Methodologie
Hoe CupCastLab ratings, wedstrijden en marktdata omzet in transparante probabilistische voorspellingen voor de Global Cup 2026 en daarbuiten.
Hoe de lagen samenkomen
Elke voorspelling wordt opgebouwd uit onafhankelijke bronlagen. Elke laag heeft een gewicht; de gewichten worden genormaliseerd zodat de uiteindelijke thuis/gelijk/uit-kansen altijd optellen tot 100%.
| Hoe de lagen samenkomen | Productiemix (gevalideerde ML actief) | Huidige live mix (lerend model in schaduw) |
|---|---|---|
| Technisch — ratings, expected goals en de Poisson-scorematrix. De altijd aanwezige kern. | 37% | 37% |
| Markt — bookmaker-odds omgezet naar margevrije geïmpliceerde kansen. | 18% | 18% |
| Lerend — het getrainde WDL-model. Draait momenteel in schaduwmodus en draagt dus 0% bij aan de openbare mix. | 15% | 15% |
| Intel — NLP-signalen uit nieuws: blessures, opstellingen en moraal. | 8% | 8% |
| Crowd — openbare voorspellingsmarktprijzen (Polymarket, Kalshi), alleen-lezen. | 7% | 7% |
| Fundamenteel — selectiediepte, rust, reizen en toernooi-ervaring. | 7% | 7% |
| Extern — wedstrijden, schema en contextuele bronnen. | 5% | 5% |
| Sentiment — geaggregeerde toon uit recente berichtgeving. | 3% | 3% |
Let op: de ensemble-bronlagen zijn niet hetzelfde als de factoren van de technische kern (algemene sterkte, recente vorm, tactische match-up, enzovoort). De lagen bepalen hoeveel elk systeem bijdraagt; de factoren leggen uit wat het technische model binnen de technische laag aanstuurt.
Gewichten zijn dynamisch
Als een laag geen data heeft voor een wedstrijd, gaat het gewicht niet verloren — het wordt geschonken aan de technische kern, die altijd aanwezig is. De exacte gewichten die per wedstrijd worden toegepast, staan op elke wedstrijdpagina.
Teamsterkte
Elk team krijgt een rating uit meerdere componenten: basis, Elo, aanval, verdediging, middenveld, keeper, standaardsituaties, strafschoppen, vorm en volatiliteit. Deze worden gecombineerd met configureerbare gewichten:
- baseStrength24%
- attackDefenseBalance12%
- expectedGoalsProxy12%
- recentForm12%
- squadDepth12%
- injuries10%
- tacticalMatchup8%
- travelRestWeather5%
- tournamentExperience3%
- marketCalibration2%
Expected goals & scores
Per wedstrijd berekenen we een expected-goals-waarde (λ) voor elk team op basis van aanval versus verdediging, recente vorm, locatie, reizen, rust, weer, selectiediepte, blessures en tactische match-up.
λ-waarden voeden een Poisson-scorematrix. Een Dixon-Coles-correctie verhoogt de kans op lage-score-gelijkspellen (0-0, 1-1) — dichter bij de werkelijke frequenties.
Winst/gelijk/verlies-kansen, BTTS en over/under-markten worden vanuit de matrix samengesteld.
Monte Carlo-toernooi
De simulator speelt het volledige toernooi duizenden keren: groepsfase, L32, L16, KF, HF, troostfinale, finale. Knock-outs worden indien nodig beslist in verlenging en strafschoppenseries — uitkomsten van strafschoppen zijn gekleurd door keeper- + strafschoprating.
Geaggregeerde kansen geven je kansen per ronde en op de toernooizege, scores voor outsiders, meest waarschijnlijke finales en route-moeilijkheid.
Vertrouwen versus kans
Vertrouwen is niet hetzelfde als winkans. Vertrouwen geeft aan hoe zeker het model van zichzelf is voor een bepaalde wedstrijd — het combineert datakwaliteit, verschil in teamsterkte, volatiliteit en (waar beschikbaar) marktovereenstemming.
Een keuze met hoog vertrouwen kan nog steeds verliezen. Een keuze met laag vertrouwen kan nog steeds kloppen. Vertrouwen vertelt je over de onzekerheid van het model, niet die van de wereld.
