Ich habe über Nacht 40 automatisierte ML-Experimente mit dem Dota 2-Modell durchgeführt. Die Schleife: AI-Agent ändert Hyperparameter → führt Backtest durch → behält, wenn besser, kehrt zurück, wenn schlechter → wiederholen. Startpunkt: 0,628 Bester Wert: 0,6427 (+2,3%) Wichtigste Erkenntnisse: → sparser Meta-Learner (l1_ratio=0,20) war der größte Gewinn → größerer Random Forest (500 Bäume) hat geholfen → mehr Regularisierung > mehr Komplexität 67,2% OOF-Genauigkeit, 15,8% ROI bei Wetten mit einer Kante >2% Kein GPU benötigt. Läuft auf dem Mac, während ich schlafe.

Ich habe seit ein paar Wochen ein Dota 2 Wettmodell laufen. Die letzten 3 Tage: 7. März: -3.958 $ 8. März: +4.033 $ 9. März: +912 $ Insgesamt: 100.000 $ → 107.639 $ (+7,64 % ROI) 51 % Gewinnquote, 15,45 % Ertrag auf den Einsatz Der Vorteil liegt nicht darin, die Gewinner auszuwählen – sondern darin, Linien zu finden, die die Buchmacher falsch bewertet haben.

Unser Dota 2 Vorhersagemodell hat gerade die 3-Wochen-Marke erreicht. 13W-14L, 48,1% Gewinnrate, +4.653 $ Gewinn. 18.663 $ eingesetzt. 24,93% Rendite. Der maximale Drawdown betrug nur 1%. ROI liegt bei +4,65%. Das Modell findet Vorteile, die der Markt unterbewertet, setzt Wetten nach Vertrauen und lässt die Mathematik ihren Lauf nehmen. Die meisten Wetten sind auf Außenseiter mit Quoten von 2,0+ — man muss nicht oft gewinnen, wenn man gut bezahlt wird. Bester Tag bisher: 4. März, VP.Prodigy ML mit 3,10 Quoten, +2.152 $ bei einer einzelnen Wette. Das Modell sah einen Vorteil von 9,4% und setzte entsprechend. 15 ausstehende Wetten im Wert von 14.236 $ gerade jetzt. Wir werden sehen, wie sie ausfallen. Es hat etwa 7 Wochen gedauert, um es aufzubauen. Begann auf Papier, um den Vorteil zu validieren, jetzt läuft es mit echtem Geld. Öffentlich aufbauen.