Value frem for mavefornemmelse: hvorfor ishockey egner sig til model-baseret spil
En ven spurgte mig engang, hvorfor jeg brugte så meget tid på regneark, når han “bare havde en god fornemmelse” om kampe. Han havde ret i, at mavefornemmelse kan ramme rigtigt på enkelte kuponer. Men over 500 kuponer på en sæson er det kun value — matematisk value, ikke fornemmelsen — der adskiller profit fra tab. Jeg har prøvet begge tilgange. Kun den ene holder stik.
Ishockey er særligt godt egnet til model-baseret value-betting af tre grunde. Først: sporten har nok statistisk data (shots, Corsi, xG, powerplay-konverteringer, goalie-performance) til at bygge meningsfulde modeller, men ikke så meget data, at alle markeder er perfekt prissat. Dernæst: kampene er hyppige og volumen stor nok til at køre rullende analyser. Og til sidst: parity-tendensen i moderne NHL gør forudsigelser sværere, men skaber samtidig flere mispricing-vinduer. Meghan Chayka fra Stathletes formulerede tendensen: Looking at the numbers and particularly how accurate the betting lines are in predicting game winners, the level of error has continued to increase, meaning games have been harder and harder to predict.
Hvad betyder det i praksis? Det betyder, at selv bookmakerens bedste modeller rammer kun cirka 54 % af gangene på forventede vindere i 2025-26. Det er betydeligt over 50-50, men lavere end i tidligere sæsoner. Og det er dét rum — mellem bookmakerens præcision og den virkelige kampudvikling — hvor value-spilleren arbejder.
Denne guide gennemgår hele den matematiske rygrad bag value betting, trin for trin, anvendt på ishockey. Vi starter med at oversætte odds til sandsynligheder. Vi fjerner margin. Vi beregner expected value. Vi introducerer closing line value som langsigtet kvalitetsmåler. Og til sidst ser vi på, hvilke situationer i ishockey-markedet der oftest giver reel value.
Det er ikke en “magisk formel”-guide. Value betting er hårdt arbejde, og det eneste det garanterer er, at du spiller disciplineret mod markedet i stedet for at chasere fornemmelser. Hvis du mangler baggrund for ishockey-odds generelt, kan du altid starte med den bredere oversigt over ishockey betting tips. Her dykker vi ned i metoden.
Fra decimaltal til sandsynlighed: trin-for-trin
Hvis du kun lærer én formel i hele din bettingkarriere, er det denne: implied probability = 1 / decimal odds. Jeg ved, det ser trivielt ud. Det er det også. Og det er alligevel den formel, 80 % af casual-bettere aldrig rigtig bruger bevidst, selv om den er fundamentet under hele value-disciplinen.
Lad os tage et konkret eksempel. Toronto Maple Leafs spiller mod Ottawa Senators. Moneyline på Toronto står i 1,55. Moneyline på Ottawa står i 2,70. Hvad mener markedet om hvem der vinder?
Regn Toronto først. 1 / 1,55 = 0,6452 = 64,5 %. Regn Ottawa. 1 / 2,70 = 0,3704 = 37,0 %. Markedet siger altså, at Toronto har 64,5 % chance for at vinde og Ottawa har 37,0 % chance for at vinde.
Læg de to tal sammen. 64,5 + 37,0 = 101,5 %. Det er mere end 100 %. Hvorfor?
Fordi de implied probabilities indeholder bookmakerens margin (overround). De 1,5 % over 100 er den pris, bookmakeren tager for at tilbyde kuponen. I dette eksempel er margin relativt lav — typisk for et skarpt NHL-moneyline-marked. På tyndere markeder, som Metal Ligaen eller KHL, kan samme sum være 105-108 %.
Det her er hele pointen: implied probabilities er ikke “sande sandsynligheder”. De er priser. Før du kan sige noget meningsfuldt om value, skal du fjerne margin og finde de marginfrie sandsynligheder — det, der kaldes “no-vig probabilities” eller “fair probabilities”.
Konkret øvelse du kan bygge ind i din rutine: når du åbner en kupon, er det første du gør at regne de implied probabilities og deres sum. Hvis summen er 101,5-103 %, er margin acceptabel. Hvis den er 105 %+, er prisen dyr, og du bør overveje om der overhovedet er plads til value selv i en teoretisk scenario hvor du har en god model.
