Algoritmi per le scommesse sportive 2026: guida vera a modelli, matematica e limiti del betting

Algoritmi per le scommesse sportive 2026: cosa funziona davvero (e cosa no)

Nel 2026 il mercato italiano delle scommesse online muove circa 1,1 miliardi di euro di raccolta al mese. Dietro quel numero c’è un esercito di giocatori che cerca il “santo graal” algoritmico: un modello che trasformi una quota da 2,50 in un bancomat. La realtà è meno poetica. Un algoritmo per le scommesse sportive non predice il futuro; stima probabilità. E la differenza tra una stima decente e una scommessa profittevole è tutta nel prezzo che il bookmaker ti offre.

La novità del 2026 non è l’intelligenza artificiale. È che i modelli un tempo riservati ai quant di Londra sono finiti dentro app da 4,99 euro al mese, spesso riciclando gli stessi tre algoritmi con nomi diversi. Il risultato? Più rumore, non più edge. Questa guida separa i modelli che hanno una base matematica verificabile dalle scorciatoie commerciali. Niente promesse di rendite passive, niente “win rate 84%”. Solo conti.

Prima di entrare nel merito, una nota sul perimetro: in Italia l’unico betting legale è quello su operatori con concessione ADM. Un algoritmo applicato a un bookmaker senza licenza italiana ti espone a rischio normativo e fiscale, oltre che alla solita domanda: se il sito non è autorizzato a operare qui, perché dovrebbe pagarti?

Come funziona un algoritmo per le scommesse: probabilità, quote e margine

Un algoritmo per scommesse sportive fa una cosa sola, in sostanza: prende dati storici e contestuali, produce una probabilità per un esito, la confronta con la probabilità implicita nella quota del bookmaker e decide se esiste un divario sfruttabile. Il resto è gestione del capitale. Chi ti vende “il pronostico” salta i primi due passaggi e ti consegna solo il terzo, cioè la scommessa, senza dirti da dove viene il numero.

Dalla quota alla probabilità implicita: il calcolo che nessuno fa

La probabilità implicita di una quota decimale si calcola banalmente: 1 diviso la quota. Una quota 2,00 implica il 50%. Una quota 1,50 il 66,7%. Il problema è che questa non è la probabilità “vera” secondo il bookmaker: è la probabilità vera più il margine che il bookmaker si è caricato. Su un mercato 1X2, la somma delle probabilità implicite dei tre esiti supera sempre il 100%. Quella eccedenza è l’overround, cioè il margine operativo dell’operatore.

Facciamo un esempio con numeri semplici. Quote 2,10 / 3,40 / 3,60. Le probabilità implicite sono 47,6%, 29,4% e 27,8%. Totale: 104,8%. Il margine è del 4,8%. Per ottenere le quote “fair”, cioè depurate dal margine, si normalizzano le tre probabilità dividendo ciascuna per il totale. Si ottiene 45,4%, 28,1% e 26,5%. A quel punto l’algoritmo confronta la propria stima con queste probabilità fair, non con quelle grezze. Sembra un dettaglio da nerd. È la differenza tra un modello che “perde poco” e uno che crede di aver trovato valore dove c’è solo margine.

La maggior parte dei giocatori salta questo passaggio e confronta la propria percezione con la quota esposta. È come pesare la merce con la tara inclusa e poi lamentarsi del prezzo.

Il margine del bookmaker e il “fair odds”

Il margine non è uguale per tutti i mercati. Sui top campionati europei e sui mercati principali (1X2, Over/Under 2.5) i bookmaker ADM più efficienti lavorano con overround tra il 4% e il 7%. Su mercati di nicchia,角角, marcatori, risultati esatti, il margine può facilmente superare il 15–20%. Un algoritmo che genera value bet su un mercato con il 20% di margine deve avere un vantaggio predittivo enorme solo per pareggiare i conti. Su un mercato con il 5%, basta un edge del 2–3% per essere in territorio positivo.

Ecco perché la scelta del mercato conta più della scelta dell’algoritmo. Un modello mediocre applicato a mercati efficienti fa meno danni di un modello sofisticato applicato a mercati con margini da strozzinaggio. I software che scansionano “tutte le quote” senza distinguere il margine per mercato stanno facendo rumore, non analisi.

