最近大家都在聊伊朗那邊的事兒，但 Polymarket 上有個大佬，不聲不響地從網球市場裡撈走了 16.5 萬多美元（大概 120 萬人民幣）。

這人從來不去現場，也不給教練發消息。他靠的，就是一個跑在電腦裡的機器學習模型。
這是他的錢包，可以圍觀：
看他最近幹的兩票，有點"陰"：
巴黎銀行公開賽：塞倫多羅 vs 邦齊
盈利：$25,184.10 （+47.55%）
巴黎銀行公開賽：克里斯蒂安 vs 蒂恩
盈利：$24,413.96 （+166.7%）
他是怎麼玩轉網球的？說白了，就四步。
1. 搞了個"數據聖杯"
他把從1985年到2024年，將近10萬場職業比賽的數據全喂給了模型。什麼場地類型、發球失誤、破發點……能想到的都有。
但光有這些沒用，厲害的是他算出來的東西：
兩個人的勝率差了多少
年齡差了幾歲
在紅土、草地這種特定場地上，各自的實力評分（ELO）
2. 找到了最關鍵的數據
就像泰坦尼克號上，"頭等艙、女性"是最關鍵的生存標籤一樣。他也在海量數據裡，揪出了兩個最能預測輸贏的因素：
倆人總的實力分差
在今天的場地上，倆人的實力分差
數學只是證明了一件事：比如在紅土遇到納達爾，他那"紅土ELO光環"基本就是無解。
3. 讓模型"接力賽"
他先試了單一的決策樹，準確率74%。又試了基礎的ELO規則，72%。然後用了個叫"隨機森林"的模型（相當於讓94棵樹一起投票），準確率到了76%——還是不太夠看。
最後他上了個狠招：XGBoost。
這玩意兒不是讓樹們一起投票，而是一棵接一棵地"接力"。後面的樹專門盯著前面那棵樹哪裡算錯了，去補漏洞。再加上防止過擬合的"正則化"技術，準確率一下衝到了85%，甚至超過了更複雜的神經網路。
4. 用實戰檢驗
他用截止到2024年的數據訓練好模型，然後去預測剛結束的2025年澳網。
結果：
116場比賽，猜對了99場（準確率85.3%）
比賽還沒開打，模型就預測辛納能不敗奪冠。
全程沒有內幕消息，就是靠：
一台電腦
開源的Python代碼
XGBoost算法
還有在一個還沒被太多人盯上的市場裡，敢下重註的膽量。
我反正是準備跟一手了。
有個複製交易的機器人，連上錢包就能跟著他自動買。
點這個開始同步他的倉位：