Possession Value 是甚麼？由 xT、PV 到 OBV：三代動作估值模型的設計取捨
球場上的動作並不等值。同樣是一次成功傳球，中場橫傳與撕開防線的直線傳球，對球隊入球機會的影響差天共地。傳統統計把兩者都記作「傳球成功」，於是分析師多年來只能量度進攻末端的事件：射門用 xG，最後一傳用 xG Assisted，再往前的組織過程一直缺乏量化工具。
Possession Value 模型正是為了填補這個缺口而出現。Hudl 的 What is Expected Threat (xT)? Possession Value models explained 用一篇短文交代這類模型的定義、三個代表模型的設計，以及球會實際如何應用。本文按原文脈絡導讀，並補充三個模型設計差異背後的邏輯。此前本站已分別導讀 xT 原文、KU Leuven 的 xT 對 VAEP 比較，以及 StatsBomb 的 OBV，本文可作為這一系列的入門篇。
本文重點
原文對 Possession Value 的定義只有一句：一套統計框架，用以客觀、量化地衡量球場上每個事件的價值。有了這個框架，球隊與分析師可以知道球員每個動作的實際影響，再據此作出決定。
原文介紹的三個模型，xT（2018）、PV（2019）、OBV（2021），目標相同，設計上卻分別以位置、時間、動作為估值單位，訓練目標也各異。這些選擇決定了每個模型能為哪些動作定價、能否反映風險，以及結果會否偏向強隊。原文由 Hudl Statsbomb 發表，對自家 OBV 的評價自然較正面；讀者宜把它視作一份設計取捨的清單，而非中立的模型排名。
一、Possession Value 要解決甚麼
原文列出三個開發這類模型的原因，每一個都對應傳統指標的一個盲點。
為組織早段的動作定價： 多年來分析師只能量度進攻區域的動作。入球用 xG，創造機會用 xG Assisted。Possession Value 模型讓一次控球之中的所有動作都可被量度，不論動作在組織過程中出現得多早。
為帶球、盤球、搶截、攔截定價： 以往這些動作只能點算次數。有了 Possession Value，每個動作都可以按它令球隊入球或失球機會的增減來評分。
建立球員的風險回報輪廓： 原文特別指出，好的 Possession Value 模型會恰當地計算高風險動作失去控球的機會成本。那些經常嘗試高風險、高回報動作的核心進攻球員，只要動作的淨效果對球隊有利，模型就會給予認可。
第三點已經暗示了三個模型的分野：能否計「機會成本」，取決於模型有沒有失球一側。
二、xT：位置的價值曲面
Expected Threat 由 Karun Singh 在 2018 年提出，原文稱它為業界最廣為人知的 Possession Value 模型。
做法是在球場上鋪一層「價值曲面」（value surface），把球場分成多個 zone，每個 zone 按「由該處入球的可能性」賦予一個值。球員把足球由一個 zone 移到另一個 zone，就按兩個 zone 的值差得分。
原文點出兩個限制。第一，xT 只為「把足球由一個 zone 移到另一個 zone」的動作定價，即傳球與帶球；防守動作與射門都不在計算之內。第二，xT 通常建基於有限的事件數據，忽略了球員做動作時是否受壓等因素。
三、PV：未來 10 秒的入球機率
Possession Value（PV）由 Stats Perform 在 2019 年推出。它與 xT 最大的分別在於估值單位：xT 看位置，PV 看時間。PV 量度的是控球球隊在接下來 10 秒內入球的機率。
原文對 PV 的批評集中在訓練目標。PV 以實際入球（goals scored）訓練，而非 xG。入球是稀有事件，以此作為標籤會令結果的方差與類別不平衡上升。另一點是 PV 只有一個 Goals Scored 模型，不考慮每個動作對控球球隊失球機會的影響，因此難以準確評估動作的風險與回報。
四、OBV：入球與失球兩邊同時計
On-Ball Value（OBV）由 Hudl Statsbomb 在 2021 年推出。原文列出它與前兩者的三處不同。
以 xG 訓練： OBV 以 Hudl Statsbomb 的 xG 模型作訓練目標，原文稱之為現時表現最佳的 xG 模型。以 xG 取代實際入球，正是回應上一節對 PV 的批評。
所有動作都計： OBV 為球場上發生的所有動作估值，不限於推進足球的傳球與帶球。
Goals For 與 Goals Against 兩個部分： 模型同時包含入球一側與失球一側，藉此準確量度每個動作的風險與回報。
原文另提到一項刻意的取捨：OBV 不採用控球歷史特徵（possession history features），例如該次控球之前發生過甚麼事件。原因是這類特徵與球隊實力高度相關，納入模型會令評估偏向強隊。
