Files

T

WrBug e9e1111df9 feat: 实现 NBA 量化交易系统

- 后端实现：
  - 实现 NBA 比赛数据服务，从 Polymarket API 获取数据
  - 实现数据库存储和增量拉取逻辑（优先从 DB 获取，数据不足时增量拉取）
  - 使用 sports_market_types 参数直接筛选 moneyline 类型
  - 实现分页拉取逻辑（基于 gameStartTime 和 createdAt）
  - 移除 nba_markets 相关的外键约束（V12 迁移）
  - 修复数据拉取逻辑：超过 3 天的数据不拉取

- 前端实现：
  - 实现策略创建/编辑/列表页面
  - 实现交易信号展示页面和统计页面
  - 修复重复请求问题（使用 useCallback 包装 fetchGames）
  - 支持选择单场比赛进行配置
  - 使用西8区时间格式化显示

- 数据库：
  - 创建 NBA 量化交易相关表（V11 迁移）
  - 移除外键约束（V12 迁移）

- 文档：
  - 添加产品需求文档、技术方案、算法文档等

2025-12-13 08:05:08 +08:00

43 KiB

Raw Permalink Blame History

NBA 比赛胜负分析框架

一、赛前预测核心要点

预测比赛结束时的结果。

核心变量 (权重最高)

核心球星状态: 球队头号球星的近期数据、健康状况、是否有轮休可能。

量化指标:
- 近期 5 场平均 PER (Player Efficiency Rating)
- 近期 5 场真实命中率 (TS%) 与赛季平均的差值
- 近期 5 场使用率 (USG%) 变化
- 伤病报告状态 (健康/出战成疑/缺席)
- 轮休概率 (基于赛程密度和历史轮休模式)

关键阵容完整度: 除球星外，第二当家、重要首发或第六人是否缺席。

量化指标:
- 缺失球员的 VORP (Value Over Replacement Player)
- 缺失球员的 BPM (Box Plus/Minus)
- 阵容完整度评分 = 1 - (缺失球员总VORP / 球队总VORP)
- 替补深度评分 (基于替补球员的平均 PER)

球队近期势头: 双方近 5-10 场的战绩，是否处于连胜或连败中。

量化指标:
- 近 5 场/10 场胜率
- 连胜/连败场次
- 近期净效率值变化趋势 (与赛季平均对比)
- 近期对手平均实力 (SRS - Simple Rating System)

团队实力与风格维度 (基本盘和打法)

攻防效率定位

进攻效率 (每百回合得分) 联盟排名
防守效率 (每百回合失分) 联盟排名
净效率值 (攻防效率差): 真实战力核心指标

比赛风格特征

节奏: 喜快还是喜慢
生命线: 球队极度依赖的赢球方式
关键数据: 篮板 (前场板)、失误控制、内线得分、三分产出与效率

对位与相克关系 (突破口)

球星对位: 一方是否有球员能在防守端有效限制对方头牌。

量化指标:
- 历史对位数据: 防守球员对位进攻球员时的限制效果
- 对位效率差 = (对位时进攻球员TS% - 赛季平均TS%)
- 对位得分差 = (对位时平均得分 - 赛季平均得分)
- 防守球员的 DRPM (Defensive Real Plus-Minus)

阵容克制: 内线强队 VS 外线投射型球队；防守强队 VS 进攻单一球队。

量化指标:
- 内线得分占比 vs 对手内线防守效率
- 三分出手占比 vs 对手三分防守效率
- 快攻得分占比 vs 对手快攻防守效率
- 风格匹配度评分 (基于历史对战数据)

风格喜好: 对方是否恰好擅长打击我方的弱点。

量化指标:
- 对手进攻效率 vs 我方防守效率 (按进攻类型分类)
- 弱点暴露度 = (对手擅长进攻方式得分占比) × (我方该方式防守效率排名)

赛程与外部因素

主客场与旅行: 球队是主场以逸待劳，还是历经长途客场之旅的最后一站。

量化指标:
- 主客场胜率差 (主场胜率 - 客场胜率)
- 旅行距离 (英里) 和时区变化
- 连续客场场次
- 休息天数 (距离上一场比赛的天数)

背靠背作战: 是否有球队是背靠背第二场？球员体能会受影响。

量化指标:
- 背靠背第二场历史胜率 (vs 正常比赛胜率)
- 背靠背第二场平均净效率值变化
- 体能影响系数 = -0.05 × (背靠背标识)

赛程难度: 球队近期的对手是强是弱？战绩是否存在"水分"。

量化指标:
- 近期对手平均 SRS (Simple Rating System)
- 近期对手平均净效率值
- 赛程强度排名 (联盟排名)
- 战绩"水分"系数 = (实际胜率 - 预期胜率) / 预期胜率

战意与特殊情节: 是否是季后赛卡位关键战、恩怨对决或复仇之战。

量化指标:
- 季后赛卡位关键度 (基于当前排名和剩余场次)
- 历史恩怨得分 (基于近期对战记录和冲突事件)
- 复仇动机 (上次对战是否失利)

其他因素

“临场”与“偶然性”: 突发伤病、临场手感、裁判尺度、关键球的偶然性。

批注[§★威★§1]: 该部分内容需要结合球队历史数据及球队详细分析数据，量化到个人。

二、赛中实时预测：剩余比赛进程走向

核心公式：剩余时间预期净胜分 = f(当前分差, 剩余时间, 球队实力, 比赛状态, 环境因素...)

