84 ответов в эту тему

[Bambuk]

Gargas, on 10 May 2016 - 15:25, сказал:

после последнего сообщения я окончательно выпал в осадок.
букмейкерские конторы обыгрывают одни Эйнштейны?

Я не знаю чё они там обыгрывают но вот допустим если подставить интенсивности
2,081866455/94 0,587747192/94 (мо делим на 94)
Chelsea Swansea 1,36 5 11
В модель Сектора то получим кефы такие на 1Х2 и ТМ2.5

1,382697547
5,43426943
10,78066448

1,994035531

[Солнечный Ветер]

Bambuk, on 10 May 2016 - 16:29, сказал:

Я не знаю чё они там обыгрывают но вот допустим если подставить интенсивности
2,081866455/94 0,587747192/94 (мо делим на 94)
Chelsea Swansea 1,36 5 11
В модель Сектора то получим кефы такие на 1Х2 и ТМ2.5

1,382697547
5,43426943
10,78066448

1,994035531

И?

[Bambuk]

Солнечный Ветер, on 10 May 2016 - 16:59, сказал:

И?

И смотрите корреляцию если надо ...если не надо --не смотрите... Смысл--надо ли ориентироваться на БК оценки или нет?
Я посмотрел всего одного защитника....и выводов однозначно трудно делать--первое впечатление--лучше не стоит а там ХЗ.
Далее вот тут понятно будет для чего может потребоваться оценка (если надо оценить сухой счёт противника)

Пусть по общим данным допустим так для гостевых игр защитника
Мо(очков)=6,5 отклон=4,846 и раздельно МО(сухо)=12,5 откл=3,13 МО(без сухих)=4,65 отклон=3,7


Пусть средняя вероятность сыграть на сух. (0:какойто счёт)=0,235
Эту вероятность можно ввести из разных соображений—используя средние по МО БК(по уже прошедшим играм сопоставляя это с реальностью)
Или взять с сайта среднее кол. голов противников(когда они дома а наша ком в гостях)
Или если /Вы доверяете оценке БК на конкретный матч то МО1предстоящего матча.
Согласно опуса доктора сектора найти эту Р легко=ЕХР(-МО1) можно сопоставить с реальными играми и что-то подкорректировать немного если берём МО БК например.

Тогда тут можно так рассуждать—допустим использовать вот эти данные для расчёта чего-то там (или для дальнейшего сливания с другими игроками команды при моделировании) Мо(очков)=6,5 отклон=4,846 и использовать нормальное распределение.
Но можно рассуждать и так---сгенерить ГСЧ две последовательности с параметрами

МО(сухо)=12,5 откл=3,13

И

МО(без сухих)=4,65 отклон=3,7

Таким вот образом =НОРМОБР(СЛЧИС(); МО; отклон)
Далее делаем третий столбик (клеток надо более 10000 на генераторы)
И там генерим наш сухач
=ЕСЛИ(СЛЧИС()<=0,235;1;0)

И формируем сумму так примерно
=ЕСЛИ(V52=1;T52;W52)

V-столбец где генерим =ЕСЛИ(СЛЧИС()<=0,235;1;0)
T-столбец с сухачём
W-столбец без сухих

Должно по идее так выполнятся МОобщак=Рсух*МОсух+(1-Рсух)*МОбез.сух

В результате вот такого моделирования мы уже можем иметь расхождения
С нормальным распределением по общаку и допустим при попытке оценить вероятность что очков будет меньше 5 могут быть вот такие цифры по вероятности этого события
Для норм расп Р=0.38 а для Рсмесь=0.41 (цифры примерно так...не точные но будут различаться)
При корреляции там ещё сложнее ситуация будет….

Отредактировано Bambuk, 10 May 2016 - 17:37.

[Bambuk]

Вот кое какие данные для просмотра и сравнения видов распределений которые при таком подходе получаются

 виртуал_футб.jpg   652.53K   11 Количество загрузок

[dow]

я понял, что ничего не понял. Наверно нужно будет парсер заказывать

Отредактировано dow, 10 May 2016 - 19:21.

[dow]

Я понял, что вы сравниваете защиту, что мы обсуждали, что лучше из одной команды или нескольких и насколько точны вероятности буков (хотя тут если определить что они не точны есть смысл делать ставки ) В любом случае руками вам будет муторно статистику вытягивать. Подумаю над парсером, если не дорого будет, то закажу

[dow]

В табл на выезде/ дома - кореляция с кэфом на сухую игру?

