Trading sportivo automatico: cosa sapere prima
Cosa comporta il trading sportivo automatico: raccolta dati, regole, API, latenza e overfitting, e i risultati di 26.766 rilevazioni di quote su exchange.
Il trading sportivo automatico viene raccontato quasi sempre come un problema di software. Si sceglie un programma, si imposta una regola, si lascia girare. È la parte facile, ed è anche la parte irrilevante. Il lavoro vero sta prima e sta dopo: costruire una base dati che valga qualcosa, scrivere regole che descrivano un fenomeno reale e non un caso fortunato, e accettare che il risultato più probabile dei primi mesi sia scoprire che non c’è niente da automatizzare.
Questo pezzo prova a raffreddare le aspettative. Non contiene consigli su software, non indica strategie da replicare e non promette rendimenti. Contiene invece la descrizione onesta di come funziona la catena tecnica e di cosa abbiamo trovato — poco — raccogliendo dati per 35 giorni consecutivi.
I tre pezzi della catena
Automatizzare significa mettere in fila tre componenti distinti. Confonderli è l’errore più comune.
Raccolta dati. Serve uno storico di prezzi. Non le quote di chiusura pubblicate a fine giornata, ma il prezzo scambiato in più momenti, associato al mercato, al volume e all’esito reale. Senza volume il dato è quasi inutile, per ragioni che i numeri più sotto rendono evidenti. Questa fase non produce nulla di visibile per settimane o mesi ed è quella che quasi tutti saltano.
Regole scritte. Una regola è una condizione verificabile senza margine di interpretazione: quale mercato, quale soglia, quale momento di ingresso, quale uscita, quale importo, cosa succede se il prezzo richiesto non è disponibile. Se una regola richiede un giudizio umano in un punto qualsiasi, non è automatizzabile: è una checklist con sopra un layer di codice.
Esecuzione. L’invio degli ordini tramite API, con gestione degli errori, dei rifiuti, dei timeout e delle riconnessioni. Su Betfair Exchange l’accesso programmatico esiste ed è documentato, ma comporta chiavi applicative, limiti di frequenza sulle chiamate e una gestione dello stato che va scritta bene. Un bug qui non produce una perdita teorica: produce ordini doppi o ordini mai chiusi.
Fino a qui, ingegneria ordinaria. I problemi seri sono altri tre e raramente vengono raccontati.
Problema uno: la latenza
Tra il momento in cui il prezzo cambia e il momento in cui il proprio ordine arriva al matching engine passa tempo. Non tantissimo, ma abbastanza. C’è la latenza di rete, quella dell’aggiornamento del flusso dati, quella del proprio codice che elabora e decide, quella dell’API che accetta l’ordine.
La conseguenza pratica: qualunque strategia che si basi sul reagire a un movimento appena avvenuto compete con chi reagisce prima. Se una regola dice “quando la quota scende sotto 2.00, entra”, il prezzo 2.00 che si vede a schermo è già storia. Quello che si ottiene è il prezzo che resta dopo che gli altri hanno preso quello che volevano — cioè, sistematicamente, il lato peggiore.
Questo non rende impossibile l’automazione. Rende impossibile una certa categoria di automazione: quella che vive di reazione rapida a informazione pubblica. Le regole che sopravvivono alla latenza sono quelle che operano su orizzonti più lunghi, dove qualche centinaio di millisecondi non sposta il prezzo in modo determinante.
Problema due: una regola testata sul passato non è una regola che funziona
Un backtest positivo dice una cosa sola: applicando quella regola a quei dati, il risultato sarebbe stato quello. Non dice che la regola funzionerà. Le ragioni sono note e vengono ignorate lo stesso.
Il primo motivo è che nel passato si conosce il prezzo, ma non si sa se quel prezzo era realmente disponibile per la somma che si voleva scambiare. Un backtest ipotizza il riempimento; la realtà lo concede o no.
Il secondo è la deriva del contesto. Regolamenti, calendari, composizione dei partecipanti al mercato: cambiano. Una regola che ha catturato una specificità del 2023 non ha alcun obbligo di reggere nel 2026.
Il terzo è che il backtest non paga le commissioni, non subisce disconnessioni, non sbaglia a interpretare un mercato sospeso. Il conto reale è sempre peggiore di quello simulato. Non a volte: sempre.
Problema tre: ottimizzare sul rumore
È il rischio più insidioso perché somiglia al lavoro fatto bene. Si prende un dataset, si provano soglie diverse, si tiene quella che rende di più. Se si testano venti soglie, per pura statistica una uscirà buona anche su dati completamente casuali.
Il correttivo minimo è dichiarare in anticipo quante ipotesi si stanno testando e correggere il livello di significatività di conseguenza. Un p-value di 0,04 su un test singolo è debole; lo stesso p-value dopo aver provato sei configurazioni non significa quasi nulla. È una regola che vale anche per i dati che presentiamo qui sotto, e lo diciamo prima di presentarli.
Cosa abbiamo trovato in 35 giorni
Dal 31 luglio 2026 raccogliamo quote pre-partita di calcio e tennis dai mercati exchange, quattro volte al giorno. Al momento della scrittura: 26.766 rilevazioni di quote e 5.753 partite con esito registrato.