I modelli matematici più usati nel betting algoritmico

La cassetta degli attrezzi del betting quantitativo non è infinita. Quattro famiglie di modelli coprono la quasi totalità di ciò che funziona davvero: i modelli di conteggio (Poisson e varianti), i sistemi di rating (Elo e derivati), i modelli di apprendimento automatico supervisionato e i modelli di prezzo basati sul mercato. Ognuno ha un dominio in cui eccelle e un punto di rottura.

Poisson e Dixon-Coles: il cuore dei modelli calcistici

Il modello di Poisson assume che i gol segnati da ciascuna squadra siano eventi indipendenti con una media che dipende dalla forza offensiva della squadra e dalla debolezza difensiva dell’avversario, oltre che dal fattore campo. È il modello più usato per i mercati 1X2, Over/Under e risultati esatti perché produce una distribuzione completa dei punteggi, non solo un pronostico secco. La versione di Dixon-Coles aggiunge una correzione per i punteggi bassi (0-0, 1-0, 0-1, 1-1), che nella realtà sono più frequenti di quanto la Poisson pura suggerisca.

Il limite è noto: la Poisson assume indipendenza tra i gol delle due squadre, cosa che nel calcio non è vera (una squadra in vantaggio cambia atteggiamento). I modelli più evoluti introducono dipendenze e pesi temporali per dare più rilevanza alle partite recenti. Un Dixon-Coles ben calibrato su cinque stagioni di Serie A può produrre probabilità 1X2 con un errore di calibrazione intorno al 3–5% sui mercati principali. Non è magia, ma è un punto di partenza onesto.

Elo e i sistemi di rating

Il sistema Elo, nato per gli scacchi, assegna a ogni squadra un punteggio che sale quando vince e scende quando perde, con aggiustamenti per la forza dell’avversario e il margine di vittoria. Nel calcio e nel tennis è usato come feature di input per modelli più complessi, oppure come modello autonomo per stimare la probabilità di vittoria. La sua forza è la semplicità e la trasparenza; la debolezza è che non cattura il contesto (infortuni, motivazioni, calendario).

Nel tennis l’Elo è particolarmente efficace perché il formato uno-contro-uno riduce il rumore. I modelli che combinano Elo con superfici e dati di servizio/risposta riescono a battare il mercato su alcuni tornei minori, dove l’efficienza dei bookmaker è inferiore. Sui tornei del Grande Slam, dove i bookmaker hanno team dedicati e dati granulari, l’edge si assottiglia fino a sparire.

Machine learning: XGBoost, reti neurali e calibrazione

La letteratura recente sul betting algoritmico è dominata da modelli di machine learning applicati alla previsione dei risultati. Uno studio del 2026 su oltre 5.300 partite di calcio europee ha mostrato che un ensemble di modelli ad albero e reti neurali, dopo ricalibrazione isotonica, riduce l’errore di calibrazione atteso (ECE) del 62,5% rispetto a modelli non calibrati. Tradotto: il modello impara a dire “questa probabilità è 0,42” e ci azzecca con una frequenza vicina al 42%. Senza calibrazione, un XGBoost può sembrare preciso ma sbagliare sistematicamente le probabilità, il che è letale per il value betting.

Le reti neurali ricorrenti, come LSTM e GRU, vengono usate per catturare l’evoluzione della forma durante la stagione. I modelli con dropout Monte Carlo producono intervalli di incertezza, utili per filtrare le scommesse ad alta confidenza. La lezione del 2026 è che il modello conta meno della calibrazione. Un logistic regression calibrato batte un XGBoost sovradimensionato e non calibrato. Sempre.

Algoritmo Masaniello: formula, esempio pratico e limiti strutturali

Il Masaniello è il nome italiano del sistema di gestione del capitale che nel mondo anglosassone chiamano “labouchere” o “progressione ad obiettivo”. Non è un algoritmo predittivo: non ti dice su cosa scommettere. Ti dice quanto puntare su una sequenza di eventi per raggiungere un rendimento target, dato un numero minimo di pronostici vincenti. È matematica finanziaria applicata a una sequenza di scommesse, non una sfera di cristallo.

I parametri di partenza sono quattro: cassa iniziale, quota media di riferimento (tipicamente tra 1,30 e 3,00), numero totale di eventi e numero di “prese” minime, cioè quante scommesse devi vincere per chiudere il ciclo in utile. La formula della prima puntata, nella versione classica, è: Puntata = Cassa × ((Resa − Resa₁) / (Resa₁ × (Quota − 1))), dove Resa è l’obiettivo di rendimento e Resa₁ è il rendimento che si otterrebbe vincendo la prima scommessa.

