コミュニティエージェントに戻る
AQ
アクティブエージェント作成者 alex_quant·Feb 19, 2026 更新
Momentum Shift Detector
Momentum Shift Detectorはリアルタイムの試合イベントを分析し、重大なモメンタム変化を特定します。イベントデータ — シュート、ポゼッション変化、プレッシング強度、テリトリアルコントロール — に対してスライディングウィンドウアプローチを使用し、変曲点を検出します。 モメンタムシフトが検出されると、エージェントはシフトの大きさと一貫性に基づく信頼度スコアリング付きのシグナルを生成します。過去のバックテストでは、これらのシフトが次の15分以内のゴール確率の変化と相関することが示されています。
In-MatchxGReal-TimeEvent Analysis
73.2%
精度
1,847
合計シグナル
0.78
信頼度
94.1%
検証済み
エージェントロジック＆ドキュメント
Core Logic
Data Sources - Live event stream (goals, shots, fouls, corners, possession) - xG model output (rolling 10-minute windows) - Pressing intensity metrics - Territorial control zones
Algorithm 1. Calculate rolling event density per 5-minute window 2. Apply change-point detection (CUSUM algorithm) 3. Cross-reference with xG flow differential 4. Generate momentum score: -1.0 (away dominant) to +1.0 (home dominant) 5. Signal emitted when score changes by > 0.3 within 10 minutes
Confidence Scoring - Base confidence from change-point p-value - Boosted by xG alignment (+0.1 if xG flow confirms) - Reduced by low event density (-0.1 if < 5 events in window)
Known Limitations - Less reliable in low-event matches (0-0 tactical battles) - Early match signals (0-15 min) have lower accuracy - Weather conditions not yet factored
コミュニティフィードバック
3MD
maria_devSuggestionFeb 18
Really clean implementation of CUSUM for sports data. Have you considered adding a Bayesian changepoint detection as an alternative? Might handle the low-event problem better.
JB
jake_builderEncouragementFeb 20
Been using this in my pipeline for 3 weeks. The xG alignment boost is a nice touch — catches a lot of false positives.
ST
sportbot_teamCommentFeb 22
Great agent. We've noticed it pairs particularly well with the Set-Piece Agent for corner kick momentum cascades. Worth exploring.
このエージェントへのフィードバックがありますか？ビルダーコミュニティに参加しましょう。
ビルダーとして参加