Il metodo, spiegato per esteso in come leggere il movimento delle quote pre-partita, è semplice. Per ogni selezione confrontiamo la prima e l’ultima quota effettivamente scambiata prima del calcio d’inizio. Poi confrontiamo l’esito reale con la probabilità implicita nella quota finale, normalizzata per l’overround.
Il dato che cambia tutto: la liquidità
Sull’intero periodo abbiamo osservato 6.027 mercati pre-partita distinti: 2.681 di calcio, 3.346 di tennis. Il volume mediano scambiato per mercato è di 40 euro. Quaranta.
La distribuzione:
- supera i 1.000 euro il 13,6% dei mercati;
- supera i 3.000 euro il 6,0%;
- supera i 10.000 euro il 2,4%;
- supera i 50.000 euro lo 0,7%.
Il massimo osservato su un singolo mercato: 369.000 euro.
La lettura è netta. La stragrande maggioranza dei mercati è sottilissima e quasi tutto il denaro si concentra in una minoranza di partite. Un prezzo formato da 40 euro di scambi non è un’opinione collettiva sulla probabilità di un evento: è il segno lasciato da due o tre ordini. Analizzarlo come se contenesse informazione significa studiare rumore.
Ne discende una conseguenza operativa per chiunque costruisca sistemi: filtrare per volume prima di guardare i prezzi. Non dopo. Chi salta questo passaggio lavora al 94% su mercati che non dicono niente, e i risultati apparentemente forti che ne escono sono artefatti.
L’unico indizio che abbiamo
Sul primo mese di dati abbiamo isolato i 247 mercati con volume superiore a 3.000 euro e diviso le selezioni per movimento di prezzo.
Selezioni la cui quota si è accorciata oltre il 3% tra prima e ultima rilevazione: hanno vinto 85 volte, contro le 99 attese dalla loro stessa quota finale. z = -2,03; p = 0,04.
Selezioni la cui quota si è allungata oltre il 3%: hanno vinto 75 volte contro le 61 attese. z = +2,20; p = 0,03.
Gruppo di controllo, quote ferme entro il 3%: z = +0,10. Nessuno scostamento.
Il segnale, se c’è, va in una direzione precisa: il mercato sembra sovrareagire ai movimenti di denaro pre-partita. Le selezioni che si accorciano finiscono per essere care rispetto a quanto poi vincono; quelle che si allungano finiscono per essere trattate peggio di quanto meritino. Il gruppo di controllo che non mostra scostamento è la parte più interessante del quadro, perché suggerisce che il modello di calcolo non è sbilanciato di suo.
Perché resta un indizio e non una strategia
Elenchiamo i limiti, che sono seri.
Un solo mese di dati. E per giunta agosto: inizio stagione, squadre non assestate, valutazioni di mercato più incerte del normale. Nulla garantisce che lo stesso comportamento si presenti a febbraio.
Gruppi multipli testati. Abbiamo guardato più di una segmentazione. Questo erode il valore di un p = 0,04, che va letto come “compatibile con il caso” molto più di quanto suggerisca il numero nudo.
Nessuna commissione nei calcoli. I numeri sopra sono lordi. Sull’exchange la commissione si applica sui profitti netti di mercato e un vantaggio statistico di questa dimensione può essere interamente assorbito. Uno scostamento che sembra sfruttabile prima dei costi spesso non lo è dopo.
Campione piccolo in valore assoluto. 247 mercati, poche centinaia di selezioni per gruppo. Bastano poche partite finite diversamente per spostare uno z-score di due decimi.
La conclusione onesta è che dopo cinque settimane di raccolta abbiamo un indizio statistico. Non una strategia, non un sistema, non qualcosa che meriti di essere automatizzato. La cosa corretta da fare è continuare a raccogliere e verificare se il segnale sopravvive a un campione più ampio e a stagioni diverse. Se sopravvive, resterà comunque da capire se sopravvive anche ai costi. Se non sopravvive, sarà stata una fluttuazione, e va detto pubblicamente quanto lo si è detto in partenza.
Cosa viene prima del codice
Chi si avvicina al trading sportivo automatico cerca in genere un pulsante — spesso prima ancora di aver messo a fuoco come funziona il trading sportivo fatto a mano. Il pulsante non esiste, e la ragione non è che sia nascosto: è che il valore, quando c’è, sta nella base dati e nella disciplina statistica, non nell’esecuzione. L’esecuzione è la parte che si compra. La parte che non si compra è la raccolta paziente e senza risultati visibili, il rifiuto di credere al primo backtest positivo, e l’abitudine a chiedersi quante ipotesi si sono testate prima di trovare quella che funzionava.
La maggior parte dei segnali che si trovano in un dataset piccolo scompare in uno grande. È la norma, non l’eccezione. Un approccio automatizzato serio parte dall’ipotesi che non ci sia nulla da trovare, e considera un ritrovamento credibile solo dopo che ha resistito a più tentativi di demolirlo.
Contenuto a scopo puramente informativo e di analisi statistica. Non costituisce consiglio di gioco né incoraggiamento a scommettere. Il gioco può causare dipendenza patologica: vietato ai minori di 18 anni.