实时比赛状态

核心变量: 当前分差、剩余比赛时间 (精确到秒)、当前节次、球权归属。
关键数据: 分差/剩余时间比 (即“每分钟需要追几分”)、是否有加时。

球队真实能力 (赛季平均值，可动态调整)

攻防效率: 球队每百回合净胜分。
比赛节奏: 球队平均每 48 分钟回合数 (用于估算剩余进攻回合数)。
风格特质:
1. 三分能力: 擅长三分的球队有短时间内爆发追分的能力。
2. 造罚球能力: 能稳定造犯规的球队追分方式更稳健。
3. 关键球表现: 球队在最后 5 分钟、分差 5 分以内的攻防效率。

球员与阵容在场状态 (动态权重)

球星在场情况: 追分阶段，球队核心是否在场上。
阵容攻防属性: 当前场上阵容是偏进攻还是偏防守。
球员体能/犯规: 核心球员的犯规次数、已上场时间。
手感热度: 可采用滚动窗口统计数据 (近 10 个回合的命中率)。

比赛环境与动量 (心理与局势因子)

主客场: 主场球队通常有更高的“裁判哨倾向”和气势加成。
势头: 可量化为过去几个回合的净胜分。
暂停与挑战: 剩余的暂停次数。

批注[§★威★§2]: 该部分内容需结合历史数据及临场数据，量化到个人。

三、预测模型构建的三个阶段

阶段一：基线模型 - 基于历史概率的“速查表”

批注[§★威★§3]: 速查表作为当前情况的历史依据，只能作参照。

数据准备: 收集大量历史比赛数据，切割出每一个 (分差, 剩余时间) 的组合瞬间 (如: 落后 10 分，剩余 5 分钟)。
概率统计: 统计在所有历史同类瞬间中，最终翻盘获胜的比例，以及最终分差的平均值/分布。
应用: 查询当前情况所属的历史瞬间组，直接得出历史翻盘概率和平均追回分差。

阶段二：进阶模型 - 基于球队能力调整的预测

批注[§★威★§4]: 结合球队真实数据对预测进行校正。

在基线模型上，引入球队实力因子进行校正。

计算公式 (简化示例) 预期追回分差 = 基线模型平均追回分差 × (实力系数A / 实力系数B)
实力系数: 可采用两队赛季平均的百回合净胜分差。实力系数 = 球队净效率值 - 联盟平均值
应用示例: 假设基线模型显示落后 10 分 (剩余 5 分钟) 平均能追回 6 分。若追分方净效率强于对手 10%，则调整后的预期追回分差 = 6 × 1.1 = 6.6 分。

阶段三：高级模型 - 机器学习动态预测

批注[§★威★§5]: 动态数据实时分析更新预测。

模型选择: 适合的算法包括梯度提升决策树 (XGBoost, LightGBM) 或随机森林。
特征工程: 综合上述所有变量，构建数百个特征。

时间特征 (5-10 个):
- 剩余时间 (秒、分钟)
- 当前节次 (1-4, 加时)
- 是否加时
- 剩余暂停次数 (主队、客队)
- 是否最后 5 分钟
- 是否最后 2 分钟
- 是否最后 1 分钟
分差特征 (10-15 个):
- 当前分差 (绝对值、带符号)
- 分差变化率 (过去 N 回合)
- 最大分差 (本场比赛)
- 分差/剩余时间比
- 分差是否在 5 分以内
- 分差是否在 10 分以内
- 分差趋势 (扩大/缩小/持平)
球队基础特征 (20-30 个):
- 球队净效率值 (赛季平均、近期平均)
- 进攻效率排名
- 防守效率排名
- 比赛节奏 (Pace)
- 三分出手占比
- 三分命中率
- 罚球率 (FTA/FGA)
- 前场篮板率
- 失误率
- 关键时刻 (Clutch) 攻防效率
球员在场特征 (30-50 个):
- 在场球员总 PER
- 在场球员平均真实命中率
- 核心球星是否在场 (0/1)
- 核心球星本场 TS%
- 核心球星本场使用率
- 核心球星犯规次数
- 核心球星已上场时间
- 阵容 Net Rating (当前阵容)
- 阵容高度 (平均身高)
- 阵容经验 (平均年龄或球龄)
实时状态特征 (20-30 个):
- 过去 5/10/15 回合净胜分
- 过去 N 回合命中率
- 过去 N 回合三分命中率
- 过去 N 回合失误数
- 势头评分 (基于近期净胜分)
- 手感热度 (滚动窗口命中率)
环境特征 (10-15 个):
- 主客场 (0/1)
- 休息天数
- 是否背靠背
- 旅行距离
- 时区变化
- 赛程强度 (近期对手平均实力)
历史对位特征 (15-20 个):
- 本赛季对战记录
- 历史对战净效率值
- 对位限制效果 (核心球员对位数据)
- 风格匹配度
交互特征 (50-100 个):
- 分差 × 剩余时间
- 球队实力差 × 剩余时间
- 势头 × 剩余时间
- 各种特征之间的乘积和比值
特征总数: 建议 150-300 个特征，通过特征选择筛选出最重要的 50-100 个

目标变量:
- 分类任务: 预测本场比赛最终是否翻盘 (是/否)。
- 回归任务: 预测比赛结束时的最终分差。
- 最佳实践: 两个任务同时进行，用分类概率评估翻盘可能性，用回归值评估预期追回分数。
实时预测: 模型在比赛中每隔一个回合 (或每分钟) 重新运行一次，输入最新的实时数据，输出更新的预测概率和分差。

四、模块化预测框架详解

核心：计算追分方在剩余时间内预期能比对手多得的分数（预期追回分差 E）。

核心公式: 预期追回分差 (E) = (基础追分潜力 × W1 + 实时状态系数 × W2) × 时间调整系数 + 随机波动项

公式说明:

随机波动项 ε 应该在时间调整之后添加，因为随机性影响的是最终的分差结果，而不是追分潜力本身
另一种可选形式: E = [(F-base × W1 + F-live × W2) × f(T)] + ε，其中 ε 在每次蒙特卡洛模拟中独立生成

批注[§★威★§7]: 核心: 在剩余时间内预期追回分差。

第一步：定义与计算输入模块

1. 基础追分潜力 (F-base)

