Der Bias Score misst die systematische Fehleinschätzung der Buchmacher gegenüber einem bestimmten Team. Anders ausgedrückt zeigt der Bias Score:

• ob Buchmacher die Siegchancen eines Teams überschätzen (positiver Bias Score)
• oder sie unterschätzen (negativer Bias Score).

Wie berechnen wir den Bias Score?

Für jedes Team und jedes Spiel vergleichen wir:

• Die erwartete Sieg-Wahrscheinlichkeit des Teams (basierend auf den Quoten ohne Buchmachermarge).
• Das tatsächliche Spielergebnis (ob das Team gewonnen hat oder nicht).

Der Bias eines Teams im Spiel = (geschätzte Wahrscheinlichkeit) – (Ergebnis: 1 bei Sieg, 0 bei Niederlage). Danach berechnen wir den Durchschnittswert über alle Spiele des Teams aus 7 Saisons und erhalten den endgültigen Bias Score.

Welche Daten haben wir verwendet?

Wir haben Quoten- und Spielergebnisdaten der NHL über 7 Saisons (von 2014 bis 2024) analysiert. Ausgeschlossen wurden:

• Die Lockout-Saison, in der Spiele abgesagt wurden.
• Die COVID-19-Saison, die den Ligabetrieb massiv verzerrt hat.
• Eine weitere Saison, deren Daten noch überprüft werden müssen (vorübergehend ausgeschlossen).

Insgesamt basieren die Bias Scores auf ca. 9588 NHL-Spielen.

Wie interpretiert man den Bias Score?

• Positiver Bias Score (Überschätzung): Buchmacher überschätzen systematisch die Siegchancen dieses Teams. Beispiel: Haben die Chicago Blackhawks einen Bias Score von +5%, gewinnen sie seltener, als es die Quoten vermuten lassen.
• Negativer Bias Score (Unterschätzung): Buchmacher unterschätzen systematisch die Siegchancen dieses Teams. Beispiel: Haben die Tampa Bay Lightning einen Bias Score von -4%, gewinnen sie häufiger, als es die Quoten erwarten lassen.
• Bias Score nahe 0: Die Einschätzung der Buchmacher stimmt weitgehend mit der Realität überein.

Was sagt uns der Bias Score?

Es ist wichtig zu verstehen: Der Bias Score ist kein Vorhersagemodell und keine absolute Wahrheit. Er ist ein Indikator, der:

• zeigt, wo Buchmacher über lange Zeiträume systematisch danebenliegen,
• öffentliche Wahrnehmungen und mediale Hypes abbilden kann,
• und auf Teams hinweist, die „unter dem Radar“ effizienter spielen, als man glaubt.