The Predictive Power of Social Media Sentiment in Sport 's Betting

Abstract

V moderní společnosti se sociální média stala nedílnou součástí každodenního života. Stejně tak se v posledních letech stal fenoménem sportovní sázkový trh. Tato diplomová práce propojuje oba světy a zkoumá prediktivní schopnosti sentimentu ze sociálních sítí, konkrétně z Instagramu, při predikci výsledku v anglické Premier League a posuzuje jeho využitelnost na sázkových trzích. Na základě více než 368 000 komentářu zveřejněných před 190 zápasy v sezóně 2024/2025 je prováděna sentimentová analýza pomocí tří metod: VADER, BERT a hybridního modelu, který tyto dvě metody kombinuje. Na základě výsledného sentimentu jsou odvozeny pravděpodobnosti výher, které jsou ná- sledně porovnány s pravděpodobnostmi implikovanými sázkovými kurzy. Po- mocí logistické regrese a hodnoticích metrik výkonnosti práce zkoumá, zda sentimentové pravděpodobnosti přinášejí statisticky významnou výhodu oproti tradičním kurzům. Zjištění naznačují, že sentiment může v několika ojedinělých případech mírně zlepšit prediktivní přesnost. Tato zlepšení však byla nevýrazná a nekonzistentní. Navíc žádná ze sentimentových proměnných nebyla stati- sticky významná při současném zahrnutí s kurzy do regresních modelu, což naznačuje, že sázkové kurzy již informace obsažené ve veřejném sentimentu re- flektují. Celkově tato zjištění podporují...

In the modern society social media platforms have become integral part of everyday life. Similarly, the sports betting market has emerged as a global phenomenon in recent years. This thesis combines these two worlds and ex- plores the predictive capabilities of social media sentiment, specifically from Instagram, in predicting outcomes in the English Premier League and assess- ing its value in sports betting markets. By collecting over 368,000 Instagram comments posted before 190 matches in the 2024/2025 season, the study em- ploys sentiment analysis using three models: VADER, BERT, and a hybrid model combining the two. These sentiment scores are used to derive match outcome probabilities, which are then compared to probabilities implied by bookmaker odds. Through logistic regression and performance evaluation met- rics, the research investigates whether probabilities derived from sentiment offer a statistically significant edge over traditional odds. The findings suggest that sentiment-derived probabilities could marginally enhance forecasting perfor- mance in a few isolated cases. However, these improvements were modest and inconsistent. Moreover, none of the sentiment variables were statistically sig- nificant when included alongside odds in the regression models, indicating that bookmaker odds...