Skip to content

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Repository files navigation

Prédictions au tennis de table

Modèle de prédiction des matchs de tennis de table (WTT et grandes compétitions ITTF), combinant un ensemble LightGBM + XGBoost et une baseline Elo, avec calibration isotonique des probabilités et évaluation de la valeur de pari (critère de Kelly) face aux cotes de marché.

Objectif

À partir de l'historique des matchs et des classements ITTF/WTT, le projet estime la probabilité de victoire de chaque joueur sur les matchs à venir, mesure l'écart (edge) entre le modèle et les cotes des bookmakers, et évalue une stratégie de mise par backtest.

Méthode

  1. Données : matchs récupérés via l'API World Table Tennis et Sofascore ; classements ITTF/WTT et infos joueurs (snapshots historiques) ; stockage SQLite.
  2. Variables : Elo pondéré par l'importance de la compétition, forme récente (fenêtre décroissante), confrontations directes, classements ITTF/WTT, repos et fatigue.
  3. Modèles : ensemble LightGBM et XGBoost, comparés à une baseline Elo ; calibration isotonique ; interprétation par SHAP.
  4. Value betting : calcul de l'edge face aux cotes, mise fractionnée de Kelly, et backtest de la bankroll avec garde-fous (stop-loss, edge et cote minimaux).

Structure

src/                  Cœur du projet (package Python)
  features/           Construction des variables (Elo, forme, h2h, classements)
  models/             Modèles LightGBM / XGBoost et baseline Elo
  database/           Schéma SQLAlchemy et accès aux données
  scraping/           Collecte des matchs, cotes et classements
  backtesting/        Backtest de mise (Kelly) et utilitaires de cotes
config/               Compétitions, hyperparamètres, paramètres de mise
scripts/              Bootstrap des données, scraping, entraînement, prédiction, backtest
data/                 Base SQLite, modèles entraînés, métriques, prédictions

Installation et usage

pip install -r requirements.txt
cp .env.example .env        # renseigner les tokens d'API (facultatif)

python scripts/bootstrap_data.py     # import initial des données publiques
python scripts/run_scraper.py        # collecte des matchs récents
python scripts/train_model.py        # entraînement des modèles
python scripts/predict_upcoming.py   # prédictions des matchs à venir
python scripts/backtest.py           # backtest de la stratégie de mise

Autonomie

Un pipeline GitHub Actions s'exécute chaque semaine (et à la demande) pour maintenir le projet à jour sans intervention :

  1. collecte des résultats récents ;
  2. stockage des cotes bookmaker des matchs à venir (Betfair Exchange en priorité, puis The Odds API en repli) ;
  3. réentraînement du modèle sur l'historique enrichi ;
  4. prédictions des matchs à venir et backtest crédible (vraies cotes uniquement) ;
  5. régénération de l'artefact web data/predictions.json et commit de l'état mis à jour.

La base de matchs et le modèle grossissent ainsi au fil des tournois. Les sources de cotes sont facultatives et se configurent via des secrets de dépôt ; au moins une est nécessaire pour enrichir les cotes :

  • Betfair Exchange (prioritaire, cotes sans marge) : BETFAIR_APP_KEY, BETFAIR_USERNAME, BETFAIR_PASSWORD.
  • OddsPapi (repli si BetsAPI indisponible, couverture tennis de table et historique 2026 selon le compte) : ODDSPAPI_KEY.
  • The Odds API (repli, palier gratuit) : ODDS_API_KEY.

Backfill historique sans BetsAPI :

python scripts/backfill_oddspapi_odds.py --from-date 2026-01-01 --to-date 2026-07-01 --dry-run
python scripts/backfill_oddspapi_odds.py --from-date 2026-01-01 --to-date 2026-07-01

Tester la connexion Betfair en local une fois les identifiants renseignés dans .env :

python scripts/test_betfair.py --days 14

Limites

Les cotes et matchs à venir dépendent de sources tierces dont la disponibilité varie. Les performances de mise sont issues d'un backtest et ne constituent pas un conseil financier ; le projet a une visée méthodologique.

Licence

MIT.

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages