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
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。
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。
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。
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。
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 →