[Bambuk]

dow, on 10 May 2016 - 20:41, сказал:

Я понял, что вы сравниваете защиту, что мы обсуждали, что лучше из одной команды или нескольких и насколько точны вероятности буков (хотя тут если определить что они не точны есть смысл делать ставки ) В любом случае руками вам будет муторно статистику вытягивать. Подумаю над парсером, если не дорого будет, то закажу

Пока зачем парсер?
Там допустим есть 3 игрока и допустим у них игры общие не пересекаются ну и будет в выборке 4-5 матчей с учётом Д/Г и сухистоя и как по такой выборке что-то можно строить? Одно дело теория а другое--практика. Вот так будет например(может так быть и есть) по дом гость и без сухих


1 2 3
h
4 4,5 4
9,5 -2 0
1 3,5 0,5
4 4 3,5
a
2,5 -2,5 3,5
2,5 4 4
0,5 1,5 0,5
5 3,5 3


h 12 -0,861981561
13 -0,299474388
23 0,741619849


a 12 0,302291738
13 0,596336038
23 0,045359055

ну и чё мы тут скажем по ряду из 4 случ. чисел ?

Это только собирать в кучу остаётся тройки игроков защиты и общие какие-то тенденции смотреть но в частном случае там могут быть связи не прозрачные и непонятно как там вычислять и дальше...Я что-то пока
в тумане нахожусь...данных-то по сути нет.... данные вот эти они по игрокам норвича.... но там так--один играет другой нет вместе мало примеров получается а потом там же их желательно раздербанить на Д/Г и по сухим матчам хотя бы....даже не знаю как сию проблему разрулить...

Отредактировано Bambuk, 10 May 2016 - 21:01.

[Конь в пальто]

что то напоминает эту требуху
12
34
56

[Bambuk]

Конь в пальто, on 10 May 2016 - 21:19, сказал:

что то напоминает эту требуху
12
34
56

Пока ситуация в мозгах даже хуже.....
Надо данных побольше посмотреть. Я взял пока 2 игрока и то там хер поймёшь --как очки одного влияют на очки другого. Дело тут в том что надо дисперсии правильно как-то находить для моделирования (а данных мало) ...Мат ожидания-то они по идее нас не колеблют...а вот от отклонений много чё зависит
Потом там корреляции могут быть разные по характеру для домашнего и гостевого состояния и от того какой противник. Если команда в гостях плохо играет и соперник сильнее то там понятно что на сухой счёт соперника надеяться сильно не приходится ...итд итп....
Пока думаю--надо хоть на качественном уровне разобраться что к чему...а потом уже по циферам идти.
По идее можно тупо наверно взять 2 одинаковых типа игрока и попробовать их помоделировать если они в одной команде или в разных...может тогда чё-то попонятнее будет с позицией по сухостою хоть...... сухостой это ж как Восток--дело тонкое(а мож толстое ХЗ)

Отредактировано Bambuk, 11 May 2016 - 00:11.

[Солнечный Ветер]

Уважаемый Бамбук, подскажите пожалуйста, по какой формуле можно посчитать реальный коэффициент в линии букмекера, если известна маржа, заложенная букмекером в эти коэффициенты в моем случае маржа 2%?
Пы.Сы. Пардоньте что не по теме.

[Bambuk]

Солнечный Ветер, on 11 May 2016 - 03:33, сказал:

Уважаемый Бамбук, подскажите пожалуйста, по какой формуле можно посчитать реальный коэффициент в линии букмекера, если известна маржа, заложенная букмекером в эти коэффициенты в моем случае маржа 2%?
Пы.Сы. Пардоньте что не по теме.

Как понять реальный коэффициент? Там вот такая примерно ситуация --допустим у конторы есть какие-то оценки по вероятности на исходы ..ну вот пусть линия 1Х2
тогда для справедливой игры они должны кефы вот так задать 1/Р1 1/Рх 1/Р2 а они могут вот так выкатить К1/1.02 Кх/1.02 К2/1.02
тогда маржа в линии около 1/(К1/1.02) + 1/(Кx/1.02) +1/(К2/1.02) -1=1.02*(1/K1+1/Kx+1/K2)-1 то что в скобках очевидно=1 поэтому маржа около 1.02-1=0.02
Это вот если считать что оценки БК близки к реальным.

