Сетевые модели на футбольном трансферном рынке: обзор и рекомендации для стейкхолдеров

Цель. Предложить рекомендации ключевым стейкхолдерам футбольного трансферного рынка (футбольным клубам, национальным и наднациональным регуляторам, экономистам и спортивным аналитикам) на основе анализа сетевых моделей.

Задачи. Классификация существующей литературы по трем приоритетным направлениям (структура рынка, взаимосвязи между клубами, рыночная власть); критический анализ применяемых моделей и подходов (кластеризация на основе сетевых, спортивных и экономических показателей, ERGM, DEA, показателей центральности); рассмотрение ограничений применяемых моделей и направлений дальнейшего развития методики, включая объединение в статье спортивных, экономических и сетевых индикаторов; выделение ключевых рекомендаций для каждой из групп стейкхолдеров.

Методология. Исследование основано на аналитическом подходе, с элементами сравнительного анализа. Проанализированы научные статьи (систематизация по темам и методам); даны таблицы с описанием данных, моделей и результатов; выполнен критический обзор методических предпосылок и выводов.

Результаты. Автором предложена классификация литературы, выявлены ограничения опубликованных исследований (отсутствуют гибридные подходы, учитывающие спортивные, экономические и сетевые факторы; не применены динамические модели), а также разработаны методические рекомендации для разных групп активных участников футбольного трансферного рынка. Показано, что сетевые модели позволяют проследить иерархию на рынке и оптимизировать трансферную политику. Экономистам, спортивным аналитикам и специалистам по сетевому анализу рекомендовано обратить внимание на гибридные и динамические модели, учитывающие экономические, спортивные и сетевые показатели; менеджерам футбольных клубов применять сетевые модели при анализе конкурентов, определении роли клуба в трансферной сети и усилении переговорной позиции при взаимодействии с футбольными агентами; национальным и наднациональным регуляторам проанализировать действующие ограничения относительно их эффективности при выполнении целей по поддержанию конкуренции, развитию и популяризации спорта, а также при использовании сетевых моделей в случаях принятия решений о вводе новых регуляторных мер.

Выводы. Сетевые модели отражают иерархию на рынке («ядро периферия») и паттерны взаимодействий (например, «порочный круг клубов-середняков»). В исследовании предложены гибридные модели, сочетающие сетевые, экономические и спортивные показатели, а также TERGM для динамического анализа. Обоснован вывод о том, что сетевые модели могут быть полезны при принятии решений различными стейкхолдерами рынка, и даны рекомендации.

1. Radoman M. Labor market implications of institutional changes in European football: The Bosman ruling and its effect on productivity and career duration of players // Journal of Sports Economics. 2017. Vol. 18. No. 7. P. 651–672. https://doi.org/10.1177/1527002515594555

2. Bond A. J., Widdop P., Chadwick S. Football’s emerging market trade network: Ego network approach to world systems theory // Managing Sport and Leisure. 2018. Vol. 23. No. 1–2. P. 70–91. https://doi.org/10.1080/23750472.2018.1481765

3. D’Urso P., De Giovanni L., Federico L. The evolution of the European football transfer network // Journal of Big Data. 2025. Vol. 12. No. 1. Article 251. https://doi.org/10.1186/s40537-025-01275-7

4. Xu Y. The formation mechanism of the player transfer network among football clubs // Soccer and Society. 2021. Vol. 22. No. 7. P. 704–715. https://doi.org/10.1080/14660970.2020.1835651

5. Perra N., Fortunato S. Spectral centrality measures in complex networks // Physical Review E — БИДА М. А. Сетевые модели на футбольном трансферном рынке: обзор и рекомендации для стейкхолдеров Statistical, Nonlinear, and Soft Matter Physics. 2008. Vol. 78. No. 3. Article 036107. https://doi.org/10.1103/PhysRevE.78.036107

