01
学术级概率模型
Dixon-Coles 泊松引擎
基于 1997 年 Dixon & Coles 在皇家统计学会期刊发表的经典框架,构建 15 项方法模块的完整概率推断体系。Opta、FiveThirtyEight 等机构同源方法论。
Core Capabilities
从经典统计理论到多信号融合,每一层能力都经过学术界验证与工程化落地。
01
基于 1997 年 Dixon & Coles 在皇家统计学会期刊发表的经典框架,构建 15 项方法模块的完整概率推断体系。Opta、FiveThirtyEight 等机构同源方法论。
02
单一模型存在信息盲区。系统将统计概率、市场赔率隐含概率、机器学习增强与历史交锋统计四路信号加权融合,准确率高于任意单一路径。
03
每场预测记录完整中间变量(四路概率、权重、样本数),支持任意赛季回测。内置网格搜索引擎,持续优化融合权重与校准参数。不依赖人工统计准确率。
主客队进球数服从独立泊松分布 G ~ Poisson(λ),提供全部玩法的数学推导基础。
计算复杂条件概率场景(如让球覆盖多种盘口线的联合分布),保证数值精度。
每场赛后自动更新球队评分。世界杯 K 值:小组赛 30 / 淘汰赛 50 / 决赛 60。
将预期进球 λ 分解为攻击力 α、防守力 β、主场优势 γ,每支球队独立估计参数。
近期比赛赋予更高权重 w = 0.5^(t/45),半衰期 45 天,捕捉球队状态变化趋势。
主队综合主场 65% + 客场 35%,客队综合客场 65% + 主场 35%,消除场地偏差。
修正 0-0/1-0/0-1/1-1 四种低比分的相关性偏差,实证平局预测准确率提升显著。
交锋胜平负频率作为第四路融合信号,最少 2 场有效,捕捉球队间战术克制关系。
以预期进球 xG 替代实际进球估计 λ,降低单场随机性对参数估计的干扰。
前锋/中场/后卫/门将伤停对 λ 施加差异化影响系数,阵容身价比动态调整。
基于公开市场数据进行概率归一化处理,作为第二路融合信号,用于捕捉球队热度、用户预期和非结构化赛事信息。
小样本场景以先验约束后验(λ ∈ [0.2, 4.0]),防止 MLE 在稀疏数据下过拟合。
wₜ = 0.5^(t/45),45 天前半衰期使模型对近期状态变化保持高度敏感。
长途飞行对客队 λ 施加负向修正,世界杯跨洲际赛程场景下尤为关键。
角球/任意球转化率的独立估计,补全运动战进球模型之外的得分路径。
融合输出
胜平负 · 让球 · 比分 · 总进球数 · 半全场
五种玩法共享同一组 λ 参数,确保内部逻辑一致性
Technical Trust
技术能力不仅体现在模型精度,更体现在过程可解释、结果可验证、体系可持续演进。
TRUST 01
输出胜平负、比分概率的同时保留四路信号来源与权重分配。任意一场预测,均可回溯「为什么是这个结果」——泊松推导占比多少、市场信号贡献多少、交锋数据调整多少,全链路透明。
TRUST 02
每场比赛结束后自动纳入复盘样本。系统内置网格搜索引擎,在完整赛季数据上自动搜索最优融合权重与校准参数。引擎随赛事推进不断进化,而非一成不变的固定模型。
TRUST 03
预测严格遵循时间截断原则:仅使用开赛前的历史数据,排除本场比赛自身,排除未结束赛事。每维度最多取 20 场样本,防止数据泄漏导致的回测指标虚高。异常数据进入模型前即被识别与过滤。
Engine Pipeline
引擎采用分层架构,每一环节可独立验证与迭代,预测结果稳定、透明、可追溯。
World Cup Data Scale
以数据广度、颗粒度和实时信号为基础,为世界杯预测结果提供可解释的数据依据。