OddsFlow AI 작동 원리: Dixon-Coles 해설
"AI 예측"의 문제점
대부분의 "AI 예측" 서비스는 ChatGPT에 데이터를 입력하고 출력을 예측으로 재포장할 뿐입니다. 이것은 예측이 아닙니다. 대규모 언어 모델(LLM)은 통계적 추론이 아닌 텍스트 생성을 위해 설계되었습니다.
Dixon-Coles 모델이란?
OddsFlow는 Dixon-Coles 모델을 사용합니다. 1997년 *Royal Statistical Society 저널*에 발표된 이변량 포아송 회귀입니다. 핵심 개념:
- 공격력(alpha): 리그 평균 대비 득점 능력
- 수비력(beta): 리그 평균 대비 실점률
- 홈 어드밴티지(gamma): 홈팀 기대 득점을 약 25-35% 증가
- 저득점 보정(rho): 0-0, 1-0, 0-1 확률을 보정하는 Dixon-Coles 혁신
예시: 아스널 vs 뉴캐슬
모델 추정: 아스널 기대 득점 2.12, 뉴캐슬 0.94. 확률 매트릭스에서: 아스널 승리 58.3%, 무승부 18.7%, 뉴캐슬 승리 23.0%.
확률에서 예측으로
모델 확률이 시장 내재 확률을 초과할 때 가치가 존재합니다. CLV(클로징 라인 밸류)는 예측 모델 평가의 골드 스탠다드입니다.
통계 모델 vs LLM
Dixon-Coles는 정밀한 확률(58.3%)을 출력하며, 교정/재현/CLV 검증이 가능합니다. LLM은 모호한 평가("아스널이 이길 것 같다")를 출력하며 검증 불가능합니다.
OddsFlow는 무료 분석 플랫폼입니다. 돈이 걸리지 않습니다. 이 기사는 순수한 교육 콘텐츠입니다.