球队实力系数 (S): 使用两队赛季平均的净效率值差。
- 计算公式: S = (追分方净效率值 - 对手净效率值) / 归一化因子
- 归一化方法:
  - 方法一 (Z-score): S = (净效率差) / (联盟净效率标准差)，通常范围 [-2, 2]
  - 方法二 (Min-Max): S = (净效率差 - 最小差) / (最大差 - 最小差) × 2 - 1，范围 [-1, 1]
  - 方法三 (简单缩放): S = 净效率差 / 10，例如净效率差 3.0 → S = 0.3
- 示例: 追分方净效率 +5.0，对手 +2.0，净效率差 = 3.0
  - Z-score 法: 假设联盟标准差 = 5.0，则 S = 3.0 / 5.0 = 0.6
  - 简单缩放: S = 3.0 / 10 = 0.3
阵容对位系数 (L): 评估当前在场阵容的优劣势。
- 计算公式: L = (追分方阵容 Net Rating - 对手阵容 Net Rating) / 归一化因子
- 归一化方法: 同实力系数 S，使用 Z-score 或 Min-Max 归一化
- 数据来源:
  - 当前阵容本赛季的 Net Rating (每百回合净胜分)
  - 如果阵容数据不足，使用球队平均 Net Rating × 阵容调整系数
- 示例: 追分方阵容 Net Rating = +8.0，对手 = +5.0，差值为 3.0
  - 归一化后: L = 3.0 / 10 = 0.3 (使用简单缩放)
F-base 小计: F-base = S + L
注意: S 和 L 在相加前必须确保使用相同的归一化方法，且量级相近
推荐做法: 两者都使用 Z-score 归一化，或都使用 Min-Max 归一化到 [-1, 1] 范围
权重调整 (可选): 如果 S 和 L 的重要性不同，可以使用加权和: F-base = α × S + (1-α) × L，其中 α 通常取 0.6-0.7

2. 实时状态系数 (F-live)

势头动量 (M): 计算过去 N 个回合 (如 10 回合) 的净胜分，并归一化。
- 计算公式: M = (过去N回合净胜分) / (N × 平均单回合得分)
- 归一化方法:
  - 方法一: M = (净胜分) / (N × 2.0)，假设平均单回合得分约 2.0 分
  - 方法二: 使用历史数据统计，计算过去 N 回合净胜分的 Z-score
  - 方法三: M = tanh(净胜分 / (N × 1.5))，使用双曲正切函数将值限制在 [-1, 1]
- 示例: 过去 10 回合净胜 +8 分
  - 方法一: M = 8 / (10 × 2.0) = 0.4
  - 方法三: M = tanh(8 / 15) = tanh(0.533) ≈ 0.49
- 动态窗口: N 值可根据比赛阶段调整
  - 比赛早期: N = 15-20 回合
  - 比赛后期: N = 8-10 回合
  - 关键时刻: N = 5-8 回合
球星爆发因子 (P): 核心球星在本场比赛的真实命中率 (TS%) 是否远高于赛季平均值。
- 计算公式: P = (本场TS% - 赛季平均TS%) / 100
- 归一化方法:
  - 直接使用百分比差值，范围通常在 [-0.3, 0.3]
  - 使用 tanh 函数限制: P = tanh((TS%差值) / 15)
- 示例: 本场 TS% = 65%，赛季平均 = 55%，差值为 10 个百分点
  - 直接法: P = 10 / 100 = 0.1
  - tanh 法: P = tanh(10 / 15) = tanh(0.667) ≈ 0.58
- 多球星情况: 如果有多个核心球星，取加权平均
  - P = Σ(球员P值 × 球员使用率权重)
F-live 小计: F-live = M + P

3. 随机波动项 (ε)

符合特定分布 (如均值为 0，方差可调的正态分布) 的随机数，用于模拟无法预测的偶发事件 (争议判罚、意外失误、神奇进球)。每次模拟时随机生成。
分布选择:
- 正态分布: ε ~ N(0, σ²)，其中 σ 为方差
- t 分布: 适用于尾部更厚的分布 (极端事件更多)
- 经验分布: 基于历史数据的实际分差波动分布
方差 (σ²) 的确定:
- 方法一: 基于历史数据统计
  - 收集所有历史比赛在相同 (分差, 剩余时间) 条件下的实际追回分差
  - 计算实际追回分差与模型预测值的残差
  - 残差的标准差即为 σ
- 方法二: 分阶段设置
  - 比赛早期: σ = 2.0 (不确定性较大)
  - 比赛中期: σ = 1.5
  - 比赛后期: σ = 1.0 (时间越少，随机性影响越小)
  - 关键时刻: σ = 0.8
- 方法三: 基于分差动态调整
  - 大分差: σ 较大 (追分难度大，波动也大)
  - 小分差: σ 较小 (接近的比赛，随机性影响相对较小)
蒙特卡洛模拟参数:
- 模拟次数: 建议 10,000 - 100,000 次 (平衡精度和计算时间)
- 随机种子: 固定种子用于可重复性，或使用时间种子用于随机性
- 置信区间: 通常使用 90% 或 95% 置信区间

4. 时间调整系数 (f(T))