Hoe vertrouwen wordt opgebouwd
Vertrouwen is een aparte score, los van de winkans. Het begint bij een basiswaarde en wordt door verschillende componenten naar boven of beneden bijgesteld:
- Basis — het uitgangsvertrouwen vóór bijstellingen.+20
- Sterkteverschil — een groter ratingverschil tussen beide ploegen verhoogt het vertrouwen.+25
- Kansmarge — een schevere thuis/gelijk/uit-verdeling verhoogt het vertrouwen.+25
- Datakwaliteit — rijkere, versere invoer verhoogt het vertrouwen; schaarse data verlaagt het.+40
- Volatiliteit — grilligere recente vorm verlaagt het vertrouwen.−20
- Marktovereenstemming — als markt en model het eens zijn, stijgt het vertrouwen; sterke onenigheid verlaagt het.±8
- Laag0–39
- Open40–54
- Gemiddeld55–69
- Hoog70–79
- Zeer hoog80–100
Een keuze met hoge kans kan toch een laag vertrouwen hebben, en omgekeerd.
Marktintelligentie
Waar bookmaker-odds beschikbaar zijn, zetten we decimale odds om in geïmpliceerde kansen, halen we de bookmakermarge (overround) eruit en combineren we meerdere bronnen tot een sharp-gewogen consensus.
De modelkans wordt vervolgens vergeleken met de marktconsensus. Opvallende verschillen worden gemarkeerd — maar voorzichtig geïnterpreteerd: de markt kan iets weten dat het model niet weet, of het publiek kan bevooroordeeld zijn.
CupCastLab plaatst geen weddenschappen, linkt niet naar bookmakers en beveelt geen weddenschappen aan. Odds worden alleen ter analyse gebruikt.
Upsetrisico
Upsetrisico schat de kans dat de favoriet punten verspeelt. Het stijgt met underdog-variantie (volatiliteit), gelijkspelmassa in knock-outs en recente vormschommelingen.
Een hoog upsetrisico betekent niet "wed tegen de favoriet" — het betekent dat het model zelf een betekenisvol neerwaarts risico erkent.
Beperkingen
Het model houdt momenteel geen rekening met: blessures tijdens het toernooi (alleen nieuws voorafgaand), weersvoorspellingen voorbij een korte horizon, club-versus-interlandvermoeidheid per speler, of specifieke gedragingen van scheidsrechters.
Kansen komen uit een eindig aantal Monte Carlo-iteraties en een beperkt aantal trainingswedstrijden — ze laten zien wat de data laat zien, geen zekerheid. Vertrouwensscores kwantificeren de onzekerheid van het model, niet die van de wereld.
Fixture-status
Groepsfasewedstrijden worden geladen vanuit openfootball, onze canonical bron voor het schema. Alle 72 groepswedstrijden staan erin met echte data, echte stadions en de officiële Global Cup 2026-loting.
Knock-outwedstrijden komen uit de Monte Carlo-simulator in plaats van als concrete fixtures te worden ingelezen — ze hebben nog geen vaste data tegen vaste teams. Zodra het knock-outschema vastligt, vervangen echte fixtures de gesimuleerde via dezelfde canonical pipeline.
Modelstatus
Het lerende WDL-model (logistische regressie / LightGBM) draait momenteel in schaduwmodus — voorspellingen worden gelogd, maar de openbare mix gebruikt alleen de regels-engine totdat validatiedrempels zijn behaald.
Alle openbare kansen worden berekend uit het regels-en-ratings-ensemble. Het lerende model in de mix zetten is een configuratiewijziging, geen codewijziging.
Live databronnen
Actief: openfootball-wedstrijden, Elo-ratings van eloratings.net, The Odds API voor bookmakerprijzen, openbare Polymarket-prijzen (alleen-lezen) en openbare voetbal-nieuwsfeeds (BBC, Guardian, ESPN, Sports Mole).
Gedeeltelijk beschikbaar: bookmaker-odds vullen zich naarmate het toernooi nadert. Artikel-intelligentie hangt af van de nieuwscyclus — voorafgaande dekking zal gestaag toenemen.
Wat dit model voorspelt
Kansen per wedstrijd (thuis / gelijk / uit), expected goals per ploeg, kansverdelingen voor exacte scores, BTTS, over/under-markten, kansen per toernooironde (groep, L16, KF, HF, F, kampioen), meest waarschijnlijke finales en outsider-scores.
Het model produceert geen: wedadviezen, live in-game voorspellingen, transferprognoses, uitkomsten van clubvoetbal, of individuele kansen op doelpunten per speler.