模型详解 · 阅读约 8 分钟

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 = 1 / (1 + 10((RB − RA) / 400))

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:

R′ = R + K × (实际得分 − 期望得分)

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"。

实战要点:Elo 会自我修正。不需要谁来宣布一支球队"变强了"——比赛结果自己会把数字拖过去。但评分按设计永远滞后于现实:它只学得到已经发生的事,学不到即将发生的事。

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:

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。

相关阅读: Dixon-Coles 模型如何预测足球比分 · 泊松 vs Dixon-Coles:差异到底在哪里重要