Et trick, jeg altid bruger: har jeg to forskellige bookmakere med forskellige odds på samme kamp, regner jeg implied probabilities for begge og sammenligner. Det viser mig ikke bare hvilken bookmaker der har bedre pris på min foretrukne side, men også hvor skarpt markedet er. Hvis to bookmakere har 1,55/2,70 og 1,60/2,60 på samme kamp, er sandsynligheden kalibreret forskelligt mellem dem, og den ene har typisk fanget noget den anden har misset.
Regnemetoden er identisk på tværs af alle markeder — moneyline, puck line, totals, 3-vejs, props. Alle odds kan oversættes til implied probability. Jeg har et enkelt regneark med moneyline-kolonner for tre bookmakere plus marginfri udregning, som jeg åbner for hver NHL-kamp. Ti sekunder per kamp, og jeg har et klart billede af markedet.
Overround og no-vig probability: sådan renser du oddsen
Her er det trin, hvor amatør-bettere typisk hopper over og klikker direkte på kuponen. Stop. Dette trin er alene værd mere end alt andet, jeg kan lære dig i denne guide.
Bookmaker-margin på det danske marked spænder typisk fra 1,5 % til over 5 % af indsatsen. På NHL-moneyline kan du finde 2,5-4 %, på Metal Ligaen 4-5 % eller mere, på periode-markeder og props 6-8 %. Det er penge, du betaler uafhængigt af hvilken side du spiller eller om du vinder. Og det er penge, der skal fjernes fra oddset, før du kan vurdere om prisen er fair.
Metoden hedder “no-vig probability” eller “fair probability”. Den er enkel.
Steg 1. Regn implied probability for begge sider. Toronto på 1,55 giver 64,5 %. Ottawa på 2,70 giver 37,0 %.
Steg 2. Læg dem sammen og find margin-faktoren. 64,5 + 37,0 = 101,5. Margin-faktor = 101,5 / 100 = 1,015.
Steg 3. Del hver sides implied probability med margin-faktoren. Toronto no-vig = 64,5 / 1,015 = 63,5 %. Ottawa no-vig = 37,0 / 1,015 = 36,5 %. Summen er nu præcis 100 %. Det er den marginfrie sandsynlighed — bookmakerens rene mening om kampens udfald, renset for profit-buffer.
No-vig-sandsynligheden er dit benchmark. Hvis din egen vurdering af Toronto’s chance er højere end 63,5 %, har du potentielt value på Toronto-siden. Hvis din vurdering er lavere, er der ikke value. Hvis den matcher 63,5 % præcis, er du enig med markedet (og du skal ikke spille kampen overhovedet, fordi margin så spiser din forventede afkast).
En praktisk komplikation: 3-vejs moneyline har tre udfald (hjemme, uafgjort, ude). Samme metode gælder, men med tre implied probabilities, der summerer. Eksempel: 2,10 / 3,50 / 3,30. Implied: 47,6 / 28,6 / 30,3 = 106,5 %. Margin-faktor 1,065. No-vig: 44,7 / 26,9 / 28,4. Marginen er tydeligt højere på 3-vejs end på 2-vejs, hvilket er typisk.
Puck line og totals kan behandles samme måde, fordi de også er binære markeder. No-vig udregning tager 30 sekunder per kamp, og det er den enkleste måde at kalibrere din værktøjskasse før du spiller.
Et tip, jeg aldrig gir’ slip på: sammenlign ikke din egen model direkte med bookmakerens rå implied probability. Det er en fælde. Sammenlign den altid med no-vig probability. Forskellen er margin, og den er helt afgørende for om du tror du har value, når du reelt ikke har. Mange bettere jager “value”, der ikke findes, fordi de sammenligner mod rå implied i stedet for mod no-vig.
Expected value: formlen, regneeksemplet og fælden
Expected value — EV — er det tal, der fortæller dig, om en kupon i det lange løb tjener eller taber penge. Det er hovedmotoren i value betting, og det er hvad bookmakerens modeller arbejder efter, bag scenen. Sjovt nok er det også hvad de fleste casual-bettere aldrig har beregnet på en eneste kupon i deres liv.
Formlen er: EV = (Sandsynlighed for gevinst × nettoudbetaling) – (Sandsynlighed for tab × indsats). Eller kompakt: EV per krone indsats = (P × (odds – 1)) – ((1 – P) × 1), hvor P er din vurderede sandsynlighed for gevinst og odds er decimaltallet.
