, and the quality of matches. Some benefits were found at the regional level. This thesis covers the gap within the literature surrounding FDI and football, and also raises wider points about the generalizability of FDI theory to all industries.

This paper explores the effects of managerial changes on the share prices of publicly traded football teams in England. Using data from 9 publicly traded teams during 1992- 2016, 21 managerial changes were analyzed through an event study analysis. Events were categorized as sackings or resignations, and the hypotheses for each were laid out differently. The results indicated that two of the managerial sackings generated negative abnormal returns prior to the sacking and positive abnormal returns after the change of manager. The study also identifies the difficulties in the study of football teams’ share prices due to their illiquidity and identifies improvements that can make further research in this topic more accurate.

Att i förväg försöka förutsäga vilket lag som kommer vinna i en fotbollsmatch har nog de flesta försökt sig på någon gång. Att gissa och att faktiskt försöka att analysera båda lagens förutsättningar är två väldigt olika metoder att komma fram till sitt resultat. I och med att datorkraften de senaste åren kraftigt förbättrats har det också kommit fler och framför allt tyngre matematiska modeller för att skatta utfallet av matcher. I detta examensarbete används Pi-ratingsystemet som går ut på att varje lag får en rating för hur bra man är på hemma- respektive bortaplan. Som en utveckling av den ursprungliga Pi-rating modellen används det i detta arbete tre olika modeller för att prediktera lagens framtida rating. Modellerna som används är enkelt glidande medelvärde, enkel exponentiell utjämning och en ARIMA-modell. En lösning på hur nya lag som inte spelade i ligan föregående år ska behandlas föreslås också. Avslutningsvis diskuteras olika investeringsmetoder som kan användas för att använda resultat från modellerna på marknaden för vadslagning. Resultatet visar att en spelstrategi som utnyttjat Kellys formel ger störst avkastning för kalibreringsdatat. När denna strategi används på matcher utanför kalibreringsåren visar resultatet på en mycket låg vinst och framför allt att vinsten under lång tid är negativ, vilket från en investeringssyn inte är något man önskar. Sammanfattningsvis är denna metod inte i sig själv tillräckligt bra för att ge en säker avkastning men är en bra grund som kan byggas ut för att ta hänsyn till fler faktorer och då ge möjlighet till stabilare och mer långsiktiga vinster. / To predict a soccer game in advance is something that has been done by most people. If the prediction is the result of an advanced mathematical formula or just ha pure guess done on your favorite team is very different. Since the computer power in recent years has greatly improved the number of mathematical approaches has increased and it is especially the computational heavy models that have increased in number. In this thesis the Pi-rating system is used it gives each team a home and away rating that describe how good/bad they are compared to the average competing team. As an extension of the original Pi-rating model, in this thesis time series analysis is used to predict future values of the teams rating, three different methods are tested and they are simple moving average, simple exponential smoothing and an ARIMA-model. A solution to how new teams that did not play in the league last year should be handled is also suggested. Finally a breath discussion and test of different investment methods that can be applied on the final model to be used on the sport betting market. The results show that the greatest returns on the calibration data is achieved when Kelly’s formula is used as an investment method on an ARIMA(0,1,1)-model, but when this strategy is used outside calibration data, the result shows a very low profit and the method  fails to give a stable long term return, which from an investment point of view is not desirable. The conclusion is that this method is not in itself good enough to provide a safe return but is a good foundation that can be expanded to take more factors into account, and then hopefully give bigger and more stable winnings.