ВВЕДЕНИЕ 4
ГЛАВА 1. ПРЕДВАРИТЕЛЬНЫЕ СВЕДЕНИЯ 6
1.1 Основные сведения из теории вероятностей и математической статистики 6
1.2 Некоторые сведения из других разделов математики 8
1.3 Некоторые сведения из футбольной индустрии 8
ГЛАВА 2. ОСНОВНЫЕ МЕТОДЫ АНАЛИЗА ДАННЫХ 10
2.1 Корреляционный анализ 10
2.2 Линейная регрессия 14
2.2.1 Постановка задачи 14
2.2.2 Метод наименьших квадратов 15
2.2.3 Проверка основных предположений регрессионного анализа 17
2.2.4 Проверка качества модели 20
2.2.5 Мультиколлинеарность 21
2.3 Нелинейная регрессия 23
2.3.1 Постановка задачи 23
2.3.2 Существование и единственность оценки МНК 24
2.3.3 Численное нахождение оценок параметров нелинейной регрессии 26
2.3.3.1 Метод Ньютона-Гаусса 27
2.3.3.2 Метод Левенберга-Марквардта 28
2.4 СЛУЧАЙНЫЙ ЛЕС 30
2.4.1 Решающие деревья 30
2.4.2 Разложение ошибки на смещение и разброс 32
2.4.3 Бэггинг 34
2.4.4 Алгоритм случайного леса 35
ГЛАВА 3. ПРИМЕНЕНИЕ МЕТОДОВ АНАЛИЗА ДАННЫХ ДЛЯ
ПРОГНОЗИРОВАНИЯ ТРАНСФЕРНОЙ СТОИМОСТИ ФУТБОЛИСТОВ 37
3.1 Python как средство обработки данных 37
3.2 Сбор данных и предварительный анализ 37
3.3 Реализация задачи методом линейной регрессии 43
3.4 Реализация задачи методом нелинейной регрессии 46
3.5 Реализация задачи алгоритмом случайного леса 49
3.6 Сравнение полученных результатов между собой 50
ЗАКЛЮЧЕНИЕ 52
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 53
ПРИЛОЖЕНИЕ А 55
ПРИЛОЖЕНИЕ Б 59
ПРИЛОЖЕНИЕ В 61
ПРИЛОЖЕНИЕ Г 64
Современная индустрия футбола характеризуется быстрыми темпами развития, высокой конкуренцией и значительными финансовыми потоками. Одним из ключевых аспектов этой индустрии является трансферный рынок, на котором клубы приобретают и продают игроков, стремясь улучшить состав команды, достичь спортивных целей и увеличить финансовые доходы. В профессиональном футболе трансферы представляют собой сделки по переходу спортсменов из одного клуба в другой. В последние годы их стоимость выросла до десятков, а порой и сотен миллионов долларов, однако процесс определения цен остается неясным и субъективным. Например, за последние 30 лет максимальная трансферная стоимость футболиста повысилась в примерно 10 раз, что является достаточно быстрым ростом. Поэтому прогнозирование трансферной стоимости футболистов является важным инструментом для клубов, агентов и других участников рынка, позволяющим принимать обоснованные решения о покупке, продаже или удержании игроков. В современных условиях это становится все более сложной задачей из- за большого количества факторов, влияющих на цену игрока, таких как его спортивные характеристики, возраст, состояние здоровья, контрактные обязательства и многие другие.
Актуальность данной темы обусловлена увеличением сумм трансферов, ужесточением конкуренции за игроков и значительным влиянием неопределенности на принятие решений в индустрии футбола. С учётом этого, целью данного исследования является разработка моделей для прогнозирования стоимости трансферов футболистов с применением регрессионных методов и алгоритмов машинного обучения. Для достижения этой цели были сформулированы и решены следующие задачи:
1. Сбор данных и предварительный анализ данных.
2. Выбор методов исследования.
3. Реализация методов исследования.
4. Сравнение эффективности методов исследования между собой.
Исходя из анализа и обработки данных о предыдущих трансферных сделках, о статистике игроков и других факторов в работе разрабатываются модели, способные более точно оценивать стоимость игроков на трансферном рынке. Это обеспечит заинтересованным сторонам возможность принятия обоснованных решений при планировании и осуществлении трансферов, что в свою очередь позволит оптимизировать затраты и повысить эффективность инвестиций.
Дипломная работа состоит из введения, трех глав, заключения и приложений.
В первой главе представлены основные понятия из теории вероятностей и математической статистики, и других разделов математики, которые необходимы для понимания и описания методов, описанных в следующих главах. Также в этой главе представлены некоторые сведения из футбольной индустрии, которые помогут в понимании структуры изучаемых данных.
Во второй главе содержится теоретическое описание основных методов анализа данных.
В третьей главе представлены результаты обработки данных, сбор данных и их предварительный анализ, основные этапы построения моделей, и сравнение эффективности моделей между собой.
В заключении представлены выводы и результаты проделанной работы.
данной работе были проанализированы данные о футболистах из топ-5 лиг Европы. Это позволило выявить значимые факторы, которые влияют на их трансферную стоимость. Такие методы регрессионного анализа, как линейная и нелинейная регрессия, а также метод машинного обучения - случайный лес, показали свою эффективность в прогнозировании стоимости футболистов. Сравнительный анализ показал, что модель случайного леса является самой эффективной в предсказании трансферной стоимости футболистов, несмотря на небольшое различие в точности относительно других моделей. Полученная модель успешно предсказывает цену игрока с хорошей точностью, что может быть полезно как для клубов, так и для агентов игроков при осуществлении трансферных сделок.
Это исследование может стать отправной точкой для создания более прозрачной и объективной системы определения справедливой стоимости трансферных сделок, что позволило бы повысить уровень финансовой дисциплины и эффективности экономического контроля со стороны футбольных инстанций.
В будущем исследования в данной области могут включать более глубокий анализ влияния других факторов на трансферные стоимости футболистов, а также усовершенствование модели на основе новых данных и развитие методов прогнозирования.