Eksempel i praksis. Jeg vurderer Toronto har 70 % sandsynlighed for at vinde mod Ottawa. Moneyline står på 1,55. EV per 100 kr. indsats = (0,70 × 55) – (0,30 × 100) = 38,5 – 30 = +8,5 kr.
Det positive tal betyder: hvis jeg spiller denne kupon 100 gange i identiske situationer, vinder jeg i gennemsnit 8,5 kr. pr. kupon. Det er positiv EV. Over tid bygger det bankroll.
Modeksempel. Samme 1,55 Toronto-pris, men jeg vurderer Toronto har 60 % sandsynlighed (lavere end før). EV = (0,60 × 55) – (0,40 × 100) = 33 – 40 = -7 kr. Negativ EV. Jeg skal ikke spille kuponen. Over tid taber jeg.
Her er fælden: de fleste bettere overvurderer systematisk deres egen sandsynlighedsvurdering. Hvis du tror Toronto har 70 % chance, men den faktiske sandsynlighed er 63 % (no-vig markedssandsynlighed), taber du penge selv om du føler dig sikker på kuponen. Det er derfor no-vig-trinet fra forrige sektion er så vigtigt — det er din sikkerhedskontrol mod egen optimisme.
Mit praktiske krav til mig selv: jeg spiller kun, hvis min vurdering af sandsynligheden er mindst 3-5 procentpoint højere end no-vig-sandsynligheden. Det er en margin mod min egen fejlfølsomhed, og det filtrerer masser af “knap-value”-kuponer ud, der i virkeligheden bare er min overoptimisme.
Praktisk beregning af procent-edge: Edge = (Din sandsynlighed × odds) – 1. Eksempel: 0,70 × 1,55 – 1 = 1,085 – 1 = 0,085 = 8,5 %. Det er samme tal, bare udtrykt som procent-afkast.
En lille advarsel om power play-statistik og model-input. NHL-powerplay-konverteringsraten var 21,6 % i 2024-25 — højeste siden 1985-86. Hvis du bygger model på ældre gennemsnit, vil du underestimere totals-sandsynligheden i moderne kampe. Hver sæson kan kræve model-justering. EV er kun så god som dine input-sandsynligheder.
Sidste regel: EV er et langsigtet tal. På én kupon er udfaldet binært — vin eller tab. EV siger intet om enkelt-kuponer. Kun over hundreder af kuponer viser EV sin værdi. Det betyder også, at du ikke må miste troen på systemet efter tre tab i træk. Variansen er stor, EV er langsom — og det er dér de fleste giver op.
Closing line value som langsigtet kvalitetsmåler
Et år kan være for kort til at vide, om du faktisk er en god better. Variansen i ishockey-betting er så høj, at selv en matematisk dygtig spiller kan tabe i seks sammenhængende måneder på grund af kold statistik. Derfor har vi brug for en målestok, der virker på kortere horisont end ROI. Den målestok hedder closing line value — CLV.
Princippet er enkelt. CLV sammenligner oddset, du fik på din kupon, med det oddset som kuponen endte med at have, da kampen startede (“closing line”). Hvis du spillede Toronto til 1,65, og closing line var 1,55, har du slået markedet med 10 point. Det er positiv CLV, og det er bevis for, at du så noget tidligt, som markedet først fangede senere.
Hvorfor er det vigtigt? Fordi sharp money bevæger priser. Når professionelle spillere og skarpe algoritmer sender store indsatser ind på en side, bevæger oddset sig i retning af den side. Closing line er markedets mest informerede pris — det er hvor bookmakeren har måttet tilpasse efter al tilgængelig information er blevet processet. Hvis du konsekvent har fået bedre odds end closing line, spiller du med edge mod selv det skarpeste markedet.
Konsekvent positiv CLV er det mest robuste tegn på, at du er en profitabel better langsigtet. ROI kan bedrage dig på korte tidsperioder. CLV kan ikke.
Praktisk metode til at logge CLV: før hvert bet, skriv ned odds du fik. Når kampen starter (ikke før), noter closing line på din side af markedet. CLV på enkelt bet = (dit odds / closing line) – 1. For Toronto til 1,65 med closing 1,55: CLV = 1,65 / 1,55 – 1 = 6,5 %.
Over 100-200 bets kan du regne gennemsnitlig CLV. Hvis din gennemsnitlige CLV er positiv — selv med 2-3 % — er du over tid profitabel. Hvis den er negativ, taber du uanset hvor gode dine kuponer føles kortsigtet.
