OddsFlow AI の仕組み：Dixon-Coles 解説
「AI予測」の問題点
ほとんどの「AI予測」サービスはChatGPTにデータを入力し、出力を予測として再パッケージしているだけです。これは予測ではありません。大規模言語モデル（LLM）は統計的推論ではなく、テキスト生成のために設計されています。
Dixon-Colesモデルとは
OddsFlowはDixon-Colesモデルを使用しています。1997年に『Royal Statistical Society誌』に発表された二変量ポアソン回帰です。主要概念：
- 攻撃力（alpha）：リーグ平均に対する得点能力
- 守備力（beta）：リーグ平均に対する失点率
- ホームアドバンテージ（gamma）：ホームチームの期待得点を約25-35%増加
- 低スコア補正（rho）：0-0、1-0、0-1の確率を補正するDixon-Colesの革新
例：アーセナル vs ニューカッスル
モデル推定：アーセナル期待得点2.12、ニューカッスル0.94。確率マトリクスから：アーセナル勝利58.3%、引き分け18.7%、ニューカッスル勝利23.0%。
確率から予測へ
モデル確率が市場の暗黙確率を超えるとき、バリューが存在します。CLV（クロージングラインバリュー）は予測モデル評価のゴールドスタンダードです。
統計モデル vs LLM
Dixon-Colesは精密な確率を出力し、校正・再現・CLV検証が可能です。LLMは曖昧な評価を出力し、検証不可能です。
OddsFlowは無料の分析プラットフォームです。一切の賭けは行われません。本記事は純粋な教育コンテンツです。