介绍“资产价值”框架
要点
– OptaPro 的控球价值（PV）模型用于计算球队在单次控球中取得进球的概率。
– 该框架根据球员的积极和消极贡献，对其进行评分，涵盖了持球时的关键事件。
– 本赛季至今，曼城队的里亚德·马赫雷斯和凯文·德布劳内是英超联赛中最出色的球员，他们的控球附加值（PV+）数据位居榜首。
进球和助攻的球员是任何足球队的关键。然而，如果仅关注这两项数据，就会忽略球场上其他所有表现。例如，如果我们忽略了防守型中场99%的场上表现，又如何能准确评估他们的控球能力呢？
理想情况下，我们希望对球员的所有表现进行评估。他们的表现是让球队变强了还是变弱了？他们是否提高了球队进球或获胜的可能性？
在大多数情况下，评估中场球员时，研究他们的预期进球（xG）和预期助攻（xA）数据并无太大意义，因为这些数据通常非常低。因此，我们通常会关注其他指标，例如“向前传球”或“进入对方最后三分之一区域”的次数。
虽然这些数据指标有其价值，但它们也忽略了大量信息。这可以比作在评估进攻型球员时仅看射门次数。在这种情况下，我们还想知道每次射门有多有价值。同样的情况也适用于“进入对方禁区”这一指标：每次进入对方禁区有多有价值？
2012年，xG概念被引入应用足球分析领域，旨在提升我们对射门价值的评估。这为评估前锋及其进球能力提供了一种更有效的方法。
如果我们能将这一思路延伸，并对球场上的每一项动作进行量化评估，会怎样？
根据控球情况判断进球的可能性
球员在比赛中必须不断做出决策。一方面，他们力求将进球概率最大化；另一方面，又力求将失球概率降至最低。
有时，一个动作是否积极非常明显——比如一记让前锋单刀赴会的传球，或者一次夺回球权的拦截。
不过，对于大多数行为而言，情况要比这复杂得多。
这就是OptaPro的“控球价值”（Possession Value）框架发挥作用的地方。与篮球中的EPV（预期控球价值）模型类似，“控球价值”（PV）衡量的是球队在一次控球中得分的概率。
该模型目前仍处于开发阶段，将在2019/20赛季期间根据OptaPro客户的反馈不断完善。
以下是一个关于“控球价值”应用的示例，重点展示利物浦的一系列进攻动作。最后一个事件是詹姆斯·米尔纳的一次传球。
在进攻的这一阶段，这次控球转化为进球的可能性有多大？请注意，我们并不关心进球的具体方式。进球可能是接球球员直接射门得分，也可能是经过20次传球后通过角球破门。只要在此期间球队没有丢球，都算作有效。该模型估算的正是同一波进攻中发生任何进球的可能性。
在这种情况下，模型估计该概率为3.3%，即大约30分之1。那么，这个数字是如何得出的呢？
如上图所示，该模型基于同一波进攻中的最多五次先前事件进行估算。随后，它将估算结果与历史数据进行对比，以尝试预测进球发生的概率。通常来说，动作在进攻序列中发生得越晚，其重要性就越高。在这个例子中，这意味着米尔纳的最后一传比五步之前的传球影响更大。
此时，你可能会问自己：“那又怎样？——这如何帮助我们为球场上的所有动作赋予价值？”
那么，我们继续以利物浦为例，来看看米尔纳传球后接下来的两个动作：
菲尔米诺接到米尔纳的传球后，带球突入禁区，随后成功送出一记直塞球，将球传给禁区内的萨迪奥·马内。模型目前估算进球概率为33.9%。换言之，完成这次进攻的球员使球队进球的概率提高了30%以上。这就是我们所说的控球附加值（或PV+）。
因此，通过应用“控球价值”框架，我们可以评估场上每一项动作的价值，具体方法是观察该动作如何影响球队进球概率的增减。
量化球员对球队进球概率的贡献
我们以一个具体案例为例：某球员的PV+数据对进攻推进起到了积极作用，但并未产生较高的预期进球（xG）或预期助攻（xA）值。
阿森纳的亚历山大·拉卡泽特在己方半场接到界外球，周围被对方球员包围。
接球转身之后，这位法国球员带球深入对方半场，仅9秒后便来到这个位置，将球传给了左路的科拉希纳茨。
很明显，这为阿森纳的进攻做出了重要贡献，然而科拉希纳茨的传中质量欠佳，被一名后卫头球解围出底线，形成角球。
拉卡泽特的出色表现并未体现在预期进球（xG）数据中——因为他并未完成射门；也未体现在预期助攻（xA）数据中——因为科拉希纳茨很难从那个位置自己破门。不过，拉卡泽特的PV+数据更准确地反映了他的贡献。
