λ₃ 悖论：双变量泊松为何对胜平负预测毫无增益

1  研究背景与本文定位

足球赛果预测有两条长期并行的技术路线。一条是生成式路线：先建模进球数的概率分布， 再由联合比分分布聚合出胜平负、大小球等各类概率——本站前作讨论的 Dixon-Coles 修正泊松属于这一路线。 另一条是判别式路线：直接把赛果当作三分类标签，用机器学习模型拟合特征到标签的映射。

一个自然的想法是把两条路线拼起来：用生成模型算出的概率作为判别模型的输入特征。 这类做法的逻辑很有吸引力——生成模型提供了结构化的领域知识压缩， 判别模型则负责融合赔率、评分等异质信息。 本文检验的论文正是这一思路的一个具体实现。

我们选择检验这篇论文，不是因为它有明显缺陷，而是因为它做对了很多事： 特征工程有明确的领域依据、用贝叶斯优化调参、公开了完整的分类报告表、 并且诚实地承认平局预测仍不理想。正因为其余部分足够扎实， 唯一那处结构性问题才值得被单独提出来讨论。

本文的贡献是三点。其一，我们证明该框架中的相关性参数 λ₃ 对其预测目标的影响恒为零， 并给出 12 位小数精度的数值验证。其二，我们指出 λ₃ 真正起作用的场域， 以及共同冲击构造的两个结构性局限。其三， 我们对论文报告的实证结果做算术一致性审计，并就平局难题给出与其不同的解法方向。

2  被检验框架的形式化重述

双变量泊松分布在体育数据建模中的标准形式是 Karlis 与 Ntzoufras (2003) 所述的 共同冲击构造（trivariate reduction）。 它引入三个相互独立的泊松变量，用其中一个作为两队共享的随机源。

由式 (1) 可直接推出边缘分布与协方差：

联合概率质量函数为：

该框架的特征生成步骤是：对每场比赛估出 λ₁、λ₂、λ₃， 代入式 (3) 得到整张比分概率表，再按比分聚合成三个特征：

3  主要结果：λ₃ 的影响恒为零

式 (4) 的三个特征完全由净胜球 D = X − Y 的符号决定。因此只要 D 的分布不含 λ₃， 这三个特征就与 λ₃ 无关。而这正是事实。

3.1  命题与证明

X₁ 与 X₂ 相互独立， 两个独立泊松变量之差的分布即 Skellam 分布 (Skellam, 1946)：

3.2  数值验证

命题 1 是纯代数结论，但由于它与直觉相悖（引入了相关性，赛果概率却毫无变化）， 我们做了独立的数值确认。固定 λ₁=1.55、λ₂=1.15， 让 λ₃ 在 0 到 1.0 之间变化， 用式 (3) 在 30×30 比分网格上直接求和。

三列概率在 12 位小数上完全一致，而同期皮尔逊相关系数 ρ 从 0 升至 0.43。 最右列证明 λ₃ 确实在改变联合分布的相关结构， 但这一改变对赛果概率没有产生任何可测影响。

我们进一步检验了完整的净胜球分布，而非仅其三个聚合值：

整个分布逐点不变。作为交叉检验，我们还用式 (6) 的 Skellam 闭式（经 SciPy 贝塞尔函数） 与网格求和结果对比，最大偏差为 1.7×10⁻¹⁶。命题 1 得到完全确认。

3.3  那么 λ₃ 究竟改变了什么

命题 1 容易被误读为"λ₃ 无用"。这个推论是错的。 λ₃ 显著重塑了联合比分分布， 只是这些变化在净胜球等价类内部相互抵消了。

变化幅度相当可观——0‑0 下降近 26%，3‑3 上升逾 126%。 但注意 0‑0、1‑1、2‑2、3‑3 同属 d=0 等价类： 低分平局的减少被高分平局的增加精确抵消，总平局概率一分不变。 这就是命题 1 的几何图像：λ₃ 沿着净胜球等值线搬运概率质量， 从不跨线搬运。

3.4  共同冲击构造的两个结构性局限

即便目标换成正确比分，共同冲击构造本身还有两处需要注意的限制。

第一是相关性与期望进球的强制耦合。 由式 (2)，E[X] = λ₁+λ₃。 若固定 λ₁、λ₂ 而调高 λ₃ 以增加相关性， 期望进球会被同步推高：

想把 ρ 提到 0.18，代价是总进球期望从 2.70 涨到 3.30—— 这已经偏离欧洲联赛的真实水平（约 2.6‑2.8）。 实践中必须重参数化为 λ₁ = μ_h − λ₃、 λ₂ = μ_a − λ₃， 并约束 λ₃ < min(μ_h, μ_a)。

第二是无法表达负相关。 由 Cov = λ₃ ≥ 0，该构造只能建模非负相关。 但足球数据中的经验规律恰恰包含负相关成分——本站前作讨论的 Dixon-Coles τ 修正 在实践中通常估出 ρ 为负值（约 −0.03 至 −0.05）， 对应"低分平局偏多、一球分差偏少"的模式。 共同冲击型双变量泊松在结构上无法表达这一模式， 这也解释了为什么 Dixon-Coles 的逐格重加权路线在 1X2 任务上仍是更主流的选择： 它直接改变净胜球分布，不受命题 1 的限制。

4  实证结果的一致性审计

命题 1 是关于特征构造的结论，不直接否定论文的实证准确率—— 该框架还输入了赔率与 FIFA 评分等有效特征。 但它提出一个必须回答的问题：如果 λ₃ 对目标无效， 那么"引入双变量泊松带来增益"的因果归因就失去了机制支撑。 为此我们对论文公开的五张分类报告做算术审计。

4.1  反推准确率：论文数字是自洽的

利用 recall 的定义可由分类报告反推总体准确率：

第一个结论是正面的：论文的核心数字站得住。 随机森林反推得 0.5607，与其声称的 0.5625 相差仅 0.18 个百分点， 完全落在 recall 保留两位小数的舍入误差范围内。 排序结论也一致——随机森林确为五者最高。 这一项审计通过。

4.2  真正的问题：测试集 support 跨模型漂移

审计暴露的问题在另一处。五张报告的类别 support 出现了 三种互不相同的组合，尽管总数都是 2693：

同一个测试集的真实类别分布是客观事实，不应随模型改变。 三种 support 说明这五个准确率并非在同一个测试集上取得， 因此严格来说不可直接横向比较。

这个效应可以量化。我们把随机森林的三个 recall 值固定不动， 仅把 support 替换为版本 ①，重算式 (7)：

仅仅更换测试集构成，同一组 recall 就能产生 2.73 个百分点的准确率差异。 若把全部五个模型统一到版本 ① 的 support 上比较， 随机森林的领先幅度会从 3.17pp（0.5607 对朴素贝叶斯 0.5290） 压缩到 0.44pp（0.5334 对 0.5290）， 同时 SVM 在其原生版本下的 0.5487 也会被重新排序。 模型优劣的结论对这一处口径高度敏感。

4.3  缺失的赔率基线

论文未报告一个关键对照：单纯取博彩赔率隐含概率的 argmax 的准确率。 这一对照之所以必要，是因为 B365 赔率已作为输入特征进入模型。 赔率是市场对赛果的高质量共识估计，其自身的 1X2 命中率在公开文献中通常落在 53%‑55% 区间。

5  平局难题：不是模型问题，是指标问题

论文最诚实、也最有价值的一处观察是承认平局预测失败。 这一点在其分类报告中体现得相当极端：

五个模型的平局 recall 全部不超过 0.09，神经网络为 0.00—— 即它从未预测过任何一场平局。 与此同时主胜 recall 高达 0.82‑0.88。 论文将此归因于"平局的内在随机性"，并把改进方向定为"更先进的平局预测模型"。 我们认为这个归因偏离了问题的性质。

一个算例足以说明。设某场比赛的真实概率为 P(主胜)=0.42、P(平)=0.28、P(客胜)=0.30。 即使模型把这三个数估得完全准确，argmax 仍输出"主胜"。 在所有平局概率不占优的比赛上重复这一逻辑，平局 recall 自然趋近于零。 更换更强的模型不会改变这一点——问题出在决策规则与评估指标，不在模型容量。

