计算
对于足球场次的计算，要尽可能的简单思考，去繁就简；而不是去堆砌技术名词，强拽理论公式。
- 计算的主要目的在于计算出此场比赛的
胜平负赛果； - 计算的关键点则在于计算赛果的
非一赔，也即冷门； - 计算的重要原则仅是
有逻辑性地基于已知/可求数据。
前者是彩民投注时最关注的，直接为投注时的辅助决策主动参考；后者则是彩民在投注时将信将疑的斟酌，是被动借鉴。
我们主要从六个维度进行计算：
- 胜平负计算；
- 让球胜平负计算；
- 冷门计算；
- 比分计算；
- 总进球计算；
- 半全场计算；
但实际赛果展现维度中，仅是五个维度——冷门与否，是体现在其它维度的。
胜平负计算
胜平负计算
步骤1: 从博彩公司赔率计算基准概率
- 令 $O_h$、$O_d$、$O_a$ 分别表示主胜、平局、客胜的赔率
- 计算公平概率： $$ P0_h = \frac{1/O_h}{C}, \quad P0_d = \frac{1/O_d}{C}, \quad P0_a = \frac{1/O_a}{C} $$ 其中 $C = 1/O_h + 1/O_d + 1/O_a$，确保 $P0_h + P0_d + P0_a = 1$
步骤2: 计算对数概率比（以平局为参考类别）
- 将概率转换为对数概率比： $$ L0_h = \log(P0_h / P0_d), \quad L0_a = \log(P0_a / P0_d) $$
步骤3: 调整对数概率比基于主场优势和近期状态
- 调整后的对数概率比： $$ L_h = L0_h + \lambda \cdot H + \mu \cdot (F_h - F_a) $$ $$ L_a = L0_a - \lambda \cdot H - \mu \cdot (F_h - F_a) $$
步骤4: 计算最终概率
- 使用 softmax 函数： $$ P_h = \frac{\exp(L_h)}{1 + \exp(L_h) + \exp(L_a)}, \quad P_a = \frac{\exp(L_a)}{1 + \exp(L_h) + \exp(L_a)}, \quad P_d = \frac{1}{1 + \exp(L_h) + \exp(L_a)} $$ 满足 $P_h + P_d + P_a = 1$
参数含义
| 参数 | 含义 | 来源/计算方法 |
|---|---|---|
| $O_h, O_d, O_a$ | 博彩公司赔率 | 博彩公司公开数据 |
| $H$ | 主场优势因子 | 通常设为1（主队）或0（中立场地） |
| $F_h$ | 主队近期状态值 | $F_h = \frac{\text{主队最近}k\text{场非友谊赛总得分}}{k}$，通常$k=5$ |
| $F_a$ | 客队近期状态值 | 类似$F_h$，基于客队最近$k$场比赛 |
| $\lambda$ | 主场优势权重 | 需从历史数据校准，反映主场优势影响程度 |
| $\mu$ | 状态调整权重 | 需从历史数据校准，反映状态差异影响程度 |
公式逻辑说明
-
基准来源：博彩公司赔率提供可靠的先验概率，反映市场综合预期
-
调整必要性：赔率可能无法完全反映最新动态（如球队近期状态）或特定因素（如主场优势）
-
调整机制：
- 在对数概率比尺度上进行线性调整
- 主场优势直接提升主胜概率
- 状态差异反映球队当前形式差异
- 权重参数控制调整幅度
-
校准要求：参数$\lambda$和$\mu$需基于历史数据通过回归分析等方法估计，确保预测准确性