Elo 评分如何把比赛结果变成胜率
1960 年,物理学家 Arpad Elo 为美国国际象棋联合会设计了一套评分系统。本意是给棋手排名。六十多年后,同样的数学悄然支撑着足球建模的大半壁江山——俱乐部排名、公开发布的预测系统、赔率公司的内部工具,都在借用 Elo 式的思路。它能活到今天靠的是优雅:每支球队一个数字,一个更新它的公式,一个把它变成概率的公式。
核心思想
每支球队得到一个评分——比如 1700 或 1950。两队评分之差,通过一个逻辑函数决定比赛的预期走向:
EA 是 A 队的"期望得分":它平均能拿走的积分份额——胜算 1 分,平算 0.5 分,负算 0 分。分母里的 400 设定了尺度。看看分差在实践中意味着什么:
| 评分差 | 强队期望得分 | 通俗解释 |
|---|---|---|
| 50 分 | 0.57 | 略占上风 |
| 100 分 | 0.64 | 明显热门 |
| 200 分 | 0.76 | 大热门 |
| 400 分 | 0.91 | 实力悬殊 |
100 分的热门预期能拿走约 64% 的可得积分——剩下的通过平局和爆冷归弱队。注意它的对称性:同样的分差永远意味着同样的预期,不管是 1900 对 1800,还是 1300 对 1200。
评分如何更新
每场比赛后,评分向现实靠拢。更新规则简单得可笑:
比如一支 1900 分的球队主场迎战 1700 分的球队(分差 200,期望得分 0.76),取 K = 30。热门获胜得到 30 × (1 − 0.76) = +7.2 分;它本就该赢,所以只涨一点。爆冷输球则要付出 30 × (0 − 0.76) = −22.8 分,弱队恰好得到这么多。平局落在中间:热门得到 30 × (0.5 − 0.76) = −7.8 分。
K 因子控制系统的敏感程度。国际象棋常用 16–32;足球模型常用更大的值,因为赛季短、球队变化快。总分是守恒的——一队得到的,正是另一队失去的——整个系统是一座封闭的"声望经济体"。
足球的三个改良
国际象棋版 Elo 要打三个补丁才能用在足球上:
- 净胜球。3–0 大胜应该比 1–0 险胜更能推动评分。足球系统会按净胜球缩放 K 因子——常见做法是每多一个净胜球的权重递减,所以 6–0 不会算成 1–0 的六倍。
- 主场优势。主队光是"在主场"就已经更强。大多数系统会在计算期望前给主队加约 100 分——这正是经典的约 0.64 期望得分加成,和联赛足球长期的主场优势吻合。
- 平局。国际象棋 Elo 的"期望得分"本来就包含平局,但足球建模通常想要分开的胜平负概率。标准解法是:取评分差,再用该强度对决下联赛的实际平局率,把非平局份额切成胜和负。Elo 给出天平,平局模型给出形状。
Elo 擅长什么、不擅长什么
它擅长跨联赛比较。像我们的 Dixon-Coles 预测器这样基于进球的模型,需要球队同处一个联赛才能比较——葡萄牙球队和德国球队的欧冠对决没有共同基准。Elo 绕开了这个问题:任何两支有评分的球队之间的任何结果都会同时更新双方,国际比赛直接汇入同一把尺子。
它不擅长比分之外的东西。轮换阵容的 1–0 和全主力 1–0 算的是同一笔账。新帅上任的第一个月,要等结果积累起来才看得见。升班马带着低级别联赛的评分来到一个意义完全不同的联赛。而 K 的取值本身就是个判断:太大,评分追着噪声跑;太小,评分对真正的衰落无动于衷。
诚实地用,Elo 就是"比赛结果到目前为止说了什么"的严谨总结——好的起点,坏的终点。数字告诉你接下来通常会发生什么;本站的其他内容,正是为"通常"需要第二个意见的那些情况准备的。