将潜力转化为具体分数。原理：追分机会与剩余时间并非线性关系。
常用函数形式: f(T) = (T / 48)^k，其中 k 为衰减指数，T 为剩余分钟数。
k 值的确定方法:
1. 历史数据拟合:
  - 收集过去 5 个赛季的所有比赛数据
  - 对每个 (分差, 剩余时间) 组合，统计实际追回分差
  - 使用非线性回归拟合 k 值: 实际追回分差 = a × (T/48)^k + b
  - 分阶段拟合: 第一节 (k₁)、第二节 (k₂)、第三节 (k₃)、第四节 (k₄)、最后 5 分钟 (k₅)
2. 分阶段 k 值参考 (需根据实际数据调整):
  - 第一节: k ≈ 1.0 (接近线性)
  - 第二节: k ≈ 0.95
  - 第三节: k ≈ 0.90
  - 第四节: k ≈ 0.85
  - 最后 5 分钟: k ≈ 0.80 (时间越少，追分难度非线性增加)
3. 分差调整:
  - 大分差 (≥15分): k 值可适当降低 (0.75~0.85)，因为大分差追分更困难
  - 小分差 (<5分): k 值可适当提高 (0.85~0.95)，因为小分差更容易逆转
4. 动态调整:
  - 根据实时比赛数据，每赛季重新拟合 k 值
  - 考虑不同球队风格对 k 值的影响 (快节奏球队 k 值可能略高)

第二步：权重分配与动态调整

权重 (W1, W2) 不是固定的，应随比赛进程动态变化。

比赛早期 (第一节): W1 (基础潜力) 权重高 (如 0.7)，W2 (实时状态) 权重低 (0.3)。样本小，球队基本盘更重要。
比赛后期 (第四节): W2 权重急剧升高 (可达 0.6 以上)，W1 降低。当前手感和势头决定一切。
关键时刻 (最后 5 分钟): 可以引入球队关键时刻攻防效率数据来修正 F-base 或直接作为高权重特征。

权重动态调整公式 (推荐):

基于剩余时间:
- W2 = min(0.3 + (48 - T) / 48 × 0.4, 0.7)，其中 T 为剩余分钟数
- W1 = 1 - W2
基于节次:
- 第一节: W1 = 0.7, W2 = 0.3
- 第二节: W1 = 0.6, W2 = 0.4
- 第三节: W1 = 0.5, W2 = 0.5
- 第四节: W1 = 0.4, W2 = 0.6
- 最后 5 分钟: W1 = 0.3, W2 = 0.7
基于分差 (可选调整):
- 大分差 (≥15分): 适当提高 W1 (基础实力更重要)
- 小分差 (<5分): 适当提高 W2 (实时状态更重要)

第三步：实施路径与模拟

1. 建立离线模型 (基础版)

用 Excel 或 Python，手动输入关键变量 (S, M, P 等)。
运行公式，得到单次预测的预期追回分差 E。
决策: 如果 E ≥ 当前分差 X，则模型认为“有机会翻盘”。

2. 引入蒙特卡洛模拟 (进阶版)

由于存在随机项 ε，单次计算意义不大。需要进行上万次模拟。
在每次模拟中，为 ε 生成随机数，并运行公式，得到一个 E 值。
模拟流程:
1. 设置模拟参数:
  - 模拟次数: N = 10,000 (建议最小值) 或 100,000 (高精度)
  - 随机波动项方差: σ (根据比赛阶段和分差确定)
  - 随机种子: 可选，用于可重复性
2. 循环 N 次:
  - 生成随机数: ε ~ N(0, σ²)
  - 计算: E = (F-base × W1 + F-live × W2) × f(T) + ε
  - 记录 E 值
  - 注意: 随机波动项应在时间调整之后添加，反映最终结果的随机性
3. 统计分析:
  - 计算 E ≥ X 的次数，翻盘概率 = (E ≥ X 的次数) / N
  - 计算 E 的平均值: E_mean = ΣE / N
  - 计算 E 的标准差: E_std = sqrt(Σ(E - E_mean)² / N)
  - 计算分位数: 5%, 25%, 50%, 75%, 95%
统计结果:
- 所有模拟结果中 E ≥ X 的比例，即为动态翻盘概率。
- 所有 E 的平均值，即为预期追回分差的期望值。
- E 的标准差，反映预测的不确定性。
- 90% 置信区间: [E_5%, E_95%]，表示有 90% 的概率 E 落在此区间。
- 分差变化区间预测: [当前分差 - E_95%, 当前分差 - E_5%]

3. 全自动实时模拟 (终极版)

通过 API 实时获取比赛数据 (Play-by-Play)。
自动化计算 M, P 等实时特征。
每 30 秒或每个回合结束后，自动触发一次蒙特卡洛模拟，输出更新的概率和预期分差。

系统架构建议:

数据层:
- 实时数据获取服务 (API 轮询或 WebSocket)
- 数据缓存层 (Redis) 存储最近 N 分钟的数据
- 数据存储层 (PostgreSQL/MongoDB) 存储历史数据
计算层:
- 特征计算服务 (实时计算 M, P 等特征)
- 模型预测服务 (加载模型，执行预测)
- 蒙特卡洛模拟服务 (并行计算，可分布式部署)
服务层:
- API 网关 (统一接口)
- 预测结果缓存 (避免重复计算)
- 结果存储服务 (保存预测历史)
监控层:
- 系统健康监控 (API 可用性、延迟)
- 模型性能监控 (预测准确率、置信度)
- 告警系统 (异常情况通知)

性能优化建议:

并行计算: 蒙特卡洛模拟使用多线程或分布式计算
结果缓存: 相同输入条件的预测结果缓存 10-30 秒
模型优化: 使用模型压缩技术 (量化、剪枝) 减少推理时间
异步处理: 非关键路径使用异步处理，提高响应速度

五、应用示例

示例 1：比赛最后 3 分钟落后 10 分

假设条件:

模块	参数	假设值	说明
F-base	球队实力系数 (S)	0.4	追分方实力稍强且阵容略占优
F-live	势头动量 (M)	-0.1	过去几分钟势头稍差
权重	W1 (基础)	0.4	比赛末期，实时状态权重大
	W2 (实时)	0.6
时间	时间调整系数 f(3)	≈ 0.13	f(T) = (3/48)^0.9
随机项	ε	0 (暂定)	首次计算忽略