Un esempio con numeri reali: cassa 100 €, otto eventi, quota media 1,40, obiettivo di resa del 13% con almeno cinque vittorie su otto. La prima puntata calcolata è di circa 12 €. Se la prima scommessa perde, la cassa scende a 88 € e la seconda puntata sale, perché il sistema deve recuperare il deficit e raggiungere comunque l’obiettivo. È qui che il Masaniello mostra il suo lato oscuro: dopo tre o quattro sconfitte consecutive, la puntata successiva diventa una percentuale insostenibile della cassa residua. Il sistema non fallisce per la matematica; fallisce per la sequenza sbagliata nel momento sbagliato.

Il Masaniello ha un’attrattiva psicologica potente: sembra ordine nel caos. Fogli Excel, tabelle stampate, la sensazione di controllare il processo. Ma la varianza non si controlla con una tabella. Se il tuo modello di selezione degli eventi non ha un edge reale, il Masaniello distribuisce le perdite in modo più elegante, non le elimina. L’unico modo per renderlo sensato è abbinarlo a un filtro di selezione che abbia un vantaggio dimostrato nel lungo periodo. Altrimenti è una martingala con la cravatta.

Value betting e criterio di Kelly: la gestione del capitale

Il value betting è il concetto più semplice e più frainteso del betting algoritmico. Una scommessa ha valore quando la probabilità stimata dal modello è superiore alla probabilità implicita nella quota fair del bookmaker. Non quando “sei sicuro”. Non quando “la senti”. Quando il numero dice che stai pagando meno di quanto dovresti per un rischio dato.

Il criterio di Kelly trasforma quell’edge in una dimensione di puntata. La formula classica è: f* = (bp − q) / b, dove b è la quota netta (quota decimale meno 1), p è la probabilità stimata di vincita e q = 1 − p. Il risultato f* è la frazione di cassa da puntare. Kelly massimizza la crescita logaritmica del capitale nel lungo periodo, ma è aggressivo: se la stima di p è sbagliata per eccesso di ottimismo, Kelly ti porta a puntare troppo e a subire drawdown devastanti.

Per questo nella pratica si usa il “fractional Kelly”, tipicamente 1/4 o 1/2 della frazione piena. Uno studio del 2026 su value betting nel calcio ha confrontato Kelly frazionario e Risk Parity su oltre 17.000 scommesse simulate, concludendo che il Kelly frazionario a frazione fissa è una scelta robusta, mentre Risk Parity performa meglio in campionati a bassa volatilità. La morale è che non esiste una dimensione ottimale universale: esiste la dimensione che sopravvive al fatto che il tuo modello, per definizione, è imperfetto.

La parte che i venditori di “algoritmi vincenti” omettono sempre è il closing line value: la capacità del modello di anticipare il movimento della quota. Se il tuo algoritmo segnala una scommessa a quota 2,10 e dieci minuti dopo la quota è scesa a 1,95, hai un segnale forte che il mercato ti sta dando ragione. Se la quota sale a 2,25, il mercato sta dicendo che il tuo modello ha visto qualcosa che non c’è. Il closing line è il test più onesto della qualità di un algoritmo, e nessuna app da 9,99 euro al mese te lo mostra.

Algoritmi per scommesse live: perché il tempo è dalla parte del bookmaker

Il live betting è il terreno dove l’algoritmo del bookmaker gioca in casa. Le quote in-play vengono ricalcolate in tempo reale sulla base di modelli probabilistici che incorporano eventi di gioco (gol, cartellini, possesso, tiri), dati storici e il flusso delle puntate degli altri giocatori. Il margine sul live è tipicamente più alto di quello pre-match, spesso tra l’8% e il 12% sui mercati principali, e ancora di più sui mercati secondari.

Un algoritmo per scommesse live deve competere con la latenza. Il bookmaker ricalcola la quota prima che tu finisca di leggere la schermata. Se la quota cambia tre volte in dieci secondi, la tua reazione umana è già in ritardo. I modelli quantitativi seri usano API a bassa latenza e regole di esecuzione automatica, non l’occhio umano sul smartphone. Per il giocatore retail, il live è più un gioco di intrattenimento che un terreno di edge algoritmico. Non perché i modelli non esistano, ma perché la velocità di esecuzione non è alla portata di chi gioca da casa.