可以进一步验证这个解释：若平局塌缩源于模型能力不足， 那么平局 precision 应当同样很低（预测出的平局大多是错的）。 但表 8 显示朴素贝叶斯与随机森林的平局 precision 分别为 0.44 与 0.47，接近其主胜 precision 水平。 这说明模型在"敢于"预测平局的少数场次上判断质量并不差， 它只是极少这样做。这与"内在随机性导致无法学习"的解释不符， 而与"argmax 抑制了平局输出"的解释一致。

6  可复现代码

本文所有数值结论均由以下代码产生，仅依赖 Python 标准库。 读者可直接运行以复现表 1‑表 4。

from math import comb, exp, factorial, sqrt

def bp_pmf(x, y, l1, l2, l3):
    """共同冲击型双变量泊松 PMF（式 3）"""
    s = sum(comb(x, k) * comb(y, k) * factorial(k) * ((l3 / (l1 * l2)) ** k)
            for k in range(min(x, y) + 1))
    return exp(-(l1 + l2 + l3)) * (l1 ** x) * (l2 ** y) \
           / (factorial(x) * factorial(y)) * s

def outcomes(l1, l2, l3, N=30):
    """在 N x N 比分网格上聚合三个赛果概率"""
    H = D = A = 0.0
    for x in range(N):
        for y in range(N):
            p = bp_pmf(x, y, l1, l2, l3)
            if   x > y: H += p
            elif x == y: D += p
            else:        A += p
    return H, D, A

def rho(l1, l2, l3):
    """皮尔逊相关系数（式 2）"""
    return l3 / sqrt((l1 + l3) * (l2 + l3))

L1, L2 = 1.55, 1.15
print(f"{'lambda3':>8} {'P(H)':>16} {'P(D)':>16} {'P(A)':>16} {'rho':>8}")
for l3 in [0.0, 0.10, 0.30, 0.60, 1.00]:
    H, D, A = outcomes(L1, L2, l3)
    print(f"{l3:8.2f} {H:16.12f} {D:16.12f} {A:16.12f} {rho(L1,L2,l3):8.4f}")

输出：

 lambda3             P(H)             P(D)             P(A)      rho
    0.00   0.465453953921   0.252221462722   0.282324583357   0.0000
    0.10   0.465453953921   0.252221462722   0.282324583357   0.0696
    0.30   0.465453953921   0.252221462722   0.282324583357   0.1832
    0.60   0.465453953921   0.252221462722   0.282324583357   0.3093
    1.00   0.465453953921   0.252221462722   0.282324583357   0.4271

三列概率在 12 位小数上逐位相同，ρ 却从 0 走到 0.43。 这就是命题 1 的全部内容。

净胜球分布的逐点不变性（表 2）可用下列片段验证：

def diff_pmf(l1, l2, l3, d, N=40):
    """P(X - Y = d)"""
    return sum(bp_pmf(x, x - d, l1, l2, l3)
               for x in range(max(0, d), N) if x - d >= 0)

for d in [-2, -1, 0, 1, 2]:
    vals = [diff_pmf(L1, L2, l3, d) for l3 in (0.0, 0.5, 1.2)]
    print(f"d={d:+d}  " + "  ".join(f"{v:.12f}" for v in vals)
          + f"   maxdev={max(vals)-min(vals):.2e}")

输出的 maxdev 列全部在 10⁻¹⁶ 量级， 即浮点舍入噪声水平，不存在实质差异。

7  修正建议

基于以上分析，我们给出三条可操作的改进路径。它们的共同点是： 不要求更复杂的模型，只要求把已有工具用在正确的目标上。

7.1  若要保留双变量泊松，就改换目标

命题 1 只限制净胜球函数。将建模目标从 1X2 改为 正确比分、大小球或 BTTS， λ₃ 立即成为有效参数—— 表 3 显示它对具体比分概率的影响可达数十个百分点。 实践中还需按 §3.4 做重参数化， 令 λ₁ = μ_h − λ₃、 λ₂ = μ_a − λ₃， 以免相关性的引入把期望进球一并推高。

