한국스포츠경영전략연구원

ssjeon@k-spo.co.kr

본 연구는 인공지능 기반 스포츠 경기 예측의 평가 준거를 단순 승패 적중률에서 점수 차 기반의 성과 전환 메커니즘으로 확장하였다. 이를 NBA 핸디캡 베팅 시장에 적용하여 실질적인 수익 창출 조건을 실증적으로 규명하였다. 분석을 위해 2020~21시즌부터 2024~25시즌까지의 NBA 정규리그 데이터를 구축하였으며 9개의 회귀 기반 기계학습 모형을 5-폴드 교차 검증을 통해 비교 분석하였다. 평가 결과 평균 절대 오차(MAE)가 가장 낮게 산출된 선형 서포트 벡터 머신(Linear SVM)을 최종 모형으로 채택하였다. 이후 2024-25시즌 데이터에 이를 적용하여 국민체육진흥공단이 발행하는 국내 체육진흥투표권 (스포츠토토)의 공식 온라인 사이트인 베트맨(Betman)의 클로징 배당률 및 핸디캡 기준점과 결합하였다. 예측 모형이 산출 한 득실 차와 시장 핸디캡 기준점 간의 격차를 ‘핸디캡 이격도’로 조작적 정의를 내리고 임곗값을 조정하였다. 그 결과 이 격도 기준이 상향될수록 베팅 가능 경기 비율은 감소하는 반면 예측 적중률은 뚜렷하게 상승하는 구조적 교환관계 (trade-off)가 존재함을 확인하였다. 특히 1.90 십진 배당 기준(손익분기점 약 52.6%)과 국내 스포츠토토 환경(손익분기점 약 57.5%) 간의 환급 구조적 차이로 인해 실제 수익으로 전환할 수 있는 경기 선택 범위가 축소되는 현상을 실증하였다. 결론 적으로 데이터 기반 스포츠 예측 정보는 통계적 정확도 자체보다 이격도와 같은 구체적인 선택 규칙과 시장의 가격 구조 가 결합할 때 유의미한 경제적 성과로 발현된다. 본 연구는 이러한 메커니즘을 토대로 스포츠 예측 서비스의 합리적인 운 영 규칙 설계와 책임 있는 산업 생태계 구축을 위한 객관적 기준을 제시한다는 점에서 학술적⋅실무적 의의를 지닌다. 

주요어: 스포츠 경기 결과 예측, 점수 차 예측, 핸디캡 시장, 베팅 수익성, 성과 전환