英超為什麼比看起來難預測
英超是全世界資料覆蓋最厚的足球賽事。每場比賽有多路轉播訊號、好幾家 xG 供應商、逐分鐘的事件資料，還有一個深到會因為先發名單外洩而移動的盤口。照理說，這麼厚的覆蓋應該讓預測變容易。
至少在一個具體的意義上，它起的是反作用。公開資料越充分，顯而易見的那些輸入就越早被定進價格裡。一個讀著「場均進球、場均失球」的模型，讀的是這項運動裡最公開的兩個數字，而一個同樣讀過它們的市場，跟它沒有任何可分歧的餘地。真正還剩價值的地方，在那些不容易快速組裝、不容易正確加權、或者只在開賽前六十分鐘才存在的輸入上。
這一篇講的就是這些輸入在英超具體是什麼、模型強在哪、人強在哪，以及怎麼核對一條英超預測是不是真的賽前發布的。
賽程密度是變數，不是註腳
38 輪聯賽之外還有兩項國內盃賽，頂尖球隊再加一個歐戰球季——而歐戰的場次比過去更多。十二月把這一切進一步壓縮：英超是主要聯賽裡唯一不放冬歇的，節慶期間一支球隊可能七天內踢三場。
它對預測的意義不是「疲勞的球隊踢得差」，這句話太粗糙，沒有可操作性。真正的意義是：密度抬高了輪換的機率，而輪換會改變站在場上的那支球隊是誰。一個把俱樂部當成固定強度評分來處理的模型，恰恰在這個評分最不適用的那些場次上定錯了價。賽程表幾個月前就公開，所以密度是少數能提前拿到的強訊號之一，也是少數模型比一般觀眾算得更好的輸入之一——因為它要求您同時盯住所有賽事。
主場優勢不是很多人以為的那個常數
英格蘭足球的主場優勢是真實存在的，同時它已經連續二十年在縮小。前幾個球季的空場時期給了這項運動一個異常乾淨的自然實驗：觀眾被拿走之後，這個效應顯著變窄。這說明它有相當一部分是透過「觀眾對判罰與節奏的影響」起作用的，而不只是舟車勞頓與場地熟悉度。
對模型來說更有用的一點是：主場優勢在各家俱樂部之間並不均勻。有些球場的效應遠大於另一些，而它們彼此之間的差距，比「平均主場表現」和「平均客場表現」之間的差距還要大。用一個全聯賽統一的主場係數，是一種會在「人們最期待模型有觀點」的那些場次上直接損失精度的簡化。
xG 好用在哪、不好用在哪
預期進球是足球裡最有用的公開指標，也是被誤用得最頻繁的一個。
它作為中期的球隊品質估計很好用。放到十場、十五場的尺度上，累積的 xG 與被創造的 xG，比比賽結果本身更能說明一支球隊實際踢成什麼樣——因為結果雜訊大，而射門品質雜訊小。
它在單場上很不好用。英超球隊一場大概十到十五腳射門，所以單場 xG 是一個建立在極少事件數上的估計，它的誤差範圍寬到足以吞掉大多數人引用它想證明的那些差距。
它在不同供應商之間也不能直接搬。各家 xG 模型對十二碼算不算、要不要吃進射門後資訊、位置脈絡納入多少，做的選擇都不一樣。同一場比賽的兩個公開 xG 數字，常常根本不在衡量同一件事——所以拿這家的數字去比那家的數字，首先是一個分類錯誤，其次才是分析錯誤。
模型在英超上實際看什麼
| 輸入 | 更新節奏 | 模型拿它做什麼 | 主要限制 |
|---|---|---|---|
| 賠率變動 | 秒級 | 反推市場的共識機率 | 只說市場怎麼想，不說誰對 |
| xG 與射門品質 | 每場賽後 | 中期強弱估計 | 單場樣本極小，各家口徑不一 |
| 先發與傷停 | 賽前約一小時 | 重估雙方的結構 | 窗口極短，公告本身也不完美 |
| 賽程密度 | 幾個月前已知 | 預判輪換與負荷 | 是傾向，不是先發名單 |
| 裁判與判罰分布 | 整個球季累積 | 調整與判罰相關的分布 | 按裁判拆開後樣本很薄 |
| 定位球套路 | 整個球季累積 | 調整進球來源分布 | 教練更替後反應很慢 |
這張表裡最值得注意的是「先發」那一列。英超賽前最有價值的單項資訊，在開賽前一小時左右才公開，也就是說可用窗口以分鐘計。這是偏好自動化流水線而不是人力流程的一個結構性理由，跟模型聰不聰明無關。
人和模型各自的盲區
模型對「新東西」是盲的。 一名在這個聯賽還沒有出場時間的新援、一位上任三場的總教練、一種從沒被觀察過的戰術變化——這些都是資料稀薄的處境，一個訓練在歷史上的模型沒有可以推廣的依據。而它照樣會給出一個看起來很有自信的數字，這比什麼都不給更糟。
人對「價格」是盲的。 人類分析最常見的失敗不是把比賽讀錯了，而是把比賽讀對了、卻完全不關心市場是不是早就得出同一個結論。「對一支球隊的判斷正確」和「對一個價格的判斷正確」是兩種成就，而只有後一種是稀缺的。
人會過度加權上一場。 近因偏誤是足球討論裡最強的偏誤。上週末輸 0 比 4 的球隊，會被當成一支散掉的隊伍討論兩個星期，不管十場尺度上的底層數字說了什麼。
模型會過度相信自己的校準。 一個機率的好壞，取決於它被對照過的那份紀錄——這正是《AI 足球預測準嗎》那篇在講的事。
怎麼核對一條英超預測是不是賽前發布的
英超的開球時間是固定且公開的，這讓它成為最容易核驗的賽事之一。
- 1.找到發布時間戳記——頻道訊息時間、頁面更新時間，或者一次公開提交。
- 2.拿它去比對既定開球時間，而不是比對終場哨。
- 3.確認這條判斷裡引用的賠率也錨定在同一時刻；一條不帶價格的判斷，在唯一重要的那個維度上是不可證偽的。
- 4.確認未命中的那些條目，和命中的在同一個頁面上。
我們自己的條目在事件之前打上時間戳記、事後按一條寫明的規則結算，並且一起公開在公開預測紀錄上，計數規則在《我們的勝率是怎麼算出來的》裡。而同樣這幾道檢驗會明顯變難的那項賽事——跨聯賽、兩回合、交手歷史稀薄——寫在《歐冠預測怎麼做》裡。
常見問題
模型在英超上能贏過一個懂球的老球迷嗎？ 單論讀一場比賽，經常贏不過。但論「在六十分鐘的窗口裡，把一場比賽讀給一個價格聽，同時處理十場，長期穩定，而且不會覺得煩」——能，而在操作層面，只有後面這個比較是有意義的。
資料越多，英超預測就越準嗎？ 不是。英超同時擁有最多的公開資料和最有效率的市場，這兩件事是同一回事的兩面。多出來的資料只有在「還沒被定進價格裡」的地方才有幫助。
英超哪些場次最難建模？ 可用歷史最少的那些：新教練上任頭幾週的球隊、緊接著盃賽因而大幅輪換的那一場，以及球季前幾個月裡任何一支剛升上來的球隊參與的比賽。