6. Pestana Barros C., del Corral J., Garcia-del-Barrio P. Identification of segments of soccer clubs in the Spanish League First Division with a latent class model // Journal of Sports Economics. 2008. Vol. 9. No. 5. P. 451–469. https://doi.org/10.1103/PhysRevE.78.036107

7. Plakias S., Moustakidis E., Mitrotasios M., Kokkotis C., Tsatalas T., Papalexi M., Giakas G., Tsaopoulos D. A Multivariate and cluster analysis of diverse playing styles across European Football Leagues // Journal of Physical Education and Sport. 2023. Vol. 23. No. 7. P. 1631–1641. https://doi.org/10.7752/jpes.2023.07200

8. Poli R., Besson R., Ravenel L. Econometric approach to assessing the transfer fees and values of professional football players // Economies. 2022. Vol. 10. No. 1. Article 4. https://doi.org/10.3390/economies10010004

9. Dieles T. J., Mattsson C. E. S., Takes F. W. Identifying successful football teams in the European player transfer network // Applied Network Science. 2024. Vol. 9. No. 1. Article 65. https://doi.org/10.1007/s41109-024-00675-7

10. Matesanz D., Holzmayer F., Torgler B., Schmidt S. L., Ortega G. J. Transfer market activities and sportive performance in European first football leagues: A dynamic network approach // PloS one. 2018. Vol. 13. No. 12. Article e0209362. https://doi.org/10.1371/journal.pone.0209362

11. Palazzo L., Rondinelli R., Clemente F. M., Ievoli R., Ragozini G. Community structure of the football transfer market network: the case of Italian Serie A // Journal of Sports Analytics. 2023. Vol. 9. No. 3. P. 221–243. https://doi.org/10.3233/JSA-220661

12. Moura F. A., Martins L. E. B., Cunha S. A. Analysis of football game-related statistics using multivariate techniques // Journal of sports sciences. 2014. Vol. 32. No. 20. P. 1881–1887. https://doi.org/10.1080/02640414.2013.853130

13. Reis Mourao P., Salgado-Barandela J. Exploring soccer transfers in Spanish League — The hidden role of strategic differences among teams // Plos one. 2024. Vol. 19. No. 4. Article e0299853. https://doi.org/10.1371/journal.pone.0299853

14. Charnes A. Cooper W., Lewin A. Y., Seiford L. M. Data envelopment analysis theory, methodology and applications // Journal of the Operational Research society. 1997. Vol. 48. No. 3. P. 332–333. https://doi.org/10.1057/palgrave.jors.2600342

15. Kim Y., Bui K.-H. N., Jung J. J. Data-driven exploratory approach on player valuation in football transfer market // Concurrency and Computation: Practice and Experience. 2021. Vol. 33. No. 3. Article e5353. https://doi.org/10.1002/cpe.5353

16. Kohonen T. Self-organizing maps. Heidelberg: Springer Berlin, 2012. Vol. 30. 502 p. https://doi.org/10.1007/978-3-642-56927-2

17. Bloch F., Jackson M. O., Tebaldi P. Centrality measures in networks // Social Choice and Welfare. 2023. Vol. 61. No. 2. P. 413–453. https://doi.org/10.1007/s00355-023-01456-4

18. Lusher D., Kremer P., Robins G. Cooperative and competitive structures of trust relations in teams // Small Group Research. 2014. Vol. 45. No. 1. P. 3–36. https://doi.org/10.1177/1046496413510362

19. Bonacich P. Power and centrality: A family of measures // American Journal of Sociology. 1987. Vol. 92. No. 5. P. 1170–1182. https://doi.org/10.1086/228631

20. Dhayanithy D., Mukherjee S. Network memory, cultural distance and the ebb and flow of international resources – Evidence from 20 years of professional player transfers to bigfive European soccer leagues // European Management Journal. 2020. Vol. 38. No. 2. P. 255–266. https://doi.org/10.1016/j.emj.2019.10.003