Der er en komplikation værd at nævne: CLV mod forskellige bookmakere betyder forskellige ting. Hvis du spiller mod en “sharp book” som Pinnacle (ikke tilgængelig på dansk licens, men brugt internationalt som reference), er closing line meget sharp, og positiv CLV mod dem er stærkt signal. Mod en “recreational book” med løsere priser, er CLV mindre informativ. Danske licensbookmakere ligger typisk et sted imellem.
Et andet praktisk råd: CLV er kun meningsfuldt, hvis du spiller tidligt. Hvis du spiller kuponen 10 minutter før kampstart, har CLV ikke meget tid til at udvikle sig, og signalet er svagt. Jeg spiller typisk 3-24 timer før kampstart — nok tid til at markedet bevæger sig, men også nok tid til at nyheder som starting goalie-annonceringer kan ændre billedet.
CLV er dit interne kvalitetscheck. ROI er resultatet. Du bruger CLV til at kalibrere selv din stil, også når resultaterne kortsigtet går imod dig.
Hvor ishockey-markedet oftest er skævt: sene lineups, målmandsbytte, parity-sæsoner
Teori er rart, men value findes altid i konkrete situationer. Lad mig tage dig med gennem de fire typiske situationer, hvor ishockey-markedet oftest fejlprisser — og hvor en disciplineret value-spiller kan finde reel edge.
Situation 1: sene lineup-ændringer. Når en nøglespiller meldes afbud eller tilbage i sidste øjeblik, flytter oddsene sig hurtigt — men ikke altid korrekt. Hvis en topscorer pludselig bekræftes tilbage efter skade 90 minutter før kampstart, og oddset på hans hold kun flytter 5 point, kan det være underreaktion hvis han er en rigtig nøglespiller. Modsat, hvis en star-spiller meldes afbud og oddset flytter 25 point, kan det være overreaktion hvis holdet har god dybde.
Situation 2: målmandsbytte-annonceringer. Vi gennemgik dette i detail i NHL-guiden. Når starting goalie skifter fra forventet top-spiller til backup (eller omvendt), bevæger moneyline sig 15-25 point på 5-15 minutter. Der kan være et kort vindue af underreaktion eller overreaktion, som skarpe spillere udnytter. Hvis du er online og klar når lineup-annonceringen sker, kan det være en af de mest konsistente value-kilder i ishockey.
Situation 3: parity-sæsoner. Jeg nævnte det i introen, men det fortjener gentagelse. Via Stathletes-data har forventede målvindere kun været faktiske kampvindere 54 % af gangene i 2025-26 — lavere forudsigelighed end historisk. Det betyder at bookmakerens modeller rammer mindre præcist, og at “sikre” favoritter oftere taber end historisk. Hvis markedet stadig priser favoritter som om forudsigeligheden er på 60 %-niveau, er underdogs systematisk undervurderede. Connor Brown fra New Jersey Devils kommenterede det: There’s a record level of parity in the league. I mean from last to first, the points differential and stuff, I can’t remember that really being the case in my 10 years.
Situation 4: sent-sæson motivationsasymmetri. I de sidste 10-15 kampe af grundspillet opstår der klubber, hvor den ene side har alt at spille for (playoff-plads) og den anden side ingenting (eliminering sikker). Bookmakerens model indregner dette delvist, men ikke altid skarpt. En klub uden noget på spil kan rotere spillere, bruge backup-goalie, og køre lavt energi-niveau — hvilket ofte ikke er fuldt prissat i moneyline.
Disse fire situationer er ikke “let money”. De kræver at du læser kontekst, følger nyhedskilder, og reagerer hurtigt. Men de er dér hver eneste uge, og de er hvor min egen bankroll historisk har bygget sig op. Systematisk opmærksomhed på disse fire mønstre er mere værd end hundredevis af “mavefornemmelse”-kuponer.
Én praktisk bemærkning: mange af disse situationer kræver mindre volumen og mere tålmodighed. Du finder måske kun 5-8 reelt interessante kampe om ugen under en NHL-sæson. Det er fint. Value er bygget på selektion, ikke på volumen. Hvis du spiller 30 kampe om ugen, spiller du sandsynligvis mest uden reel edge.
