足球竞彩之 「欧赔分析方法的三个阶段」 知乎

一个单体彩民很难在短时间内关注很多比赛，因为你需要获取的信息很多，包括基本面分析，包括各家赔率，包括各个阶段。 因此还是推荐长期关注一些自己熟悉的，一个盘口一组赔率从生成开始就多加关注，好于自己在临场随便看几场，随便听几个专家的建议。 2.现有的投注策略受限于预测概率区间，投注场次与总场次之比还不够高，如英超为20%，而法甲由于准确率较低的缘故，投注比例只有7%。 推而广之，这样的投注策略在其他四大联赛中是否适用呢。 同样的，我们随机地产生100场、200场和300场训练集分别对西甲、意甲、德甲和法甲进行测试。

索普是第一个采用系统数学理论分析进行基金投资的经理人，他被誉为天才数学家、赌博专家、“宽客之父”（或量化投资之父）。 现在回答大家的如何看他跟随市场还是市场跟随他的问题。 我们看赔率可以看到赔率的变动时间，若是他的变动时间在市场平均水平明显变化后，那么一般即为跟市场。

以英超联赛为例，我们从前五个赛季中各随机选择55场比赛以及最新赛季的90场比赛，共365场组成测试集合，其余数据作为训练集合。 比赛数据中存在一些强弱对抗且爆冷的比赛，我们认为这样的数据为奇异的样本在训练过程中进行了剔除，得到1339场的训练集合。 对于DNN模型来说，现在的特征维度仍然偏少，有效的特征不多。

因此一旦有变动就需要注意，这是较为有价值的信息。 目前市场上欧洲赔率的来源主要有两种：一种是博彩公司建立模型计算，另一种是参考其他公司。 前者可以较早的开出自己的赔率，比如欧洲几大博彩公司，后者主要在市场基本稳定后才会出自己的赔率，比如一些欧亚的小庄。

但从我个人的不完全统计来看，打出概率是要高出这个数值的。 这里面能说明一个问题，庄家通常对于这么大的变化是比较忌讳的。 除非有重大的消息，比如预计的主力大半不能上，否则如此大的变化很多是因为自己的投注量外加市场的变化。

这里的足彩预测实现主要也是考虑了这两方面的数据。 从这几个方面全面分析你熟悉的比赛，经验多了以后，基本可以判断出赔率变化的主要原因。 每一个庄家都有自己的特点，总结各庄家特点就是我们制胜的法宝。 根据模型做出的赔率的特点是：没有充分的信息，没有经过市场的检验，有的只是庄家对于比赛的看法，对于双方实力差距的设置和战意的理解。 本文方法并不是一个完美的“拉普拉斯妖”，结合更新更全的数据，以及当前最新的大模型AI方法，大家可以发挥自己想象力和领域知识构建一个更加完善的足球预测系统。

量化交易的完整讲述甚至只是简单介绍都值得另开一篇拙文，这里只是抛砖引玉，对前文足彩预测中的方法简单扩展。 下面主要从信号挖掘和预测模块两个方面，简要介绍如何与股票预测作结合应用。 可以看到，博彩公司公开的赔率本身蕴含了比赛相关的信息，但掺杂了庄家的市场期望和闲家的投注倾向，附着了许多商业利益。 赔率从最初开出到比赛开始都有可能发生变化，当博彩公司获得更多的信息时，会依据球队动态和投注倾向做出一定的调整。 有经验的彩民常常通过观察不同博彩公司的初始赔率以及赔率的变化来决定自己的投注。 不同的比赛赔率不尽相同，赔率从初赔到终赔变化多样，而我们希望通过机器学习的方法让模型代替人去理解这其中的含义，进而预测足球比赛的结果。

低赔高，高赔低指的是上盘赔率高于市场平均，下盘赔率低于市场平均。 我们从庄家的不同赔率上可以看到不同的庄家对于双方实力差距的不同设置。 所谓大数效应，就是投无数次硬币，统计学上正面和反面出现的次数会各占一半。 但是，每次投硬币都是一个随机的独立事件，和统计学上的正反总量的分布没有关系。 1965年，已经不屑于拉斯维加斯的索普瞄准了人生的下一个舞台，他把目光投向了世界上最大的赌场：华尔街。 既然”孤注一掷”的策略很有可能导致老本输光，那么作为一个老练的赌客，每次绝对不能把身边所有的金钱都下作赌注，而只能是它们中的一部分。

论文[2]提出由多个不同的解释变量来组成一个概率回归模型，主要考虑球队水平、近期表现、比赛重要程度、主客队位置距离等。 据此，对已经结束的26场2021欧洲杯比赛模拟投注，选择每场比赛赛前赔率最低的结果，每日一万元的投注额，按照凯利公式确定每场比赛的投资比例，即f值。 以上简单说了说一场比赛的赔率从他的生成直至比赛开打的一般过程。

除了常见的公开股票信息，如何挖掘到更多有效的相关信号，将很大程度上决定预测效果的好坏。 这就要求需要构建一个完整且成体系的数据信号收集系统，扩大信息来源的基数。 因为很有可能这个变化不是因为自己的彩民群体和自己的看法，而是降低自己风险。 不过若是他主动变化，那么这个大优的形势会进一步扩大。 因为细心的朋友会发现，这家公司极少变动赔率，和立博、威廉、365比起来，非常的稳定。