I dati che abbiamo a disposizione, sono stati raccolti dal dataset football-
data.co.uk e riguardano sia l’esito che le quote delle partite di calcio dei quattro
51 Si vedano:
- CAIN M., LAW D., PEEL D., The favourite-loghshot bias and market efficiency in UK football
betting. Scottish Journal of Political Economy, 47, 25-36, 2000.
- FORREST D., SIMMONS R., Globalisation and efficiency in the fixed-odds soccer betting
38 maggiori campionati al mondo, la Premier League inglese, la Liga spagnola, la Serie A italiana e la Bundesliga tedesca. Le stagioni considerate sono le ultime sette concluse nel momento in cui scriviamo, ovvero dal 2006/7 al 2012/2013 per un totale quindi di 28 stagioni e 10122 partite.
Le quote per ogni esito 1x2 sono state selezionate da football-data.co.uk in base a due criteri, le più alte e le medie tra quelle presenti su betbrain.com, un portale che raccoglie tutte le quote presenti sul mercato inglese ed europeo dei bookmakers.
È necessario sottolineare come non sia pertanto solo il mercato italiano quello a cui faremo riferimento; infatti un’analisi delle quote offerte solamente in Italia ha diversi ordini di complessità nonché di distorsione:
a) La percentuale di ritenuta del nostro Stato sul movimento totale è variato considerevolmente negli ultimi anni52 e ciò porterebbe
distorsioni alla nostra analisi; ampliando invece il mercato delle scommesse al resto dell’Europa, le variazioni legislative dovrebbero risultare meno influenti;
b) Solamente negli ultimissimi anni l’offerta si è stabilizzata con un ampio ventaglio di bookmakers e quindi avremmo i nostri risultati molto influenzati dall’ampio margine che rimarrebbe sulle quote degli anni più lontani;
c) Ultimo punto, ma probabilmente il più importante, la minore complessità nell’ottenere i dati, in particolar modo su un orizzonte temporale vasto.
La scelta di questo dataset, nonché l’orizzonte temporale, è stata ripresa dalla pubblicazione di Costantinou & Fenton “Profiting from arbitrage and odds
biases of the European football gambling market” pubblicato in The Journal of
Gambling Business and Economics nel 2013. In questo articolo gli obiettivi di
39 ricerca sono simili ai nostri e pertanto abbiamo deciso di seguire lo stesso tipo di dataset.
I dati a nostra disposizione, sono stati raccolti in un momento casuale prima dell’inizio delle partite tra un numero medio di circa 40 bookmakers per incontro. Facendo riferimento a quanto scritto nel paragrafo 2.2.1 sul principio di non arbitraggio, osserviamo che, selezionando le quote massime presenti sul mercato, una percentuale sorprendente di partite presenta quote tramite le quali sarebbe possibile fare arbitraggio (15.6%). Questa percentuale scende però drasticamente richiedendo un margine di arbitraggio superiore all’1% (solo il 3% delle partite analizzate).
Per quanto fosse necessario fare questa premessa, sul principio di non arbitraggio, per comprendere meglio il mercato dei bookmakers, non ci concentreremo ulteriormente su questo punto e possiamo rimandare sull’argomento al lavoro di Costantinou & Fenton (2013) che utilizza un campione quasi combaciante con il nostro. Infatti, nonostante possa essere interessante svolgere un’analisi sulle possibilità di arbitraggio, questa parte non è negli obiettivi della nostra ricerca.
2.4.1 Il valore dei margini.
Il valore dei margini intrinsechi nelle quote massime presenti sul mercato dei bookmakers, è diminuito in maniera consistente negli ultimi sette anni vista la maggiore competitività dal lato dell’offerta. Conseguentemente il valore atteso di ogni scommessa avrà avuto, per gli scommettitori, in media risultati più bassi nelle prime stagioni rispetto alle ultime. Nella tabella successiva possiamo vedere l’evoluzione del valore dei margini medi intrinsechi nelle quote massime, suddivisi per anni e per campionati.
40
Tab 2.2 (Fonte: Rielaborazione dati www.football-data.co.uk)
È evidente perciò come l’ampliarsi del mercato delle scommesse, soprattutto tramite il canale internet, permetta di scommettere praticamente “alla pari” con i bookmakers quando si scelgono le quote più alte. Le nostre future analisi verranno pertanto influenzate dai margini, in quanto nel 2007 il margine medio per le quote massime era uguale a 2.29%, mentre nel 2013 è pari solamente allo 0.26%.
Figura 2.1 (Fonte: Rielaborazione dati www.football-data.co.uk)
0,00% 0,50% 1,00% 1,50% 2,00% 2,50% 2007 2008 2009 2010 2011 2012 2013
Margine medio sulle quote massime
SerieA Liga Premier League Bundesliga
Serie A Liga P. League Bundesliga Media 2007 2,27% 2,74% 1,90% 2,25% 2,29% 2008 1,57% 1,72% 1,45% 1,41% 1,55% 2009 0,95% 0,87% 0,67% 0,56% 0,77% 2010 0,95% 0,81% 0,74% 0,85% 0,84% 2011 0,96% 0,71% 0,63% 0,58% 0,73% 2012 0,66% 0,49% 0,57% 0,46% 0,55% 2013 0,38% 0,21% 0,28% 0,16% 0,26%
41
Conclusione
L’obiettivo di questo capitolo era quello di effettuare una breve review della letteratura economica sul fenomeno del gioco d’azzardo. Abbiamo visto che i due filoni principali di studio sono quelli relativi alla finanza pubblica e alla microeconomia. Da questo secondo filone, abbiamo selezionato un particolare indirizzo di ricerca, ovvero l’analisi dell’efficienza del mercato del gioco della scommessa sportiva.
Dopo aver dato una chiara definizione di efficienza in forma debole, semi forte e forte, abbiamo tracciato le idee che cercheremo di sviluppare nel prosieguo della tesi. Nell’ultima parte di questo capitolo è stato spiegato il funzionamento, a livello generale, del mercato delle scommesse e, infine, è stato descritto il campione che sarà alla base della nostra analisi.
42
Capitolo 3
Introduzione
L’obiettivo di questo capitolo è la ricerca, attraverso un’analisi empirica, di risultati che ci permettano di confermare o contrastare l’ipotesi di efficienza in forma debole del mercato delle scommesse. Procederemo inizialmente con un breve riepilogo degli obiettivi di ricerca, poi, dopo l’esposizione della metodologia d’indagine, proveremo a verificare la presenza di due tipi di errori nelle quotazioni: l’errore “casa/trasferta” e l’errore “favorita/sfavorita”.