梦幻选秀：玩家为虚拟球队选人
赛季开始前，玩家轮流选择球员。越早选择，可选的球员越多，因此靠前的选择机会更珍贵。ESPN 记录了每名球员平均在第几位被选中，研究中简称 ADP。
NBA 研究 · 统计与机器学习
NBA 新秀在梦幻篮球中被低估了吗？
独立研究 · Python / 统计学2026 年 10 月
梦幻篮球是一种组队游戏：玩家挑选真实的 NBA 球员组成虚拟球队，再按球员在真实比赛中的表现获得积分。我研究的是：刚进入 NBA 的新秀，是否因为被选得太晚，而成为了容易被忽略的好选择？
查看研究发现研究结论
未能证明新秀普遍被选得太晚。
2025 届有梦幻选秀记录的 19 名新秀中，9 人的赛季积分排名比玩家选中他们的位置更靠前。但结果仍有较大不确定性，不能据此认定新秀普遍是被忽略的好选择。
01 / 研究的想法
选得靠后，表现靠前。
假设一名球员在梦幻选秀中第 100 个被选中，赛季总积分却排第 60 名，他的表现就超过了选中他的位置。这是本研究希望找到的价值。这里只是举例，并非研究结果。
NBA 选秀：职业球队招募球员
这是另一场选秀：NBA 球队挑选即将进入联盟的新球员。模型把职业球队的选择顺序作为预测未来表现的一条线索。
梦幻积分：把比赛表现换算成分数
按 ESPN 的计分规则，把真实比赛的技术统计换算为游戏积分。积分越多，对虚拟球队的贡献越大。本研究比较整个赛季的积分。
02 / 研究方法
先预测表现，再判断是否值得选。
我用 Python 整理历史数据、训练模型并核对预测。只找到表现好的球员还不够；要判断一个选择是否划算，还需要知道玩家在第几位选中了他。
能否预测新秀第一季的表现？
用 2010–2024 届共 819 个已核实的新秀赛季训练模型，再用 2025 届全部 59 名球员的实际表现检验预测。
玩家是否低估了这些球员？
比较赛季表现与玩家在 ESPN 选人的顺序。2025 届 59 人中，仅 19 人有已核实的梦幻选秀记录；更广泛的历史分析使用了 10 届共 138 条记录。
03 / 研究发现
有人超出预期，但未找到可重复的选人规律。
9 / 19
19 人中有 9 人表现优于被选位置
个别球员的好表现，不足以证明新秀普遍被低估。其余 40 人没有查到梦幻选秀记录，因此这项比较只覆盖当届的一小部分球员。
59
用全届球员检验预测
原始模型比仅根据 NBA 选秀顺序做出的预测更接近实际表现。但差异仍有较大不确定性，不能认定增加这些信息能稳定改善预测。
0 / 96
未找到可靠的选人规律
对 138 条历史梦幻选秀记录进行的 96 项关系检验，在考虑尝试次数后均未提供足够证据。尝试的想法越多，越容易遇到偶然出现的规律。
查看模型分数与不确定性
在有记录的 19 人中，实际积分平均比其梦幻选秀位置对应的基准少 216.7 分。95% 不确定性区间从少 567.8 分到多 119.4 分，包含零，因此无法确认平均存在优势或劣势。
后续尝试：加入大学助攻数据
加入大学助攻后，平均预测误差减少 11.9 分，但差异区间为 −26.3 至 +2.4，仍包含没有改善的可能。这些输入是在看过 2025 年结果后选择的，因此只能算探索，不能作为独立检验。
| 模型 | 平均误差 · 分 | 排名一致程度 | 检验时间 |
|---|---|---|---|
| 原始模型 | 404.2 | 0.583 | 正式评估前已确定 |
| 原始 NBA 选秀顺序基准 | 447.4 | 0.550 | 正式评估前已确定 |
| NBA 选秀顺序 + 大学助攻 | 430.6 | 0.568 | 看过结果后的探索 |
| 仅 NBA 选秀顺序 | 442.5 | 0.550 | 看过结果后的探索 |
平均误差（MAE）表示预测平均偏离实际多少分，不区分偏高或偏低，越小越好。排名相关系数表示预测顺序与实际顺序的接近程度，−1 为完全相反，+1 为完全一致。积分均使用下文说明的统一赛季尺度。
04 / 查看预测
预测离实际表现有多远？
每个点代表一名球员，可比较预测积分与实际积分。这里展示的是两个后续探索模型，检验的是表现预测，不能说明球员在梦幻选秀中是否被低估。
下方积分按 ESPN 梦幻篮球规则计算整个赛季的表现，再换算到统一的 2024–25 年尺度，便于跨赛季比较。它既不是篮球比赛记分牌上的得分，也不是未经调整的梦幻积分。
有大学助攻数据缺少大学助攻数据
虚线上方：表现好于预测。虚线下方：表现差于预测。
显示 12 / 59 名球员
点击姓名查看该球员，点击列标题排序。误差 = 预测积分 − 实际积分；负值表示实际表现好于预测。
| 1 | 2,136 | 2,832 | -696 | |
| 4 | 1,414 | 2,700 | -1,285 | |
| 3 | 1,561 | 2,600 | -1,039 | |
| 13 | 822 | 2,340 | -1,518 | |
| 7 | 1,240 | 2,137 | -896 | |
| 42 | 262 | 1,918 | -1,655 | |
| 5 | 1,219 | 1,827 | -608 | |
| 2 | 1,793 | 1,765 | +28 | |
| 11 | 988 | 1,668 | -680 | |
| 34 | 351 | 1,558 | -1,207 | |
| 24 | 655 | 1,400 | -744 | |
| 9 | 1,022 | 1,343 | -321 |
05 / 研究细节
如何核查这项研究。
梦幻选秀记录只覆盖部分球员，后续模型是在看过结果后提出的。以下保留数据来源、研究局限与更正记录。
查看方法与数据核查记录
- 用于训练的往届新秀赛季
- 8192010–2024 届首季表现
- 2025 届预测测试人数
- 59覆盖全届 59 名球员
- 梦幻选秀记录
- 13810 届 · 2010–2025 年
训练数据与测试人数
名单保留了 2010–2024 年全部 894 名被选中的球员。模型使用其中 819 人已核实的首季表现训练；另外 75 人的结果未知，保留为空值，不用于训练。已确认未出场的球员计为零分。2025 届全部 59 人的实际表现均已核实。
梦幻赛季开始前已知的信息
后续模型只使用两个输入：NBA 选秀总顺位的自然对数，以及选秀前最后一季的大学每 40 分钟助攻数。填补缺失值和标准化所需的参数，都只从训练数据计算。2025 届有 47 人具备大学助攻数据，另外 12 人缺失。
原始测试与后续探索
原始模型设定和预测在正式评估前已锁定。第一阶段的招生排名表解析程序曾读取并丢弃附带的 NBA 生涯数据；这些数值未被导出、分析或用于训练。该事件仍保留为质量检查失败记录，后续改为只读取指定单元格，并增加回归检查。双特征模型的输入是在看过 2025 年结果后选出的，因此属于探索分析，不能作为新的独立验证。
计分方式与统计限制
预测模型按现行 ESPN 规则为历史技术统计计分，再以 2024–25 年前 150 名球员的固定基准换算赛季总积分。历史 ADP 分析则分别使用 ESPN 规则变更前后的计分方式。后续模型的区间通过对 2025 届球员重抽样计算，不能反映模型在未来各届的表现。
ADP 数据与来源更正
历史研究找到 10 届共 138 条 ESPN ADP 记录，但仍有大量缺失，能查到记录的球员也不是随机样本。将 ADP 换算成积分，只是比较基准，不能当作已验证的市场预期。部分 ADP 集中在 140 附近，研究另做了只保留 ADP 小于 139 的分析；这些数值是否受选秀长度影响仍未核实。来源是否混合了积分制与类别制联赛，也未独立确认。早期曾把 FantasyPros 平台列当作实际平均选秀顺位。后续发现这些列具有整数排序结构，无法确认它们代表实际平均顺位，因此相关价格比较已更正，并从历史 ADP 分析中排除。
复现
研究保存了分析计划、带日期的数据来源和文件哈希，便于核对结果。再次运行已完成的分析时，只检查保存的文件，不重新训练模型。本页没有 2026 年预测。
下载结果
59 人的预测与实际表现、模型指标和方法说明。
数据来源
NBA 官方选秀名单、比赛技术统计、大学数据与 ESPN 梦幻选秀记录存档。