量化球员身价与表现关系的实用脚本方案
下面给你一套可落地的量化框架和 Python 脚本思路,覆盖数据获取、指标构建、建模和可视化四个环节。

整体框架
数据层 → 特征工程 → 建模分析 → 可视化输出
↓ ↓ ↓ ↓
身价/表现 标准化指标 回归/分类 散点+残差图
核心思路:用表现指标解释身价,用残差识别"溢价/低估"球员。
数据获取(示例)
import pandas as pd
import numpy as np
import requests
# 方案A:FBref(免费,推荐)
# 用 soccerdata 库抓取
# pip install soccerdata
import soccerdata as sd
fbref = sd.FBref(leagues="ENG-Premier League", seasons="2023-2024")
stats = fbref.read_player_season_stats(stat_type="standard")
# 会得到 minutes, goals, assists, xG, xA 等
# 方案B:Transfermarkt 身价(需爬取或使用 Kaggle 数据集)
# Kaggle: "Football Player Market Value" 数据集可直接下载
values = pd.read_csv("player_market_values.csv")
关键字段:player, position, minutes, goals, assists, xG, xA, market_value
特征工程:构建可比的"每90分钟"指标
身价受位置、出场时间影响极大,必须先标准化。
def build_features(df, min_minutes=900):
df = df[df['minutes'] >= min_minutes].copy() # 过滤样本不足
per90 = lambda x: x / df['minutes'] * 90
df['goals_p90'] = per90(df['goals'])
df['assists_p90'] = per90(df['assists'])
df['xg_p90'] = per90(df['xg'])
df['xa_p90'] = per90(df['xa'])
df['g_minus_xg'] = df['goals'] - df['xg'] # 把握机会能力
df['xa_plus_xg'] = df['xg'] + df['xa'] # 进攻参与度
# 对数化身价(身价分布右偏严重)
df['log_value'] = np.log1p(df['market_value'])
return df
要点:
- 用 log(身价) 做回归目标,避免高身价球员主导
- 用 xG/xA 而非纯进球助攻,剔除运气成分
- 按位置分组建模(前锋/中场/后卫的权重完全不同)
建模:身价 ~ 表现
1 基础回归(可解释性强)
import statsmodels.api as sm
def fit_value_model(df, features):
X = sm.add_constant(df[features])
y = df['log_value']
model = sm.OLS(y, X).fit()
print(model.summary())
df['predicted_value'] = np.expm1(model.predict(X))
df['residual'] = df['market_value'] - df['predicted_value']
df['value_ratio'] = df['market_value'] / df['predicted_value']
return model, df
features = ['goals_p90', 'assists_p90', 'xg_p90', 'xa_p90', 'minutes']
model, df = fit_value_model(df, features)
2 识别溢价/低估球员
# 残差正=溢价(表现配不上身价),负=低估(潜力股) overvalued = df.nlargest(10, 'residual')[['player','market_value','predicted_value','residual']] undervalued = df.nsmallest(10, 'residual')[['player','market_value','predicted_value','residual']]
3 进阶:分位置 + 非线性模型
from sklearn.ensemble import GradientBoostingRegressor
from sklearn.model_selection import cross_val_score
for pos in ['FW', 'MF', 'DF']:
sub = df[df['position'] == pos]
X, y = sub[features], sub['log_value']
gb = GradientBoostingRegressor(n_estimators=200, max_depth=3)
scores = cross_val_score(gb, X, y, cv=5, scoring='r2')
print(f"{pos} R²={scores.mean():.3f}")
可视化输出
import matplotlib.pyplot as plt
fig, axes = plt.subplots(1, 2, figsize=(14, 6))
# 图1:表现 vs 身价散点
axes[0].scatter(df['xa_plus_xg'], df['market_value'], alpha=0.5)
axes[0].set_xlabel('xG+xA per 90'); axes[0].set_ylabel('Market Value (€)')
axes[0].set_yscale('log')
# 图2:残差分布(溢价/低估)
axes[1].hist(df['residual'], bins=50)
axes[1].axvline(0, color='r', linestyle='--')
axes[1].set_xlabel('Residual (Actual - Predicted Value)')
plt.tight_layout(); plt.savefig('value_vs_performance.png', dpi=150)
关键注意事项(决定结果可信度)
| 问题 | 处理方式 |
|---|---|
| 位置差异 | 分位置建模,或加位置哑变量 |
| 联赛差异 | 加联赛系数,或用 xG 这类"标准化"指标 |
| 年龄曲线 | 引入 age 和 age²,身价呈倒U型 |
| 合同年限 | 剩余合同年数对身价影响极大,尽量纳入 |
| 样本不足 | 过滤 <900 分钟球员,避免噪声 |
| 因果 vs 相关 | 模型只说明关联,不能证明"表现导致身价" |
可扩展方向
- 面板数据:用多年数据做固定效应模型,控制球员个体差异
- 分类模型:预测"是否被低估"(二分类),用 AUC 评估
- 时间序列:追踪球员身价残差随赛季变化,识别"身价泡沫"
- Shapley 值:用 SHAP 解释每个指标对身价的贡献
import shap explainer = shap.Explainer(gb) shap_values = explainer(X) shap.summary_plot(shap_values, X) # 看哪个指标最影响身价
一句话总结
核心公式:
log(身价) ~ f(每90分钟表现指标, 位置, 年龄, 合同),用残差找溢价/低估,用 SHAP 解释驱动因素。
需要我针对某个具体联赛/位置(比如英超前锋)写一份完整可运行的脚本吗?
版权声明:本站文章为原创整理,转载请注明出处。