Hvilke statistikker der reelt flytter sandsynlighed
Ikke alle ishockey-statistikker er lige meget værd. Nogle er støj, andre er signal. Hvis du bygger en model, er det kritisk at vide hvilke datapunkter der faktisk flytter dine sandsynlighedsvurderinger og hvilke der ser smarte ud, men ikke tilfører information.
Signal-statistikker jeg selv bruger. Rullende 10-kamps skud-forskel (Corsi eller shot attempts for/against) er blandt de mest stabile prediktorer for fremtidig resultatudvikling. Et hold med +5 Corsi per kamp over de sidste 10 kampe er typisk undervurderet i markedet, fordi de vandt færre kampe end forventet i perioden.
Rullende 10-kamps powerplay og penalty kill procent. Som nævnt: powerplay-konverteringsraten var 21,6 % i NHL 2024-25 — rekord. Men et konkret holds PP% kan være langt over eller under sæsongennemsnittet over de sidste 10 kampe, og den rullende udgave er meget mere prædiktiv for næste kamps resultat end sæsongennemsnittet.
Expected goals (xG) mod faktiske mål over en rullende periode. Hvis et hold har xG For på 30 og faktiske mål For på 24 over sidste 10 kampe, har de scoret under deres forventede rate — de er “uheldige”, og regression-til-middelværdien forudsiger flere mål de kommende kampe. Modsat for et hold der har scoret over xG.
Goalie-performance via save percentage eller quality-adjusted save percentage. Et hold hvor målmanden har præsteret under sin karriere-baseline i 10-15 kampe, har ofte regression-potentiale. Men her skal man være forsigtig: en længere underperformance kan signalere skade, alder, eller reel forværring, ikke bare uheld.
Støj-statistikker jeg undgår. Head-to-head-rekorder mellem hold. Meningsløst i NHL, hvor holdene mødes 2-4 gange per sæson og rosters ændres meget mellem år. Tabel-position isoleret. Fortæller noget, men er allerede fuldt indregnet i odds. Mediemomentum (“holdet er i form”). Typisk overreaktion på få resultater.
En statistik, der er mere kontekst-afhængig: in-season-skift i modelinput. Overtime-andelen er eksploderet i 2025-26 — i de første 425 kampe af NHL-sæsonen gik 27,3 % af kampene i overtime, mod 20,5 % året før. Hvis din model bruger 2024-25-OT-data som baseline, undervurderer du systematisk +1,5 underdog-dækning og overvurderer -1,5 favorit. Hver sæson kan kræve model-rekalibrering.
Det her er samme disciplin som resten af value-betting: ikke at spille det, der føles spændende, men at fokusere på det, der faktisk forudsiger bedre end markedet gør.
Spørgsmål om value betting
De tre spørgsmål, der mest konsekvent kommer fra folk, der prøver at konvertere fra gut-feeling-betting til value-disciplin.
Når værktøjet er modellen, ikke mavefornemmelsen
Value betting er ikke sexet. Der er ingen store “jeg vidste det!”-øjeblikke, ingen dramatiske weekend-sejre på en enkelt underdog-kupon. Der er regneark, rullende statistikker, CLV-logging, og disciplin til at afstå fra 80 % af de kuponer, der ellers føles fristende. Det er præcis derfor det virker.
Hvad jeg har forsøgt at give dig i denne guide, er rygraden i den disciplin. Start med at oversætte odds til implied probability. Fjern margin og find no-vig probability. Regn expected value for hver kupon. Log closing line value som langsigtet kvalitetsmåler. Og fokuser din volumen på de situationer, hvor markedet typisk fejlpriser — sene lineups, målmandsbytte, parity-sæsoner, motivationsasymmetri.
Det vil tage tid at bygge disciplinen. De første 50-100 kuponer føles måske mindre sjove end dine gut-feeling-bets. ROI kan endda være lavere kortsigtet pga. varians. Men over 500-1000 bets vil forskellen vise sig. Hvis du kan være tålmodig nok til at lade den kumulative matematik arbejde, er value betting i ishockey en af de få steder, hvor en amatør stadig kan konkurrere med professionelle markedsdeltagere — og nogle gange slå dem.
Hvis du vil tage næste skridt konkret, er det at kigge på en specifik delmarked, hvor value-princippet kan anvendes direkte. NHL er det marked, hvor disciplin betaler sig mest, og hvor dataene er bedst — netop derfor er det det rigtige sted at teste metoderne fra denne guide i praksis.
