来自 fbsa.app 建模项目的原创长文：如何为概率预测打分、Dixon-Coles 修正到底做了什么，以及诚实的样本外研究——包括模型输给市场的那一篇。
样本外研究我们在严格的滚动样本外设计下，将模型概率与收盘赔率在 6,478 场俱乐部比赛上对比。模型在 log-loss 上落败，每个正 EV 分组的模拟收益均为负，CLV 全面 ≤ 0。这是完整分析——以及为什么发布负面结果对研究站最有价值。
方法论命中率是评估足球模型的糟糕指标。我们解释正规评分规则（多分类 Brier、有序概率评分 RPS）、为什么校准比准确率更重要，并公开线上基线：1,889 场样本外比赛 Brier 0.2195、RPS 0.1114。
模型深入解析独立泊松模型系统性地错估低比分平局。我们拆解 1997 年 Dixon-Coles 修正项、展示它如何重塑比分矩阵的对角线，并说明我们如何在不泄漏未来数据的情况下拟合与监控该参数。
方法论历史比赛该按多快的速度贬值？我们在 90 到 360 天的常规网格里没有找到能通过样本外门禁的设置，最终胜出的是一个 8 年的半衰期。本文解释指数加权、时间三分切验证，以及为什么"网格最优"不等于"可上线"。
方法论拟合期 +5 个百分点的改善，到了保留带变成反向——这样的陷阱我们踩过很多次。本文公开我们的时间三分切门禁（70/10/20）、网格与测试带分离的纪律，以及一连串在门禁前倒下的候选特征。
负结果我们尝试了四种伤停特征：缺阵人数、出场时间加权、球员层级加权、门将缺阵单独建模。在时间切分的保留带上，没有一个能稳定改善模型。本文公开完整实验设计与负结果。
负结果平局约占足球比赛的四分之一，但我们尝试的每一种"平局专项"改进——平局标记特征、平局选择规则、比分矩阵对角线加权——都在保留样本上反转。本文解释平局难在何处，以及为什么接受校准的概率比追逐平局更诚实。
负结果直觉上，每个联赛的主场优势应该不同。但按联赛锐化主场参数、按主客分裂强度估计、引入休息天数差与欧战拥挤特征，全部未能通过样本外门禁。为什么"更细"不等于"更好"——这是方差与样本量的账。
特征研究一支球队持续超出 xG，是能力还是运气？我们测算了 xG 幸运度（实际进球减 xG）的跨期持续性，相关系数只有 0.07——几乎没有可用的预测信号。本文讨论 xG 的正确用法与常见的过度解读。
模型深入解析统计目标模型可解释、样本高效；梯度提升灵活、能吃结构化特征。我们按 0.6/0.4 权重融合 Dixon-Coles 比分矩阵与 GBM 概率，在 1,889 场样本外比赛上将 Brier 从 0.2227 降到 0.2195。本文讲融合设计与防泄漏重放。
FBSA（fbsa.app）是一个独立的足球分析研究项目。我们维护俱乐部赛事的双变量泊松 + Dixon-Coles 修正模型，以及国家队赛事的 Dixon-Coles × GBM 混合模型。系统发布的每一个概率都使用正规评分规则在滚动样本外窗口上评估，评估代码与俱乐部看板、国家队看板上展示数字的代码完全相同。
我们刻意发布负面结果。在 6,478 场模拟投注的研究中，我们没有找到对抗收盘价的可盈利策略。我们认为，隐藏失败的研究站是营销，不是研究。
本内容仅供研究与教育用途，不构成任何投注建议，不涉及、不支持任何形式的博彩活动。 比赛数据来源于公开可用赛果。
FBSA 研究