На самом деле кефы прогружают-недогружают или сами бк дают К закладывая разный % от кефоф модели допустим так К1*1.01 Кх*1.05 К2*0.97
Реально сложно понять какие где множетили, но можно ориентироваться на балансы допустим зададим полосу по П1 вот так от 1.5до1.6 (полоса не очень широкая)
тогда допустим подсчитав % с оборота по ставкам на П1 на Х на П2 получили -0.01 -0.04 -0.06 можно ориентироваться на эти пропорции для умножения
соответствующих кефоф надо подобрать наверно множитель в выражении чтоб выполнилось равенство М*(1.01/К.1+1.04/Кх+ 1.06/К2)=1
тогда например линию так можно востанавливать К1/(1.01*М) и так далее...

На самом деле нам-то надо знать по хорошему маржу на исход допустим на П1 а это Ристинная*К1-1 но мы не знаем истинную Р1 поэтому просто ориентируемся на кефф конторы в показанных формулах. А БК будет иметь по идее разную прибыль в зависимости от события
S1 Sx S2 --прогрузы по суммам бабла

IF 1 win thtn PR1=S2+S1+Sx-K1*S1=Sx+S2-(K1-1)*S1 и остальные по аналогии так вот должно одновременно выполнятся типа такого

PR1>=0
PRx>=0
PR2>=0

и кефы если их двигать только учитывая линию 1Х2 двигаются для удовлетворения этой системы (но там по идее может в ПО конторы много сразу позиций по балансу пастись...главное чтоб суммарно было максимум по +++)

Отредактировано Bambuk, 11 May 2016 - 06:56.

[Bambuk]

очевидно М=1/(1.01/К1+1.04/Кх+ 1.06/К2) для поста выше...
И разумеется для разной конфигурации по выбору полос например для п1 там в линии 1Х2 при разных % с оборота будут свои механизмы восстановления
если использовать М (даже если формально маржа в линии одинаковая).

[Bambuk]

dow, on 10 May 2016 - 20:51, сказал:

В табл на выезде/ дома - кореляция с кэфом на сухую игру?

Нет.
Я просто пока смотрю ситуацию отдельно по Д и отдельно по Г состоянию команды(где защитник) и смотрю общие показатели по МО и дисперсии (смотрим очки) и отдельно по сухим матчам и матчам где нет счёта с "0" у соперника...
Очки набираемые игроками защиты связаны со счётом ...во всяком случае на маленьких выборках так есть (это и когда без "0" смотреть корреляцию)
Я хотел просто выяснить--резонно ли пользоваться оценками конторы (допустим их оценками по Мо1 Мо2)....

Игроков наверно надо сливать будет а то данных очень мало и для каждого вычислять среднее значение по очкам и дисперсию (по этим признакам их можно разбить на классы и работать уже с классами где будет много данных (но будут границы по средним и дисперсиям тогда можно кучу класса представить одним абстрактным игроком)

У меня такой вопрос--есть ограничения по формированию команды (допустим я залудив стакан захочу 11-вратарей себе)
И есть ли ограничения по сумме бабла за купленных игроков?
И вообще--как формируется призовой фонд игры (и на что рассчитывает ресурс--в чём его маржа)

Отредактировано Bambuk, 11 May 2016 - 07:25.

[Солнечный Ветер]

Bambuk, on 11 May 2016 - 07:06, сказал:

очевидно М=1/(1.01/К1+1.04/Кх+ 1.06/К2) для поста выше...
И разумеется для разной конфигурации по выбору полос например для п1 там в линии 1Х2 при разных % с оборота будут свои механизмы восстановления
если использовать М (даже если формально маржа в линии одинаковая).

Спасибо за помощь)

[Bambuk]

Bambuk, on 11 May 2016 - 06:52, сказал:

закладывая разный % от кефоф модели допустим так К1*1.01 Кх*1.05 К2*0.97

Хотел вот так конечно написать
К1/1.01 Кх/1.05 К2/0.97


линию так можно восстанавливать К1*(1.01*М) и так далее... Сам что-то уже запутался--в целом смысл сохраняем пропорции по марже в исходах и добиваемся чтоб восстановленные кефы соответствовали условию что сумма их обратных величин=1

Отредактировано Bambuk, 11 May 2016 - 08:28.