单次模拟计算（忽略 ε）: E = (0.4 * 0.4 + (-0.1) * 0.6) * 0.13 = (0.16 - 0.06) * 0.13 = 0.013

结论: 模型基于当前条件仅预期追回 0.013 分，远低于 10 分的分差，翻盘希望渺茫。

蒙特卡洛模拟补充说明:

假设随机波动项方差 σ = 1.0 (比赛后期)
进行 10,000 次模拟，每次生成 ε ~ N(0, 1.0²)
模拟结果统计:
- 预期追回分差期望值: E_mean ≈ 0.013 + 0 = 0.013 (随机项均值为 0)
- 但考虑到随机性，实际 E 值分布: E ~ N(0.013, 1.0²)
- 翻盘概率: P(E ≥ 10) = P(Z ≥ (10-0.013)/1.0) ≈ P(Z ≥ 9.99) ≈ 0%
- 如果方差更大 (如 σ = 2.0)，则 P(E ≥ 10) ≈ 0.0001% (几乎不可能)
修正: 原结论中提到的 0.5% 翻盘概率和 2.5 分期望值需要更大的随机波动 (σ > 3.0) 才能实现，这在现实中不太合理
更合理的结论: 在 σ = 1.0 的情况下，翻盘概率 < 0.01%，表明需要极端随机事件（如连续多个三分、对手多次失误）才可能翻盘

示例 2：预测第三节最后 5 分钟（落后15分）到节末的追分情况

输入参数表:

模块	参数	假设值	说明
F-base	球队实力系数 (S)	0.15	追分方净效率比对手每百回合多赢1.5分
	阵容对位系数 (L)	0.0	双方阵容均衡
	F-base 小计	0.15	F-base = S + L
F-live	势头动量 (M)	-0.2	落后15分，近期势头在对手一方
	球星爆发因子 (P)	0.0	无球星极度反常火热
	F-live 小计	-0.2	F-live = M + P
权重与时间	W1 (基础)	0.5	中后期，基本盘与实时状态并重
	W2 (实时)	0.5
	剩余时间 (T)	5 分钟
	时间系数 f(5)	≈ 0.175	f(T) = (5/48)^0.9
	随机项 ε	0 (暂定)	首次计算忽略

计算过程:

综合潜力值 = (0.15 * 0.5) + (-0.2 * 0.5) + 0 = 0.075 - 0.1 = -0.025
预期追回分差 (E) = -0.025 * 0.175 ≈ -0.004 分

加入随机波动项 ε 并进行蒙特卡洛模拟后，可能的输出:

输出指标	模拟可能结果示例	含义解读
预期追回分差平均值	约 -0.5 分到 +1.5 分	系统性追回大量分数的可能性很低
追回至少15分（扳平）的概率	低于 0.1%	本节结束时翻盘的概率微乎其微
分差变化区间 (90%置信区间)	从扩大5分到缩小7分	最可能结果仍是较大分差进入第四节

批注[§★威★§6]: 该内容需要对比赛内容进行阶段切割，分析阶段性比分差情况。

六、数据源与数据获取

数据需求清单

1. 历史比赛数据

数据内容:
- 比赛基本信息: 日期、主客场、比分、分差
- 每节比分和分差变化
- Play-by-Play 数据 (每个回合的详细记录)
- 球队统计数据: 得分、篮板、助攻、失误等
数据来源:
- NBA Stats API (官方数据，免费但有限制)
- Basketball Reference (历史数据完整)
- ESPN API (实时数据)
- 第三方数据服务: Sportradar, Stats Perform

2. 球队统计数据

数据内容:
- 进攻效率、防守效率、净效率值
- 比赛节奏 (Pace)
- 各项技术统计排名
- 关键时刻 (Clutch) 数据
更新频率: 每场比赛后更新

3. 球员统计数据

数据内容:
- 基础数据: 得分、篮板、助攻等
- 高级数据: PER, TS%, BPM, VORP, DRPM
- 对位数据: 球员之间的对位效果
- 阵容数据: 不同阵容组合的 Net Rating
更新频率: 每场比赛后更新

4. 实时比赛数据

数据内容:
- 实时比分和分差
- Play-by-Play 实时更新
- 球员在场情况
- 暂停和挑战信息
数据来源:
- NBA Stats API (实时端点)
- ESPN API
- 第三方实时数据服务
更新频率: 每 30 秒或每个回合

免费 API 数据覆盖分析

NBA Stats API (官方免费 API)

基础 URL: https://stats.nba.com/stats/
免费访问: 是，但需要设置正确的请求头
请求限制: 无官方限制，但建议控制频率 (建议 < 10 请求/秒)

数据覆盖情况

✅ 可直接获取的数据:

比赛基本信息:
- /scoreboard: 赛程、比分、主客场
- /boxscore: 比赛统计、每节比分
- /playbyplay: Play-by-Play 数据 (每个回合)
- ✅ 满足需求: 历史比赛数据、实时比赛状态、分差变化
球队统计数据:
- /teamdashboardbygeneralsplits: 球队基础统计
- /teamdashboardbyclutch: 关键时刻数据
- /teamdashboardbyteamperformance: 球队表现数据
- ✅ 满足需求: 进攻效率、防守效率、净效率值、比赛节奏 (Pace)、关键时刻数据
球员统计数据:
- /playerdashboardbygeneralsplits: 球员基础统计
- /playergamelog: 球员单场数据
- ✅ 满足需求: 得分、篮板、助攻、真实命中率 (TS%)、使用率 (USG%)
实时数据:
- /boxscore: 实时比分 (需要轮询)
- /playbyplay: 实时 Play-by-Play (需要轮询)
- ✅ 满足需求: 实时分差、剩余时间、当前节次、球员在场情况

⚠️ 需要计算的数据 (API 不直接提供，但可通过基础数据计算):

