WCF G5 賽前深度分析 · 雷霆 vs 馬刺

05·25 ECF · G4
已結束

尼克 4-0 橫掃騎士。Mike Brown 首年帶隊進 Finals,1999 後首次。

Game 4 終局比分 NYK 130 — CLE 93(+37)。Brunson 系列 25.5 / 7.8(獲頒 ECF MVP); Towns 19+14、Anunoby 17、Shamet(替補)16、Bridges 15。尼克季後賽 11 連勝(2017 GSW 之後首支)、平均贏分差 23.7 分、3 個系列終結賽都贏 30+。

模型 Bayesian 更新後 NYK 強度 +7.40 → +8.93(↑1.53)、CLE +6.50 → +4.22(↓2.28)。此狀態下尼克在 Finals 對誰都不能小看。

G5 模型預測

LIVE PREDICTION v2.1 · 整合傷兵 / 教練 / Bayesian / Elite 對位 / Must-Win / 3P σ

AWAY

馬刺 SAS

—

v2 MODEL · WIN PROB

SRS(整季)— SRS(Bayesian)— NetRtg— Coach—

HOME · Paycom Center

雷霆 OKC

—

v2 MODEL · WIN PROB

SRS(整季)— SRS(Bayesian)— NetRtg— Coach—

EXPECTED MARGIN

—

σ(動態)

—

市場讓分

OKC −5.5

vs 市場 edge

—

建議單位

—

預期分差 SHAP 分解

CONTRIBUTION WATERFALL 每個因子貢獻幾分 — 完全透明

▸ OKC 預期分差 = 基礎成分(NetRtg + Bayesian SRS + HCA)+ v2 五項升級

傷兵情報

INJURY REPORT DPM 損失 = 球員 DPM × 狀態權重(OUT 100% / doubtful 75% / questionable 40% / probable 10%)

模型 vs 市場

MODEL vs VEGAS 隱含勝率 vs 市場讓分換算

v2 模型 · OKC 勝率

—

含 v2 五項升級 + Bayesian SRS

市場隱含勝率

65.0%

bet365 spread −5.5 · ML −200/+170

勝率差距

—

超過 10pp 視為大分歧訊號

校正後實戰判斷

70-75%

模型 vs 市場中間值 · 較保守

為什麼模型比市場樂觀? Bayesian 更新顯示 OKC 仍 +12.24 顯著強於 SAS +6.79;SGA 在 Paycom Center 強(G2 砍 30+); 歷史 base rate:2-2 系列 G5 贏家 81.8% 拿系列。市場給 65% 反映 G4 心理衝擊 + JW 不確定性。實戰建議取 70-75%:模型方向對,但市場資訊優勢值得尊重。

WCF 剩餘系列 Monte Carlo

SERIES SIM · 10,000 RUNS 每場以 v2 模型獨立抽樣 · 含 HCA

Thunder 4-2　(贏 G5 + G6)

31.3%

Thunder 4-3　(贏 G5,輸 G6,贏 G7)

23.5%

Thunder 4-3　(輸 G5,贏 G6 + G7)

20.6%

Spurs 4-2　(贏 G5,輸 G6,贏 G7)

12.9%

Spurs 4-3　(贏 G5 + G6 + G7,或其他組合)

11.7%

其他組合（含 SAS 連勝 G5 G7 等）

—

THUNDER 贏 WCF 總機率

75.4%

純模型輸出 · 未做 base rate 校正

SPURS 贏 WCF 總機率

24.6%

G4 大勝後上修 · 但仍處下風

▸ 用歷史 base rate 交叉驗證(2-2 系列 G5 贏家最終贏系列 81.8%)

若 Thunder G5 勝率 70%:P(贏 WCF) = 70% × 81.8% + 30% × 18.2% = 62.7%
若 Thunder G5 勝率 75%:P(贏 WCF) = 75% × 81.8% + 25% × 18.2% = 65.9%
若 Thunder G5 勝率 80%:P(贏 WCF) = 80% × 81.8% + 20% × 18.2% = 69.1%

