摘要：世界杯小組賽將收官，你還依然信嗎冷門(mén)頻出，黑馬擊敗豪強(qiáng)。以本屆世界杯開(kāi)幕戰(zhàn)俄羅斯對(duì)陣沙特阿拉伯的比賽為例，兩隊(duì)上次交手是在年的一場(chǎng)友誼賽，距今已經(jīng)年。然后進(jìn)入第二步，預(yù)測(cè)回報(bào)率導(dǎo)向。在足球領(lǐng)域，這個(gè)回報(bào)率已非常不俗。

世界杯小組賽將收官，你還依然信AI嗎？

冷門(mén)頻出，黑馬擊敗豪強(qiáng)。不少AI模型始料未及。

到底還能不能愉快找到科學(xué)規(guī)律？或者說(shuō)足球比賽乃至其他競(jìng)技體育賽事，數(shù)據(jù)科學(xué)家在A(yíng)I加持下，究竟能做到多大程度的預(yù)測(cè)？

瓶頸在核心數(shù)據(jù)匱乏

如果讓謝波回答這個(gè)問(wèn)題，他會(huì)告訴你：“單利用神經(jīng)網(wǎng)絡(luò)模型對(duì)世界杯的勝負(fù)、比分進(jìn)行預(yù)測(cè)，存在一定難度?！?/p>

謝波是北京猜猜科技CEO，他認(rèn)為世界杯預(yù)測(cè)難，最根本的原因是核心數(shù)據(jù)的匱乏：比如國(guó)家隊(duì)之間的歷史交戰(zhàn)記錄非常稀疏，無(wú)法提供足夠多的信號(hào)支持預(yù)測(cè)的結(jié)果。

以本屆世界杯開(kāi)幕戰(zhàn)俄羅斯對(duì)陣沙特阿拉伯的比賽為例，兩隊(duì)上次交手是在1993年的一場(chǎng)友誼賽，距今已經(jīng)25年。神經(jīng)網(wǎng)絡(luò)模型很難在這樣的數(shù)據(jù)基礎(chǔ)上發(fā)揮它的威力。

但球賽預(yù)測(cè)也不是完全毫無(wú)辦法，在動(dòng)手實(shí)踐后，謝波團(tuán)隊(duì)發(fā)現(xiàn)，如果把包括五大聯(lián)賽在內(nèi)的職業(yè)聯(lián)賽當(dāng)做預(yù)測(cè)樣本，效果將大大不同。

五大聯(lián)賽指的是歐洲五大職業(yè)足球聯(lián)賽，分別包括英超、西甲、德甲、法甲和意甲聯(lián)賽。這些聯(lián)賽有比較完整的商業(yè)化體系，也有比較領(lǐng)先的數(shù)據(jù)采集和數(shù)據(jù)流轉(zhuǎn)的商業(yè)化機(jī)制。

所以第一步，獲取數(shù)據(jù)。

相對(duì)挑戰(zhàn)的是，體育行業(yè)的數(shù)據(jù)相對(duì)金融等其他領(lǐng)域，具有來(lái)源眾多、標(biāo)準(zhǔn)各異、置信度參差不齊等特點(diǎn)，導(dǎo)致很難從某個(gè)權(quán)威的數(shù)據(jù)公司獲取到一份全面、準(zhǔn)確并且標(biāo)準(zhǔn)化的數(shù)據(jù)。

舉個(gè)例子，描述一場(chǎng)比賽的賠率數(shù)據(jù)和基本面數(shù)據(jù)存在于不同的來(lái)源。不同來(lái)源的數(shù)據(jù)需要通過(guò)一個(gè)非常嚴(yán)密數(shù)據(jù)流程進(jìn)行關(guān)聯(lián)和加工，僅僅隊(duì)名這個(gè)最簡(jiǎn)單的字段在不同來(lái)源的叫法都不一樣，任何一個(gè)小的數(shù)據(jù)偏差或者丟失都會(huì)導(dǎo)致最終神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果偏差，影響準(zhǔn)確率。這里面的技術(shù)活非常的具有挑戰(zhàn)性。