PER (Player Efficiency Rating):
- ❌ API 不提供
- ✅ 替代方案: 使用公式计算 PER = (得分 + 篮板 + 助攻 + 抢断 + 盖帽 - 失误 - 投篮不中 - 罚球不中) / 上场时间 × 系数
- 参考: PER 计算公式
BPM (Box Plus/Minus):
- ❌ API 不提供
- ✅ 替代方案: 使用简化版本，基于基础统计计算，或使用 Basketball Reference 爬取
VORP (Value Over Replacement Player):
- ❌ API 不提供
- ✅ 替代方案: 基于 BPM 和上场时间计算，或使用 Basketball Reference 爬取
DRPM (Defensive Real Plus-Minus):
- ❌ API 不提供
- ✅ 替代方案: 使用防守效率排名或防守统计作为代理指标
阵容 Net Rating:
- ❌ API 不直接提供阵容组合数据
- ✅ 替代方案:
  - 使用球队平均 Net Rating × 阵容调整系数
  - 阵容调整系数 = Σ(球员在场时球队净效率值 - 球队平均净效率值) / 阵容球员数
  - 或使用 /lineups 端点 (如果可用) 获取阵容数据
对位数据:
- ❌ API 不提供球员对位数据
- ✅ 替代方案:
  - 使用防守球员的防守统计 (抢断、盖帽、防守篮板) 作为代理
  - 或基于历史比赛数据，统计特定对位的效果

❌ 无法获取的数据 (需要替代方案):

伤病报告和轮休信息:
- ❌ API 不提供
- ✅ 替代方案:
  - 从 NBA 官网或 ESPN 爬取伤病报告
  - 或使用 Twitter API 监控球队官方账号
  - 或手动维护伤病数据库
旅行距离和时区变化:
- ❌ API 不提供
- ✅ 替代方案:
  - 使用 Google Maps API 计算城市间距离 (免费额度充足)
  - 或维护城市坐标和时区数据库
历史恩怨和特殊情节:
- ❌ API 不提供
- ✅ 替代方案: 基于历史对战记录和新闻数据手动标注

Basketball Reference (免费爬取)

数据格式: HTML 页面
优势:
- 历史数据完整 (可追溯到 1946 年)
- 提供高级数据 (PER, BPM, VORP, DRPM)
- 完全免费
劣势:
- 需要爬虫解析
- 有反爬虫机制 (需要控制频率)
- 实时数据更新较慢
建议:
- 用于获取历史数据和高级统计数据
- 建议使用 requests + BeautifulSoup 或 Scrapy
- 控制请求频率 (建议 < 1 请求/秒)
- 缓存已获取的数据，避免重复请求

数据获取策略建议

阶段一: 历史数据收集 (一次性)

使用 Basketball Reference 爬取过去 3-5 个赛季的历史数据
获取高级统计数据 (PER, BPM, VORP 等)
存储到本地数据库

阶段二: 实时数据更新 (持续)

使用 NBA Stats API 获取实时比赛数据
每 30 秒轮询一次 (比赛进行时)
计算实时特征 (M, P 等)

阶段三: 数据补充 (按需)

伤病信息: 手动维护或爬取 NBA 官网
旅行距离: 使用 Google Maps API 或维护静态数据库
高级统计: 定期从 Basketball Reference 更新

数据需求对照表

数据需求	来源	获取方式	难度	备注
赛前预测数据
比赛基本信息	NBA Stats API	直接获取	⭐ 简单	`/scoreboard`, `/boxscore`
球队进攻/防守效率	NBA Stats API	直接获取	⭐ 简单	`/teamdashboardbygeneralsplits`
球队净效率值	NBA Stats API	直接获取	⭐ 简单	计算: 进攻效率 - 防守效率
比赛节奏 (Pace)	NBA Stats API	直接获取	⭐ 简单	`/teamdashboardbygeneralsplits`
球员基础统计	NBA Stats API	直接获取	⭐ 简单	`/playerdashboardbygeneralsplits`
球员真实命中率 (TS%)	NBA Stats API	计算	⭐⭐ 中等	基于得分、投篮次数、罚球次数计算
球员使用率 (USG%)	NBA Stats API	计算	⭐⭐ 中等	基于投篮、失误、罚球计算
PER	Basketball Reference	爬取或计算	⭐⭐⭐ 较难	公式复杂，建议爬取
BPM	Basketball Reference	爬取	⭐⭐⭐ 较难	需要爬取，或使用简化版本
VORP	Basketball Reference	爬取	⭐⭐⭐ 较难	基于 BPM 计算，建议爬取
DRPM	Basketball Reference	爬取	⭐⭐⭐ 较难	需要爬取，或用防守统计代理
阵容 Net Rating	NBA Stats API	计算	⭐⭐ 中等	基于球员在场数据计算
对位数据	-	计算或爬取	⭐⭐⭐ 较难	基于历史数据统计，或爬取
伤病报告	NBA 官网	爬取	⭐⭐⭐ 较难	需要爬取或手动维护
旅行距离	Google Maps API	计算	⭐ 简单	免费额度充足
背靠背信息	NBA Stats API	计算	⭐ 简单	基于赛程计算
赛中实时数据
实时比分和分差	NBA Stats API	直接获取	⭐ 简单	`/boxscore` (轮询)
剩余时间	NBA Stats API	直接获取	⭐ 简单	`/boxscore`
当前节次	NBA Stats API	直接获取	⭐ 简单	`/boxscore`
Play-by-Play	NBA Stats API	直接获取	⭐ 简单	`/playbyplay` (轮询)
球员在场情况	NBA Stats API	直接获取	⭐ 简单	`/playbyplay`
暂停次数	NBA Stats API	直接获取	⭐ 简单	`/boxscore`
势头动量 (M)	NBA Stats API	计算	⭐⭐ 中等	基于 Play-by-Play 计算
球星爆发因子 (P)	NBA Stats API	计算	⭐⭐ 中等	基于本场 TS% 和赛季平均计算

