[論文レビュー] Hybrid Machine Learning Forecasts for the UEFA EURO 2020

Andreas Groll, Lars Magnus Hvattum+5 more|arXiv (Cornell University)|Jun 7, 2021

Sports Analytics and Performance参考文献 44被引用数 6

ひとこと要約

本論文は、歴史的試合結果からのチーム力推定値、ベッティングオッズからのブックメーカーのコンSENSス、選手のスコアリングレーティング、および社会経済的要因を組み合わせたハイブリッド機械学習モデルを提案し、UEFA EURO 2020の試合結果を予測する。2004年から2016年までのUEFA EUROデータを用いてトレーニングしたランダムフォレストモデルを用い、トーナメントを10,000回シミュレートすることで、現在の世界王者フランスが優勝確率14.8%を示し、続いてイングランド（13.5%）、スペイン（12.3%）となる。

ABSTRACT

Three state-of-the-art statistical ranking methods for forecasting football matches are combined with several other predictors in a hybrid machine learning model. Namely an ability estimate for every team based on historic matches; an ability estimate for every team based on bookmaker consensus; average plus-minus player ratings based on their individual performances in their home clubs and national teams; and further team covariates (e.g., market value, team structure) and country-specific socio-economic factors (population, GDP). The proposed combined approach is used for learning the number of goals scored in the matches from the four previous UEFA EUROs 2004-2016 and then applied to current information to forecast the upcoming UEFA EURO 2020. Based on the resulting estimates, the tournament is simulated repeatedly and winning probabilities are obtained for all teams. A random forest model favors the current World Champion France with a winning probability of 14.8% before England (13.5%) and Spain (12.3%). Additionally, we provide survival probabilities for all teams and at all tournament stages.

研究の動機と目的

• 複数の予測信号を統合した1つのハイブリッドモデルを用いることで、サッカー大会の予測精度を向上させること。
• 統計的ランク付け、ブックメーカーのコンセンサス、選手パフォーマンス指標を組み合わせることで、単一手法に起因する限界を克服すること。
• 伝統的なポissonベースのモデルと比較して、ハイブリッドランダムフォレストモデルの予測性能を評価すること。
• 優勝確率に加え、全チームがトーナメントの各段階に残存する確率を提供すること。
• チーム市場価値、GDP、選手のプラスマイナスレーティングを含む多様なデータソースを活用し、より強固な予測を実現すること。

提案手法

• 3つの主要な予測要因を統合する：(1) ポisson回帰を用いた歴史的試合結果からのチーム力、(2) 結集されたベッティングオッズから導出されたブックメーカーのコンセンサスによるチーム力、(3) クラブ戦および代表戦における個人のパフォーマンスに基づく選手のプラスマイナスレーティング。
• チーム市場価値、ス쿼ッド構成、国レベルの社会経済的要因（人口、GDP）などの追加共変量を組み込む。
• 2004年から2016年までのUEFA EUROデータを用いて、ハイブリッド特徴量を入力として、試合での得点数を予測するランダムフォレストモデルをトレーニングする。
• トレーニング済みモデルを用い、UEFA EURO 2020の現在のチームデータに適用し、トーナメントを10,000回シミュレートすることで、試合結果と進出確率を推定する。
• スケラム分布を用いて、予測された得点分布から試合結果の確率（勝ち／引き分け／負け）を計算する。
• 逆方向のトーナメントシミュレーションを用い、集約されたオッズからブックメーカーのコンセンサスによるチーム力推定値を導出し、力推定値の堅牢性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 歴史的成績、ブックメーカーのオッズ、選手レーティングといった複数の予測信号を統合することで、サッカー大会の予測精度がどのように向上するか？
• RQ2 チーム力、選手パフォーマンス、社会経済的要因が、トーナメント結果の予測に果たす相対的な貢献度は何か？
• RQ3 特にアンサンブル特徴量を備えたランダムフォレストを用いたハイブリッドモデルは、伝統的なポissonベースの回帰モデルと比較して、どのようにサッカー試合の予測に優れているか？
• RQ4 UEFA EURO 2020における各チームの予測優勝確率は何か？ また、異なるモデリング手法との比較ではどうなるか？
• RQ5 各チームがトーナメントの各段階に残存する確率は何か？ そして、それらの確率はチーム力と抽選の影響をどのように反映しているか？

主な発見

• ハイブリッドランダムフォレストモデルは、UEFA EURO 2020においてフランスを最も高い優勝確率14.8%で予測し、続いてイングランド（13.5%）、スペイン（12.3%）となる。
• フランスは準々決勝進出確率68.7%、準決勝進出確率42.1%を示しており、トーナメントにおける強固な耐久性を示している。
• イングランドとスペインは、ともに準々決勝進出確率65.3%、63.8%を示し、準決勝進出の可能性も高いと予測されている。
• ドイツとイタリアは、チーム力と選手力の両方を組み合わせた結果、優勝確率10.1%、9.7%と強く予測されており、有力な候補とされている。
• 生存確率の分析から、ポルトガルやベルギーといったチームは、16強進出確率が80%以上と高いが、四分の三決勝以降の進出確率は低く抑えられている。
• 選手のプラスマイナスレーティングと社会経済的要因の組み込みにより、モデルの性能が顕著に向上し、特に下位チームの可能性やチーム内ダイナミクスの捉え込みが強化された。