方法论
GoalMath 上的每个数字都来自下面记录的模型。我们完整公开它——包括校准记录和失效模式——因为一个不敢展示自己错误的预测网站不值得信任。
模型
每支球队的预期进球来自相对于联赛均值的进攻/防守强度:
λH = home attack × away defense × league avg home goals
λA = away attack × home defense × league avg away goals
λA = away attack × home defense × league avg away goals
比分概率服从 Dixon-Coles (1997) 分布:独立泊松边际 + 低比分依赖修正,ρ = −0.13:
P(x,y) = Poisson(x;λH) · Poisson(y;λA) · τ(x,y), τ corrects 0–0, 1–0, 0–1, 1–1
我们计算完整网格(0–0 到 12–12),归一化后聚合成胜平负、大小球 2.5、双方进球、零封和最可能比分。完整推导见我们的详解文章。
联赛参数
| 联赛 | 主场平均进球 | 客场平均进球 | ρ |
|---|---|---|---|
| 英格兰 · 超级联赛 | 1.53 | 1.22 | −0.13 |
| 西班牙 · 西甲 | 1.57 | 1.11 | −0.13 |
| 意大利 · 意甲 | 1.28 | 1.15 | −0.13 |
| 德国 · 德甲 | 1.78 | 1.46 | −0.13 |
| 英格兰 · 冠军联赛 | 1.40 | 1.20 | −0.13 |
均值来自最近完整赛季;ρ 取文献标准值。每个赛季复核一次。
校准记录——模型在哪里失效
回测教会我们的,失败比成功更多:
- 模型与市场分歧不等于投注机会。当我们的数字和博彩公司赔率不一致时,通常是市场对的——分歧意味着模型缺信息(伤病、战意、首发),而不是市场定错价。我们把大幅分歧当作去看新闻的提醒,绝不当作投注信号。
- 升班马会打破先验。刚升级的球队在高级别联赛没有有意义的历史数据;低级别联赛的强度估计传不到高级别。这类比赛按低置信度处理。
- 缓慢移动的均值滞后于环境变化。当联赛进球环境突变(比如某赛季总进球 +19%),赛季均值要滞后好几周。我们会监控并在发生时明说。
- 小样本,宽误差。球队数据少于约 10 场时,强度估计大都是先验、少有信号。预测器对输入是诚实的;垃圾进,垃圾出。
我们的立场,直说:这个模型估计的是“按历史进球模式,通常会发生什么”。它不知道球队新闻,不看比赛,也看不见未来。用它校准你的直觉——而不是替代直觉。
我们不做的事
- 没有"必中贴士"、没有锁单、没有假球——卖这些的人都在撒谎。
- 没有affiliate链接。GoalMath 目前不从博彩公司或任何人那里赚钱。
- 除了网站运行必需的,不收集个人数据。