五、四種用途
原文最後交代球會與媒體實際如何使用 Possession Value。
球員評估： 分析球員對球隊的貢獻。模型能快速指出一名球員在一場比賽或一個球季內有否增加價值，以及他主要透過哪類動作作出最有價值的貢獻。
戰術分析： 對手分析員可以用 Possession Value 找出未來對手通常在球場哪些位置推進足球，例如偏好哪一邊路；反過來，看對手的對手在哪裡產生價值，就能找到其防守弱點。
球探與招募： 每支球隊都在尋找能持續做出正面動作、提高勝出機會的球員。Possession Value 可以用來辨識這類持續為球隊帶來正面貢獻的球員。
比賽分析： 分析師與媒體以 Possession Value 判斷比賽的「流向」，量度哪一隊在某段時間佔據較有利的區域。
六、對球隊評估與賽果預測的啟示
原文的三個開發原因，套用到球隊層面同樣成立。若只用比數或射門統計評估球隊，等於只看一次控球的末端；組織早段的推進、防守回收與失去控球的代價，全部落在統計之外。原文對 PV 的批評亦然：以稀有事件（入球）作訓練標籤，方差與類別不平衡都會上升，模型學到的多半是噪音。
AIP 系統 建立球隊評估模型時，處理方式與原文的取捨方向一致。特徵層面，除了 xG 這類機會質素指標，也納入控球推進與攻防轉換等過程訊號，而非只用比數；模型層面，機率輸出以校準曲線、Brier score 與樣本外回測檢查，避免像以入球直接訓練那樣被稀有事件主導。
原文對 OBV 不採用控球歷史特徵的解釋，即「與球隊實力高度相關的特徵會令評估偏頗」，對預測系統也是一個警號。市場賠率本身已充分反映球隊實力，若模型再加入大量與實力共線的特徵，只會重複市場已知的資訊。AIP 把模型機率與市場隱含機率對照，只在兩者差距達到門檻時才輸出推介，目的正是避免把「這隊比較強」重新包裝成推介。
總結：三個模型，三個估值單位
xT 以位置為單位，簡單可解釋，但只計推進動作，不計防守、射門與風險。PV 以時間為單位，量度未來 10 秒的入球機率，但以實際入球訓練，且沒有失球一側。OBV 以動作為單位，以 xG 訓練，入球與失球兩邊同時計，並刻意排除與球隊實力共線的控球歷史特徵。原文的結論是：Possession Value 讓球隊能為組織早段的動作、防守動作與高風險動作定價，這些都是 xG 與 xG Assisted 無法覆蓋的範圍。
比較項目 | xT（2018） | PV（2019） | OBV（2021） | 章節 |
提出者 | Karun Singh | Stats Perform | Hudl Statsbomb | 二至四 |
估值單位 | 位置（zone） | 時間（未來 10 秒） | 動作 | 二至四 |
訓練目標 | zone 入球機率 | 實際入球 | Statsbomb xG | 二至四 |
計算的動作 | 跨 zone 的傳球、帶球 | 原文未列明 | 所有動作 | 二至四 |
失球一側 | 不計 | 不計 | Goals Against 部分 | 二至四 |
原文指出的限制 | 不計防守與射門；忽略受壓 | 方差與類別不平衡；難評風險 | 不採用控球歷史特徵（刻意） | 二至四 |
Reference
Hudl. What is Expected Threat (xT)? Possession Value models explained. Hudl Blog. https://www.hudl.com/blog/possession-value-models-explained
K. Singh. Introducing Expected Threat (xT). karun.in, 2018. https://karun.in/blog/expected-threat.html
Hudl Statsbomb. Introducing On-Ball Value (OBV). StatsBomb Blog, 2021. https://blogarchive.statsbomb.com/news/introducing-on-ball-value-obv/
M. Van Roy, P. Robberechts, T. Decroos, J. Davis. Valuing On-the-Ball Actions in Soccer: A Critical Comparison of xT and VAEP. AAAI-20 Workshop on AI in Team Sports, 2020.
K. Singh. Open xT grid, 12 × 8 (open_xt_12x8_v1.json). https://karun.in/blog/data/open_xt_12x8_v1.json