此外，還要考慮足球比賽的實(shí)時(shí)性。所以在已經(jīng)積累了歐洲主流聯(lián)賽近10年的數(shù)萬(wàn)場(chǎng)比賽歷史數(shù)據(jù)后，猜猜科技的模型還加入了百萬(wàn)量級(jí)的賽中實(shí)時(shí)數(shù)據(jù)。

然后進(jìn)入第二步，預(yù)測(cè)回報(bào)率導(dǎo)向。

體育競(jìng)猜領(lǐng)域有幾個(gè)常見(jiàn)的誤區(qū)。比如，比賽的賠率是博彩公司通過(guò)對(duì)于比賽本身的判斷以及大眾投注的選擇等因素，綜合考慮后給出的比賽投注回報(bào)。

例如博彩公司開(kāi)出主隊(duì)贏(yíng)2.25的賠率，其意義就是投注者如果投主隊(duì)獲勝，且比賽結(jié)果真是主隊(duì)獲勝，則投注者可以獲得其投注額的2.25倍的回報(bào)。

而對(duì)比賽結(jié)果進(jìn)行一定的判斷，給出一定的概率估算，這里預(yù)測(cè)的是概率。

在此基礎(chǔ)上，更為重要的一個(gè)概念是價(jià)值回報(bào)率，該指標(biāo)則是綜合考慮了賠率和結(jié)果概率，對(duì)于每場(chǎng)比賽的勝負(fù)平等結(jié)果，都是其對(duì)應(yīng)賠率和預(yù)測(cè)概率的乘積。

價(jià)值回報(bào)率可以認(rèn)為是賠率的可套利空間，或者說(shuō)是賠率的期望回報(bào)值。

于是從預(yù)測(cè)回報(bào)率的角度出發(fā)，公式如下：

Returns = Max { Σ Odds | Pro, Val, α } ，其中Odds為預(yù)測(cè)結(jié)果的賠率，Pro為預(yù)測(cè)的概率，Val為預(yù)測(cè)的價(jià)值回報(bào)率，α為選擇的策略。

緊接著，就可以看看這個(gè)專(zhuān)為預(yù)測(cè)而打造的模型了，分為兩部分：

基于深度學(xué)習(xí)技術(shù)的比賽預(yù)測(cè)模型，以及基于價(jià)值回報(bào)率的投注策略模型。

一個(gè)個(gè)看。

基于深度學(xué)習(xí)的比賽結(jié)果預(yù)測(cè)模型

深度學(xué)習(xí)技術(shù)作為傳統(tǒng)神經(jīng)網(wǎng)絡(luò)算法的延伸和擴(kuò)展，當(dāng)前在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域獲得了巨大的成功。

將深度學(xué)習(xí)技術(shù)引入到足球比賽的結(jié)果預(yù)測(cè)中，可以綜合利用歷史的比賽記錄，以及各種實(shí)時(shí)的數(shù)據(jù)信息，進(jìn)行訓(xùn)練和計(jì)算。經(jīng)過(guò)數(shù)萬(wàn)場(chǎng)比賽的洗禮，龐大數(shù)據(jù)量的分析，以學(xué)習(xí)掌握決定勝負(fù)的關(guān)鍵因素。

無(wú)論是賽前球員的傷病，還是教練的奇招，眾多的線(xiàn)索都可以從海量的數(shù)據(jù)中能獲得“蛛絲馬跡”，幫助模型得到準(zhǔn)確的預(yù)測(cè)結(jié)果。

圖：基于深度神經(jīng)網(wǎng)絡(luò)的比賽預(yù)測(cè)

當(dāng)前猜猜科技的深度學(xué)習(xí)模型通過(guò)對(duì)過(guò)去兩萬(wàn)多場(chǎng)比賽的訓(xùn)練，利用百余維特征，包括球隊(duì)的基本面（射門(mén)數(shù)、搶斷數(shù)、助攻數(shù)、控球率等等），幾十個(gè)渠道（歐賠、亞賠等）的賠率信息，以及歷史上的戰(zhàn)績(jī)。

