指北君不懂足球，只是懂点数据。简单聊下欧洲杯预测。

体育活动中的数据分析和预测

数据早就融入到了专业的体育活动中，无论是提高运动员的表现，还是战术和策略制定，伤病预防和恢复，甚至球迷和商业分析，都离不开数据的分析和预测。

在足球比赛中，可以通过分析比赛数据（如跑动距离、传球准确率、射门次数等），教练和分析师可以评估运动员和球队的表现，识别强项和弱点；而在练习过程中，可以进一步针对运动员设计个性化的训练计划，以提高运动员的体能和技术水平, 甚至使用在每一次运动过程中通过心率监测来调整训练强度和频率；在比赛前，可以通过分析对手的比赛数据，可以发现对手的战术模式、强项和弱点，从而制定有效的比赛策略；在比赛后，对于受伤运动员的恢复过程可以通过数据分析进行跟踪和评估，确保其在安全的情况下恢复训练；通过社交媒体数据分析，了解球迷对比赛的反应和互动，通过分析销售数据和市场趋势，优化营销策略等等。

在这里，我们简单使用现有数据来看一下2024欧洲杯的预测。

欧洲杯简介

欧洲杯（UEFA European Championship），全称为欧洲足球锦标赛，是由欧洲足球协会联盟（UEFA）组织的欧洲国家队间的足球赛事。它是世界上最重要和最受关注的足球赛事之一，仅次于国际足联世界杯（FIFA World Cup）。

欧洲杯的首届赛事于1960年在法国举行，当时被称为“欧洲国家杯”（European Nations' Cup）。赛事每四年举行一次，通常在偶数年，与世界杯交错进行。

最初只有四支球队参加决赛圈比赛，之后逐渐扩展为八支、十六支，直到2020年扩展到二十四支球队。参赛球队通过预选赛阶段决定，预选赛阶段由各个欧洲国家队参加，以争取进入决赛圈的名额。目前的赛制包括小组赛和淘汰赛两个阶段。小组赛阶段，二十四支球队被分成六个小组，每组四支球队。每组前两名和四个成绩最好的第三名进入淘汰赛阶段(需要这四个队伍才能凑齐后面的比赛)。淘汰赛阶段包括八分之一决赛、四分之一决赛、半决赛和决赛。

欧洲杯数据分析预测步骤

对于足球比赛的预测来说，其实和任何一个预测模型的建立流程并无区别。包括数据收集、预处理、数据分析与特征选择、模型选择与训练、模型评估、实际预测等多个步骤。其中相对花费时间较多的是数据收集过程，收集的数据包括：

• 历史比赛数据：包括过去比赛的结果、进球数、红黄牌、控球率等。
• 球员数据：球员的个人表现数据，如进球数、助攻数、防守数据等。
• 球队数据：球队的整体表现数据，如胜率、攻防效率等。
• 环境数据：包括比赛场地、天气条件、观众数量等。
• 即时数据：球队和球员的当前状态、伤病情况等。

当收集好这些数据之后，就可以进行后续的工作了。

彩票公司（或博彩公司）

他们其实也是这么做的。收集历史数据，然后使用一些统计模型，再参考一些专家建议，得到对比赛的一个初步预测结果。

对于他们来说，比赛的预测结果当然很重要，但更重要的是风险管理, 也就是赔率的设计: 如何将预测的概率结果转换为赔率。

假设有一场足球比赛，球队A对阵球队B。博彩公司通过分析历史数据、统计模型和专家意见，得出以下初始概率：

• 球队A胜率：50%
• 平局概率：25%
• 球队B胜率：25%

初始赔率可以这样计算：

• 球队A胜：1/0.50 = 2.00
• 平局：1/0.25 = 4.00
• 球队B胜：1/0.25 = 4.00

如果大量资金投注在球队A获胜上，博彩公司会将球队A的赔率降低，例如调整到 1.80，同时提高平局和球队B胜的赔率，以平衡投注和风险。这也就是在不同的时间段博彩公司的赔率发生变化的根本原因 -- 平衡自己的风险。

除了这种动态赔率调整以外，他们还会使用一些其他的策略来平衡风险，比如限额策略，设置每个玩家或每场比赛的最大投注金额，防止单个大额投注对公司财务的冲击；再比如，多样化策略，提供多种投注类型，如胜平负、半场/全场比分、总进球数等等，以吸引不同类型的投注者，并分散单一结果的风险。

