METHODOLOGY

五信號融合 — 我們怎麼算

這份不是品牌包裝。是每場精選背後的演算法骨架 — 五個輸入信號、各自的權重、邊際效用,以及什麼情況會失靈。看完你會知道為什麼 AI 比直覺更可靠 — 但也不是萬靈丹。

五個輸入信號

信號 1 · 權重 28%

ELO 評分系統

ELO 是國際象棋發明的對局實力系統,現在被改造用於足球、籃球、棒球的隊伍實力評估。每場比賽結束,勝隊 ELO 上升、敗隊下降,幅度由「賽前實力差距」和「實際結果差」決定 — 冷門贏球的隊伍 ELO 跳得更高。我們的 ELO 分數每天用過去 380 場資料 rolling 更新,主場 K 值 +60、客場 K 值 -50,世界盃/歐冠這種大賽 K 值再加 20%。

局限:對「新升班隊」和「主帥剛換」的隊伍反應慢,需要 6-8 場才會收斂到合理估值。

信號 2 · 權重 22%

xG(預期進球)

xG 衡量「過程」而不是「結果」 — 每次射門根據位置、角度、防守壓力換算成 0~1 的進球機率,加總起來就是該隊應得的進球數。一支實際只進 1 球但 xG 2.4 的隊伍,下場很可能爆發;反之 xG 0.6 卻進了 2 球的,下場可能回歸均值。我們用滾動 8 場的 xG 平均,並加上 xGA(預期被進球數)做攻防雙向評估。

局限:低聯賽 xG 數據樣本不夠(CPBL、日 J 聯賽前 5 輪通常 noisy),高方差期間建議降權。

信號 3 · 權重 25%

24 莊家賠率融合

莊家賠率是「資金加權的市場共識」 — Pinnacle、SBOBet 這類 sharp book 的賠率資訊密度遠高於 Bet365、Williams Hill 這種 mass-market soft book。我們對 24 家賠率做去 vig 處理(剝離莊家抽水)、再用 sharp book 權重 0.6 / soft book 0.4 加權融合,得到「市場真實隱含機率」。當這個值跟我們 ELO+xG 算出的機率差距 ≥ 3%,就標為 value bet。

局限:開盤前 6 小時資金未注入時噪音大,建議賽前 2 小時內的賠率才有 reference 價值。

信號 4 · 權重 15%

近期走勢 + 動量

過去 6 場的勝率、進球差、控球率變化趨勢。我們用指數衰減加權(最近一場權重 1.0,往前每場乘 0.85),抓住「狀態」而不是「歷史平均」。連勝 4 場以上的隊伍會收到 +5% 主勝信心 boost;連敗 3 場以上的主隊則 -8%(球迷壓力 + 教練位置不穩的雙重影響)。

局限:賽季初前 4 輪資料太少,建議用上季末段 8 場補齊。

信號 5 · 權重 10%

H2H 對戰歷史

兩隊過去 10 次交手紀錄。雖然多數研究指出 h2h 對下一場結果的解釋力不到 8%,但在「特定主客場 + 特定教練組合」下,h2h 有顯著效果(例如某隊客場對特定對手 5 年連敗)。我們把 h2h 拆成「最近 3 次主客場相同情境」+「全部 10 次平均」加權。

局限:球員陣容變動大(5 年內 70% 球員都不在了)時,h2h 訊號雜訊偏高。

什麼時候模型會失靈

這部分大家都不寫,我們寫。AI 不是萬靈丹,下列情境我們會主動把該場標「低信心」或直接不推:

  • · 賽前 6 小時內主力傷退或停賽 — 模型沒時間納入新陣容
  • · 極端天候(暴雨、強風)— xG 估值會嚴重低估守方
  • · 教練換人當週 — ELO + 近期走勢全部失準
  • · 友誼賽 / 季前熱身賽 — 球員出場時間不規律,數據雜訊太大
  • · 聯賽末段 + 兩隊無排名壓力(俗稱「擺爛賽」)— 動機因素不在數學模型內

怎麼驗證

每場 AI 精選的預測結果都會在比賽結束 30-90 分鐘內公開結算。命中率、ROI、每場的賠率與下注建議,全部不藏。

看完整戰績 →

常見問題

Q1五信號融合是什麼?跟單一指標模型差在哪?
五信號融合是 OkayAI 的核心預測引擎 — 用 ELO 評分(28%)+ xG 預期進球(22%)+ 24 莊家賠率融合(25%)+ 近期走勢(15%)+ H2H 對戰史(10%)五個獨立信號各自算出機率後,透過貝氏融合產出單一預測。為什麼不用單一指標?因為單一指標的命中率上限約 53-55%(市場效率定理),五個信號融合靠交叉驗證壓低變異,96 場實盤達 68.2% 命中率。核心優勢來自三重交叉驗證(ELO + xG + 盤口移動),而非任一單一算法。
Q2ELO 評分多久更新?怎麼算的?
OkayAI 的 ELO 分數每天用過去 380 場資料 rolling 更新。主場 K 值 +60、客場 K 值 -50,世界盃/歐冠這種大賽 K 值再加 20%。我們在標準 ELO 上做三個修改:(1) 教練 / 球員變動 +/-30 微調;(2) 小聯賽 weight 降低;(3) 主場加 +1.5。ELO 對「新升班隊」和「主帥剛換」的隊伍反應慢,需要 6-8 場才會收斂到合理估值,所以這些情境我們會降低 ELO 權重、提高 xG 與賠率信號權重補救。
Q3為什麼 AI 預測準確率不是 100%?
因為運彩本質上是「機率事件」而不是「決定論事件」。即使一支實力強很多的隊也有輸的可能(VAR 誤判、主力臨時傷退、極端天候、紅牌、烏龍球)。五信號融合在 96 場實盤命中率 68.2% — 這是業界扣掉 vig 後仍有正 ROI 的水準,已經非常高。AI 也不是萬靈丹:賽前 6 小時內主力傷退、極端天候、教練換人當週、友誼賽、聯賽末段擺爛賽這些情境模型會主動標「低信心」或不推。重點不是「會不會贏這一場」而是「跑 1000 場 ROI 會不會正」。
Q4OkayAI 跟其他運彩 AI 服務有什麼不同?
三個關鍵差異:(1) 公開方法論 — 五個信號權重、計算邏輯、失靈情境全部攤開在 /methodology 給玩家檢視,不是黑盒子;(2) 戰績公開 — 每場 AI 精選的預測結果都會在比賽結束 30-90 分鐘內公開結算於 /performance,命中率、ROI、賠率全部不藏;(3) 推「莊家算錯」而非「最會贏」— 我們的篩選邏輯是 edge ≥ 5%(高信心場 ≥ 8%),確保長期 EV 正,而不是追命中率高但 EV 負的熱門盤。
Q5回測命中率 68.2% 有 look-ahead bias 嗎?
我們的回測流程刻意避開三個經典陷阱:(1) look-ahead bias — 每場預測只用該場開賽前可得的資料(ELO 用前一日 close 值、xG 用 rolling 8 場過往值、賠率用開盤後 2 小時的市場共識);(2) survivorship bias — 回測涵蓋所有有資格的場次,不挑「事後看好預測」的場;(3) 賠率時間錯位 — 我們記錄的是「下注時實際能拿到的賠率」而不是「賽後最終 close 賠率」。即便如此,線上實盤命中率仍會比 paper test 低 5-8%,這在 /blog/backtest-traps-12pct-gap 有詳細分析。

有疑問?看 關於 OkayAI / 名詞字典 / 深度文章

聯繫我們