Files
2026FIFAWorldCup/docs/professional-market-architecture.md

2.6 KiB
Raw Permalink Blame History

2026 世界盃對標市場主流版資料驅動量化架構藍圖Gemini 路線)

一、目標

將網站從「賠率列表」提升為「市場主流級決策中心」:

  • 跨平台賠率矩陣化(多書比較)
  • 走勢與成交量監測Line Movement + Sharp/Public 分流)
  • 量化模型直接回傳投注信號EV / Poisson / Monte Carlo
  • 個人資金回報與 CLV 監控Portfolio Tracker

二、資料分層

  • Ingestion來源層:主力 Odds API + 可擴展的 Odds/Stats/News Feed。
  • Normalization正規化層:統一 matchId / teamId / market / outcome
  • Feature Store特徵層:暫存賽事快照、盤口快取、賽中事件。
  • Analytics Engine分析層EV、Poisson、Monte Carlo 的模型輸出。
  • Presentation Layer展示層:儀表板頁面 + API。

三、資料庫建議PostgreSQL

以下為最小可用表結構:

teams

  • id UUID
  • name TEXT
  • fifa_code TEXT

matches

  • id UUID
  • provider_match_id TEXT
  • stage TEXT
  • kickoff_at TIMESTAMPTZ
  • venue TEXT
  • city TEXT
  • altitude NUMERIC
  • home_team_id UUID
  • away_team_id UUID

odds_history(建議以 match_id, provider, market, updated_at` 分區)

  • id BIGSERIAL
  • match_id UUID
  • provider TEXT
  • market TEXT
  • outcome TEXT
  • point NUMERIC
  • odds NUMERIC
  • updated_at TIMESTAMPTZ

betting_tickets

  • id BIGSERIAL
  • match_id UUID
  • market TEXT
  • selection TEXT
  • point NUMERIC
  • tickets_pct NUMERIC
  • handle_pct NUMERIC
  • provider TEXT
  • snapshot_at TIMESTAMPTZ

portfolio_bets本機用量化追蹤

  • id UUID
  • match_id UUID
  • market TEXT
  • selection TEXT
  • odds NUMERIC
  • stake NUMERIC
  • result TEXT
  • settled_at TIMESTAMPTZ

四、快取與即時性

  • Redis key 建議
    • live:match:{matchId}:latest
    • odds:market:{matchId}:{market}
    • stats:line:{matchId}:{market}:{outcome}

五、量化分析模型

  • EV Detector以模型機率與市場隱含機率對照EV > 0 直接產生 value_bet=true
  • Poisson:推估雙方進球分佈與比分機率,輸出 1-3 機率最高 score。
  • Monte Carlo10k 次模擬輸出「淨勝 2 球以上」、「高波動場次」

六、實作進度接軸

本次提交已完成:

  1. 量化模組核心引擎Node
  2. 市場矩陣 + 線路變化 API
  3. 資金流偏差與走勢資料快照 API
  4. 組合/組合式投資組合 CLV APIin-memory prototype
  5. 量化儀表頁樣式與 API 串接骨架

後續可無縫接入 PostgreSQL/Redis將 in-memory 資料改為 DB Repository 注入。