Esiste però una nicchia: i mercati live “lenti”, come il tennis o il basket, dove gli eventi sono più discreti e il tempo tra un punto e l’altro consente di processare i dati. Anche lì, il margine resta il nemico principale. Un modello che stima una probabilità del 55% quando la quota fair è al 52% ha un edge del 3%, che su un margine live dell’8% diventa un valore atteso negativo. L’algoritmo può essere giusto e la scommessa sbagliata lo stesso.

Algoritmi per scommesse su calcio, tennis, basket e virtuali

Ogni sport ha la sua struttura probabilistica. Applicare lo stesso modello a tutti gli sport è come usare un martello per avvitare una vite: funziona male e rovina la vite. Ecco come cambia l’approccio algoritmico per i quattro comparti più giocati in Italia.

Calcio: mercati 1X2, Over/Under e BTTS

Il calcio è lo sport con la letteratura algoritmica più ricca, e anche quello con i bookmaker più efficienti sui mercati principali. I modelli Poisson e Dixon-Coles restano lo standard per 1X2 e risultati esatti. Per Over/Under 2.5 la distribuzione dei gol totali è più stabile e i modelli calibrati riescono a trovare valore con più regolarità. Per il BTTS (entrambe segnano) il modello deve stimare la probabilità che ciascuna squadra segni almeno un gol, che non è indipendente dalla forza offensiva dell’avversario. I mercati secondari (marcatori, assist, cartellini) hanno margini alti e dati più sporchi: l’edge è possibile, ma richiede modelli specifici e una tolleranza al rumore molto alta.

Tennis: modelli Markoviani e superfici

Nel tennis la struttura punto-per-punto si presta a modelli a catena di Markov: la probabilità di vincere un game, un set e il match può essere calcolata a partire dalla probabilità di vincere il singolo punto al servizio e in risposta. I modelli più sofisticati aggiungono la superficie (terra, erba, cemento), la stanchezza e il rendimento nei tie-break. Il vantaggio del tennis è che il mercato è frammentato: fuori dai grandi tornei, i bookmaker hanno team di trading più piccoli e l’efficienza cala. È lì che un algoritmo calibrato può trovare valore, a condizione di avere dati granulari sui giocatori minori, che non sono gratuiti.

Basket: Four Factors e ritmo di gioco

Nel basket il modello di riferimento è quello dei “Four Factors”: efficienza al tiro (eFG%), palle perse, rimbalzi offensivi e tiri liberi. A questi si aggiunge il ritmo di gioco (possessi per 48 minuti), che determina il totale punti. I modelli di machine learning applicati al basket funzionano bene sui mercati dei totali e degli spread, mentre il mercato 1X2 (moneyline) è più efficiente. L’NBA è il campionato con la copertura dati più ricca, e di conseguenza il più difficile da battere. I campionati europei, con meno dati pubblici e più variabilità, offrono margini di inefficienza maggiori, ma anche liquidità inferiore.

Virtuali: RNG travestito da sport

Le scommesse virtuali non sono sport. Sono simulazioni generate da un algoritmo RNG (Random Number Generator) con un RTP (Return to Player) configurato dal bookmaker. L’RTP tipico dei virtual è compreso tra l’85% e il 95%, il che significa che nel lungo periodo il giocatore perde il 5–15% di ogni euro puntato, indipendentemente dalla “forma” della squadra virtuale. Non esiste un algoritmo predittivo per i virtual perché non c’è un evento reale da predire: c’è un generatore di numeri casuali con un margine incorporato.

Chi ti vende un “algoritmo per scommesse virtuali” ti sta vendendo un pattern detector su una sequenza casuale. Funziona fino a quando il campione è abbastanza piccolo da far sembrare significativa una coincidenza. Poi il RTP fa il suo lavoro. L’unico algoritmo sensato per i virtual è quello che ti dice di non giocarci.

Algoritmi scommesse gratis, app e software: cosa aspettarsi

La promessa di un “algoritmo scommesse gratis” è allettante e quasi sempre vuota. Gli strumenti gratuiti disponibili nel 2026 si dividono in tre categorie: calcolatori di probabilità e margine (utili), app di pronostici basate su modelli proprietari (opache), e software open source per chi sa programmare (i più interessanti).

I calcolatori di quote e margine sono la parte gratuita più utile: ti permettono di calcolare l’overround, le quote fair e il valore atteso di una scommessa senza scaricare nulla. Sono noiosi e pedagogici, esattamente il contrario di ciò che il mercato pubblicizza. Le app di pronostici “gratuite” di solito monetizzano in altro modo: pubblicità, affiliazione ai bookmaker o vendita dei dati di comportamento. Il pronostico è il prodotto, non il servizio.

