基于 Dixon-Coles 双泊松与动态 Elo 的 2026 世界杯逐场胜平负预测模型
A leakage-free Dixon-Coles + dynamic-Elo model for 2026 FIFA World Cup match prediction
这是一个严肃、可复现、防数据泄漏的足球比赛预测模型,用于预测 2026 美加墨世界杯的逐场胜平负。
它不依赖任何"玄学因子"或人工拍定的权重——所有参数都从历史数据估计,并通过三届世界杯(2014/2018/2022)共 192 场的滚动回测严格验证。模型在世界杯期间每日滚动产出前瞻性预测,所有预测在赛前锁定、只追加不修改,以保证可被真实结果检验。
This is a serious, reproducible, leakage-free football prediction model. No "mystic factors", no hand-picked weights — every parameter is estimated from historical data and validated through rolling backtests over 3 World Cups (192 matches). During the tournament it produces forward-looking daily predictions, locked before kickoff and append-only, so they can be honestly checked against real outcomes.
- 🎯 主模型 Dixon-Coles 双泊松：显式建模低比分相关性(ρ 修正),λ 由历史进球数最大似然估计,而非线性硬拍。
- 📈 动态 Elo 评分：含主场优势、赛事类型加权(世界杯/预选赛/友谊赛)的时序演化评分,作为核心特征。
- 🔬 防数据泄漏铁律：特征只用赛前信息;严格按时间切分(禁随机划分/K 折);超参数只在训练期选择。准确率异常跳升一律先怀疑泄漏。
- 📊 三届回测验证：在 2014/2018/2022 共 192 场上,准确率 55.2%、Brier 0.579,显著优于"Elo 高者胜"基线的概率质量。
- 🤖 XGBoost 对照模型：作为机器学习对照(含交互特征),与 DC 主模型并列评估。
- 🖥️ 实时滚动看板：预测看板 + 积分榜(含 2026 新规最佳第三名)+ 赛程(北京时间),每日更新,零服务器静态部署。
在 2014 / 2018 / 2022 三届世界杯、共 192 场比赛上的滚动回测结果:
| 模型 Model | 准确率 ACC | Brier |
|---|---|---|
| Dixon-Coles(主模型) | 0.552 | 0.579 |
| XGBoost(对照) | 0.563 | — |
| 基线 a:Elo 高者胜 | ~0.52 | 更高(差) |
| 基线 b:随机猜测 | ~0.33 | — |
⚠️ 关于准确率天花板的诚实说明：足球单场预测的准确率上限约为 55%,这是该问题的固有难度——博彩公司用海量资源也难以突破。本模型达到这一水平,且在概率质量(Brier / LogLoss)上显著优于基线。"准确率 55%"不是缺陷,而是这个问题做到位后该有的样子。
模型在 2026 世界杯期间每日滚动产出前瞻预测。截至小组赛前期,实时准确率低于回测值,主要原因是本届出现了统计上显著的"平局潮"(前 14 场平局率达 57%,远超历史均值 25%,Fisher 检验 p≈0.03)。平局是所有预测模型(包括博彩公司)的共同盲区。即便如此,DC 模型在该阶段仍是所有对照中最准的,跑赢傻瓜基线约一倍。
The live accuracy during the early group stage runs below the backtest figure, driven by a statistically significant "draw surge" unique to this tournament (57% draws in the first 14 matches vs. a 25% historical mean, Fisher p≈0.03). Draws are the blind spot of every predictive model. Even so, the DC model remained the most accurate among all baselines in this period. 实时滚动数据见在线看板。
- 动态 Elo(主特征):时序演化,含主场优势 H_adv、赛事类型 K 值加权
- 近期状态:近 5/10 场胜率、进失球
- 疲劳:休息天数差、加时标记
- 情境:东道主 / 主场 / 中立场、大洲、赛事类型、阶段
- 世界杯经验、历史交锋(h2h,低权重)
- 出线形势:积分、排名、出线状态、必胜指数(含 2026 最佳第三名规则)
主队期望进球 λ_home、客队期望进球 λ_away 由历史数据 MLE 估计
P(进球数) = Poisson 分布,并对低比分(0-0/1-1/1-0/0-1)施加 ρ 相关性修正
胜平负概率 = 对所有比分组合的概率求和
相比朴素 Poisson(假设两队进球独立),Dixon-Coles 的 ρ 修正能更准确地刻画真实足球中低比分的相关性,这是该方法被学界广泛采用的原因。
- 所有特征只使用比赛日之前的信息
- 数据只按时间切分,严禁随机划分或 K 折交叉验证
- 超参数(含平局阈值 δ)只在训练期(1998–2014)选择,测试期完全不可见
- 实时预测赛前锁定、只追加不修改(
is_current去重机制),杜绝事后追配 - 开幕日早于流水线上线的比赛不计入准确率统计,防止回溯泄漏
src/
├── step1_load_data.py # 数据清洗(Kaggle 国际比赛 1872-2025)
├── step2_elo.py # 动态 Elo 评分
├── step3_features.py # 特征工程
├── step4_train.py # 模型训练(DC + XGBoost)
├── step5_backtest.py # 三届滚动回测
├── step6_ablation.py # 消融实验
├── step7_predict_2026.py # 蒙特卡洛模拟
├── daily_update.py # 每日滚动:录比分→更新动态特征→输出预测→结算
├── build_dashboard.py # 生成看板 HTML
├── best_thirds.py # 2026 最佳第三名出线逻辑
└── team_names.py # 权威队名映射
index.html # 三标签页看板(预测/积分榜/赛程)
在线看板无需安装,直接访问：https://eth4n-huang.github.io/2026WorldCup-Prediction/
本地运行预测流水线：
python src/step1_load_data.py # 准备数据
python src/step5_backtest.py # 复现三届回测
python src/daily_update.py # 每日滚动预测与结算
python src/build_dashboard.py # 重新生成看板本项目秉持诚实的科学态度,明确承认以下边界：
- 准确率天花板:足球单场预测上限约 55%,本模型无法、也不应声称突破这一物理极限。
- 平局难题:三分类预测对平局的召回天然偏弱,这是全行业共性问题。
- 球队级建模:当前模型基于国家队整体战绩(Elo),尚未引入球员级数据(身价、年龄结构、阵容深度)。引入球员特征是明确的未来工作方向——但需保证时点正确以防泄漏。
- 赛制变化的影响:2026 扩军至 48 队 + 最佳第三名规则可能改变比赛结果分布,本项目正以实时数据研究这一现象。
- 历史国际比赛结果：Kaggle International football results 1872–2025
- 2026 赛程与赛果：公开赛事数据(以 FIFA 官方为准)
如果这个项目对你有帮助,欢迎点一个 ⭐ Star!
If you find this project useful, a ⭐ would be appreciated!