Baru-baru ini semua orang membahas situasi di Iran, tapi ada seorang big player di Polymarket yang diam-diam meraup lebih dari $165,000 (sekitar 1.2 juta RMB) dari pasar tenis.

Orang ini tidak pernah hadir di venue, juga tidak pernah kirim pesan ke pelatih. Dia andalannya hanyalah satu model machine learning yang berjalan di komputer.
Ini adalah walletnya, bisa diamati:
Lihat dua transaksi terakhirnya, cukup "sadis":
BNP Paribas Open: Cerenudo vs Bonzi
Profit: $25,184.10 (+47.55%)
BNP Paribas Open: Kristian vs Tiafoe
Profit: $24,413.96 (+166.7%)
Bagaimana dia menguasai pasar tenis? Singkatnya, empat langkah.
1. Membuat "Holy Grail Data"
Dia memasukkan data hampir 100,000 pertandingan profesional dari 1985 hingga 2024 ke model. Tipe permukaan, fault serve, break points... semua yang bisa dipikirkan ada.
Tapi hanya punya data tidak cukup, yang hebat adalah apa yang dia hitung:
Selisih persentase kemenangan antara dua pemain
Berapa tahun perbedaan usia
Rating kekuatan (ELO) masing-masing di permukaan spesifik seperti tanah liat atau rumput
2. Menemukan data paling krusial
Seperti di Titanic, "kelas satu, perempuan" adalah label survival paling krusial. Dia juga menggali dari data besar-besaran dua faktor yang paling bisa memprediksi menang-kalah:
Total selisih rating kekuatan kedua pemain
Selisih rating kekuatan kedua pemain di permukaan hari ini
Matematika hanya membuktikan satu hal: misalnya bertemu Nadal di tanah liat, "aura ELO tanah liat" Nadal basically tidak terkalahkan.
3. Membuat model "estafet"
Dia pertama kali mencoba decision tree tunggal, akurasi 74%. Lalu mencoba aturan ELO dasar, 72%. Kemudian gunakan model yang disebut "Random Forest" (sama seperti membiarkan 94 pohon vote bersama), akurasi naik menjadi 76%—masih kurang kesan.
Akhirnya dia pakai trik berat: XGBoost.
Ini bukan membiarkan pohon-pohon vote bersama, melainkan satu pohon "estafet" ke pohon berikutnya. Pohon berikutnya spesifik mengawasi di mana pohon sebelumnya salah hitung, lalu tambal lubangnya. Ditambah teknik "regularization" untuk cegah overfitting, akurasi langsung melompat ke 85%, bahkan mengalahkan neural network yang lebih kompleks.
4. Menguji dengan praktik nyata
Dia latih model dengan data sampai 2024, kemudian prediksi Australian Open 2025 yang baru saja selesai.
Hasilnya:
116 pertandingan, tebak benar 99 pertandingan (akurasi 85.3%)
Sebelum pertandingan dimulai, model sudah prediksi Sinner bisa juara tanpa kekalahan.
Seluruh prosesnya tanpa insider information, hanya andalkan:
Satu komputer
Kode Python open source
Algoritma XGBoost
Ditambah keberanian untuk bet besar di pasar yang belum terlalu banyak orang pantau.
Saya sih siap follow satu tangan.
Ada bot copy trading, tinggal koneksi wallet bisa auto follow posisinya.
Klik di sini untuk mulai sync posisi dia: