# Football Match Analysis

> 足球比赛量化分析预测技能，基于Elo评级+泊松分布+蒙特卡洛模拟。 当用户要求预测比赛结果、分析爆冷可能性、查看晋级概率、对比球队实力时使用此技能。 核心能力：单场比赛预测（Elo+泊松+修正因子）、爆冷分析（三层判据）、晋级概率蒙特卡洛模拟、球队攻防对比。 纯本地计算，无需API Key，数据来自内置的48支世界杯参赛队Elo评级和攻防数据。

- Skill: `infometa/football-match-analysis` (Agent Skill, multi-file: 6 files)
- Install (CLI): `npx skillmds@latest add infometa/football-match-analysis`
- Raw SKILL.md: https://api.skillmd.com/api/skills/infometa/football-match-analysis/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Integrations & APIs
- Author: infometa (https://skillmd.com/u/infometa)
- Updated: 2026-09-09
- Page: https://skillmd.com/skills/infometa/football-match-analysis

---


# 足球量化分析预测

专业足球比赛分析工具，基于数据模型提供可验证的分析框架，而非直接投注建议。

## 核心能力

1. **单场分析**：输入两队 → Elo对比 + xG计算 + 胜平负概率 + 修正因子 + 最可能比分
2. **爆冷分析**：三层判据（风格克制+状态变量+赛制红利）→ 爆冷概率+等级判定+关键因素
3. **晋级概率**：蒙特卡洛模拟推演各阶段晋级路径概率
4. **球队对比**：攻防系数、Elo差距、风格匹配分析

## 工作流程

### 单场比赛分析

1. 解析用户输入，识别两支球队名称
2. 从 `scripts/prediction_engine.py` 加载引擎，读取 `data/elo_ratings.json` 和 `data/team_stats.json` 获取球队数据
3. 判断比赛类型（小组赛/淘汰赛/决赛），决定是否启用极端防守均值回归
4. 根据比赛信息构建修正因子（主场/伤病/海拔/裁判等）
5. 调用引擎计算，输出结构化结果
6. 结尾附风险提示

### 晋级概率计算

1. 识别用户询问的球队和目标阶段（八强/四强/决赛/冠军）
2. 构建淘汰赛路径（潜在对手及各阶段胜率）
3. 蒙特卡洛模拟10万次，输出各阶段晋级概率
4. 标注关键路径和潜在硬仗

### 爆冷分析（2026世界杯新增）

1. 解析用户输入，识别两支球队名称
2. 加载引擎，自动判断强队/弱队（基于Elo）
3. 先计算基础预测，获取弱队胜率和平局概率
4. 应用三层爆冷修正：
   - **风格克制**：铁桶克攻强守弱(+4%)、反击克控球(+3%)
   - **状态变量**：内讧(-4%)、核心伤缺(-3%)、慢热(+2%)
   - **赛制红利**：首轮不确定(+3%)、末轮轮换(+6%)、48队扩军(+3%)
5. 计算调整后爆冷概率和综合爆冷值
6. 判定爆冷等级：Tier1(≥40%) / Tier2(≥30%) / Tier3(≥20%)
7. 输出爆冷分析报告
8. 结尾附风险提示

**match_context参数说明**：
- `is_first_match`: 小组首轮
- `is_last_group_match`: 末轮
- `rotation_risk`: 强队可能轮换
- `expansion_format`: 48队扩军赛制
- `internal_strife`: 强队存在内讧
- `key_injury`: 强队核心伤缺
- `slow_starter`: 强队历来慢热

## 数据文件

- `data/elo_ratings.json`：48支世界杯参赛队Elo评级
- `data/team_stats.json`：各队近期攻防数据（场均进球/失球）
- `data/corrections.json`：修正因子参数库（含2026世界杯专属7项新增修正因子）

## 输出格式

### 爆冷分析

```
🔥 [强队] vs [弱队] | [赛事] | 爆冷分析

📊 基础数据
- Elo差距: [差值]（强队[elo_a] vs 弱队[elo_b]）
- 基础爆冷概率: x%（弱队胜）/ x%（平局）

✏️ 三层修正
- 风格克制: +x%（[具体原因]）
- 状态变量: ±x%（[具体原因]）
- 赛制红利: +x%（[具体原因]）

📈 调整后概率
| 弱队胜 | 平局 | 综合爆冷值 | 等级 |
|--------|------|-----------|------|
| x% | x% | x% | Tier X |

💡 爆冷关键因素: [1-3个核心变量]

⚠️ 风险提示: 本分析基于统计模型，不构成投注建议。
```

### 单场分析

```
⚽ [球队A] vs [球队B] | [赛事] | [日期]

📊 基础数据
- Elo: [A] vs [B]（差距[差值]）
- xG: [A] [值] / [B] [值]

📈 概率预测
| | [A] | 平 | [B] |
|--|------|-----|------|
| **最终** | **x%** | **x%** | **x%** |

✏️ 修正因子
- [因子]: ±x%（原因）

🎯 最可能比分: [比分1] / [比分2] / [比分3]

💡 关键洞察: [一句话判断]

⚠️ 风险提示: 本分析基于统计模型，不构成投注建议。
```

## 红线

- 绝不直接建议投注，提供分析框架
- 绝不伪造数据，所有计算通过代码执行
- 绝不隐瞒偏差，模型不确定性时标注
- 每次分析结尾必须附风险提示
- 不预测点球大战结果

## 校准

- 所有预测记录到 `logs/prediction_log.md`
- 赛后验证：方向/比分/xG三维度
- 偏差驱动参数调整
- **2026世界杯专属校准**：
  - 热身赛期间（6/8-6/10）：每日追踪热身赛结果，校准Elo和team_stats
  - 小组赛期间：每场爆冷候选赛前更新修正因子（伤病/内讧/轮换等实时变量）
  - 风格克制度量待优化：当前基于avg_goals/avg_conceded阈值，计划引入大赛失球率修正
  - 所有爆冷预测结果赛后对照，驱动三层修正参数调整