🐎 大勝 總覽預測成績
🐎 大勝 · V10 總覽儀表板 總覽 · 總覽 · 賽前預測 · 成績

V10 賽馬模型 — 我們做過的一切

由「用電腦模型自己擊敗馬會賠率」出發，用最嚴謹方法逐一驗證 —— 結論：呢條路係死胡同（已證實，唔係放棄）。項目真正的優勢一直係 Eric（避 94% 準）。所以轉向：模型唔再扮擊敗市場，而做 Eric 的賽前儀器。

一、旅程

  1. 基礎 V10.0 — 純 Benter（條件邏輯回歸，賠率盲），5 個特徵，凍結為生產模型。
  2. 特徵再工程 — 逐個構想過「兩時段配對 CI 閘」→ 0 中 7，全部不顯著。
  3. 機率校準 — 模型已校準極佳（ECE 0.23%），無需校準。
  4. 價值 / 市場效率 — 「價值」投注全面蝕本；模型同市場分歧時多數係市場啱。
  5. Benter Stage 2（結合市場賠率）— β1≈0，模型對市場毫無增量。
  6. 轉向 Plan B — 模型 = 獨立排名腿 + 決策支援；做 Eric 賽前報告。

二、記分板

v10.0 首選命中（乾淨保留 1214 場）
23.7% / 51.1%
勝率 / 入位率
機率校準 ECE
0.23%
校準極佳
特徵再工程
0 / 7
全部不顯著
價值投注 ROI（乾淨保留）
−37.5%
冷門 EV 更蝕 −48%
Stage 2 基礎模型權重 β1
≈ 0
對市場無 edge
Eric 的「避」(veto)
94%
16 場驗證 — 真正優勢

三、關鍵圖表

特徵0/7
圖一：七個候選特徵全部未過閘（0/7）—— 誤差棒（95% CI）全部跨 0。
校準
圖二：v10.0 機率校準極佳（ECE 0.23%）。
價值ROI
圖三：模型「價值」投注全面蝕本 —— 市場有效，冷門 EV 係陷阱。
Stage2
圖四：Benter Stage 2 — β1≈0，合併估計 ≈ 公眾。
集成曲線
圖五：窮舉掃描 —— 純 Benter（XGB 權重 0）勝出。
參數響應
圖六：V10.0 參數響應面 —— 單調穩定。

四、V10.0 已登記構建（互動數據）

構建重訓節奏集成（Benter／XGB）時段A 勝/位時段B 勝/位加權 勝/位

集成權重 → 首選勝/位（窮舉 … 組）

五、文件與預測

六、結論 — 轉向 Plan B

誠實的天花板：賠率盲 + 簡單特徵的模型，喺有效市場 + 抽水面前贏唔到。真正的優勢係 Eric。下一步：模型做 Eric 的賽前報告（PDF 登本站），幫佢做晒準備、畀佢一個獨立讀數；判斷同落注由佢話事，賠率臨場變動佢自己處理。報告內容正待 Eric 確認（見上方提問 PDF）。