earticle

영어

This study aims to empirically validate the applicability and profitability of artificial intelligence-based predictive models for sports betting in Korean Women’s Professional Volleyball games. A systematic panel data of 3,834 games (N=7,668) spanning 21 seasons from 2005 to 2024–2025 was constructed using the official KOVO database. Nineteen predictive variables derived from team-level and key player records were optimized through multicollinearity checks and step-wise selection, followed by comparative performance analysis using eight representative machine learning classification algorithms. The logistic regression model achieved the best performance, with a test data accuracy of 0.6479 and an F1-score of 0.6454, successfully predicting 87 out of 130 real-time matches in the 2024–2025 V-League season (66.9% accuracy). The sports betting simulation in this research set scientific betting criteria based on expected profit, calculated by integrating Betman real-time odds and predicted win probabilities, and rigorously validated returns using econometric methods through both flat betting and Kelly criterion betting strategies. Simulation results found that, for the 11 matches where expected profit ranged from 1.1 to less than 1.2, the highest rate of return reached 26.4%; for the 47 matches with expected profit greater than 1.0, a practical return of 4.0% was confirmed. These findings empirically demonstrate that strategic use of such betting content can maximize the economic benefit for sports betting participants. This study independently constructed a pure time-series artificial intelligence prediction model using only pre-match information and verified the actual profitability structure of Proto sports betting for the first time, highlighting its academic significance and practical value. The results provide a valuable reference for shaping healthy betting practices via strategic decision-making by participants and underscore the utility of AI-driven sports betting content for the industry.

한국어

본 연구는 한국여자프로배구 경기에 대한 인공지능 기반 예측 모델의 스포츠베팅 적용 가능성과 수익성을 실증하는 데 목적이 있다. 이를 위해 2005시즌부터 2024~2025시즌까지 총 21개 시즌 동안 진행된 3,834경기(N=7,668)의 패널데이터를 KOVO 공식 데이터베이스를 활용하여 체계적으로 구축하고, 팀 단위 및 주 요 선수별 경기 기록에서 도출된 19개 예측변수를 다중공선성 검토와 단계적 선택법을 거쳐 최적화하였다. 여기에 로지스틱 회귀, 랜덤 포레스트, 서포트 벡터 머 신 등 8개의 대표적 머신러닝 분류 알고리즘을 적용해 모델별 성능을 비교 분석하였다. 그 결과, 로지스틱 회귀모델이 테스트 데이터 기준 정확도 0.6479와 F1-score 0.6454로 가장 우수한 성능을 보여, 한국여자프로배구(V-리그) 2024~2025시즌 130경기 실시간 예측에서 87경기 적중(66.9% 정확도)을 달성하였다. 본 연구의 스포츠베팅 시뮬레이션은 베트맨 실시간 배당률과 예측 승리 확률의 결합을 통해 기대수익에 근거한 과학적 베팅 기준을 설정하고, 계량경제학 (econometrics)을 적용한 동일 금액 베팅과 켈리 베팅을 활용하여 수익률을 정밀하게 검증하였다. 실제 시뮬레이션 결과 기대수익 1.1 이상~1.2 미만인 11경기에 서 26.4%의 최고 수익률이 도출되었고, 기대수익 1.0 이상인 47경기에서는 4.0%의 실질적 수익률이 확인되어, 전략적으로 이러한 베팅 콘텐츠의 활용 시 스포츠 베팅 참여자의 경제적 이익을 극대화할 수 있음을 실증하였다. 특히 본 연구는 기존의 설명 또는 추론 중심 예측 모델과 달리, 경기 전 정보만 활용한 순수 시계열 인공지능 예측 모델을 독자적으로 구축하여, 프로토 스포츠베팅의 실제 수익구조를 최초 실증 검증한 점에서 그 학술 가치와 실무적 의의가 있다. 이를 통해 스포 츠베팅 콘텐츠로서의 가치와 베팅 참여자들의 전략적 의사결정을 통한 건전한 베팅문화 조성에 이바지할 수 있는 참고자료의 기능이 기대된다.