Как ИИ предсказывает спорт? Стратегия ставок на нейросетях 2026

import os
import json
import math
import openai # DeepSeek API совместим с клиентом OpenAI
import numpy as np

# Укажите эндпоинт DeepSeek
openai.api_base = "https://api.deepseek.com/v1" 
openai.api_key = os.getenv("DEEPSEEK_API_KEY") # Безопасный способ хранения ключа

def prepare_match_data_for_deepseek(home_scored, home_conceded, home_xG, away_scored, away_conceded, away_xG, home_injuries, away_injuries, home_rest, away_rest, book_odds):
    match = {
        "home": {
            "name": "Home Team", # Замените на реальное название
            "last_5_scored": home_scored,
            "last_5_conceded": home_conceded,
            "xG_last_5": home_xG,
            "injuries_count": home_injuries,
            "rest_days": home_rest
        },
        "away": {
            "name": "Away Team", # Замените на реальное название
            "last_5_scored": away_scored,
            "last_5_conceded": away_conceded,
            "xG_last_5": away_xG,
            "injuries_count": away_injuries,
            "rest_days": away_rest
        },
        "bookmaker_odds": book_odds
    }
    return match

def build_deepseek_prompt(match_data):
    system_msg = (
        "Ты — высококвалифицированный спортивный аналитик и эксперт по прогнозированию футбольных матчей. "
        "Твоя задача — проанализировать предоставленные данные по двум командам и букмекерским коэффициентам, "
        "а затем выдать наиболее точные вероятности победы хозяев (prob_home), ничьей (prob_draw) и победы гостей (prob_away) "
        "в процентах. Сумма вероятностей должна быть близка к 100. "
        "Кроме того, дай краткое (1-2 предложения) объяснение твоего решения, ссылаясь на ключевые факторы (xG, форма, травмы, отдых, коэффициенты). "
        "Отвечай ТОЛЬКО в формате JSON с ключами: 'prob_home', 'prob_draw', 'prob_away', 'explanation'."
    )user_msg = "Проанализируй матч на основе следующих данных:\n" + json.dumps(match_data, ensure_ascii=False, indent=2)
    return system_msg, user_msg

def ask_deepseek_for_prediction(match_data):
    system_msg, user_msg = build_deepseek_prompt(match_data)
    messages = [
        {"role": "system", "content": system_msg},
        {"role": "user", "content": user_msg}
    ]
    
    try:
        resp = openai.ChatCompletion.create(
            model="deepseek-chat", # Используем модель DeepSeek Chat
            messages=messages,
            temperature=0.0,      # Делаем предсказания детерминированными (не творческими)
            max_tokens=500
        )
        text = resp.choices[0].message["content"].strip()
        
        # Попытка распарсить JSON из ответа
        if text.startswith("json"):
            text = text[7:].strip("` \n")
        parsed = json.loads(text)
        return parsed, text
    except Exception as e:
        print(f"Ошибка при обращении к DeepSeek API или парсинге ответа: {e}")
        print("Сырой ответ от DeepSeek:\n", text)
        return None, text

# --- Функции для расчета Kelly и Edge (из предыдущей версии) ---
def implied_probs_from_odds(odds_dict):
    inv_odds = {k: 1/float(v) for k,v in odds_dict.items()}
    total_inv = sum(inv_odds.values())
    probs = {k: (v/total_inv)×100 for k,v in inv_odds.items()}
    return probs

def compute_edge_and_kelly(model_probs, market_probs, bankroll, decimal_odds, fraction=0.5):
    edges = {}
    kellys = {}
    for k in ("home","draw","away"):
        p_model = model_probs.get(k) × 0.01 if model_probs.get(k) is not None else 0.0
        p_market = market_probs.get(k) × 0.01 if market_probs.get(k) is not None else 0.0
        odds = decimal_odds.get(k)
        
        if odds is None or p_model == 0.0: 
            edges[k] = None
            kellys[k] = 0.0
            continue
            
        edge = p_model - p_market
        b = odds - 1.0
        q = 1 - p_model
        
        kelly = max(0.0, (b × p_model - q) / b) if b > 0 else 0.0
        
        kellys[k] = kelly × fraction × bankroll
        edges[k] = edge
    return edges, kellys

# ==========================================================
# ВСТАВЬТЕ СЮДА СВОИ АКТУАЛЬНЫЕ ДАННЫЕ ИЗ ЭТАПА 1
# ==========================================================
if __name__ == "__main__":
    current_home_scored = [2, 1, 0, 3, 1] 
    current_home_conceded = [0, 1, 1, 0, 2]
    current_home_xG = [1.8, 1.2, 0.9, 2.1, 1.5]
    current_home_injuries = 1
    current_home_rest_days = 4

    current_away_scored = [0, 1, 1, 2, 1]
    current_away_conceded = [2, 0, 1, 1, 0]
    current_away_xG = [0.7, 1.5, 1.0, 1.9, 1.2]
    current_away_injuries = 0
    current_away_rest_days = 3

    current_book_odds = {"home": 2.50, "draw": 3.40, "away": 2.80}

    match_data_for_deepseek = prepare_match_data_for_deepseek(
        current_home_scored, current_home_conceded, current_home_xG,
        current_away_scored, current_away_conceded, current_away_xG,
        current_home_injuries, current_away_injuries,
        current_home_rest_days, current_away_rest_days,
        current_book_odds
    )

    print("--- Запрос DeepSeek AI ---")
    prediction_result, raw_deepseek_response = ask_deepseek_for_prediction(match_data_for_deepseek)

    if prediction_result:
        print("\n--- Прогноз от DeepSeek AI ---")
        model_probs = {
            "home": prediction_result.get("prob_home", 0.0),
            "draw": prediction_result.get("prob_draw", 0.0),
            "away": prediction_result.get("prob_away", 0.0)
        }
        
        # Нормализация на случай, если сумма не 100 из-за округлений
        total_prob = sum(model_probs.values())
        if total_prob > 0:
            model_probs = {k: v / total_prob × 100.0 for k, v in model_probs.items()}

        print(f"Вероятность победы Хозяев: {model_probs['home']:.2f}%")
        print(f"Вероятность Ничьей: {model_probs['draw']:.2f}%")
        print(f"Вероятность победы Гостей: {model_probs['away']:.2f}%")
        print(f"Объяснение DeepSeek: {prediction_result.get('explanation', 'Нет объяснения.')}")

        print("\n--- Расчет ставок ---")
        market_probs = implied_probs_from_odds(current_book_odds)
        
        bankroll = 1000.0 # Ваш текущий банкролл
        
        edges, kelly_bets = compute_edge_and_kelly(
            model_probs=model_probs, 
            market_probs=market_probs, 
            bankroll=bankroll, 
            decimal_odds=current_book_odds, 
            fraction=0.5 # Рекомендуется ставить до 50% от рассчитанной Келли
        )
        
        print("Математическое преимущество (Edge):")
        for k, v in edges.items():
            print(f"  {k}: {v*100:.2f}%" if v is not None else f"  {k}: N/A")

        print("\nРекомендация по ставке (Kelly Criterion, сумма в у.е.):")
        max_kelly_bet = 0recommended_outcome = "Нет"
        for k, v in kelly_bets.items():
            print(f"  Ставка на {k}: {v:.2f} у.е.")
            if v > max_kelly_bet:
                max_kelly_bet = v
                recommended_outcome = k.capitalize()
        
        if max_kelly_bet > 0:
            print(f"\nИТОГОВАЯ РЕКОМЕНДАЦИЯ DeepSeek AI: Ставка на {recommended_outcome} ({max_kelly_bet:.2f} у.е.)")
        else:
            print("\nDeepSeek AI не обнаружил значимого преимущества для ставки.")

    else:
        print("\nПрогноз от DeepSeek AI не был получен. Проверьте ключ API и вывод модели.")

        --- Прогноз от DeepSeek AI ---
Вероятность победы Хозяев: 55.30%
Вероятность Ничьей: 25.10%
Вероятность победы Гостей: 19.60%
Объяснение DeepSeek: Хозяева показывают лучшую xG форму и больше отдыхали. Рынок недооценивает их шансы.

--- Расчет ставок ---
Математическое преимущество (Edge):
  home: 5.75%
  draw: -1.23%
  away: -4.52%

Рекомендация по ставке (Kelly Criterion, сумма в у.е.):
  Ставка на home: 65.50 у.е.
  Ставка на draw: 0.00 у.е.
  Ставка на away: 0.00 у.е.

ИТОГОВАЯ РЕКОМЕНДАЦИЯ DeepSeek AI: Ставка на Home (65.50 у.е.)