1X2 模型 EV
- 倾向
- 鹿特丹斯巴达
- 模型概率
- 43.3%
- 市场概率
- 22.9%
- 差值
- +20.4 pp
- 风险调整后 EV (P1.5)
- +5.5%
存在价值
前进之鹰 vs 鹿特丹斯巴达 预测
模型倾向尚未构成主推 — 下方仅给出一个结论。
AI 价值提示 - 无主推
5.7/10
OddsGPT AI Confidence Score 综合 AI 概率、市场信号、xG 数据与表现指标衡量预测可靠度。分数越高，表示模型信心与数据支撑越强，有助于识别更高质量的机会。
OddsGPT AI Confidence Score 综合 AI 概率、市场信号、xG 数据与表现指标衡量预测可靠度。分数越高，表示模型信心与数据支撑越强，有助于识别更高质量的机会。
原因
市场质量风险
价格可靠性偏弱（覆盖不足、异常价或庄家一致性低）。
共识 EV
+7.3%
使用市场调整后的概率计算。 模型概率会部分向市场预期收缩，以降低假阳性。
决策模型 vs 市场差距
20.4 pp
所选结果上，决策模型概率与去水市场概率之差。
可靠性
64/100 · 中等
可靠性衡量的是预测信号质量。 综合考虑： • 模型验证 • 市场对齐 • 数据质量 • 庄家覆盖广度 • 市场变动一致性 它不代表获胜概率。
登录后查看完整投注结论
免费登录即可解锁「最终投注结论」— 各市场是否观望、可能存在 +EV 的盘口，以及 steam 提示。
预测概览
基础预测模型
这些概率来自基础 xG 比分模拟（泊松模型），展示决策层校准前的预期赛果分布。
这些概率来自基础 xG 比分模拟（泊松模型），展示决策层校准前的预期赛果分布。
基于 xG 进球模型的原始赛果概率分布。
决策模型 vs 市场
决策模型会再做额外校准（含低比分相关修正），得到供决策引擎用于价值计算、EV 估计与主推决策的概率。
决策模型会再做额外校准（含低比分相关修正），得到供决策引擎用于价值计算、EV 估计与主推决策的概率。
| 决策模型 | 43.3% |
| 市场（去水） | 22.9% |
| 差异 | +20.4 pp |
模型–市场高度分歧
为何拦截投注
正面因素
- ✓决策模型概率高于市场预期决策模型 43.3% vs 市场 22.9%
- ✓风险调整后 EV 通过主推门槛（≥ +5.0%）+7.3%
- ✓明确方向性模型信号： 鹿特丹斯巴达
风险因素
- ✗异常价格已排除出主推+85% EV → 共识 +7.3%
- ✗主推条件尚未完全满足
市场情报
本场尚无市场变动信号。
市场决策（模型 vs 市场）
每张卡片对比模型概率与去水（或最佳可用）市场价格，并给出风险调整或原始 EV。
正 EV 是定价信号，不是主推仓位指令。
每张卡片对比模型概率与去水（或最佳可用）市场价格，并给出风险调整或原始 EV。 正 EV 是定价信号，不是主推仓位指令。
大小球 2.5
- 倾向
- 小 2.5
- 模型概率 (小)
- 37.0%
- 市场概率 (小)
- 32.3%
- 差值
- +4.7 pp
- 风险调整后 EV
- -2.7%
无价值边
总进球（模型）
双方进球（否）
- 倾向
- 否
- 模型概率
- 34.6%
- 市场概率
- 33.8%
- 差值
- +0.8 pp
- 风险调整后 EV
- -7.1%
无价值边
双方进球 是 65.4%
双方进球 否 34.6%
正确比分
- 最高概率比分
- 1-1
- 模型概率 (1-1)
- 10.2%
- 市场概率 (1-1)
- 11.1%
- 差值
- -0.9 pp
- 按市价 EV
- -8.2%
无价值
模型 Top 5 比分
- 1-1 10.2%
- 1-2 9.0%
- 2-1 7.5%
- 0-1 6.9%
- 2-2 6.7%
比赛阶段: 未开赛
决策生命周期
当前阶段: 市场监测中
-
预测已生成
-
市场已对比入场 1.73
-
验证通过
-
收盘已记录收盘 等待中 预计开赛前采集
-
CLV 已评估CLV 待定
最终结论
AI 价值提示 - 无主推
决策模型估计 鹿特丹斯巴达 为 43.3%，对比去水市场概率 22.9%。
决策摘要
- 决策模型认定 鹿特丹斯巴达 为价值侧（43.3%）
- 方向上无明确市场冲突
- 市场质量/价格可靠性不足以支撑主推
行动
监控收盘盘口，并用 CLV 做最终验证。
OddsGPT Decision Engine 2.5.0 · 仅供教育参考 · 非个性化投注建议
荷兰. 荷兰甲级联赛 预测
