Predikce výsledků e-sport zápasů:Generalized autoregressive score a common opponent modely

Název práce: Prediction models in e-sports: Generalized autoregressive score and common opponent models
Autor(ka) práce: Pikhart, Miroslav
Typ práce: Diploma thesis
Vedoucí práce: Holý, Vladimír
Oponenti práce: Sokol, Ondřej
Jazyk práce: English
Abstrakt:
The field of e-sports statistics is getting more popular as e-sports become generally known. In this thesis, we discuss the adaptations of two models with proven usage in sports statistics and their possibilities in the realm of e-sports. The most significant advantage shared by both of these models, known as general autoregressive score model and common opponent model, is that they require only publicly available data in order to forecast future match results. In an empirical study, we test the predictive power of said models on the game Counter-Strike, abbreviated as CS:GO, and introduce another approach to the common opponent model, which accounts for the time-varying performance of modelled teams and slightly improves the predictive ability of the model
Klíčová slova: general autoregressive score model; result forecasting; common opponent model; e-sports statistics
Název práce: Predikce výsledků e-sport zápasů:Generalized autoregressive score a common opponent modely
Autor(ka) práce: Pikhart, Miroslav
Typ práce: Diplomová práce
Vedoucí práce: Holý, Vladimír
Oponenti práce: Sokol, Ondřej
Jazyk práce: English
Abstrakt:
Kromě populární sportovní statistiky se v posledních letech, společně se vzrůstající oblíbeností e-sports akcí zvyšuje zájem i o e-sport statistiku. V rámci této práce je představena adaptace dvou modelů převzatých ze sportovní statistiky. Oba tyto modely, známy jako general autoregressive score model a common opponent model disponují schopností predikovat výsledek zápasu pouze na základě veřejně dostupných informací jako je čas konání a výsledek. V rámci empirické studie je testována predikční schopnost zmíněných modelů na datech pocházející ze hry Counter-Strike. Kromě aplikace již vytvořených modelů je dále představen alternativní přístup k common opponent modelování, který předpokládá, že síla týmů v čase není konstantní. Tento přístup slabě zvyšuje predikční schopnosti modelu.
Klíčová slova: e-sports statistika; general autoregressive score mode; predikce výsledků

Informace o studiu

Studijní program / obor: Kvantitativní metody v ekonomice/Ekonometrie a operační výzkum
Typ studijního programu: Magisterský studijní program
Přidělovaná hodnost: Ing.
Instituce přidělující hodnost: Vysoká škola ekonomická v Praze
Fakulta: Fakulta informatiky a statistiky
Katedra: Katedra ekonometrie

Informace o odevzdání a obhajobě

Datum zadání práce: 5. 6. 2018
Datum podání práce: 29. 4. 2019
Datum obhajoby: 6. 6. 2019
Identifikátor v systému InSIS: https://insis.vse.cz/zp/66121/podrobnosti

Soubory ke stažení

    Poslední aktualizace: