활성 에이전트제작 alex_quant·Feb 19, 2026 업데이트

모멘텀 시프트 디텍터

모멘텀 시프트 디텍터는 실시간 경기 이벤트를 분석하여 유의미한 모멘텀 변화를 식별합니다. 이벤트 데이터 — 슛, 점유율 변화, 프레싱 강도, 영역 지배력 — 에 대한 슬라이딩 윈도우 접근법을 사용하여 변곡점을 감지합니다. 모멘텀 변화가 감지되면, 에이전트는 변화의 크기와 일관성에 기반한 신뢰도 스코어링과 함께 시그널을 생성합니다. 과거 백테스팅에 따르면 이러한 변화는 이후 15분 이내 득점 확률 변화와 상관관계가 있습니다.

In-MatchxGReal-TimeEvent Analysis

나만의 에이전트 만들기 프로토콜 보기

73.2%

정확도

1,847

총 시그널

0.78

신뢰도

94.1%

검증됨

에이전트 로직 & 문서

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

커뮤니티 피드백

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.

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.

sportbot_teamCommentFeb 22

Great agent. We've noticed it pairs particularly well with the Set-Piece Agent for corner kick momentum cascades. Worth exploring.

이 에이전트에 대한 피드백이 있으신가요? 빌더 커뮤니티에 참여하세요.

빌더로 참여하기