波膽模型的比分概率準確嗎？
「最可能比分排第一」唔代表個概率就準。 如果模型長期將某類比分報成 10%， 理想情況下，呢批預測大約應該有十分之一真係發生。 呢個就係概率校準（Calibration）。 本頁驗證嘅係 HKBetNet 自己嘅波膽模型概率， 唔係市場主客和賠率；目前 2026/27 仍屬早段快照， 未有足夠完整逐場輸出去發布穩定校準曲線，所以只鎖定可重複嘅檢驗方法，唔製造不存在嘅「準確率」。
直接答案：要準，唔係「估中最多」，而係概率同實際頻率要對得上
波膽係一個多分類概率問題。 一場波唔係只有「中／唔中」， 而係 0:0、1:0、0:1、1:1、2:0……每一格都有自己概率。 一個模型如果成日將 1:0 報成 20%， 但實際只得 8% 出現， 就代表模型對 1:0 過度自信。
P(Y_score = s | predicted p_s) ≈ p_s
想睇模型邊啲比分格長期高估／低估，可以去 比分模型最容易錯估邊啲比分？； 呢頁就集中講「概率本身有冇校準」。
Calibration 最直觀嘅意思：報 10%，長期就應該約有 10% 發生
假設將所有模型報 8%–12% 嘅某比分預測放入同一組， 呢組平均 predicted probability 如果係 10%， 實際命中率亦應該接近 10%。
Calibration gap = Observed frequency − Mean predicted probability
如果 gap 長期大過 0，模型低估； 長期細過 0，模型高估。 真正校準良好，唔係每一個 bin 完全一樣， 而係差距喺合理抽樣波動內，亦冇持續同方向偏差。
| 例子 | 平均預測 | 實際頻率 | 解讀 |
|---|---|---|---|
| 示範 A | 10% | 約 10% | 接近校準 |
| 示範 B | 20% | 12% | 過度自信 |
| 示範 C | 8% | 15% | 低估 |
上表只係方法示範，唔係 HKBetNet 目前實際回測結果。
波膽校準要驗整張矩陣，唔應該只睇最高概率比分
假設一場波模型輸出 0–10 × 0–10 共 121 個比分格， 每格概率係 pj， 真實發生嗰一格 yj=1，其餘為 0。
Σ p_j ≈ 1
模型評估至少應該分三層：
| 層級 | 檢查咩 | 適合指標 |
|---|---|---|
| 單一比分格 | 例如 0:0、1:0 長期有冇高估 | Reliability / residual |
| 整張矩陣 | 真實比分分配咗幾多概率 | Log Loss / NLL |
| 高概率比分群 | Top 3／Top 5 coverage 有冇對得上 | Top-k calibration |
呢個亦係點解 最可能比分 同 probability calibration 唔係同一頁： 前者問邊格排第一； 呢頁問整個概率分布有冇可信度。
Brier Score 同 Log Loss 各自睇乜？
對完整波膽矩陣，可以用多分類 Brier Score：
Brier = Σ_j (p_j − y_j)²
亦可以用 Log Loss：
Log Loss = −log(p_actual score)
Log Loss 對「非常有信心但估錯」特別敏感。 例如模型只畀真實比分 1% 概率， 懲罰會明顯高過畀 10%。 所以波膽呢種尾部好多、結果分散嘅市場， Log Loss 對檢查過度自信幾有用。
Top 3、Top 5 亦可以做 calibration
如果一批比賽平均 Top 5 probability mass 係 40%， 理想情況下，大約 40% 實際比分應該落喺每場模型自己嘅 Top 5 入面。
Mean predicted Top-k mass ≈ Empirical Top-k hit rate
如果平均 Top 5 報 50%，實際只中 32%， 就代表高概率比分群過度集中／過度自信。 呢個指標同 Top 3、Top 5 比分可以覆蓋幾多概率？ 係直接相連： 嗰頁量 concentration， 呢頁檢查 concentration 有冇校準。
目前 HKBetNet 可以講到邊？未夠資料就唔扮有校準曲線
目前 Pack 係 2026/27 賽季早段快照。 波膽 calibration 需要每場比賽保存完整預測矩陣、預測時間點、 實際比分同模型版本，再用未見比賽做長期統計。 現階段未有足夠完整逐場輸出去發布穩定 reliability diagram、 calibration slope 或長期 Log Loss，所以本文只鎖定方法與資料合同。
正式回測資料加入之後，每場至少要保存：