[denvb]

Bambuk, on 10 May 2016 - 13:57, сказал:

Описанное преобразование можно реализовать в виде двух функций на C++...

жестоко так копировать:
 code1.png   7.36K   0 Количество загрузок

оригинал:
 code2.png   6.74K   0 Количество загрузок

Моя VBS редакция, работу не проверял, но эксель не ругается. Для вызова нужно будет сделать обёртку, которая сформирует вектора и матрицы (с листа или ещё откуда). Не забывайте, что при их создании указывается не размерность, а верхний индекс, например,

dim Matrix(n, n) as double

сформирует матрицу размерностью n+1 с индексами от 0 до n включительно

Spoiler

rem Функция моделирования многомерных данных, распределённых по нормальному закону.
rem double MatrixMath [mq] - вектор мат. ожидания
rem double MatrixVar [mq] - вектор диперсии
rem vector<vector<double> > &correlation_matrix - корреляционная матрица
rem vector<vector<double> > &MatrixRes - массив с результатом
Function normal_model (byval MatrixMath as variant, byval MatrixVar as variant, byref correlation_matrix as variant, byref MatrixRes as variant) As Boolean

rem верхний индекс переменных
dim mq as integer
mq = UBound(MatrixRes(0))

rem верхний индекс значений
dim count as integer
count = UBound(MatrixRes)

rem треугольная матрица преобразований A
dim MatrixA(mq, mq) as double

rem матрица случайных чисел, распределенных по нормальному закону с параметрами 0, 1
dim MatrixN(count, mq) as double

Dim i As Integer, j As Integer, k As Integer
Dim sumA As Double, sumAA As Double

rem углы. Случайные числа, распределенные на интервале (0;1]
Dim alfa1 As Double, alfa2 As Double

rem Ковариационная матрица K
dim MatrixK(mq, mq) as double

rem Преобразование корреляционной матрицы в ковариационную
for i = 0 to mq
for j = 0 to mq
MatrixK(i, j) = correlation_matrix(i, j) * sqrt(MatrixVar(i) * MatrixVar(j))
next j
next i

if matrix_determinant(MatrixK) <= 0 then
rem ошибка. Определитель ковариационной матрицы должен быть положительным
normal_model = false
Exit Function
end if

rem Заполнение матрицы A
for i = 0 to mq
for j = 0 to i
sumA = 0
sumAA = 0
for k = 0 to j - 1
sumA = sumA + MatrixA(i, k) * MatrixA(j, k)
sumAA = sumAA + MatrixA(j, k) * MatrixA(j, k)
next k
MatrixA(i, j) = (MatrixK(i, j) - sumA) / sqr(MatrixK(j, j) - sumAA)
next j
next i

rem моделирование случайных чисел, распределенных по нормальному закону с параметрами 0, 1
randomize
for i = 0 to count step 2
for j = 0 to mq
alfa1 = rnd
            alfa2 = rnd
            if alfa1 = 0 or alfa2 = 0 then
j = j - 1
            else
                MatrixN(i, j) = sqr(-2 * log(alfa1)) * sin(2 * PI * alfa2)
                if i + 1 < count then
                    MatrixN(i + 1, j) = sqr(-2 * log(alfa1)) * cos(2 * PI * alfa2)
                end if
            end if
next j
next i

rem преобразование матрицы случайных чисел, распределенных по нормальному закону с параметрами 0, 1
rem к матрице с конечными параметрами
for i = 0 to count
for j = 0 to mq
MatrixRes(j) = MatrixMath(j)
for k = 0 to mq
MatrixRes(i, j) = MatrixRes(i, j) + MatrixA(j, k) * MatrixN(i, k)
next k
next j
next i

normal_model = True
End Function

rem функция возвращает определитель матрицы m размерности N x N
Function matrix_determinant (ByVal m As Variant) As Double
dim result as double
result = 0

dim size as integer
size = UBound(m) + 1

if size = 1 then
result = m(0, 0)
ElseIf size = 2 then
result = m(0, 0) * m(1, 1) - m(0, 1) * m(1, 0)
ElseIf size = 3 then
result = m(0, 0) * m(1, 1) * m(2, 2) + m(0, 1) * m(1, 2) * m(2, 0) + m(0, 2) * m(1, 0) * m(2, 1) - m(2, 0) * m(1, 1) * m(0, 2) - m(1, 0) * m(0, 1) * m(2, 2) - m(0, 0) * m(2, 1) * m(1, 2)
else 
dim newSize as Integer
newSize = UBound(m) - 1

rem массив N-1 x N-1, значения элементов матрицы порядка N-1
Dim m1(newSize, newSize) As Double

