十大足球直播推荐高盛公司(Goldman Sachs)用于预测世界杯的统计模型看上去相当优秀：这家投行挖掘了各个球队及球员的数据，利用人工智能预测了可能影响比分的因素，并模拟了100万种赛事的走向。模型随着赛事的进展持续更新，但其预测结果却错了一次又一次。它完全没料到决赛的对阵双方是法国和克罗地亚。
预测足球赛结果的失灵给了人们一个嘲笑傲慢的精英银行家们（他们也在投资决策中使用了类似的复杂模型）的好机会。对冲基金Upper Left Opportunities Fund的创始人汤姆·佩尔(Tom Pair)近日在Twitter上写道：
瑞银进行了1万次模拟，预测德国将赢得世界杯。高盛进行了100万次模拟，并预测巴西将成为冠军。这两支球队都没有进入半决赛。这两家银行都使用相同的技术来进行市场预测。纸上谈兵而已！
当然，过往的数据并不总能预测未来；高盛也从未让客户完全基于其模型的发现来做决定。而且，模型只能生成获胜或晋级的概率，在它给出的对世界杯冠军的预测中，没有一支球队的概率高于18.5%。这个故事的寓意或许在于：大数据和人工智能等备受瞩目的科技未必能带来更准确的统计预测。
在2014年世界杯期间，高盛也给出了不那么野心勃勃的统计预测。它只使用了一些球队统计数据，比如此前10场官方国际赛事中的进球数，球队排名，以及一些计算球队离家距离的变量。其最初的模拟结果是：德国在半决赛中以1:2输给巴西，巴西在决赛中以3:1战胜阿根廷。它还预测出2010年的冠军西班牙会在半决赛中败给阿根廷。
实际结果则是，西班牙在小组赛中出局，德国7:1大胜巴西，并最终抱走了大力神杯。事后，高盛的经济学家扬·哈丘斯(Jan Hatzius)和斯文·雅里·施特恩(Sven Jari Stehn)认为模型失败的原因是足球的“内在无序性”，他们写道：模型的预测是巴西2:1战胜德国，结果却是德国7:1大胜巴西。我们对此感到遗憾。但作为德国人，我们也注意到有些事比正确更重要。
高盛
为了在2018年再接再厉，高盛的经济学家们将关于球队和个人球员的海量数据灌输给了4种不同类型的机器学习模型，以检验统计学的预测能力。他们通过模拟赛程计算出了每场比赛最有可能的比分结果。加入球员水平变量（如球员在球队中的平均排名，以及防守和进攻能力的指标）后的最初结果看上去很令人鼓舞。此次的模型在AI的帮助下纳入了更加颗粒化的数据，因此理应优于2014年的模型。
但它的表现反而更差。
2014年的模型预测的半决赛球队中有3支命中，因此还不算太离谱。巴西的历史性惨败属于孤立事件，任何一个热爱足球的国家都不会忘记这场比赛。计算机绝无可能猜中这样的结果。
2018年，这家投行最初预测的半决赛名单是巴西、法国、德国和葡萄牙；决赛则会以巴西击败德国告终。结果，这些球队中只有法国进入了四强名单。
高盛在比赛过程中不断更新模型。其6月29日预测的决赛球队是巴西和西班牙，7月4日的预测则是巴西和法国。最近的一次预测又变成由英格兰和比利时争夺大力神杯。结果，这两支球队在半决赛中双双出局。
当然，这些预测并非百万美元的下注，甚至并非信誓旦旦。“这些预测仍是高度不确定的，虽然采用了最煞费苦心的统计技术，但足球实在是一项难以预料的运动，”施特恩和他的同事马那夫·乔杜里(Manav Chaudhary)和尼古拉斯·福塞特(Nicholas Fawcett)写道。“这当然也正是世界杯如此激动人心的原因所在。”
好在他们最后的预测没有失手。
瑞银
公正地讲，高盛并非唯一一家未能用其先进的模型完成这项复杂任务的银行。例如，瑞银(UBS)给出的夺冠概率从高到低依次是：德国、巴西、西班牙和英格兰。根据这家银行的数据，克罗地亚打进半决赛的几率只有4.4%。另外，公司以及与公司合作的学者们的预测也是半斤八两。
但高盛的失灵或许是最有趣的。得益于现代科技，模型制作中可以纳入的细节程度已经非常之高，由此就带来了能够提升预测能力的错觉。但即便是最精心搭建的、AI驱动的、详尽数据挖掘的模型，在复杂度上也永远不及真实的生活。足球还只是一项几十个人参与的规则严明的运动，影响比赛结果的因素已经非常多：球员伤病、队内矛盾、裁判、天气、教练的失误以及神来一脚等等。相比之下，对于大的企业、行业以及国家的行为和表现，大概就更难基于过往的数据进行建模了。
我们不应被当今模型的技术先进性蒙蔽了判断。即使拼尽全力，我们也无法将生活锁进一个数据库中。
（本文内容不代表彭博编辑委员会、彭博有限合伙企业、《商业周刊/中文版》及其所有者的观点。）
撰文：Leonid Bershidsky 编辑：王越丁 翻译：程玺
◆ ◆ ◆ ◆ ◆
点击你感兴趣的关键词
立即获得关于TA的更多信息！
......
