模型概述FYT体育世界杯夺冠概率模型 v1.2 由两层组成：

夺冠评分（沿用 v1.0） — 基于五项加权因子的 Power Score，归一化为 48 队夺冠概率。小组赛蒙特卡洛（v1.2 新增） — 用 Elo 胜率预期模拟每场小组赛，跑 10,000 次得到每队的小组排名分布与晋级概率。夺冠概率层回答「谁是最强」，小组赛模拟层回答「谁能出线」。两者使用同一份输入数据（data/worldcup_2026/team-inputs.yaml + matches.yaml），但服务于不同的读者问题。

请注意定义边界：

公开数据输入：eloratings.net、FBref、Transfermarkt、FIFAFYT 模型输出：因子选择、权重、归一化、模拟流程、和率校准、版本管理与可复现性模型输出仅作辅助参考，不涉及任何投注建议。

第一层：夺冠评分（v1.0 沿用）评分公式Power Score_i = Σ(权重 × 归一化因子)夺冠概率_i = Power Score_i / Σ(Power Score) × 100%流程：

各因子做 Min-Max 归一化到 0–1加权求和得到 Team Power Score48 队 Power Score 直接归一化为 100%五项因子与权重因子权重数据来源说明Elo 实力指标30%eloratings.net归一化范围 1200–2200xG/90 进攻效率25%FBref归一化范围 0.3–3.5xGA/90 防守效率20%FBref归一化范围 0.3–3.5（反向，失球越少得分越高）世界杯经验15%历史数据0–100 评分（参赛次数 + 近年战绩）阵容年龄适配度10%Transfermarkt0–100 评分（核心球员处于黄金年龄的比例）已知局限：夺冠概率过度平坦这套归一化把全部「实力」摊平在 48 队之间，最强球队也只有约 3% 夺冠概率，与博彩共识（10–15% 量级）不符。v1.2 维持此层的原因是：真正符合赛制的夺冠概率应当从淘汰赛模拟反推，而非用数学校准强行拉伸。v1.3 将通过淘汰赛蒙特卡洛重新派生夺冠概率，届时 win_probability_pct 字段会从「直接归一化」切换为「冠军模拟频率」。

在 v1.3 之前，建议读者关注小组赛模拟层的晋级概率（10–99% 范围分布合理），而非夺冠概率字段。

第二层：小组赛蒙特卡洛（v1.2 新增）每场比赛的胜/平/负概率对每场小组赛，根据双方 Elo 评分计算：

P(A 胜) = expected_a × (1 − P(平))P(B 胜) = (1 − expected_a) × (1 − P(平))P(平) = max(0.05, 0.30 × exp(−|Elo差| / 500))expected_a = 1 / (1 + 10−(Elo_a − Elo_b)/400)胜率预期 使用经典 Elo 公式（200 分差大约对应 76% 胜率预期）和率 与实力差距挂钩：实力相近约 30%，差距 500 分以上落至 5% 下限。比起恒定 26% 历史均值，缝隙感知模型能更好地体现「西班牙 vs 库拉索几乎不会握手言和」的现实比分采样（用于并列规则）得知胜/平/负后，再独立采样一个比分：

平局：0-0 / 1-1 / 2-2 / 3-3 按 28 / 36 / 24 / 12 的权重抽样胜负：胜方进球 = 输方进球 + 净胜球；净胜球以「Elo差/200」为均值的正态分布抽样后取整到 [1, 5]；输方进球 0/1/2 按 40/40/20 抽样比分仅用于积分差与进球数的并列裁决，不作为预测每场具体比分发布。

蒙特卡洛流程for sim in range(10,000):

模拟全部 72 场小组赛

统计每队的积分、净胜球、进球数

各小组内按 [积分 → 净胜球 → 进球数 → 抽签] 排名

所有小组的小组第三按同一规则跨组对比，取前 8 晋级 R32

汇总 10,000 次模拟，得到每队的：

- 小组第一 / 第二 / 第三 / 第四 概率

- 晋级 R32 概率（小组前二 + 最佳第三）

- 预期积分、预期净胜球、预期进球数

输出字段（predictions.json）每支球队的 group_stage 块包含：

字段类型说明p_group_winner0–1小组第一概率p_runner_up0–1小组第二概率p_third0–1小组第三概率p_fourth0–1小组垫底概率p_advance_ko0–1晋级 R32 概率（前二 + 最佳第三）p_eliminated0–1小组赛被淘汰概率exp_points0–9三场小组赛预期积分exp_gdfloat预期净胜球exp_gffloat预期进球数数据来源（2026-05-17 更新）来源截止日期链接eloratings.net2026-05-17eloratings.netFBref Expected Goals2026-04-30fbref.comTransfermarkt Squad Data2026-04-30transfermarkt.comFIFA World Rankings2026-04-30fifa.com/fifa-world-ranking2026-05-17 数据洗牌v1.0 输入 team-inputs.yaml 在 2026-02 已写入，部分球队（含意大利）当时标注 projected。资格赛于 2026-04 全部结束，11 支当时入选的球队未能正赛，11 支新球队取而代之：