难度说明:

⭐ 简单: 直接 API 调用或简单计算
⭐⭐ 中等: 需要数据处理和计算
⭐⭐⭐ 较难: 需要爬取或复杂计算

免费 API 使用注意事项

请求频率控制:
- NBA Stats API: 建议 < 10 请求/秒
- Basketball Reference: 建议 < 1 请求/秒
- 使用请求队列和延迟机制

请求头设置 (NBA Stats API):

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36',
    'Referer': 'https://www.nba.com/',
    'Accept': 'application/json'
}

数据缓存:
- 历史数据: 永久缓存
- 实时数据: 缓存 30-60 秒
- 统计数据: 缓存到下次比赛后更新
错误处理:
- 实现重试机制 (指数退避)
- 处理 API 临时不可用的情况
- 记录失败请求，后续补全数据

数据存储建议

数据库选择

PostgreSQL: 适合结构化数据，支持复杂查询
MongoDB: 适合 Play-by-Play 等非结构化数据
Redis: 用于缓存实时数据和计算结果
时序数据库 (InfluxDB/TimescaleDB): 适合存储时间序列数据 (如实时分差变化)

数据表设计 (示例)

games: 比赛基本信息
game_stats: 比赛统计数据
play_by_play: 回合数据
team_stats: 球队统计数据
player_stats: 球员统计数据
lineup_stats: 阵容统计数据
predictions: 预测结果存储

数据质量保证

数据验证规则:
- 比分合理性检查 (单节得分不超过 50 分，单场得分不超过 200 分)
- 时间戳连续性检查
- 球员在场时间合理性 (不超过比赛总时间)
- 统计数据一致性 (得分 = 两分 + 三分 + 罚球)
缺失值处理策略:
- 对位数据缺失: 使用防守球员 DRPM 和进攻球员 ORPM 作为代理
- 阵容 Net Rating 缺失: 使用球队平均 Net Rating × 阵容调整系数
- 实时数据延迟: 使用最近一次有效数据，并标记数据时效性
- 历史数据缺失: 使用赛季平均值或联盟平均值填充

七、实施路线图

阶段一: 数据收集与基线模型 (1-2 个月)

1.1 数据收集

接入 NBA Stats API 或第三方数据源
收集过去 3-5 个赛季的历史比赛数据
建立数据存储和更新机制
数据清洗和预处理

1.2 基线模型实现

实现历史概率速查表
按 (分差, 剩余时间) 组合统计翻盘概率
建立查询接口，支持实时查询

1.3 验证与优化

使用历史数据验证模型准确性
计算模型评估指标 (准确率、AUC 等)
优化数据分组粒度 (分差区间、时间区间)

阶段二: 进阶模型开发 (2-3 个月)

2.1 球队能力调整

实现球队实力系数计算
实现阵容对位系数计算
实现归一化函数
在基线模型基础上加入能力调整

2.2 实时状态计算

实现势头动量 (M) 计算
实现球星爆发因子 (P) 计算
实现实时特征提取

2.3 时间调整系数拟合

使用历史数据拟合 k 值
分阶段 (按节次) 拟合 k 值
验证 k 值的合理性

阶段三: 蒙特卡洛模拟 (1-2 个月)

3.1 模拟框架实现

实现随机波动项生成
实现蒙特卡洛模拟核心逻辑
实现统计结果计算 (概率、期望值、置信区间)

3.2 性能优化

优化模拟速度 (并行计算、向量化)
实现结果缓存机制
优化内存使用

3.3 验证与调优

使用历史数据验证模拟结果
调整随机波动项方差
优化模拟次数 (平衡精度和速度)

阶段四: 机器学习模型 (3-4 个月)

4.1 特征工程

实现所有特征的计算逻辑
特征选择和重要性分析
特征标准化和归一化

4.2 模型训练

数据准备和划分 (训练集、验证集、测试集)
模型选择和超参数调优
模型训练和评估

4.3 模型部署

模型序列化和加载
实时预测接口开发
模型更新和重训练机制
模型版本管理 (使用 MLflow 或类似工具)
A/B 测试框架搭建
模型解释性工具集成 (SHAP/LIME)

阶段五: 全自动实时系统 (2-3 个月)

5.1 实时数据接入

实现实时数据获取 (API 轮询或 WebSocket)
实现数据解析和存储
实现数据质量检查

5.2 自动化预测

实现自动触发预测 (每 30 秒或每回合)
实现预测结果存储和展示
实现异常处理和告警

5.3 系统优化

性能优化 (延迟、吞吐量)
系统监控和日志
用户体验优化
实现降级策略 (API 失败时的备用方案)
实现限流和熔断机制
建立数据备份和恢复机制

总体时间估算

MVP 版本 (阶段一 + 阶段二基础): 3-4 个月
完整版本 (所有阶段): 12-18 个月 (考虑数据获取、模型调试和优化时间)

八、模型评估指标

分类任务评估 (翻盘预测)

1. 准确率 (Accuracy)

定义: (正确预测数) / (总预测数)
目标: > 60% (基准线为 50%)

2. 精确率 (Precision) 和召回率 (Recall)

精确率: (预测翻盘且实际翻盘) / (预测翻盘总数)
召回率: (预测翻盘且实际翻盘) / (实际翻盘总数)
目标: 精确率 > 55%, 召回率 > 50%

3. F1 分数

定义: F1 = 2 × (精确率 × 召回率) / (精确率 + 召回率)
目标: > 0.52

4. AUC-ROC

定义: ROC 曲线下面积，衡量模型区分能力
目标: > 0.65 (基准线为 0.5)

5. 校准度 (Calibration)

定义: 预测概率与实际概率的一致性
方法: Brier Score, Calibration Plot
目标: Brier Score < 0.25

回归任务评估 (分差预测)