Dim i As Integer, j As Integer, k As Integer
For i = 0 To newSize
For j = 1 To newSize
For k = 0 To newSize
if k < i then
m1(j - 1, k) = m(j, k)
elseif k > i then
m1(j - 1, k - 1) = m(j, k)
end if
next k
next j

result = result + (-1 ^ i) * m(0, i) * matrix_determinant(m1)
next i
end if

matrix_determinant = result
End Function

Bambuk, если не сложно, заворачивайте фрагменты кода в тег [code], а длинные цифры в [spoiler], это удобно

Отредактировано denvb, 11 May 2016 - 10:39.

[Bambuk]

denvb, on 11 May 2016 - 10:34, сказал:

жестоко так копировать:
code1.png

оригинал:
code2.png

Моя VBS редакция, работу не проверял, но эксель не ругается. Для вызова нужно будет сделать обёртку, которая сформирует вектора и матрицы (с листа или ещё откуда). Не забывайте, что при их создании указывается не размерность, а верхний индекс, например,

dim Matrix(n, n) as double

сформирует матрицу размерностью n+1 с индексами от 0 до n включительно

Spoiler

rem Функция моделирования многомерных данных, распределённых по нормальному закону.
rem double MatrixMath [mq] - вектор мат. ожидания
rem double MatrixVar [mq] - вектор диперсии
rem vector<vector<double> > &correlation_matrix - корреляционная матрица
rem vector<vector<double> > &MatrixRes - массив с результатом
Function normal_model (byval MatrixMath as variant, byval MatrixVar as variant, byref correlation_matrix as variant, byref MatrixRes as variant) As Boolean

rem верхний индекс переменных
dim mq as integer
mq = UBound(MatrixRes(0))

rem верхний индекс значений
dim count as integer
count = UBound(MatrixRes)

rem треугольная матрица преобразований A
dim MatrixA(mq, mq) as double

rem матрица случайных чисел, распределенных по нормальному закону с параметрами 0, 1
dim MatrixN(count, mq) as double

Dim i As Integer, j As Integer, k As Integer
Dim sumA As Double, sumAA As Double

rem углы. Случайные числа, распределенные на интервале (0;1]
Dim alfa1 As Double, alfa2 As Double

rem Ковариационная матрица K
dim MatrixK(mq, mq) as double

rem Преобразование корреляционной матрицы в ковариационную
for i = 0 to mq
for j = 0 to mq
MatrixK(i, j) = correlation_matrix(i, j) * sqrt(MatrixVar(i) * MatrixVar(j))
next j
next i

if matrix_determinant(MatrixK) <= 0 then
rem ошибка. Определитель ковариационной матрицы должен быть положительным
normal_model = false
Exit Function
end if

rem Заполнение матрицы A
for i = 0 to mq
for j = 0 to i
sumA = 0
sumAA = 0
for k = 0 to j - 1
sumA = sumA + MatrixA(i, k) * MatrixA(j, k)
sumAA = sumAA + MatrixA(j, k) * MatrixA(j, k)
next k
MatrixA(i, j) = (MatrixK(i, j) - sumA) / sqr(MatrixK(j, j) - sumAA)
next j
next i

rem моделирование случайных чисел, распределенных по нормальному закону с параметрами 0, 1
randomize
for i = 0 to count step 2
for j = 0 to mq
alfa1 = rnd
			alfa2 = rnd
			if alfa1 = 0 or alfa2 = 0 then
j = j - 1
			else
				MatrixN(i, j) = sqr(-2 * log(alfa1)) * sin(2 * PI * alfa2)
				if i + 1 < count then
					MatrixN(i + 1, j) = sqr(-2 * log(alfa1)) * cos(2 * PI * alfa2)
				end if
			end if
next j
next i

rem преобразование матрицы случайных чисел, распределенных по нормальному закону с параметрами 0, 1
rem к матрице с конечными параметрами
for i = 0 to count
for j = 0 to mq
MatrixRes(j) = MatrixMath(j)
for k = 0 to mq
MatrixRes(i, j) = MatrixRes(i, j) + MatrixA(j, k) * MatrixN(i, k)
next k
next j
next i