Sul fronte open source, esistono librerie Python per il calcolo delle quote e dei modelli (Poisson, Elo, Kelly, value betting) che chiunque abbia basi di programmazione può usare. Non ti danno un edge pronto, ma ti danno la trasparenza che nessuna app commerciale concede. Per chi vuole capire come funziona davvero un algoritmo per scommesse, il codice aperto è una palestra migliore di qualsiasi corso da 297 euro.

Migliori operatori ADM in Italia nel 2026: la classifica

Un algoritmo, per essere utile in Italia, deve girare su un operatore con concessione ADM. La classifica per quota di mercato sulla spesa (dati agosto 2026) vede Lottomatica saldamente in testa con il 36,5%, seguita da Sisal al 20,52%, Snai all’11,63%, Bet365 all’11,55% ed Eurobet al 9,49%. A questi si aggiungono operatori con quote minori ma rilevanti per specifici segmenti: Stake.it (concessione ADM 16017), Betsson.it (concessione 16027), E-Play24, Sun Bet, Admiral Bet e Domusbet.

Per un algoritmo che cerca valore sui mercati principali, i bookmaker con margini più bassi e quote più “sharp” sono Bet365 e, in misura crescente, Betsson. Per chi lavora sui mercati secondari, la profondità di Lottomatica e Sisal offre più dati, ma il margine più alto erode l’edge. La scelta dell’operatore è già una scelta algoritmica: stai decidendo su quale mercato il tuo modello deve competere.

Legalità, licenza ADM e tassazione sulle vincite in Italia

Il mercato italiano delle scommesse è regolato dall’Agenzia delle Dogane e dei Monopoli (ADM). Il nuovo sistema concessorio è partito il 13 novembre 2025 con 52 concessioni assegnate a 46 operatori, numerate da 16000 a 16051. Ogni operatore legale deve esporre il logo ADM con il numero di concessione e operare su dominio .it. La verifica è semplice: confronta il dominio, il concessionario e il codice nel registro ufficiale ADM. Se manca uno dei tre, non è un operatore autorizzato in Italia.

Come verificare un operatore autorizzato

Il controllo più affidabile è incrociare tre informazioni: il dominio del sito, il nome del concessionario indicato nel footer e il numero di concessione nella serie 16000. Un sito che opera su dominio .com senza numero ADM visibile, o che mostra un numero di concessione non corrispondente al concessionario dichiarato, non è legale in Italia. Non è una questione di fiducia: è una questione di registro pubblico. Gli operatori senza licenza italiana non applicano la ritenuta alla fonte e non versano l’imposta sugli importi giocati, il che li rende più competitivi sulle quote ma completamente al di fuori del perimetro legale.

Tasse sulle scommesse sportive 2026: fisico vs online

La Legge di Bilancio 2026 ha aumentato l’imposta unica sulle scommesse. L’aliquota è del 20,5% per le scommesse fisiche e del 24,5% per le scommesse online, calcolata sul margine di profitto dell’operatore (differenza tra giocate e vincite). Questa imposta è a carico del bookmaker, non del giocatore, ma si riflette sulle quote: un’aliquota più alta tende a comprimere le quote offerte, soprattutto sui mercati a basso margine.

Per il giocatore, la tassazione sulle vincite dipende dal canale. Su operatori con licenza ADM, la ritenuta è applicata alla fonte e il vincitore riceve l’importo già al netto. Su portali non ADM, la vincita deve essere dichiarata all’Erario. Dal 27 gennaio 2025 è in vigore anche un limite massimo di puntata di 1.000 euro per giocata, introdotto per contenere le perdite eccessive. Per un algoritmo che gestisce size di puntata, questo limite è un vincolo operativo da incorporare: oltre una certa cassa, il fractional Kelly deve tenere conto del tetto normativo, non solo della propria formula.

Quanto è realistico vincere con un algoritmo? Numeri alla mano

La domanda che nessun venditore di software affronta seriamente. La risposta onesta è: dipende da cosa intendi per “vincere”. Se intendi “battere il bookmaker in modo statisticamente significativo su un campione ampio”, la letteratura accademica dice che è possibile, ma raro e con margini sottili. Uno studio del 2026 ha mostrato che un modello di value betting calibrato su cinque stagioni di calcio europeo produce un ROI teorico superiore al 60% in assenza di attrito, ma gli stessi autori mettono in guardia: quel numero è un tetto teorico, non una performance eseguibile, perché non tiene conto dello slippage, dell’efficienza della closing line e dei limiti imposti dai bookmaker.

