關於量化賽馬

我哋係一班有數學同數據分析背景嘅大學生，希望將課堂學到嘅方法，用喺真實問題上。

受 Bill Benter 等先行者啟發，我哋開始研究點樣用統計模型分析香港賽馬，並喺呢度分享模型結果同研究觀察。

我哋亦希望同對賽馬、數據分析同機率有興趣嘅人交流，透過討論同賽後檢視，逐步改進研究方法。

我哋喺每個賽日運行量化評級同重點 W/Q 兩套分析，分別比較馬匹跑入前三嘅機會，以及模型同市場定價之間嘅差距。

量化評級用 XGBoost 演算法，屬於梯度提升決策樹模型。可以將佢理解成一組小型 if-then 判斷規則：每棵決策樹提供一部分判斷，訓練時再逐棵加入新樹，針對之前嘅預測誤差作調整，最後將多棵樹嘅結果組合起來。

每匹參賽馬嘅輸入特徵都來自排位表同資料庫，包括今場班次、途程、檔位同負磅；近期名次、落後距離、距離上仗日數，以及走位變化同步速形態摘要。騎練方面，會加入練馬師同騎師過去 365 日嘅勝出率、入位率同出賽次數，作為騎練表現嘅代理指標。配備變動亦會以二元指標加入，作為額外訊號。

模型輸出嘅 p_top3，代表對該匹馬跑入前三名機會嘅估計。計算全場馬匹後，我哋會按 p_top3 由高至低排序，通常展示頭四個選擇。四匹係展示數目，唔代表模型預測嘅係「前四名機率」。

重點 W/Q 睇嘅係另一個角度：除咗馬匹本身嘅勝出機會，亦會比較市場賠率同模型估算，篩選出差距達到指定門檻嘅場次。

獨贏部分先由市場出發，根據即時獨贏賠率計算市場隱含勝出機率；一般而言，賠率越低，隱含機率就越高。單純跟隨呢個排序，主要反映嘅仍然係市場共識，仲要考慮抽水。所以 W 模型會加入 LightGBM，利用歷史賽事同馬匹特徵，從模型角度估計市場對各匹馬係高估定低估。

呢個比較會用 overlay 表達，亦即我哋嘅價值指標。Overlay 衡量市場定價同模型估計機率之間嘅差距：正值表示模型較市場看好該匹馬；接近零表示兩者判斷接近；負值則表示市場可能比模型更樂觀。呢個係模型同市場嘅分歧，唔係已經確認市場定錯價。

演算法會為全場馬匹評分，選出喺勝出評分函數下排名最高嘅 top1。篩選規則係：只有 top1 嘅 overlay 高於門檻 x，該場先會列入獨贏選擇；如果唔高於 x，就跳過該場。即使首選本身評分高，都要符合呢個模型與市場差距門檻。

連贏部分以兩匹馬不分先後跑入前二為目標，採用 anchor 主膽配腳方法。Q 模型使用 LightGBM 嘅 LambdaRank 排序方法，為配對馬匹排序。我哋會以重點 W 嘅 top1 作為 anchor，即價值調整後選定嘅主膽，再由 Q ranker 喺其餘馬匹中選出兩匹配腳 partner2 同 partner3。最後形成兩個重點連贏組合：anchor 加 partner2，以及 anchor 加 partner3。

因此，重點 W/Q 唔係單睇邊匹馬評分最高，亦要睇模型同市場之間嘅差距。W 首選嘅 overlay 高於門檻 x，先符合呢套流程嘅選場條件。

分析只供參考。博彩有風險，過往成績唔代表將來表現。

本網站展示的所有選馬、命中率、回報率及歷史統計，僅反映過去某段特定期間的結果，並不保證、預示或代表任何將來的表現或回報。任何模型、預測或策略均無法保證盈利；賽馬投注本質上具有風險，可能導致損失全部投注本金。本網站內容僅供資訊及娛樂用途，並不構成投注、財務或投資建議，我們亦不提供投注服務。

香港居民請注意：根據香港法律，香港賽馬會（The Hong Kong Jockey Club，HKJC）是本港唯一獲授權及合法經營賽馬投注的機構。除透過香港賽馬會的合法途徑外，以任何其他方式（包括非法外圍莊家及離岸或網上博彩網站）進行賽馬投注，均屬違法。合法投注只限18歲或以上人士，請以負責任的態度博彩。

詳情請參閱本網站的免責聲明。