7.2  若要保留 1X2 目标，就换相关性机制

需要在净胜球分布上生效的相关性修正，应采用 Dixon-Coles 的逐格重加权： 它对 (0,0)、(1,0)、(0,1)、(1,1) 四格乘以依赖 τ 的因子， 直接改变 D 的分布，不受命题 1 约束。 且如 §3.4 所述，它能表达足球数据中实际存在的负相关， 而共同冲击构造在结构上做不到。

7.3  把评估口径换成概率型指标

这是三条中最重要的一条，也与论文自述的"盈利性分析"方向直接相关。 具体包括：以 Brier 分数与对数损失作为主指标； 报告可靠性图与 ECE 以检验校准； 统一测试集划分（§4.2）后再做模型间比较； 并加入赔率隐含概率作为基线（§4.3）。 没有这个基线，任何"模型有效"的结论都无法与"赔率本来就有效"区分开。

8  结论

本文对一份公开发表的混合机器学习足球预测框架做了形式化复核，得到三项结论。

其一是一个数学结果。 共同冲击型双变量泊松的相关性参数 λ₃ 在净胜球分布上完全不可辨识（命题 1）： X−Y 的分布只依赖 λ₁ 与 λ₂， 与 λ₃ 无关。 由于 1X2 赛果是净胜球的函数， 为 1X2 预测引入这一相关性结构在数学上不产生任何信息。 实算验证给出 12 位小数上的逐位一致， 而同一区间内 ρ 从 0 变化到 0.43。

其二是对该论文的两点审计意见。 正面的一点：其声称的随机森林 56.25% 与公开分类报告自洽， 反推得 56.07%，差异在舍入误差内，该数字可信。 需要保留的一点：五张报告呈现三种不同的测试集类别构成， 说明五个准确率并非在同一测试集上取得； 敏感性测试显示仅更换 support 即可造成 2.73 个百分点的准确率差异， 统一口径后模型间差距收窄到 1pp 量级。 此外缺少赔率隐含概率基线， 使"混合框架带来增益"缺少可判定的对照。

其三是对平局难题的重新定性。 五个模型平局 recall 均不超过 0.09（神经网络为 0）， 但平局 precision 达 0.33‑0.47。 这一组合排除了"模型无法学习平局"的解释， 指向 argmax 决策规则在平局概率从不占优时的必然行为。 因此改进方向不应是"更先进的平局模型"， 而应是把评估口径换成 Brier / 对数损失并检验校准。

免责声明：本文为数据科学方法论研究笔记， 所有概率估计均带有不确定性，不构成任何形式的投注建议或投资建议。 对所评论文献的分析仅针对其公开发表的方法与数据，属于正常学术讨论。

9  参考文献

1. Chen, Z. A. (2025). A Hybrid Machine Learning Framework for Soccer Match Outcome Prediction: Incorporating Bivariate Poisson Distribution. ITM Web of Conferences, 70, 03020. DAI 2024. doi:10.1051/itmconf/20257003020  本文评述对象
2. Karlis, D., & Ntzoufras, I. (2003). Analysis of Sports Data by Using Bivariate Poisson Models. Journal of the Royal Statistical Society: Series D, 52(3), 381–393.  共同冲击构造原始文献
3. Dixon, M. J., & Coles, S. G. (1997). Modelling Association Football Scores and Inefficiencies in the Football Betting Market. Journal of the Royal Statistical Society: Series C, 46(2), 265–280.
4. Maher, M. J. (1982). Modelling Association Football Scores. Statistica Neerlandica, 36(3), 109–118.
5. Skellam, J. G. (1946). The Frequency Distribution of the Difference Between Two Poisson Variates. Journal of the Royal Statistical Society: Series A, 109(3), 296.  命题 1 的分布基础
6. Brier, G. W. (1950). Verification of Forecasts Expressed in Terms of Probability. Monthly Weather Review, 78(1), 1–3.