互聯(lián)網(wǎng)怎么在世界杯預(yù)測領(lǐng)域 完勝華爾街的

原標題：互聯(lián)網(wǎng)公司是如何在世界杯預(yù)測領(lǐng)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(yù)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(lián)的操行的理解絕不會有出入好么，結(jié)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(yù)測了。一邊是各種動物爭當(dāng)“章魚保羅第二”，紛紛對比賽評頭論足，一邊是各色民間科學(xué)家粉墨登場，為比賽預(yù)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(yù)測真正的最大看點，是有一大批科技公司，利用大數(shù)據(jù)技術(shù)，準確預(yù)測了截至目前的世界杯賽果。值得一提的是準確預(yù)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(zhàn)前，當(dāng)幾乎所有的民間預(yù)測都一邊倒地傾向于巴西隊獲勝，但百度仍預(yù)測德國隊具有51% 的得勝概率，事實證明日耳曼戰(zhàn)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(yù)測準確率維持在100%。而這些預(yù)測絕不是“蒙”的！

從靠譜到非常靠譜

這些公司包括互聯(lián)網(wǎng)行業(yè)的谷歌、百度、微軟、雅虎，以及看起來和科技并無關(guān)聯(lián)的投資銀行公司高盛和德意志銀行，以及新聞業(yè)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(yù)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(yù)測的結(jié)果。

以百度為例，這家公司的資深數(shù)據(jù)科學(xué)家團隊，搜索了過去5年內(nèi)全世界987支球隊（含國家隊和俱樂部隊）的3.7萬場比賽數(shù)據(jù)，同時與中國彩票網(wǎng)站樂彩網(wǎng)、 歐洲必發(fā)指數(shù)數(shù)據(jù)供應(yīng)商Spdex進行數(shù)據(jù)合作，導(dǎo)入博彩市場的預(yù)測數(shù)據(jù)，建立了一個囊括199972名球員和1.12億條數(shù)據(jù)的預(yù)測模型，并在此基礎(chǔ)上進行結(jié)果預(yù)測。

其他幾家公司的預(yù)測原理，也與此類似，但在細微之處卻又有所不同，這導(dǎo)致了不同的側(cè)重，以及非常不同的預(yù)測結(jié)果。

先來說三家傳統(tǒng)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(jīng)濟學(xué)家凱文·戴利（Kevin Daly），他帶領(lǐng)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(shù)據(jù)的模型，對其進行回歸分析，通過一個叫“elo”的動態(tài)模擬系統(tǒng)“擲骰子”分析賽果，同時根據(jù)泊松模型（一種概率模型，用于預(yù)測進球而非預(yù)測勝負）預(yù)測小組賽的比分。

高盛的八強預(yù)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(jīng)算是不錯的結(jié)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(zhàn)勝對手，結(jié)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(chǔ)上，模擬了1萬次比賽結(jié)果，結(jié)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(jīng)回家了）。

德銀的模型更離譜，它的模型據(jù)說綜合了FIFA排名、歷史戰(zhàn)績、球員構(gòu)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(jù)說是“歷史奪冠輪回”的理論，最終，他們計算出的結(jié)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(yù)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(jié)果如何，也就不必說了。有一本書叫《荒謬的經(jīng)濟學(xué)家》，講的就是經(jīng)濟學(xué)家數(shù)據(jù)分析的不靠譜，而且他們自己還不知道。這一點同樣應(yīng)驗在比賽預(yù)測上，華爾街的預(yù)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(lián)網(wǎng)公司這邊，基本可以說是全面大勝，除了雅虎。

先來說說傳統(tǒng)的預(yù)測大腕雅虎。雅虎的預(yù)測手段其實與華爾街類似，但專家云集且經(jīng)驗豐富，向來與專業(yè)博彩公司不相上下，經(jīng)常被作為正式的參考數(shù)據(jù)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(qū)Tumblr，他們決定使用該社區(qū)的數(shù)據(jù)來預(yù)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(guān)的博文”，此后根據(jù)“與世界杯有關(guān)的帖子里被提及的國家隊”，以及“在與足球有關(guān)的帖子里被提及的國家隊”，導(dǎo)入泊松模型來預(yù)測每場比賽的結(jié)果。預(yù)測結(jié)果是，16強和8強預(yù)測分別錯了一半。

如果拋開雅虎這個奇葩，互聯(lián)網(wǎng)公司陣營的預(yù)測結(jié)果比華爾街絕對高了不是一點半點，剩下的三家全部預(yù)測正確了全部的16強（谷歌只預(yù)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(yù)測中惜敗，在半決賽中，百度和微軟甚至還準確預(yù)測了巴西對德國的賽果。

剩下這三家中，谷歌的預(yù)測數(shù)據(jù)主要來自O(shè)pta Sports的海量賽事數(shù)據(jù)，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(shù)量和熱情度”的主場優(yōu)勢模型，來構(gòu)建其最終的預(yù)測模型。而微軟則與百度類似，是在歷史和球隊狀態(tài)數(shù)據(jù)基礎(chǔ)上，通過對必發(fā)博彩交易市場數(shù)據(jù)來分析構(gòu)建預(yù)測模型。總的來說，就本屆世界杯的預(yù)測而言，它們都“非