英超为什么比看起来难预测
英超是全世界数据覆盖最厚的足球赛事。每场比赛有多路转播信号、好几家 xG 供应商、逐分钟的事件数据，还有一个深到会因为首发名单泄露而移动的盘口。照理说，这么厚的覆盖应该让预测变容易。
至少在一个具体意义上，它起的是反作用。公开数据越充分，显而易见的那些输入就越早被定进价格里。一个读着“场均进球、场均失球”的模型，读的是这项运动里最公开的两个数字，而一个同样读过它们的市场，跟它没有任何可分歧的余地。真正剩下价值的地方，在那些不容易快速组装、不容易正确加权、或者只在开赛前六十分钟才存在的输入上。
这一篇讲的就是这些输入在英超具体是什么、模型强在哪、人强在哪，以及怎么核对一条英超预测是不是真的赛前发布的。
赛程密度是变量，不是脚注
38 轮联赛之外还有两项国内杯赛，头部球队再加一个欧战赛季——而欧战的场次比过去更多。十二月把这一切进一步压缩：英超是主要联赛里唯一不放冬歇的，节日期间一支球队可能七天里踢三场。
它对预测的意义不是“疲劳的球队踢得差”，这句话太粗糙，没有可操作性。真正的意义是：密度抬高了轮换的概率，而轮换会改变站在场上的那支球队是谁。一个把俱乐部当成固定强度评分来处理的模型，恰恰在这个评分最不适用的那些场次上定错了价。赛程表几个月前就公开，所以密度是少数能提前拿到的强信号之一，也是少数模型比普通观众算得更好的输入之一——因为它要求你同时盯住所有赛事。
主场优势不是很多人以为的那个常数
英格兰足球的主场优势是真实存在的，同时它已经连续二十年在缩小。前几个赛季的空场时期给了这项运动一个异常干净的自然实验：观众被拿走之后，这个效应显著变窄。这说明它有相当一部分是通过“观众对判罚和节奏的影响”起作用的，而不只是旅途和场地熟悉度。
对模型来说更有用的一点是：主场优势在各家俱乐部之间并不均匀。有些球场的效应远大于另一些，而它们彼此之间的差距，比“平均主场表现”和“平均客场表现”之间的差距还要大。用一个全联赛统一的主场系数，是一种会在“人们最期待模型有观点”的那些场次上直接损失精度的简化。
xG 好用在哪、不好用在哪
预期进球是足球里最有用的公开指标，也是被误用得最频繁的一个。
它作为中期的球队质量估计很好用。放到十场、十五场的尺度上，累计的 xG 与被创造的 xG，比比赛结果本身更能说明一支球队实际踢成什么样——因为结果噪声大，而射门质量噪声小。
它在单场上很不好用。英超球队一场大概十到十五脚射门，所以单场 xG 是一个建立在极少事件数上的估计，它的误差范围宽到足以吞掉大多数人引用它想证明的那些差距。
它在不同供应商之间也不能直接搬。各家 xG 模型对点球算不算、要不要吃进射门后信息、位置语境纳入多少，做的选择都不一样。同一场比赛的两个公开 xG 数字，常常根本不在衡量同一件事——所以拿这家的数字去比那家的数字，首先是一个分类错误，其次才是分析错误。
模型在英超上实际看什么
| 输入 | 更新节奏 | 模型拿它做什么 | 主要局限 |
|---|---|---|---|
| 赔率变动 | 秒级 | 反推市场的共识概率 | 只说市场怎么想，不说谁对 |
| xG 与射门质量 | 每场赛后 | 中期强弱估计 | 单场样本极小，各家口径不一 |
| 首发与伤停 | 赛前约一小时 | 重估双方的结构 | 窗口极短，公告本身也不完美 |
| 赛程密度 | 几个月前已知 | 预判轮换与负荷 | 是倾向，不是首发名单 |
| 裁判与判罚分布 | 整个赛季累积 | 调整与判罚相关的分布 | 按裁判拆开后样本很薄 |
| 定位球套路 | 整个赛季累积 | 调整进球来源分布 | 教练更替后反应很慢 |
这张表里最值得注意的是“首发”那一行。英超赛前最有价值的单项信息，在开赛前一小时左右才公开，也就是说可用窗口以分钟计。这是偏好自动化流水线而不是人肉流程的一个结构性理由，跟模型聪不聪明无关。
人和模型各自的盲区
模型对“新东西”是盲的。 一名在这个联赛还没有出场时间的新援、一位上任三场的主教练、一种从没被观察过的战术变化——这些都是数据稀薄的处境，一个训练在历史上的模型没有可以泛化的依据。而它照样会给出一个看起来很自信的数字，这比什么都不给更糟。
人对“价格”是盲的。 人类分析最常见的失败不是把比赛读错了，而是把比赛读对了、却完全不关心市场是不是早就得出了同一个结论。“对一支球队的判断正确”和“对一个价格的判断正确”是两种成就，而只有后一种是稀缺的。
人会过度加权上一场。 近因偏差是足球讨论里最强的偏差。上周末输 0 比 4 的球队，会被当成一支散架的队伍讨论两个星期，不管十场尺度上的底层数字说了什么。
模型会过度相信自己的校准。 一个概率的好坏，取决于它被对照过的那份记录——这正是《AI 足球预测准吗》那篇在讲的事。
怎么核对一条英超预测是不是赛前发布的
英超的开球时间是固定且公开的，这让它成为最容易核验的赛事之一。
- 1.找到发布时间戳——频道消息时间、页面更新时间，或者一次公开提交。
- 2.拿它去比对既定开球时间，而不是比对终场哨。
- 3.确认这条判断里引用的赔率也锚定在同一时刻；一条不带价格的判断，在唯一重要的那个维度上是不可证伪的。
- 4.确认未命中的那些条目，和命中的在同一个页面上。
我们自己的条目在事件之前打时间戳、事后按一条写明的规则结算，并且一起公开在公开预测记录上，计数规则在《我们的胜率是怎么算出来的》里。而同样这几道检验会明显变难的那项赛事——跨联赛、两回合、交手历史稀薄——写在《欧冠预测怎么做》里。
常见问题
模型在英超上能赢过一个懂球的老球迷吗？ 单论读一场比赛，经常赢不过。但论“在六十分钟的窗口里，把一场比赛读给一个价格听，同时处理十场，长期稳定，而且不会觉得烦”——能，而在操作层面，只有后面这个比较是有意义的。
数据越多，英超预测就越准吗？ 不是。英超同时拥有最多的公开数据和最有效率的市场，这两件事是同一回事的两面。多出来的数据只有在“还没被定进价格里”的地方才有帮助。
英超哪些场次最难建模？ 可用历史最少的那些：新帅上任头几周的球队、紧挨着杯赛因而大幅轮换的那一场，以及赛季前几个月里任何一支刚升上来的球队参与的比赛。