Prediction models in e-sports: Generalized autoregressive score and common opponent models

Miroslav Pikhart

Master's thesis

Predikce výsledků e-sport zápasů:Generalized autoregressive score a common opponent modely

Abstract:

Kromě populární sportovní statistiky se v posledních letech, společně se vzrůstající oblíbeností e-sports akcí zvyšuje zájem i o e-sport statistiku. V rámci této práce je představena adaptace dvou modelů převzatých ze sportovní statistiky. Oba tyto modely, známy jako general autoregressive score model a common opponent model disponují schopností predikovat výsledek zápasu pouze na základě veřejně dostupných informací jako je čas konání a výsledek. V rámci empirické studie je testována predikční schopnost zmíněných modelů na datech pocházející ze hry Counter-Strike. Kromě aplikace již vytvořených modelů je dále představen alternativní přístup k common opponent modelování, který předpokládá, že síla týmů v čase není konstantní. Tento přístup slabě zvyšuje predikční schopnosti modelu.

Abstract:

The field of e-sports statistics is getting more popular as e-sports become generally known. In this thesis, we discuss the adaptations of two models with proven usage in sports statistics and their possibilities in the realm of e-sports. The most significant advantage shared by both of these models, known as general autoregressive score model and common opponent model, is that they require only publicly available data in order to forecast future match results. In an empirical study, we test the predictive power of said models on the game Counter-Strike, abbreviated as CS:GO, and introduce another approach to the common opponent model, which accounts for the time-varying performance of modelled teams and slightly improves the predictive ability of the model

Keywords

e-sports statistika, general autoregressive score mode, predikce výsledků

Keywords

general autoregressive score model, result forecasting, common opponent model, e-sports statistics

Language used: English

Date on which the thesis was submitted / produced: 5. 6. 2018

Thesis defence

• Date of defence: 6. 6. 2019
• Supervisor: Vladimír Holý
• Reader: Ondřej Sokol

Vysoká škola ekonomická v Praze

Master programme / field:
Kvantitativní metody v ekonomice / Ekonometrie a operační výzkum