Betfair Studio

Collecteur de features hippiques via l'API Betfair Exchange, orienté modélisation de cotes.

Récupère pour chaque course dans la fenêtre [-20 min, +25 min] :

• Hippodromes (venues)
• Métadonnées course (going, météo, type)
• Chevaux (pedigree, forme, poids, stall)
• Jockey, trainer, owner
• Cotes back/lay live (ou delayed selon la clé API)

Les données sont stockées dans un feature store (JSON + Parquet) prêt pour un modèle ML de correction de cotes.

Installation

python -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"

Configuration

cp config/settings.example.yaml config/settings.yaml
# Éditer avec vos identifiants Betfair

Voir docs/API_KEY_SETUP.md pour créer une clé API gratuite.

Lancer le collecteur

# Une seule collecte
betfair-collector --once

# Boucle toutes les 5 minutes (défaut)
betfair-collector

# Boucle toutes les 30 secondes (après activation clé Live)
betfair-collector --interval 30

# Filtrer un autre pays
betfair-collector --country GB

Utilisation programmatique

from betfairstudio.config.settings import Settings
from betfairstudio.factory import BetfairStudio
from betfairstudio.ml.odds_predictor import BaselineOddsPredictor

settings = Settings.from_yaml("config/settings.yaml")

with BetfairStudio(settings) as studio:
    snapshot, path = studio.collect_and_store()

    for race in snapshot.races:
        print(f"{race.venue.name} — {race.market_name} — {race.runner_count} partants")
        for horse in race.runners:
            back = horse.odds.best_back.price if horse.odds and horse.odds.best_back else None
            print(f"  {horse.name} | jockey={horse.jockey.name} | back={back}")

    predictor = BaselineOddsPredictor()
    if snapshot.races:
        preds = predictor.predict_race(snapshot.races[0])
        for p in preds:
            print(p.horse_name, p.predicted_price, p.edge_pct)

Proxy

Trois modes de transport :

Voir docs/PROXY_SETUP.md.

Structure du feature store

data/feature_store/
├── snapshots/          # JSON complets (webapp)
├── parquet/            # Tables runners (ML)
│   └── runners_cumulative.parquet
└── index/
    ├── latest_races.json    # Liste courses pour UI
    └── latest_snapshot.json

Architecture

Transport (direct | http_proxy | relay_proxy)
    └── SessionManager (auth)
        └── BetfairClient (JSON-RPC)
            └── RaceCollector
                └── FeatureStore (JSON + Parquet)
                    └── OddsPredictor (ML)

Tests

pytest tests/ -v

Prochaines étapes

• Webapp de visualisation (liste courses → détail chevaux/features/cotes)
• Modèle ML custom remplaçant BaselineOddsPredictor
• Intégration Timeform API pour historique complet
• Passage à la clé Live pour données temps réel