Studenti Fakulty informačních technologií ČVUT (FIT ČVUT) se umístili na druhém místě v prestižním Qminers Quant Hackathonu. Tato soutěž postavila účastníky před výzvu vyvinout prediktivní modely a strategie sázení s využitím reálných dat z hokejových zápasů a pokusit se překonat virtuálního bookmakera. Hackathon přilákal 250 účastníků z celé České republiky.
Vítězný tým AlphaPrime z FIT ČVUT ve složení Ondřej Skácel a Patrik Herman získal druhé místo a cenu 30 000 Kč. Účastníci hackathonu si vyzkoušeli roli profesionálních sportovních sázkařů, jejichž cílem bylo vydělat co nejvyšší množství virtuálních peněz. Princip sportovního sázení se podobá investování na finančních trzích – jde o to, najít nesoulad mezi cenou a skutečností a investovat tam, kde vidí příležitost. Soutěž nebyla o znalosti konkrétního sportu (v tomto případě hokeje), ale o schopnosti převést jej do efektivního počítačového algoritmu. Stejně jako na burze, i zde vyhrál ten, kdo maximalizoval zisk a minimalizoval riziko.
Účastníci dostali reálná data z hokejových zápasů, na která aplikovali metody strojového učení, a vytvořili sázecí strategii, která překonala virtuálního bookmakera. Úloha se skládala ze dvou hlavních kroků: vytvořit prediktivní model výsledků zápasů a navrhnout investiční strategii s ohledem na kurzy bookmakera – tedy rozhodnout, na co vsadit a kolik.
„Kvalifikační kolo bylo zaměřené na pochopení dat a vybudování spolehlivého základu modelu, zatímco finále probíhalo osobně a s jediným pokusem na odevzdání. Díky připravenému řešení z kvalifikace jsme už jen dolaďovali detaily,” říká Ondřej Skácel. „Náš model byl postavený na logistické regresi, která předpovídala výhru domácího týmu na základě Glicko hodnocení jednotlivých údajů o zápasech – to můžeme interpretovat jako sílu týmu v daném aspektu hry,” vysvětluje."
Qminers Quant Hackathon 2025 se uskutečnil 6. prosince v Praze a byl otevřený všem studentům. Akci pořádala společnost Qminers, která se zabývá algoritmickým tradingem, ve spolupráci s výzkumnou skupinou IDA (Intelligent Data Analysis) z Fakulty elektrotechnické ČVUT.
„Většina týmů šla cestou jednodušších modelů, hlavně logistická regrese nebo rozhodovací stromy. Ale viděli jsme i propracovanější feature engineering nebo Kalmanovy filtry. Kritické bylo správně pracovat s mírou rizika: kolik vsadit podle toho, kolik mám peněz, jak moc si věřím, co se smí, a co se v průběhu soutěže změní. Kdo zůstal u fixních odhadů, ten často narazil,“ říká Tonda Kříž, Python developer v Qminers."