綜合估計:Thunder 贏 WCF 約 65-70% (純模型 75% 略下修;市場 65% 略上修;兩者中間最合理)

Finals 對戰預測

FINALS SCENARIO ANALYSIS 2026-06-03 開賽

SCENARIO A · 機率 ~65-70%

Thunder vs Knicks

P(OKC 贏 Finals) = 55.3% · 預期分差 OKC +3.4 · 預期 6.5 場

OKC SRS(Bayes)+12.24

NYK SRS(Bayes)+8.93

SRS 差3.31

主場優勢+5.00

OKC 優勢:整體強度、季後賽強防守、SGA 在主場歷史強
NYK 賣點:11 連勝氣勢、Brunson 領隊穩定、12 月 NBA Cup 主場曾勝 Spurs
X 因子:KAT 對 Wemby / Holmgren 對位、Mike Brown 系統適應 Finals 強度

SCENARIO B · 機率 ~30-35%

Spurs vs Knicks

P(SAS 贏 Finals) = 32.7% · 預期分差 SAS −2.5 · NYK 略佔優

SAS SRS(Bayes)+6.79

NYK SRS(Bayes)+8.93

SRS 差−2.14

主場優勢(NYK 系列主場)+5.00

NYK 優勢:基礎強度更高、Mike Brown 場上調整、整支健康
SAS 賣點:Wemby 的 unique upside 給 SAS 高變異(高機率輸,但偶爾大勝)
X 因子:Wemby vs Towns 的對位、Castle 復刻 G4 防 Brunson 的可能

整合冠軍機率

CHAMPIONSHIP ODDS v2 模型 vs Polymarket / Kalshi 共識

球隊	v2 模型	市場(Polymarket / Kalshi VWAP)	變動	備註
Thunder	41.7%	49.5%	−7.8 pp	模型較保守 · G4 大敗讓 Bayesian 校正下修
Knicks	50.3%	17.7%	+32.6 pp ⚠️	巨大分歧 · 11 連勝氣勢 + SOS 校正後 NYK 強度被低估?或模型過度樂觀?
Spurs	8.0%	30.5%	−22.5 pp	市場對 G4 反應過熱 · Spurs 仍處系列下風
Cavaliers	0%	<3%	—	ECF 0-4 已淘汰

關於 NYK 32pp 分歧 — 兩種觀點

RECONCILING THE GAP 模型 50.3% vs 市場 17.7%

OBSERVATION A · 模型角度

市場低估尼克

連勝氣勢真實存在　11 連勝在統計學上極罕見(2017 GSW 之後首支)
平均贏分 23.7 分是「實力」而非「運氣」　SRS 已調整對手強度,仍是高分
SportsLine 模型也給 NYK 32.7%　外部模型同方向 → 不是孤證
市場有「名氣偏見」　雷霆有 MVP、馬刺有 Wemby,尼克缺「明星級」吸引力 → 散戶資金少

OBSERVATION B · 市場角度

模型高估尼克

NYK 對手較弱　Hawks(40+ 勝)→ 無 Embiid 的 76ers → 帶傷 Mitchell 的 Cavs
Bayesian 補償不夠　NYK 對 CLE +37 是「對手被掏空」,不能完全代表真實實力
市場 $382M 交易量　真錢買賣的智慧,反映機構級資訊
歷史 60+ 勝 vs 50+ 勝在 Finals　勝率約 65-70%(對應 NYK 30-35%,接近模型下緣)

SYNTHESIS

真實 NYK 冠軍機率約 30-38%

Polymarket 共識

17.7%

校正後實戰估計

30-38%

v2 純模型

50.3%

取中間值的理由:模型 50% 過於樂觀(SOS 校正不足、未調 Finals 壓力), 但市場 17.7% 過於悲觀(名氣偏見、未充分定價 11 連勝)。 校正後 30-38% 與 SportsLine 模型 32.7% 互相驗證。

最終判斷

FINAL VERDICT G5 + 系列 + 冠軍三層預測

G5 · 2026-05-27 08:30 AM TW

Thunder 贏 G5,+6 ~ +10 分

OKC 勝率(校正)

70-75%

預期分差

+6 ~ +10

Total 區間

213 ~ 220

方向　主場優勢真實(+5)、教練組會調整反制(Daigneault +2.42)、SGA 在 Paycom Center 歷史強(G2 砍 30+)。

但別 over-confident　JW 缺陣是真實負面(DPM −3.12); SAS 防守調整有效(SGA 過去兩場 12/32 = 37.5%);21 分大敗的氣勢可能讓馬刺乘勝追擊。

操作: Thunder ML(−200/−220 區間)略有 value · −5.5 spread 太貴不建議 · 冠軍 Spurs +280 是陷阱(市場過熱); NYK +270 微 value(我模型有不確定性,小注即可)

賽前最後 60 分鐘檢查

PRE-TIPOFF CHECKLIST 這些變數會大幅改變模型輸出 — 開賽前再看一遍

JW 出不出?

賽前 60 分鐘看官方傷兵單。若確認 OUT → 模型勝率 降 2-3pp;若意外打 → 升 2-3pp。

SGA 早段手感

第一節投進前 3 顆三分 → 雷霆勝率 瞬間到 80%+(歷史 G2 G3 都是這個模式)。

Wemby 早段犯規

若早段 2 犯下場 → 馬刺勝率 掉到 30%(沒了護筐,雷霆內切無解)。

Spurs G4 防守能否複製

Castle 主防 SGA、Wemby 留禁區護筐。若雷霆 ATO 沒新解 → 馬刺有戲。

雷霆替補反彈

G3(+76 分)→ G4(−9 分)→ G5 預期 +30 ~ +40 分。看 Caruso / Wallace 第二陣前 5 分鐘輸贏。

Fox / Harper 帶傷上限

兩人都標 probable,但帶傷出賽。若 Fox 早段就掉狀態 → 馬刺進攻只剩 Wemby,可預測性大增。

今天值得記住的事

TODAY'S TAKEAWAYS

01 · 已驗證

橫掃預測對了 ✓

尼克 4-0 Cavs,Brunson 拿 ECF MVP。連續系列強度遞減的對手 → 11 連勝累積 → Bayesian 上修。

02 · 已修正

尼克教練 = Mike Brown

不是 Thibodeau。Mike Brown 2 屆 COY(09 / 23)+ 助理 3 冠。本季首年帶尼克即進 Finals。

03 · 市場大洗牌

OKC 64% → 49.5%,SAS 9% → 30.5%

單一場 G4 讓市場機率移動 14pp · 21pp。市場反應 G4 的程度可能過強。

04 · 警示

JW 從 questionable → doubtful

hamstring soreness → strain,降級為 doubtful。對雷霆 No.2 持球者缺席的影響不能小看。

05 · 需要處理

32pp NYK 分歧

模型 vs 市場關於尼克的看法相距 32pp。校正後實戰估計 30-38%,但 v3 模型應該加 SOS 修正。

06 · 路線圖

v3 該加什麼?

① 對手強度修正的 Bayesian update　② Strength of Schedule 校正　③ Finals 大舞台壓力係數　④ 把市場機率當 informed prior

誠實邊界　本頁所有數字基於 v2.1 模型 + 公開傷兵資訊 + Polymarket / Kalshi 即時共識。模型對冠軍機率的判斷帶有不確定性 — 特別是 NYK 32pp 分歧顯示模型仍有改進空間(SOS 校正、Finals 壓力係數)。投注決策請參考多個資訊源,不要 over-leverage。Edge 即使 +3 分仍會輸 25% 的時候。 v2.1 model. Predictions reconcile model + market priors. Not financial advice.

OKC vs SAS