Nella realtà, un algoritmo che batte il mercato del 2–3% netto è già un buon algoritmo. Su 1.000 scommesse da 10 euro, un ROI del 2% significa 200 euro di profitto lordo, che al netto di tempo, abbonamenti e tasse può facilmente scendere sotto zero. Il betting algoritmico non è un lavoro per chi cerca rendite passive; è un’attività che richiede capitale, disciplina e una tolleranza al rischio che la maggior parte dei giocatori non ha.

E c’è il problema dell’avversario. I bookmaker non sono spettatori passivi. Quando un algoritmo inizia a vincere in modo consistente, i limiti di puntata arrivano prima o poi. Bet365 è noto per limitare rapidamente i giocatori vincenti; altri operatori fanno lo stesso con meno pubblicità. Un algoritmo che funziona ma non può essere eseguito perché l’account è limitato a 5 euro a scommessa è un algoritmo inutile. La sostenibilità operativa conta quanto l’edge matematico.

Domande frequenti sugli algoritmi per le scommesse

Esiste un algoritmo che permette di vincere sempre alle scommesse?

No. Nessun algoritmo può prevedere con certezza il risultato di un evento sportivo, perché lo sport contiene una componente aleatoria irriducibile. Un buon algoritmo stima probabilità in modo calibrato e sfrutta gli errori di prezzo del bookmaker, ma anche con un edge positivo si verificano sequenze di perdite. Chi promette “vittoria garantita” sta vendendo fumo, non matematica.

Qual è il miglior algoritmo per le scommesse sul calcio?

Non esiste un “migliore” in assoluto. Il modello di Poisson e la variante Dixon-Coles restano i più usati per 1X2 e risultati esatti, mentre i modelli di machine learning calibrati (XGBoost, reti neurali) performano bene sui mercati dei gol totali. La qualità non sta nel nome del modello, ma nella calibrazione e nella capacità di confrontare le probabilità con le quote fair al netto del margine.

L’algoritmo Masaniello funziona davvero?

Il Masaniello è un sistema di gestione del capitale, non un predittore di risultati. Funziona solo se gli eventi su cui lo applichi hanno un valore atteso positivo; in caso contrario, distribuisce le perdite nel tempo senza eliminarle. Dopo diverse sconfitte consecutive, le puntate crescono fino a diventare insostenibili per la cassa. Va usato con estrema cautela e mai come sostituto di un modello di selezione.

Gli algoritmi per le scommesse gratuiti sono affidabili?

La maggior parte degli “algoritmi gratis” è costituita da app di pronostici con modelli opachi o da calcolatori di quote. I calcolatori di margine e valore atteso sono utili e affidabili; le app che promettono win rate elevati raramente mostrano la logica del modello e spesso monetizzano tramite affiliazione ai bookmaker. Gli strumenti open source sono i più trasparenti, ma richiedono competenze tecniche.

Si possono usare algoritmi sulle scommesse live?

Sì, ma il live è molto più difficile del pre-match. Le quote vengono ricalcolate in tempo reale e il margine è più alto. Un algoritmo live richiede dati a bassa latenza e automazione dell’esecuzione; per il giocatore retail, la reazione umana è troppo lenta rispetto ai modelli del bookmaker. Esistono nicchie (tennis, basket) dove il ritmo consente un approccio algoritmico, ma l’edge è sottile e il margine resta il nemico principale.

Le vincite ottenute con un algoritmo sono tassate in Italia?

Su operatori con concessione ADM, la ritenuta è applicata alla fonte e il giocatore riceve l’importo netto. L’aliquota dell’imposta unica sulle scommesse è del 24,5% per il canale online e del 20,5% per il fisico, ma è calcolata sul margine dell’operatore, non sulla singola vincita del giocatore. Su portali senza licenza ADM, la vincita va dichiarata all’Erario e non c’è alcuna ritenuta alla fonte.

Quale operatore ADM conviene per un algoritmo di value betting?

Per i mercati principali, Bet365 e Betsson offrono in genere margini più bassi e quote più vicine a quelle fair, ma Bet365 è noto per limitare i giocatori vincenti. Lottomatica e Sisal hanno maggiore liquidità e profondità di mercato, ma margini leggermente più alti. La scelta dipende dal mercato su cui opera l’algoritmo: sui mercati secondari la profondità conta più del margine, sui mercati principali il margine conta più della profondità.