当他接到界外球时，PV值约为1%，而在跑动结束时，该值已超过7%。因此，他创造了0.06的PV+值，这更能真实反映出他此次参与对球队的价值。
“控球价值”的强大之处在于，我们可以将其应用于球场上的每一项相关动作。试想：传球、带球、突破、拦截、铲断和抢回球权，甚至赢得犯规或角球——这些都可以纳入这一分析框架。
归因于负面影响
除了在控球时发挥积极作用外，失误也是比赛不可或缺的一部分。
丢球会对球队造成两方面的不利影响：首先，原本因控球而获得的任何优势都将丧失；其次，对手现在掌握了可能带来威胁的控球权。
PV框架在判定玩家的负面参与度时，会综合考虑这两个因素。
让我们通过两个不同的场景来看看它是如何应用的：
情况一——沃特福德对阵阿森纳：索克拉蒂斯·帕帕斯塔索普洛斯
索克拉蒂斯在自家禁区内控球。当他试图从后场出球时，德乌洛费乌截获了他的传球。
– 控球权损失值 = 0.01
– 对手控球风险 = 0.14
索克拉蒂斯总共被赋予了-0.15 PV+。
第二场比赛——托特纳姆热刺对阵水晶宫：切克·库亚特
水晶宫在左路进攻区域禁区外获得一记任意球。
任意球开向后门柱，库亚特试图将球回做。但未能成功，皮球被解围。
– 控球权损失值 = 0.17
– 对手控球风险 = 0.01
因此，如果我们将同样的标准套用到涉及索克拉蒂斯的情况中，库亚特将获得-0.18 PV+的评分。
然而，每种情况的背景却大相径庭。在第一个例子中，很明显，索克拉蒂斯在自家禁区内的个人失误直接导致了PV的变动；但在库亚特的情况下，你可以认为他的几名队友也有责任，因为他们没有处于中路位置来接应他的回传。
在查看初步结果时，我们发现，经常参与进攻的球员的得分受到了显著的负面影响。
我们认为，必须做到公允地归责和/或归功。因此，在我们的框架中，因资产价值损失而施加的惩罚上限为0.025（即单笔资产的平均价值）。
这意味着，在这个例子中，库亚特因本队控球权的价值损失被扣减0.025分，又因对手控球权带来的威胁被扣减0.01分。
将这种丢球方式视为负分，虽然仍会对处理球不慎的进攻球员进行惩罚，但这并不算不公平。
识别表现突出的员工
归根结底，每位球员都会根据其积极和消极的贡献来评判。做出大量积极贡献固然可喜，但前提是这些贡献必须超过消极影响。这使我们能够用同一标准来评估高风险高回报型球员和低风险低回报型球员。
为了让大家了解这一数据如何帮助我们识别表现突出的球员，下表列出了本赛季至今英超各队每90分钟PV+数据最高的球员。不过需要注意的是，该数据基于目前较少的比赛样本。球员排名依据当前联赛积分榜排序。
如您所见，输出结果分为四类，其中一类为正，三类为负：
(+) 渐进式行动。这些行动的PV+值为正，并以蓝色高亮显示。
(-) 成功但倒退的行动。这些行动虽然已完成，但被赋予负PV+值，并以红色标出。
(-) 丢球（例如库亚特的-0.025 PV+）。
(-) 丢球导致对手直接形成威胁（例如索克拉蒂斯的-0.14 PV+）。
作为玩家，你希望自己的积极参与度超过消极参与度。换句话说，你希望自己的蓝色条形图比所有消极条形图的总和还要大。
目前，里亚德·马赫雷斯在联赛中排名榜首，但榜单上汇聚了来自不同位置的球员，这凸显了该评估框架可用于评估场上各类球员（不过，直接比较不同位置的球员并非最佳做法）。
超越射门和关键传球
通过运用“控球价值”这一指标，球队可以基于球员的所有表现来对其进行评估。
作为对现有先进指标的补充——这些指标旨在帮助评估球员在门前创造的机会（xG）以及在对方半场传球的质量（xA）——PV 使我们能够对防守型中场和后卫的所有控球技巧进行量化评估，甚至能够量化关键防守贡献的实际价值，例如恩戈洛·坎特的拦截。
如本文前文所述，OptaPro的“控球价值”框架仍在不断完善中，随着本赛季的推进，我们将分享更多相关信息。
如果您想进一步了解该模型，或对我们迄今为止的开发成果有任何疑问，请通过 pro@optasports.com 与我们联系。
在接下来的博客中，我们将提供更多实例，说明如何利用PV框架辅助绩效分析和招聘工作，并重点介绍该框架中可衍生出的其他有用指标。