甚至还可以使用一些对冲策略，在其他博彩平台上对冲部分风险，即在自己平台上某个结果的投注量过大时，在其他平台上下注相同结果，以分散风险。甚至为一些特定高风险赛事购买保险，以防止由于异常结果导致的巨额亏损。

当然了，实时监控也是他们风险管理的重要一环。对于被认为有异常投注行为的客户，列入黑名单，限制或禁止其投注。或者，嗯嗯。

根据上面的赔率，如果有 2 个人押注 A 队胜利，其他 2 个人分别压住平局或球队 B 胜利，那么博彩公司是不挣钱的。他们主要是通常通过设置适当的利润率（也称为“过关”或“总返还率”）来确保无论比赛结果如何，他们都能从投注中获利。也就是说，总返还率通常小于100%，以保证博彩公司有一定的利润。一般来说，在设置了总返还率之后，还需要根据投注金额分布动态调整赔率才可能保证盈利。

对于 2024 欧洲杯

上面说过的足球数据是一些低维度的特征，对于整体比赛来说，肯定都是有用的，但考虑到时间等成本因素，我们可以直接使用一些高维度的特征。高维度的特征虽然用起来很方便，但毕竟损失了很多细节，需要"提前"有这个意识。

在 wiki 上，有一个非常不错的高维度特征：球队阵容。

https://en.wikipedia.org/wiki/UEFA_Euro_2024_squads

比如对于德国队来说，网页列出了每个队员的基本情况，姓名、出生年月、出场次数(Caps)、进球数，以及所在俱乐部的名字。提取数据是一个相对来说简单的过程，通过几个 xpath 节点很容易获取到我们想要的数据。

然后我们可以直接把结果塞入到 KNIME Network Mining Extension(网络挖掘扩展)的 Network Analyzer 节点中。这个节点配置其实还是有点复杂的，至少需要对图论有一些简单了解。

我们在这里重点使用 Hubs & Authority。指北君给你举一个例子让你理解这两个概念。在一个公司，保安大叔认识所有工作人员，他就是有着极高 Hub 分数的节点，而一些销售专家、技术专家、以及有强大后台权势的人就是有着极高的 Authority 分数的节点。

在我们的例子中，Hub 分数高的就是俱乐部节点，分数越高，说明它给各个不同的欧洲国家队输送的队员多。

图片中是 Hub 分数比较靠前的俱乐部，他们分别是:

巴黎圣日尔曼
皇家马德里
巴塞罗那
国际米兰
拜仁慕尼黑
曼彻斯特城
勒沃库森
布拉格斯拉维亚
兵工厂
米兰
莱比锡红牛
利物浦
多特蒙德足球俱乐部
罗马
尤文图斯

可以看出，它们当 Hub 是有一定的合理性的。

Authority 分数高的就是欧洲国家队。

对于德国对来说，它们最大的 Hub 连接点是拜仁和斯图加特。

指北君在看图的时候，发现了一个异常粗的 edge, Czech Republic(捷克) 和 Slavia Prague(布拉格斯拉维亚) 之间的 edge。捷克国家队 26 人的大名单中，有 9 人来自布拉格斯拉维亚，amazing！

其他

最简单的投注策略就是，两队比赛，投注高 Authority 的队伍即可。

指北君买了 3 张彩票，一共花了 30 元。买的是那种连续对 5 场比赛就能中奖的彩种。

欧洲杯已经过去两天了，目前来看，其中有一张彩票，5 场中已经中了 4 场，还有一场今晚出结果。其余的，目前已经出结果的比赛，均是对的。

在指北君完全不懂足球的前提下，根据这种简单模型的指导，结果让人感到惊讶。

有人会觉得这是赌博。但 Gambling 和 Betting 是有区别的。

人生中的许多选择何尝不是一种 Gambling，我们能做的也就是，度量风险与收益，衡量目标和意义，做出更明智的 Betting。

参考

• Using Graph Theory and KNIME Analytics Platform to Predict the EURO 2024 Outcome | by Martin D Aus A | Low Code for Data Science | Jun, 2024 | Medium
• GraphTheory – KNIME Community Hub