normal_model = True
End Function

rem функция возвращает определитель матрицы m размерности N x N
Function matrix_determinant (ByVal m As Variant) As Double
dim result as double
result = 0

dim size as integer
size = UBound(m) + 1

if size = 1 then
result = m(0, 0)
ElseIf size = 2 then
result = m(0, 0) * m(1, 1) - m(0, 1) * m(1, 0)
ElseIf size = 3 then
result = m(0, 0) * m(1, 1) * m(2, 2) + m(0, 1) * m(1, 2) * m(2, 0) + m(0, 2) * m(1, 0) * m(2, 1) - m(2, 0) * m(1, 1) * m(0, 2) - m(1, 0) * m(0, 1) * m(2, 2) - m(0, 0) * m(2, 1) * m(1, 2)
else
dim newSize as Integer
newSize = UBound(m) - 1

rem массив N-1 x N-1, значения элементов матрицы порядка N-1
Dim m1(newSize, newSize) As Double

Dim i As Integer, j As Integer, k As Integer
For i = 0 To newSize
For j = 1 To newSize
For k = 0 To newSize
if k < i then
m1(j - 1, k) = m(j, k)
elseif k > i then
m1(j - 1, k - 1) = m(j, k)
end if
next k
next j

result = result + (-1 ^ i) * m(0, i) * matrix_determinant(m1)
next i
end if

matrix_determinant = result
End Function

Bambuk, если не сложно, заворачивайте фрагменты кода в тег [code], а длинные цифры в [spoiler], это удобно

А я даже не знаю как сполер паковать и проч....не пользовался ни когда...пару раз как-то пытался но ни ху не получилось. С кодом буду разбираться а то из меня программист--как из Промокашки скрипач.....спрошу если что....

Я пока посмотрел на двух игроках с абстрактыми параметрами по очкам...которые сам задал. В целом было так примерно

для безсуховых брал около 4.5 оч--мо и около 3 на отклон. (там не строго такие а примерно два игрока немного разные) а для матчей где сухой счёт взял примерно около 9 и отклон около 2.5 и вероятность сухого матча 0.23
короче сначала считал что игроки из одной ком и есть корреляция небольшая отрицательная(К=-0.2) если матч не сухой (это где мало оч.)
а потом брал двух точно таких же игроков (по МО и отклон ) но типа из разных команд. так вот получилось что для дистанции ни какой принципиальной разницы нет если соблюдены условия идентичности (ну типа не не более плохих или более хороших берём а вот примерно как в одной команде 2-игрока)....
Поэтому я так подозреваю какие-то теории они заточены на конкретный матч могут быть...но тогда надо точно знать как там что на что влияет (по мо и дисперсиям)...
Вот такие новости.....
Таким образом вероятность набрать больше такого-то числа очков (или не опуститься ниже такого-то) такой муднёй как раскидывание или собирание игроков по командам и в команду ни хрена не меняет если они имеют одинаковые параметры. Все вероятности достаточно хорошо совпадают для указанной модели.

Для 3-ёх при похожих условиях будет скорее всего тоже самое.

Отредактировано Bambuk, 11 May 2016 - 11:25.

[denvb]

Bambuk, on 11 May 2016 - 11:24, сказал:

А я даже не знаю как сполер паковать и проч...

это очень просто, в редакторе нужные куски текста обрамляете тэгами "code" или "spoiler" в квадратных скобках, второй парный тэг - закрывающий, с косой чертой. Можно вложить "code" в "spoiler". На скрине снизу правлю текст, вверху предпросмотр
 2016-05-11_135650.png   11.42K   0 Количество загрузок

[dow]

Цитата

У меня такой вопрос--есть ограничения по формированию команды (допустим я залудив стакан захочу 11-вратарей себе)
И есть ли ограничения по сумме бабла за купленных игроков?

И вообще--как формируется призовой фонд игры (и на что рассчитывает ресурс--в чём его маржа)

- расстановки 3-4-3, 3-5-2, 4-3-3, 5-3-2 (первая цифра защитник, полузащитник, нападающие. Вратарь только один)
- 100млн на команду
- маржа 10% но хз, почти всегда оверлеи

 4.jpg   107.78K   0 Количество загрузок

если нет разницы между стеком и в разброс, то это позволит экономить на защитниках и брать более дорогих нападов