在足球比賽中，進球似乎是一個隨機事件，我們可以設計一個簡單的理想化模型（排除陰謀論以及假球論）。在雙方球隊客觀實力均等的前提下，假定各方在一定時間內進球的概率是一定的，那么可以認為該條件下，雙方的進球數符合類似于泊松分布這種無記憶模型。

泊松分布是法國數學家泊松在推廣伯努利形勢下的大數定律時，研究得出的一種概率分布，目前該模型廣泛應用于各類企業(yè)中。表格中第一列表示四支球隊的平均進球數，第二列表示各球隊在比賽中無進球的概率，后幾列同上。當場均進球值與期望值差距越大時，概率越小。但有一個不可忽略的事實——第一次的進球會使之后的進球變得容易，是模型總會存在“誤差”，但該模型依然具有很高的參考價值。

下面簡單介紹計算方法：

泊松公式：P（X）=（M^X/X!)*e^(-M)；P (0) = e^(-M)

e為常實數2.718

M為球隊場均進球數即表格中的第一列

X為期望進球值即表格中的第一行數值

X！為X的階乘，如3！=3*2*1、n！=n*（n-1）*（n-2）*......*1

例：場均進球數為2的球隊本場比賽進球數為1的概率為多少呢？

P（2）=（2^1/1!)*2.718^(-2)=27.1%

假設兩支球隊的進球互為獨立事件，主隊平均進球數1.6，客隊平均進球數1.2，則通過上圖表格是不是可以得到各種比分情況的概率：0:0的概率為20%*30%=6%，1:1概率為32%*36%=11.5% ......

將所有平局的概率相加就得到平局概率為25%。同理主隊獲勝概率為48%，客隊獲勝概率為27%。亞盤上下盤的概率也可依此方法來計算，從而來規(guī)劃投資比例。

在職業(yè)足球比賽中，一場比賽的得分數的平均值在2-3.5之間，2.8是個典型的平均值，排除0-0的情況，雙方戰(zhàn)成平局的概率為20%。平均進球值越低，第一個進球就顯得愈發(fā)重要。

如果平均進球值為2，先進球一方獲勝的概率為72%，失敗的概率僅為8%。如果平均君求值為2.8，則先進球的一方獲勝的概率為67%，輸球的概率為13%。

2000年初英國有家報社對本地聯賽800多場比賽的統(tǒng)計，在總進球數不為0的比賽中，先進球一方獲勝的比賽占比重68.7%，平局占比20.8%，輸球占比10.4%。不難發(fā)現計算結果與實際的統(tǒng)計數據符合的很好，泊松模型是20世紀博彩公司在確定賠率時的利用的計算模型之一，21世紀初這依然是不少博彩公司開賠的依據。

克里在其經濟論著作中給出了最佳策略，選擇一個適當的值K，使得游戲平均增長指數能達到最大值即K=丨p-（1-p）丨。

例如一場賽事上下盤打出概率分別為55%和45%，那么我們投注金額應占總資金的10%，此時資金平均增長率為0.008.這個策略可以保證你的平均資金增長率最大，當你選擇更大或更小的K值，將導致平均資金增長率的下降。

值得注意的是，擁有出色風控能力的博彩公司給出的賠率和水位是利潤最大化后的產物，而某些交易所的賠率則是購買者的行為自動生成。

某項數據打破一般常規(guī)的比賽，例如上半場無角球或1個角球，對于這種賽事，滾球網站不可能在短時間內將盤口做到統(tǒng)一，通過對比盤口和水位上的差異，投機者利用大資金的對沖穩(wěn)定盈利金額的0.2%甚至百分之1之多。

該種對沖方式對即時性和資金量的要求較大，而且能篩選出的賽事少之又少。筆者昨晚守在電腦前近5個小時，僅篩選到奧地利甲級聯賽中的一場比賽，可惜的是經過計算，賠率方面還差0.2的點就可達到該要求。