1. 概述
在体育预测与竞技娱乐领域，赔率制定的准确性直接决定了平台的长期盈利能力与用户信任度。传统赔率模型多依赖专家直觉或简单的胜负平统计，面临因子单一、反应滞后等缺陷。随着大数据与机器学习技术的成熟，多因子泊松赔率模型（Multi-Factor Poisson Odds Model）凭借其对进球事件的精细建模能力，成为智能赔率引擎的核心。该模型从球队身价、历史对战数据、阵型配置等多维度提取特征，驱动泊松分布的进球率参数，从而输出高度拟合真实赛果的概率分布与赔率表。
2. 核心概念
2.1 泊松分布与足球进球建模
泊松分布是描述单位时间内随机事件发生次数的经典离散概率分布，其单一参数 λ 代表单位时间内的平均发生率。在足球赛事中，单场比赛的进球数可近似为泊松过程，每支球队的进球能力由独立的 λ 值量化。标准双泊松模型通过估计主队 λh 和客队 λa，再卷积得到比分概率矩阵，进而计算胜平负、大小球、实时赛果预测等赔率。
2.2 多因子驱动的 λ 估计
朴素泊松模型仅用历史平均进球作为