經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)的編碼和序列解碼，以及有效的注意力機(jī)制的引入，可以對(duì)比賽結(jié)果進(jìn)行準(zhǔn)確的預(yù)測(cè)（包括結(jié)果和比分）。

進(jìn)一步，團(tuán)隊(duì)后續(xù)還利用多組子模型進(jìn)行多層次的結(jié)果融合，獲得較大的性能收益。當(dāng)前最優(yōu)的模型可以穩(wěn)定的達(dá)到68%的預(yù)測(cè)準(zhǔn)確性。已經(jīng)超過(guò)了人類(lèi)專(zhuān)家的較高級(jí)水平。

引入價(jià)值回報(bào)率的最優(yōu)投資組合的搜索

在已知結(jié)果概率和賠率的情況下，選擇哪些比賽進(jìn)行投注，投注的比例又是如何，這是投注策略所關(guān)注的問(wèn)題。

不同的預(yù)測(cè)概率，會(huì)有不同的價(jià)值回報(bào)值，根據(jù)不同的價(jià)值回報(bào)率，我們會(huì)采取不同的下注策略，這就涉及到一個(gè)最優(yōu)投資組合的搜索問(wèn)題。

搜索的空間是根據(jù)賠率，預(yù)測(cè)的概率，價(jià)值回報(bào)率以及不同的預(yù)測(cè)模型等組合而成，如何在百萬(wàn)計(jì)的投資組合中進(jìn)行最優(yōu)搜索，成為核心問(wèn)題。

圖：基于遺傳算法的參數(shù)組合搜索

猜猜科技利用剪枝優(yōu)化的策略，結(jié)合遺傳算法等多種搜索策略，對(duì)最優(yōu)參數(shù)空間進(jìn)行檢索。

遺傳算法等并不基于梯度進(jìn)行計(jì)算，算法本身能擴(kuò)展到巨大的參數(shù)空間。重點(diǎn)設(shè)計(jì)并優(yōu)化算法的初始條件、選擇運(yùn)算、交叉運(yùn)算以及變異運(yùn)算的關(guān)鍵步驟，并且將啟發(fā)式的裁剪策略運(yùn)用在遺傳算子中，較大限度優(yōu)化搜索的空間和時(shí)間消耗，最終獲得較高投資回報(bào)比的投資組合參數(shù)。

為了測(cè)試這套模型， 猜猜科技對(duì) 2012 年到 2018 年期間 2 萬(wàn)場(chǎng)足球比賽進(jìn)行了模擬訓(xùn)練，在測(cè)試集300場(chǎng)比賽進(jìn)行測(cè)試，回報(bào)率為41%。

在足球領(lǐng)域，這個(gè)回報(bào)率已非常不俗。

背后團(tuán)隊(duì)

最后，介紹下該模型的核心打造團(tuán)隊(duì)——猜猜科技，CEO謝波和CTO郭楊，和包括首席科學(xué)家在內(nèi)的神經(jīng)網(wǎng)絡(luò)團(tuán)隊(duì)，均來(lái)自“西二旗”，是前百度核心業(yè)務(wù)部門(mén)的技術(shù)和產(chǎn)品骨干。

CTO郭楊透露，打造該預(yù)測(cè)模型，只是因時(shí)制宜的牛刀小試，希望打造一個(gè)類(lèi)似AlphaGo的圍棋培訓(xùn)和教學(xué)工具，最終目的是能夠幫助國(guó)內(nèi)的彩民群體提升他們的賽事分析能力和投注技巧。

但只是一個(gè)機(jī)器輔助決策類(lèi)的應(yīng)用，后續(xù)更廣泛的場(chǎng)景，是希望將能力應(yīng)用到更多有意思的領(lǐng)域，比如電子競(jìng)技、創(chuàng)造101選秀競(jìng)猜、加密貨幣價(jià)格走勢(shì)中……

聲明：文章收集于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系小編及時(shí)處理，謝謝！

商業(yè)智能與數(shù)據(jù)分析群

興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識(shí)

QQ群：81035754