21. Gouveia C., Pereira R. Professional football in Portugal: preparing to resume after the COVID-19 pandemic // Soccer and Society. 2021. Vol. 22. No. 1–2. P. 103–114. https://doi.org/10.1080/14660970.2020.1796653

22. Seippel Ø., Belbo J. S. Sport clubs, policy networks, and local politics // International Journal of Sport Policy and Politics. 2021. Vol. 13. No. 3. P. 479–499. https://doi.org/10.1080/19406940.2021.1898441

23. Cintia P., Rinzivillo S., Pappalardo L. A network-based approach to evaluate the performance of football teams // Machine learning and data mining for sports analytics workshop (MLD4SA). Porto: Springer, 2015. P. 115–126. https://doi.org/10.1007/978-3-662-49224-6_10

24. Medina P., Carrasco S., Rogan J., Montes F., Meisel J., Lago C., Lemoine P., Valdivia J. A. Is a social network approach relevant to football results? // Chaos, Solitons and Fractals. 2021. Vol. 142. Article 110369. https://doi.org/10.1016/j.chaos.2020.110369

25. Pena J. L., Touchette H. A network theory analysis of football strategies // arXiv preprint arXiv:1206.6904. 2012. https://doi.org/10.48550/arXiv.1206.6904

26. Yamamoto Y., Yokoyama K. Common and unique network dynamics in football games // PloS one. 2011. Vol. 6. No. 12. Article e29638. https://doi.org/10.1371/journal.pone.0029638

27. Ruijg J., van Ophem H. Determinants of football transfers // Applied Economics Letters. 2015. Vol. 22. No. 1. P. 12–19. https://doi.org/10.1080/13504851.2014.892192

28. Бида М. А., Мирзоян А. Г. Факторы формирования трансферной политики футбольных клубов // Журнал Новой экономической ассоциации. 2023. Т. 58. № 1. С. 66–88. https://doi.org/10.31737/22212264_2023_1_66

29. Ante L. Determinants of transfers fees: Evidence from the five major European Football Leagues // International Journal of Sport Finance. 2019. Vol. 14. No. 3. P. 150–164. https://doi.org/10.13140/RG.2.2.24727.01445

30. Metelski A. Factors affecting the value of football players in the transfer market // Journal of Physical Education and Sport. 2021. Vol. 21. P. 1150–1155. https://doi.org/10.7752/jpes.2021.s2145

31. Peeters T., Szymanski S. Financial fair play in European football // Economic Policy. 2014. Vol. 29. No. 78. P. 343–390. https://doi.org/10.1111/1468-0327.12031

32. Robins G., Pattison P., Kalish Y., Lusher D. An introduction to exponential random graph (p*) models for social networks // Social Networks. 2007. Vol. 29. No. 2. P. 173–191. https://doi.org/10.1016/j.socnet.2006.08.002

33. Serrano R., Acero I., Farquhar S., Espitia Escuer M. A. Financial fair play and competitive balance in European football: a long term perspective // Sport, Business and Management: An International Journal. 2023. Vol. 13. No. 1. P. 74–92. https://doi.org/10.1108/SBM05-2021-0060

34. Szymanski S. Fair is foul: A critical analysis of UEFA financial fair play // International Journal of Sport Finance. 2014. Vol. 9. No. 3. P. 218–229. https://doi.org/10.1177/155862351400900303

35. Ramchandani G., Plumley D., Davis A., Wilson R. A review of competitive balance in European football leagues before and after financial fair play regulations // Sustainability. 2023. Vol. 15. No. 5. Article 4284. https://doi.org/10.3390/su15054284

36. Charyev G. Consequences of the limit on foreign players in Russian football // Soccer and Society. 2016. Vol. 17. No. 4. P. 571–587. https://doi.org/10.1080/14660970.2014.980727

37. Wand T. Analysis of the Football Transfer Market Network: T. Wand // Journal of Statistical Physics. 2022. Vol. 187. No. 3. Article 27. https://doi.org/10.1007/s10955-022-02919-1