高阶应用 · 教程目录
比赛因子清单:哪些信息真的会改变概率
本篇目标:把“感觉这场有戏”翻译成模型能用的输入,需要一份因子清单:每个因子取什么口径、往哪个方向推、什么时候是噪声。这份清单是我们建模时的检查表,不含权重。
先分清三类输入
建模时最常犯的错,是把所有信息塞进同一个篮子。我们的清单先把输入分三类:
| 类型 | 例子 | 能否直接改概率 |
|---|---|---|
| 结构因子 | 进攻强度、防守强度、主场优势、联赛基准 | 可以,进模型 |
| 情境因子 | 休息天数、赛程密度、旅行距离、裁判场均牌 | 可以,但要限幅 |
| 文本情报 | 伤停传闻、媒体消息、球员采访、场外风波 | 不直接改,只作阅读参考 |
这个划分比“因子越多越好”重要。文本情报一旦直接进模型,等于把不可核对的信息变成了数字。
结构因子
进攻强度:看过程指标而不是进球数。射门位置、xG、禁区内触球次数,比“近 5 场进几个”稳定。连续三场 3-0 可能只是对手弱,不是进攻突然变强。
防守强度:同理,看被创造的机会质量。xGA 低但实际丢球多的球队,往往只是门将状态波动,不宜长期追高。
主场优势:不是固定加一个常数。不同联赛、不同球场差异明显,同一联赛里也有球队主场优势接近于零。做法是按联赛和球队分别估,样本不足时收缩到联赛均值。
联赛基准:所有强度都是相对联赛平均定义的。跨联赛直接比强度没有意义,必须先换算到同一个基准。
情境因子
休息天数:3 天以内打第二场,强度和跑动通常下降,影响幅度与球队轮换深度有关。欧战周中赛后尤其明显。
赛程密度:连续三周双赛,与单周单赛不是一回事。要看的是“最近 14 天踢了几场、其中几场是客场”。
旅行:跨时区、长距离客场对低预算球队影响更大。数据上很难干净地估出来,我们只用它做微调,不做主因子。
裁判:场均黄牌、点球率差异确实存在,但对赛果的解释力有限。它能影响总进球和牌数,不足以大幅改变胜平负。
天气与场地:大雨、强风、高原会压低技术型球队的发挥,同时抬高定位球和长传的价值。这类影响通常作用于总进球,而不是单边实力。
动机与赛程重要性
这是最难量化、也最容易被过度解释的一类。保级队四月的主场和已保级队四月的主场,投入程度不同;但“战意”不能靠叙事判断。可行的做法是找代理变量:
- 积分位置与目标差距(保级线、欧战线)
- 后续赛程强度(是否要留力)
- 杯赛与联赛的排兵差异
这些代理变量能解释一部分,剩下的仍然是噪声。把“战意”当成可以精确估计的因子,是过拟合的常见入口。
什么时候该放弃一个因子
三个信号:样本外指标没变好;系数符号在不同赛季反复翻转;加入后模型对个别场次给出明显不合常理的概率。出现任意一个,就退回上一版。因子清单的价值不在于长,而在于每个都能被证伪。
我们的检查顺序
- 联赛基准是否更新到当前赛季
- 强度是否用了过程指标、是否做了收缩
- 主场系数是否按联赛估
- 情境因子是否限幅(单因子改动不超过总期望的 5%–8%)
- 文本情报是否被误当成因子
- 样本外 Brier 是否比上一版更低
这份顺序比任何单个因子的权重都重要。权重会变,顺序不该变。
常见问题
1. 因子越多模型越准吗?
不一定。样本固定时,因子越多越容易过拟合。每个新因子都要用样本外数据验证,通不过就不进模型。
2. 伤停信息算因子还是情报?
确定缺席的主力可以进因子(改阵容强度),不确定的传闻只能进情报文本,不能直接改概率。
相关链接
90edge 方法教程 · 讲口径与边界,不承诺赛果。
来源:90edge 学习中心 · 比赛因子清单:哪些信息真的会改变概率