World Cup 2026 DEEP analysis

2026世界杯/足球比赛量化分析与预测引擎。基于Elo评级+Dixon-Coles泊松+蒙特卡洛模拟，结合网页搜索获取最新赛果/伤病/赔率进行实时校准。提供单场胜平负预测、比分概率、小组出线概率、淘汰赛晋级概率、爆冷分析、赔率价值检测。当用户要求分析足球比赛、预测结果、查看晋级/出线概率、对比球队实力、检测赔率价值、查询世界杯赛程比分赔率、或提到足球/世界杯/欧冠/英超/五大联赛等赛事分析时使用。

luciuszhao0101-dot@luciuszhao0101-dot

Install

openclaw skills install @luciuszhao0101-dot/worldcup-2026-analysis

世界杯 2026 量化分析

专业足球比赛量化分析工具，提供可验证的分析框架，而非投注建议。

核心理念（v2.1）：模型本地计算 + 网页搜索实时校准。实时数据（赛果/伤病/阵容/赔率）由 agent 的网页搜索能力获取，不依赖付费 API；搜索到的信息经结构化后喂入引擎，驱动 Elo/攻防数据/修正因子的更新。

模块	文件	能力	依赖
预测引擎	`scripts/prediction_engine.py`	Elo+DC泊松+蒙特卡洛+市场融合	无（纯本地）
搜索校准器	`scripts/calibrate.py`	搜索结果→Elo/攻防/分组更新	网页搜索（agent 自带）
赔率提供器	`scripts/odds_provider.py`	批量比赛盘/夺冠盘/价值扫描	`ODDS_API_KEY`（可选）

核心能力

单场分析：Elo-xG耦合 + Dixon-Coles比分矩阵 + 主场xG乘数 + 修正因子 → 胜平负 + 最可能比分
市场融合：搜索单场赔率 → 去vig隐含概率 → 模型70%+市场30%融合（显著降低Brier）
小组出线：4队单循环蒙特卡洛（含东道主主场）→ 出线/头名/名次分布
淘汰赛晋级：常规时间 + 加时/点球折算（不预测点球比分）
晋级路径：单队多阶段蒙特卡洛推演
爆冷分析：三层判据（风格克制+状态变量+赛制红利）→ 爆冷概率+等级
赔率价值：模型 vs 市场偏差≥3%标记 + 半Kelly仓位
搜索校准：网页搜索最新赛果 → FIFA风格Elo更新 + EWMA攻防数据更新

标准工作流（每次预测前执行）

第 0 步：搜索校准（关键！预测准确度的最大来源）

用网页搜索获取自上次校准以来的最新信息：

搜索最新赛果（如 World Cup 2026 results yesterday scores / 世界杯比分昨天），将结果结构化为 JSON：

json

{
  "source": "ESPN 2026-06-12 搜索结果",
  "results": [
    {"home": "墨西哥", "away": "南非", "home_goals": 2, "away_goals": 0, "neutral": false}
  ]
}

运行 python3 scripts/calibrate.py results.json → 自动更新 Elo（K=30+净胜球放大+东道主加成）和攻防数据（EWMA α=0.30，近期状态主导）
- 搜索不可用时的 backup：python3 scripts/calibrate.py --from-api [起日] [止日] 从 football-data.org 拉赛果（需 FOOTBALL_DATA_API_KEY，英文队名经 data/team_names.json 自动映射，映射失败的场次如实跳过）
搜索球队情报（如 "队名" injury lineup news）：核心伤缺/内讧/轮换 → 转化为修正因子或 match_context
搜索本场赔率（如 "A vs B" odds 1x2）：拿到三个小数赔率备用

红线：搜索结果必须有来源；搜不到就如实说明并跳过该步，绝不编造比分/伤病/赔率。

A. 单场比赛分析

完成第 0 步校准
engine = FootballPredictionEngine(data_dir='../data')
engine.predict(a, b, corrections={...}, is_knockout=布尔, home='a'/'b'/None)
- home 仅东道主真主场传值（美/加/墨），中立场传 None（主场已是 xG 乘数，勿再叠加概率修正）
- corrections 放搜索到的伤病/状态情报（参考 data/corrections.json 16 项库）
如搜到赔率：mk = engine.odds_to_probability(o1, ox, o2) → engine.blend_with_market(pred['final'], mk) 作为最终输出概率
按「单场分析」格式输出，注明数据截止时间，结尾附风险提示

B. 小组出线概率

分组未填充时：搜索官方分组 → python3 scripts/calibrate.py --groups groups.json（必须注明 source）
engine.simulate_group([4队], simulations=50000, home_teams=['美国','加拿大','墨西哥'])

C. 淘汰赛晋级

单场：engine.knockout_advance_prob(a, b, corrections, home)
全路径：stages=[{'name':'16强','win_prob':0.62},...] → engine.monte_carlo_path(team, stages)

D. 爆冷分析

搜索两队近期情报填 match_context：is_first_match / is_last_group_match / rotation_risk(强队轮换) / expansion_format / internal_strife(内讧) / key_injury / slow_starter
engine.upset_analysis(a, b, match_context) → 三层修正 + Tier 等级

E. 赔率价值检测

单场（推荐，无需 key）：搜索赔率 → odds_to_probability → engine.value_detection(model, market, 3.0) + engine.kelly(prob, odds)
批量（需 ODDS_API_KEY）：OddsProvider().value_scan(engine, predictions) / get_outright_winner()

F. 赛后复盘

结果回填 logs/prediction_log.md，engine.brier_score(predicted, outcome) 量化校准，每 10 场复盘平均分。

数据文件

data/elo_ratings.json：48 队 Elo（初始估值，由搜索校准持续更新，自动 .bak 备份）
data/team_stats.json：48 队场均进球/失球（EWMA 滚动更新）
data/corrections.json：16 项修正因子库（含 2026 专属 7 项）
data/world_cup_schedule.json：赛制骨架（分组为事实型数据，搜索后经 --groups 写入，不预填）
logs/calibration_log.md：每次校准的来源、赛果、Elo 变动（自动生成）

输出格式

单场分析

text

⚽ [A] vs [B] | [赛事] | [日期] | 数据截止: [校准时间]
📊 Elo [A] vs [B]（差[gap]）| xG [A] [值] / [B] [值]
📈 模型: 胜 x% | 平 x% | 负 x%
💹 市场融合后: 胜 x% | 平 x% | 负 x%（搜索赔率 [o1/ox/o2]）
✏️ 修正: [因子] ±x%（来源: [搜索情报]）
🎯 最可能比分: [比分1] / [比分2] / [比分3]
💡 关键洞察: [一句话]
⚠️ 本分析基于统计模型，不构成投注建议。

爆冷分析