[论文解读] Towards the perfect prediction of soccer matches

Andreas Heuer, Oliver Rubner|arXiv (Cornell University)|Jul 19, 2012

Sports Analytics and Performance被引用 4

一句话总结

本文提出了一种多元回归框架，利用进球机会作为主要预测变量来预测足球比赛结果，表明进球机会数据在预测能力上优于最终比赛结果。研究确定了德国足球甲级联赛预测性的理论极限，显示当前模型已接近最优，但受限于固有的随机性，赛季后半程的最小可实现不确定性为7.1个进球。

ABSTRACT

We present a systematic approach to the prediction of soccer matches. First, we show that the information about chances for goals is by far more informative than about the actual results. Second, we present a multivariate regression approach and show how the prediction quality increases with increasing information content. This prediction quality can be explicitly expressed in terms of just two parameters. Third, by disentangling the systematic and random components of soccer matches we can identify the optimum level of predictability. These concepts are exemplified for the German Bundesliga.

研究动机与目标

• 确定预测足球比赛结果最具信息量的比赛可观测指标，重点关注进球机会与最终结果的对比。
• 开发一种多元回归模型，通过整合更高信息量的内容来提升预测准确性。
• 将足球比赛中的系统性（球队实力）与随机性（随机性）成分分离，以确定预测性的理论最大值。
• 量化当前预测模型与体育预测理论极限之间的接近程度。

提出的方法

• 作者将德国足球甲级联赛赛季后半程的进球差值建模为球队实力（系统性成分）与均值为零的随机变量（随机性成分）之和。
• 使用多元回归方法从可观测比赛数据中估计球队实力，目标是最小化预测误差。
• 通过卡方统计量 χ²(X,Y) 量化预测误差，该统计量在去除与已知预测变量的相关性后，分离出预测误差的方差。
• 模型考虑了方差随比赛场次数的缩放关系，假设各场比赛的随机贡献相互独立，从而得出公式 Var(ΔG₂) = Var(S₂) + V₂/N₂。
• 对各赛季的进球机会数据进行标准化处理，以确保一致性，支持从1995/96年至2010/11年的长期分析。
• 通过分析最小可实现不确定性来推导预测性的理论边界，该不确定性由随机性方差 V₂ 决定。

实验结果

研究问题

• RQ1 进球机会数据在足球比赛预测中的预测能力，与最终比赛结果相比如何？
• RQ2 多元回归模型在整合更具信息量的可观测指标时，能在多大程度上提升预测准确性？
• RQ3 在进球得分固有的随机性前提下，足球比赛预测性的理论极限是什么？
• RQ4 当前的预测模型在德国足球甲级联赛中距离这一理论极限有多近？

主要发现

• 进球机会数据在预测结果方面显著优于最终比赛结果，表明其估计具有高度可靠性。
• 球队实力的系统性成分解释了进球差值总方差的0.21（Var(S₂) = 0.21），而随机性成分每场比赛贡献 V₂ = 2.95。
• 预测赛季后半程进球差值的理论最小不确定性为 √(17 × V₂) = 7.1 个进球，代表预测性的绝对极限。
• 当前预测模型的预测不确定性为7.8，表明其距离理论最优值仅相差约10%。
• 模型表明，了解进球尝试次数（机会数）比了解实际进球数更具信息量，原因在于转化概率具有稳定性。
• 本研究证实，客观的、数据驱动的可观测指标（如进球机会）在预测中优于主观或基于结果的指标。