NBA夏季联赛6胜5 重点模型2连胜！

　　个人介绍： 　　大家好，我是篮概师，数据模型架构工程师，从事大数据模型的底层架构搭建工作，目前成功搭建12个已证实具有实际意义并能产生价值的数据模型。这12个数据模型中，服务于概率性的数据模型5个。 下面是篮概师针对篮球玩法的数据模型理念.... 　　一、数据模型 　　短期数据结合的阿尔法数据模型 　　创新性的多因子模型体系--短期多因子阿尔法数据模型体系。对未来的结果起着几乎是决定性的影响，因此该数据模型在篮球数据市场中有着广泛的运用空间。我们两队近10场比赛中，运用近 200 个阿尔法因子（3分球命中概率、2分命中概率、罚球命中率、阵地战得分成功率等），构建了基于短期价量特征多因子模型体系。该体系自 2016 年 1 月至 2020 年 4 月，实现年化成绩 26.2%。 　　基于必发数据动态模分解的数据模式挖掘 　　动态模分解是一种新型的数据挖掘算法。它把交易数据、成交量的变化动态结构分解为特征值和特征向量，用于表征当前市场整体交易变化下的内部规律，预判出整个市场上对比赛的未来结果偏向，寻找出更佳的投知机会。模型的主导特征值结合市场中的必发数据拟合优度接近73%，反映了模型与必发数据有较高的契合度。在过去九年中有近八成胜率，累积年成绩 26%。 　　基于欧洲数据深度组合的函数策略 　　欧洲数据组合概念从理论上讲不是方法论的创新，而是对市场不同角度的解读。通过自编码过程中的损益函数作为指标，对欧洲数据变化进行分析处理，通过该指标判断所选场次的欧洲数据变化是否合理。我们通过实证分析其中的指标，证明了该指标和实际数据有很高的关联性。该策略从 2010 年中至 2017 年中的七年时间里获得约 18.37%的年化成绩。 　　让球数据轮动中“确定性”的规律 　　通过让球数据挖掘中关联规则的方法，分别找出四类指标在数据变动中“确定性”的规律并基于这些“确定性”规律构建轮动策略。其中，宏观让球数据走势以及球队自身风险指标对于比赛的预测效果更佳，分别获得了 10.10%和 8.57%的超额成绩。而市场整体的数据走势变化指标对于强弱球队之间的赛果预测效果更佳，曾更高获得 14.43%的超额成绩。当我们综合所有指标下的让球数据“确定性”规律构建轮动策略时，该策略在样本外获得了 8.29%的超额成绩，月度胜率高达75%。 　　基于总比分数据的弹簧塑性分析 　　弹簧塑性指在成交的推动下，结合均衡数据、均线稀统、动量指标下所产生移动的性质。场次塑性越高表明市场不需要巨大的成交量就能作出数据走势分析，该模型的结果预判与在赛事总比分数据拟合优度超过 78%。97%的场次样本存在显著的塑性特征，且序列自相关性较低、残差正态性较好。弹簧塑性系数作为选场因子具有较强的显著性。IC 和 ICIR 分别约为 0.04和 1.32。基于塑性因子的行业中性策略年化成绩15.9%。 　　为了方便大家理解，我将数据模型的分析结果用数据表示。在相同的模型下，数据越大的方向，对结果的偏向度就越大。而冷热数据分中，数据偏离度越高，则表现结果的过热/过冷，需警惕。 　　二、上期回顾： 　　周末NBA赛季联赛表现不错，周六3胜2，重点模型胜；周日3胜3，重点模型胜。近两次开始关注NBA赛季联赛获得6胜5的成绩，实属不错。今天继续努力，争取更好成绩。 　　三、本期参考比赛　 　　解锁内容包括：数据模型分析+竞彩数据分析+总分数据分析 　　数据提示 ：本文章内容仅供参考使用，不构成购彩建议，据此购彩风险自担。一切网络售彩皆为非法，请到线下合法网点购彩。

TAG: