Hypermoment DATA LAB은 숫자를 결론처럼 제시하지 않고, 어떤 자료를 어떤 계산으로 결합했는지 공개하는 분석입니다. 지표의 정의뿐 아니라 적용 순서, 표본의 한계와 경기 종료 후 평가 기준까지 함께 설명합니다.
분석 원칙: 같은 시점의 자료를 사용하고, 확인되지 않은 라인업·부상 정보는 수치로 가정하지 않습니다. 예상은 참고 범위이며 실제 결과를 보장하지 않습니다. 마지막 업데이트: 2026년 10월 11일.
전체 데이터 분석
새 글이 올라오면 이 목록에 자동으로 추가됩니다. 가장 최근 글이 맨 위에 크게 표시됩니다.
KBO 예측 복기 49경기｜승자 적중률 62.5%, 점수 오차 2.5점 (2026년 9~10월)
승자 적중 30/48(62.5%) — 홈 팀 일괄 선택(54.2%)보다 약 8%p 높음
2026년 10월 11일
2026 KBO 팀간 상대전적 분석｜롯데의 키움전 14승 2패, LG의 두산전 11승 4패
격차 최대: 롯데가 키움에 14승 2패(.875)
2026년 10월 11일
KBO 홈 어드밴티지 분석｜2026 홈 승률 .517, 두산 홈·원정 차이 최대
2026 KBO 홈 팀 361승 17무 337패, 홈 승률 .517
2026년 10월 11일
2026 KBO 파크팩터 분석｜구장별 경기당 득점, 대전 123·고척 89
리그 평균 경기당 득점 10.15점(715경기 기준)
2026년 10월 11일
KBO 피타고리안 기대승률 분석｜득점 1위 한화가 9위에 그친 이유 (2026)
한화: 득점 821점(1위), 득실 -14 → 기대 69승, 실제 57승(차이 -11.9승, 리그 최대)
2026년 10월 11일
홈 어드밴티지는 경기 예측에 얼마나 반영해야 하는가
홈 어드밴티지는 실제로 존재하지만, 승패를 자동으로 결정하는 상수는 아닙니다. Hypermoment는 홈·원정을 독립적인 결론이 아니라 중립 …
2026년 10월 8일
ERA와 FIP 차이가 클 때 어떻게 해석해야 하는가
ERA는 실제로 허용한 자책점, FIP는 투수가 비교적 직접 통제하는 삼진·볼넷·사구·홈런에 초점을 둡니다. 두 값의 차이는 ‘운’이라는 한 …
2026년 10월 8일
표본 수가 적은 선수 기록을 어떻게 처리하는가
작은 표본은 버려야 할 데이터가 아니라 불확실성이 큰 데이터입니다. 100이닝 미만이면 무조건 제외하는 이분법보다, 표본 크기에 따라 …
2026년 10월 8일
Hypermoment KBO 10경기 예측 복기 — 승자 적중률 80%, 팀별 점수 오차 2.8점
2026년 10월 5~6일에 사전 공개한 KBO 10경기의 예상 스코어를 수정하지 않고 실제 결과와 대조했습니다. 승자 방향은 8경기에서 맞았지만…
2026년 10월 8일
야구 예상 득점 모델 설계: 팀 득실에서 경기별 범위까지
예상 득점 모델의 목적은 정답 스코어를 찍는 것이 아니라 서로 다른 팀을 같은 기준으로 비교하는 것입니다. 입력값, 보정 순서, 오차 평…
2026년 10월 8일
승자 예측과 스코어 예측을 분리해 평가하는 방법
예상 6–5와 실제 3–1을 단순 적중으로 표시하면 득점 규모를 크게 틀린 사실이 사라집니다. 예측의 어느 부분이 맞았는지 분해해야 다음 …
2026년 10월 8일
불펜 가용성을 수치화하는 법: 연투·투구 수·보직의 결합
불펜은 시즌 성적이 같아도 오늘 쓸 수 있는 투수가 누구인지에 따라 전력이 달라집니다. 가용성 지수는 실력과 피로를 분리해 경기 후반…
2026년 10월 8일
파크팩터 계산과 과적합 방지: 구장 지수 100을 만드는 과정
구장 지수는 계산식보다 표본과 비교 집단이 중요합니다. 단순히 해당 구장의 득점을 리그 평균으로 나누면 빠른 현황값은 얻지만 홈팀 전…
2026년 10월 8일
경기 예측 백테스트 표준안: 10경기 복기에서 무엇을 기록할까
복기는 결과를 본 뒤 설명을 바꾸는 작업이 아닙니다. 경기 전 문장을 보존하고 같은 채점 규칙을 반복 적용해야 예측 과정의 편향을 확인…
2026년 10월 8일
결측치와 기준 시점 관리: 스포츠 데이터 검증 체크리스트
스포츠 데이터의 오류는 계산식보다 기준 시점과 결측 처리에서 자주 생깁니다. 같은 선수 기록도 경기 전과 경기 후 값이 다르므로 언제 …
2026년 10월 8일현재 사용하는 분석 축
| 단계 | 확인 항목 | 주요 한계 |
|---|---|---|
| 기준선 | 팀 경기당 득점·실점, 시즌 승률 | 상대 강도와 최근 역할 변화가 섞임 |
| 선발 | 이닝, ERA, WHIP, FIP, 삼진·볼넷 | 수비와 표본 차이를 함께 확인해야 함 |
| 경기 후반 | 최근 투구 수, 연투, 핵심 불펜 가용성 | 당일 보직 결정은 사전에 확정할 수 없음 |
| 환경 | 구장 지수, 홈·원정, 이동과 휴식 | 구장 지수에는 팀 전력 효과도 포함됨 |
| 사후 평가 | 승자 방향, 점수 오차, 총득점 오차 | 한 경기로 모델 전체를 단정하지 않음 |
득실 기반 기준선은 어떻게 만드는가
현재 경기별 예상 스코어의 출발점은 한 팀의 경기당 득점과 상대 팀의 경기당 실점을 평균 내는 방식입니다. 홈과 원정에는 제한적인 보정만 적용합니다. 계산이 단순한 대신 독자가 같은 자료로 결과를 다시 확인할 수 있다는 장점이 있습니다.
이 값은 최종 결론이 아닙니다. 선발의 소화 이닝, 당일 라인업, 불펜 가용성과 구장 환경이 기준선을 얼마나 바꿀 수 있는지 별도 문단에서 설명합니다. 숫자를 복잡하게 만드는 것보다 어떤 가정이 들어갔는지를 공개하는 것을 우선합니다.
선발 비교에서 ERA·WHIP·FIP를 함께 보는 이유
ERA는 실제 실점 결과, WHIP는 출루 허용 빈도, FIP는 삼진·볼넷·홈런 중심의 투수 통제 결과를 보여 줍니다. 세 값이 같은 방향이면 해석의 신뢰가 높아지지만 서로 크게 다르면 수비, 잔루율, 타구의 질과 표본 규모를 추가로 확인합니다.
이닝도 중요합니다. 20이닝의 좋은 성적과 150이닝의 좋은 성적은 같은 무게로 비교하지 않습니다. 규정이닝 충족 여부를 표시하고, 시즌 중 역할이 바뀐 투수는 선발과 구원 기록이 섞였는지 확인합니다. 자세한 계산은 ERA·WHIP와 FIP 가이드에서 볼 수 있습니다.
불펜 소모도를 수치보다 먼저 확인하는 순서
경기 후반 평가는 시즌 평균자책만으로 끝내지 않습니다. 최근 3일 투구 수, 연투 여부, 전날 연장전, 이동과 휴식일을 먼저 봅니다. 시즌 성적이 좋은 불펜도 핵심 투수가 쉬어야 하는 날에는 같은 전력으로 볼 수 없습니다.
다만 경기 전에는 감독의 실제 기용 결정을 알 수 없습니다. 그래서 가용성과 예상 보직을 구분하고, 확인되지 않은 휴식을 확정 사실처럼 쓰지 않습니다. KBO처럼 승계주자 실점률 자료가 제한적인 경우 보직별 평균자책을 대체 지표로 사용했다는 한계를 기사에 남깁니다. 불펜 소모도 가이드도 함께 참고하세요.
구장 지수 100을 읽는 법
구장 지수 100은 리그 평균과 같은 득점 환경을 뜻합니다. 104라면 해당 집계 기간의 경기당 득점이 리그 평균보다 약 4% 높았다는 의미로 사용합니다. Hypermoment의 경기 페이지는 집계 경기 수와 기준 시점을 함께 밝혀 작은 표본을 구분합니다.
구장 지수는 날씨나 당일 라인업을 대신하지 않습니다. 특히 단일 시즌 수치는 홈팀 전력의 영향을 받을 수 있으므로 예상 스코어를 크게 움직이는 단독 근거로 쓰지 않습니다. 방향을 보조하는 환경 변수로 제한합니다.
경기 종료 후 모델을 어떻게 복기하는가
복기는 맞음과 틀림을 한 줄로 판정하지 않습니다. 승자 방향, 양 팀 점수의 절대 오차, 총득점 오차를 나눠 기록합니다. 사전 분석에서 강조한 선발·불펜·라인업 변수가 실제 결과와 같은 방향으로 작동했는지도 별도로 확인합니다.
예를 들어 예상이 6-5이고 실제 결과가 3-1이라면 승자 방향은 맞았지만 득점 규모는 과대평가한 것입니다. 이 경우 구장과 시즌 평균의 가중치를 줄일지, 확정 라인업과 핵심 불펜 정보를 더 반영할지 다음 분석 규칙에 남깁니다. 두산-롯데 경기 복기 적용 사례처럼 사전 본문은 유지하고 결과 해설을 추가합니다.
종목별 보완 지표
- 야구: ERA·WHIP·FIP·OPS·wRC+와 불펜 소모도
- 축구: xG·xA·PPDA와 경기 상태
- 농구: eFG%·TS%·PACE·ORtg와 턴오버
- 하키: SV%·GSAx·xGF%와 특수팀 상황