1. 平均绝对误差 (MAE)

定义: MAE = Σ|预测值 - 实际值| / N
目标: < 3.0 分

2. 均方根误差 (RMSE)

定义: RMSE = sqrt(Σ(预测值 - 实际值)² / N)
目标: < 4.0 分

3. 平均绝对百分比误差 (MAPE)

定义: MAPE = Σ|(预测值 - 实际值) / 实际值| / N × 100%
目标: < 30%

概率预测评估

1. Brier Score

定义: BS = Σ(预测概率 - 实际结果)² / N
范围: [0, 1]，越小越好
目标: < 0.25

2. Log Loss

定义: Log Loss = -Σ[y × log(p) + (1-y) × log(1-p)] / N
范围: [0, ∞)，越小越好
目标: < 0.7

模型对比基准

1. 基线模型

历史概率速查表
准确率目标: > 55%

2. 进阶模型

基线模型 + 球队能力调整
准确率目标: > 58%

3. 机器学习模型

完整特征工程 + XGBoost/LightGBM
准确率目标: > 60%

九、注意事项与局限性

数据局限性

数据质量:
- 历史数据可能存在缺失或错误
- 实时数据可能有延迟
- 需要建立数据质量检查机制
数据覆盖:
- 某些特征 (如对位数据、阵容数据) 可能不完整
- 需要处理缺失值
数据时效性:
- 球队和球员状态会随时间变化
- 需要定期更新模型和数据

模型局限性

过拟合风险:
- 特征过多可能导致过拟合
- 需要使用交叉验证和正则化
样本不平衡:
- 翻盘情况相对较少，可能导致模型偏向预测"不翻盘"
- 需要使用采样技术 (SMOTE, 过采样等)
外推能力:
- 模型基于历史数据训练，可能无法预测极端情况
- 需要设置合理的预测范围

实际应用注意事项

实时性要求:
- 预测需要在短时间内完成 (建议 < 1 秒)
- 需要优化计算性能
系统稳定性:
- API 可能不稳定，需要实现重试和降级机制
- 需要监控系统健康状态
用户体验:
- 预测结果需要清晰易懂
- 需要提供置信区间和不确定性说明
合规性:
- 如果用于投注或交易，需要遵守相关法律法规
- 需要明确说明模型的局限性和风险

十、关键问题与改进建议

发现的问题

1. 公式逻辑问题

问题: 原公式中随机波动项的位置可能不合理
修正: 随机波动项应在时间调整之后添加，即 E = (F-base × W1 + F-live × W2) × f(T) + ε
理由: 随机性影响的是最终分差结果，而不是追分潜力本身

2. 归一化方法选择

问题: 提供了多种归一化方法，但未说明选择标准
建议:
- 统一使用 Z-score 归一化（推荐），便于解释和比较
- 或使用 Min-Max 归一化到 [-1, 1]，便于控制范围
- 避免在同一模型中混用不同归一化方法

3. 权重确定方法

问题: 权重 W1 和 W2 的调整规则不够明确
改进: 提供了基于剩余时间和节次的动态调整公式

4. 数据获取可行性

问题: 某些数据（如对位数据、阵容 Net Rating、高级统计）可能难以获取
解决方案 (基于免费 API):
- 对位数据:
  - 如果历史对位数据不足，使用防守球员的防守统计（抢断、盖帽、防守篮板）作为代理
  - 或基于历史比赛数据，统计特定对位的效果（需要积累数据）
- 阵容 Net Rating:
  - 使用球队平均 Net Rating × 阵容调整系数
  - 阵容调整系数 = Σ(球员在场时球队净效率值 - 球队平均净效率值) / 阵容球员数
  - 或从 Basketball Reference 爬取阵容数据
- 高级统计 (PER, BPM, VORP, DRPM):
  - 优先从 Basketball Reference 爬取（一次性收集历史数据）
  - 或使用简化公式计算（精度略低但可用）
- 伤病信息:
  - 从 NBA 官网或 ESPN 爬取
  - 或使用 Twitter API 监控球队官方账号（免费额度有限）
  - 或手动维护伤病数据库

5. 模型评估目标值

问题: 评估指标的目标值缺乏依据
建议:
- 目标值应该基于基线模型（随机猜测或简单规则）的表现来确定
- 建议先运行基线模型，获得基准性能，再设定合理的提升目标（如提升 5-10%）

6. 特征数量过多

问题: 150-300 个特征可能导致过拟合
建议:
- 使用特征选择技术（如 LASSO、特征重要性排序）
- 考虑使用降维技术（PCA、ICA）
- 建议最终使用 50-100 个最重要的特征

7. 时间估算可能过于乐观

问题: 9-14 个月可能低估了数据获取和模型调试的时间
建议:
- 数据获取阶段可能需要额外 1-2 个月（API 接入、数据清洗）
- 模型调试和优化可能需要额外 2-3 个月
- 建议总时间估算为 12-18 个月

补充建议

1. 添加数据验证机制

数据质量检查: 异常值检测、缺失值处理、数据一致性验证
实时数据验证: API 响应时间监控、数据延迟检测、数据完整性检查

2. 模型解释性

使用 SHAP 值或 LIME 解释模型预测
提供特征重要性排序
可视化关键特征对预测结果的影响

3. A/B 测试框架

设计 A/B 测试来验证模型效果
对比不同模型版本的表现
收集用户反馈并迭代改进

4. 风险控制

设置预测置信度阈值，低于阈值时不给出预测
监控模型性能，如果准确率下降超过阈值，触发告警
实现模型回滚机制

6. 法律和伦理考虑

如果用于投注，需要遵守相关法律法规
数据使用需要遵守隐私保护规定
模型预测结果的使用需要明确免责声明

43 KiB Raw Permalink Blame History Unescape Escape