| 欄位 | 用途 |
|---|---|
| match_id / date | 確保時間切分同防止資料洩漏 |
| model_version | 避免唔同模型結果混埋 |
| λ_H / λ_A / ρ | 重建當時矩陣 |
| score probabilities | 計 Log Loss、Brier、Top-k |
| actual score | 建立 outcome vector |
呢個做法亦可以避免「而家用新模型返去解釋舊比賽」嘅 hindsight bias。
波膽概率最常見三種錯法
| 問題 | 表面現象 | 應點處理 |
|---|---|---|
| Overconfidence | 高概率比分實際命中明顯較低 | 檢查 λ、ρ、模型收縮同校準 |
| Underconfidence | 模型太平均，真正高頻比分反而冇畀夠概率 | 檢查過度收縮 |
| Local miscalibration | 整體分數尚可，但 0:0、1:1 長期偏差 | 睇低比分 residual / Dixon-Coles |
如果問題集中喺 0:0、1:0、0:1、1:1， 可以配合 Dixon-Coles 低比分修正； 如果係某啲比分格長期高估／低估，就睇 比分模型殘差。
編輯研究經驗：最容易誤判嘅係「第一名成日出現，所以模型好準」
HKBetNet 做波膽矩陣 QA 時， 唔會用「Top 1 中咗幾次」就判模型好唔好。 一個模型如果成日將 1:0 放第一， 喺低比分聯賽可能自然會中到一批； 但如果每次都報 20%，實際只有 10%， 概率本身仍然係錯。
第二個常見問題係賽後先睇。 見到真實比分 2:1，就返去話模型當時「其實都有 2:1」， 呢種做法冇意思。 真正 calibration 一定要用賽前已凍結嘅完整矩陣， 再同賽後結果對照。
賽事情境例如紅牌、早段入球、補時， 可以解釋某場點解落去尾部比分， 但唔應該因為幾場異常就事後改概率。 要改模型，仍然要睇未見樣本整體 Log Loss 同 calibration 有冇改善。
學術上點解 calibration 同 proper scoring rule 都重要？
Brier（1950）提出概率預報評分概念， 重點係預測唔只要講結果，仲要對自己畀出嘅概率負責。
Gneiting & Raftery（2007）系統整理 strictly proper scoring rules， 強調模型如果要獲得最佳期望分數， 就應該報出自己真正相信嘅概率分布， 而唔係為咗命中率故意誇大或壓低信心。
Maher（1982）同 Dixon & Coles（1997）提供足球比分概率模型框架； calibration 就係再向前一步： 問模型輸出嘅 5%、10%、20% 長期有冇真正對應實際頻率。
- Brier (1950)：Verification of forecasts expressed in terms of probability
- Gneiting & Raftery (2007)：Strictly Proper Scoring Rules, Prediction, and Estimation
- Maher (1982)：Modelling association football scores
- Dixon & Coles (1997)：Modelling association football scores and inefficiencies in the football betting market
HKBetNet 自己嘅資料、模型凍結、回測同更新方法，可以再睇 編輯與研究方法。
限制與不能推出的結論
- 目前 Pack 只係 2026/27 賽季早段快照，未有足夠逐場完整矩陣輸出去發布穩定 calibration curve。
- 本文示範嘅 10%／20% 等 calibration 例子只係方法說明，唔係 HKBetNet 實測結果。
- 波膽係多分類概率問題，單一 Top 1 命中率不足以代表整張矩陣準確。
- Log Loss、Brier、Top-k coverage 同 reliability 各自回答不同問題，唔應只挑一個對模型最有利嘅指標。
- Calibration 好唔代表 discrimination 一定好；一個模型可以整體校準，但分辨不同比賽能力仍然有限。
- 本頁驗證 HKBetNet 模型，唔係市場 1X2 implied probability；市場概率校準由 Football Odds Cluster 負責。
- 模型概率唔係投注建議，更加唔係保證盈利。