移除：意大利、丹麦、塞尔维亚、波兰、乌克兰、威尔士、喀麦隆、尼日利亚、牙买加、哥斯达黎加、洪都拉斯新增：捷克、瑞典、苏格兰、波黑、巴拿马、海地、库拉索、约旦、加纳、佛得角、民主刚果11 支新球队的 Elo 已用 eloratings.net 当前值填入；xG、世界杯经验、阵容年龄适配度仍为首轮估算（confidence_note 字段标识），下一周期 cron 前会刷新到 FBref 与 Transfermarkt 的最新数据。

历史回测：2022 世界杯小组赛可复现：python3 scripts/predictions/backtest.py（详见 scripts/predictions/README.md）

指标v1.2 小组赛模拟Elo 排名硬选基线全部 50/50 基线Brier 评分（晋级概率） ↓0.2280.3750.250小组第一命中（8 组）6 / 8——前 16 晋级集（按概率排序）10 / 16——解读0.8–1.0 概率区间（5 队）：实际晋级率 100%（5/5）。高置信度预测全部命中0.0–0.2 概率区间（5 队）：实际晋级率 0%（0/5）。低置信度淘汰预测全部命中0.4–0.7 中间区间：受 2022 三大爆冷（日本击败西班牙+德国、摩洛哥击败比利时、阿根廷小组首战不敌沙特）影响，命中率约 40–56%Elo 类模型本身的局限：无法预测临场战术革命与黄金一代陨落。这是任何赛前统计模型的天花板。

最大偏差球队模型预测晋级概率实际结果偏差澳大利亚（AUS）29.5%晋级−0.71乌拉圭（URU）68.0%出局+0.68比利时（BEL）66.7%出局+0.67德国（GER）66.2%出局+0.66塞内加尔（SEN）34.2%晋级−0.66模型元数据与可复现性每次运行计算一组追踪字段：

model_version — 模型版本号（当前 1.2）run_date — UTC 运行时间source_snapshot — SHA-256 指纹，覆盖 team-inputs.yaml + matches.yaml + 权重 + 版本号group_sim — 蒙特卡洛元数据（sim 次数、和率模型参数）蒙特卡洛的随机种子由 source_snapshot 派生，意味着同一份输入永远产生相同的模拟结果。任何输入变更都会改变指纹与种子。

输出落地三处：

data/worldcup_2026/predictions.json — 当前最新输出（Hugo 构建使用）data/worldcup_2026/snapshots/predictions-YYYY-MM-DD.json — 周快照存档Postgres model_runs / season_predictions 表 — 供审计与回测查询（v1.2 仅写入 v1.0 字段；小组赛字段待 v1.3 加入列）模型迭代日志版本发布日期核心改动顶级球队夺冠概率顶级球队晋级 R32 概率v1.02026-02-19五因子加权评分 + 直接归一化为夺冠概率~3.3%—v1.22026-05-17沿用 v1.0 评分；新增 Elo 驱动小组赛蒙特卡洛（10,000 次）；输入数据按资格赛结果更新（11 队替换）~3.1%（待 v1.3 重派生）95–99%v1.2 改动理由保留 v1.0 评分结构 — 因子选择经过两年沉淀，未发现需要重构的硬证据。修复夺冠概率「太平坦」的正确路径是引入赛制结构（淘汰赛模拟），而非用数学校准强行拉伸新增小组赛蒙特卡洛 — 真正回答读者「谁能出线」的问题。10,000 次模拟约 1.4 秒，可天天跑Elo 驱动而非 xG 驱动 — Elo 是国际足坛标准评分，eloratings.net 公开数据稳定可用；国际队 xG 在头部 20 名外覆盖率显著下降，长期数据可持续性较差缝隙感知和率 — 和率随实力差距衰减（30% 实力相近 → 5% 巨大悬殊），比恒定 26% 更贴近实际比赛分布v1.3 路线图淘汰赛蒙特卡洛：从小组赛模拟结果派生 R32 对阵，模拟单场淘汰（加时 + 点球大战），输出基于赛制的真正夺冠概率，替代 v1.0 的归一化字段主办国效应：把 home_advantage 应用于美/加/墨在本国场地的小组赛 Elo 加成DB schema 扩展：season_predictions 表新增 p_group_winner / p_advance_ko / exp_group_points 列，让小组赛模拟数据也进入查询层已知局限夺冠概率仍过度平坦 — 当前 win_probability_pct 字段是 v1.0 归一化输出，最强球队也只有约 3%。建议参考 group_stage.p_advance_ko 与 p_group_winner 字段。v1.3 淘汰赛模拟落地后此字段语义会改变不含伤病、停赛、临场调整新晋级球队首轮估算 — 11 支新球队的 xG / 经验 / 年龄字段为粗估，下一周期 cron 前校准主办国效应未应用 — 输入文件保留 home_advantage 字段但 v1.2 未在模拟中读取，留给 v1.3比分采样不构成预测 — 模拟比分仅用于积分差/进球数的并列规则，不代表预测每场比分免责声明本页面仅供参考，不构成任何投注建议。模型概率基于历史数据与统计推算，不保证预测准确性。