互聯網怎么在世界杯預測領域 完勝華爾街的

原標題：互聯網公司是如何在世界杯預測領域 完勝華爾街的？

凌晨1點鐘寫這篇東西的時候，我還專門看了一眼，百度預測德國51%，巴西49%，我跟一個朋友說，巴西鐵定進決賽好么，以我對國際足聯的操行的理解絕不會有出入好么，結果今早就被各種打臉了。

本屆世界杯最大的看點，除了比賽本身，就是場外如火如荼的各種預測了。一邊是各種動物爭當“章魚保羅第二”，紛紛對比賽評頭論足，一邊是各色民間科學家粉墨登場，為比賽預測拋出各種理論。這就好像那個“猴子炒股總是超過分析師”的例子一樣，看看也就算了。

今年世界杯預測真正的最大看點，是有一大批科技公司，利用大數據技術，準確預測了截至目前的世界杯賽果。值得一提的是準確預測的不僅是16強，甚至還有八強、四強！更值得贊嘆的是，9日凌晨進行的第一場半決賽——巴德之戰前，當幾乎所有的民間預測都一邊倒地傾向于巴西隊獲勝，但百度仍預測德國隊具有51% 的得勝概率，事實證明日耳曼戰車以7:1血洗巴桑軍團，這也使得百度在淘汰賽以來的賽果預測準確率維持在100%。而這些預測絕不是“蒙”的！

從靠譜到非常靠譜

這些公司包括互聯網行業的谷歌、百度、微軟、雅虎，以及看起來和科技并無關聯的投資銀行公司高盛和德意志銀行，以及新聞業的彭博社。在這里把他們一概歸入科技公司的理由是他們的預測都基于自己的（或持有股份的）云計算平臺，并利用這些平臺的計算能力提供預測的結果。

以百度為例，這家公司的資深數據科學家團隊，搜索了過去5年內全世界987支球隊（含國家隊和俱樂部隊）的3.7萬場比賽數據，同時與中國彩票網站樂彩網、 歐洲必發指數數據供應商Spdex進行數據合作，導入博彩市場的預測數據，建立了一個囊括199972名球員和1.12億條數據的預測模型，并在此基礎上進行結果預測。

其他幾家公司的預測原理，也與此類似，但在細微之處卻又有所不同，這導致了不同的側重，以及非常不同的預測結果。

先來說三家傳統的華爾街公司，高盛、德銀和彭博，他們的共同之處是靠譜的地方很靠譜，但是離譜的地方非常離譜。

今年高盛世界杯報告的出品人，是大名鼎鼎高盛經濟學家凱文·戴利（Kevin Daly），他帶領高盛的量化分析師建立了自1960年以來正式國際足球比賽數據的模型，對其進行回歸分析，通過一個叫“elo”的動態模擬系統“擲骰子”分析賽果，同時根據泊松模型（一種概率模型，用于預測進球而非預測勝負）預測小組賽的比分。

高盛的八強預測錯了三個（哥斯達黎加、比利時和哥倫比亞），四強錯了一個（西班牙），小組賽的賽果正確率只有37.5%，盡管這已經算是不錯的結果，但仍是差強人意。至于具體的比分，就離靠譜比較遠了，舉個例子，高盛說巴西的每場比賽都會以3個球以上的大比分戰勝對手，結果呢？

平心而論，高盛是華爾街里最靠譜的公司。彭博的方法與高盛類似，是在各國國家隊FIFA積分的基礎上，模擬了1萬次比賽結果，結果也與高盛類似，彭博認為西班牙會在和阿根廷打平后點球進入決賽，最終輸給巴西（拜托，西班牙兩個禮拜前已經回家了）。

德銀的模型更離譜，它的模型據說綜合了FIFA排名、歷史戰績、球員構成和賭球賠率等因素，算出的奪冠概率前四名是巴西、德國、西班牙、法國，但是德銀的分析師在建立模型時，綜合了一個據說是“歷史奪冠輪回”的理論，最終，他們計算出的結果是巴西無緣8強，而英格蘭將奪冠（拜托，英格蘭也在一個禮拜前就回家了好嗎）。

這一點不是偶然，回顧往屆世界杯，幾大投行的預測跟球迷瞎猜的水平差相仿佛，拿上屆來說，大摩說英格蘭會奪冠，瑞銀說意大利能進四強，結果如何，也就不必說了。有一本書叫《荒謬的經濟學家》，講的就是經濟學家數據分析的不靠譜，而且他們自己還不知道。這一點同樣應驗在比賽預測上，華爾街的預測總的來說“有點用”，但真要拿來賭巴西和德國的勝負，還是算了吧。

再看互聯網公司這邊，基本可以說是全面大勝，除了雅虎。

先來說說傳統的預測大腕雅虎。雅虎的預測手段其實與華爾街類似，但專家云集且經驗豐富，向來與專業博彩公司不相上下，經常被作為正式的參考數據列入博彩資料，但是今年雅虎不知搭錯了哪根筋，為了推廣自己的圖片分享社區Tumblr，他們決定使用該社區的數據來預測世界杯：從831億篇Tumblr博客中篩選出1.889億篇文章，再“將注意力集中于2730萬篇與世界杯相關的博文”，此后根據“與世界杯有關的帖子里被提及的國家隊”，以及“在與足球有關的帖子里被提及的國家隊”，導入泊松模型來預測每場比賽的結果。預測結果是，16強和8強預測分別錯了一半。

如果拋開雅虎這個奇葩，互聯網公司陣營的預測結果比華爾街絕對高了不是一點半點，剩下的三家全部預測正確了全部的16強（谷歌只預測了八強），以及全部的八強，微軟、百度和高盛猜對了全部的四強，谷歌在四強的預測中惜敗，在半決賽中，百度和微軟甚至還準確預測了巴西對德國的賽果。

剩下這三家中，谷歌的預測數據主要來自Opta Sports的海量賽事數據，通過球隊實力的排序模型，以及基于“各個國家球迷到巴西的數量和熱情度”的主場優勢模型，來構建其最終的預測模型。而微軟則與百度類似，是在歷史和球隊狀態數據基礎上，通過對必發博彩交易市場數據來分析構建預測模型。總的來說，就本屆世界杯的預測而言，它們都“非