本文利用韩国职业棒球联盟2021—2026年超过120万次投球数据,研究自动好球区系统取代人工裁判后的分配效应。研究发现,ABS消除了裁判基于球数、明星地位和捕手接球能力形成的判断租金,同时依据球员身高和对阵左右手重新分配好球;但由于受影响投球暴露度较低,对打席结果的实际影响接近于零。投手迅速将投球高度向机器偏好的区域调整,左投手在2024年明显追赶,而击球手未表现出显著适应行为,说明自动化评估规则的影响取决于规则几何形状与实际暴露程度。
我将按报告原有结构,结合正文、表格、方法和所有可见图表进行逐项解读,并在每个基于原文的判断后标注页码溯源。# 一、报告元数据与总体概览
这不是一份传统的上市公司或行业投资报告,因此不存在股票评级、目标价、收入预测、DCF估值或市盈率目标倍数。报告的“价值”主要以球场结果衡量:一记好球对击球队伍的预期得分影响、每次打席的wOBA价值,以及捕手、明星击球手等不同群体因判罚变化获得或失去的跑垒得分收益。,
报告的中心论点可以概括为三层。第一,机器消除了人类裁判的自由裁量租金,包括根据球数调整判罚、捕手接球框架能力以及对明星击球手的轻微照顾。第二,机器并非“中性地”复制人类判断,而是按照自身的区域几何重新分配好球,尤其使高个击球手在高位区域获得更多好球,并消除部分左右投手与左右打者之间的判罚差异。第三,判罚概率的变化并不必然转化为比赛结果的显著变化,因为真正受到影响的边界球数量有限;投手快速调整了投球高度,而击球手没有表现出可检测的调整。,
报告把ABS带来的变化拆为两个部分:
在模型中,人工裁判对某一球判为好球的概率记为 (S_H(\ell,h,\theta)),其中包括球的位置、击球手身高和比赛背景;ABS则是一个由规则决定的确定性指标,只要球的部分区域穿越规定矩形,就判为好球。因此,ABS理论上不再依赖球数、明星身份、捕手或主审等背景变量。,
作者用wOBA衡量打席结果价值。wOBA并非简单的上垒率,而是按照保送、安打、全垒打等结果对得分的平均贡献进行加权,出局权重为零。基于2022—2023年数据,报告估计平均一记好球对击球队伍的价值约为0.135分。因此,一个判罚变化的经济影响约等于“每个打席被改变的判罚次数”乘以“一记好球与坏球之间的价值差”。,
KBO从2024赛季起在所有常规赛中使用ABS,跟踪系统测量每一球,并通过耳机将判定传给主审,判罚不能挑战。
2024年好球区底部和顶部分别为击球手登记身高的27.64%和56.35%;2025年起两条边界都下移0.6个百分点,变为27.04%和55.75%,并沿用至2026年。水平方向为本垒板宽度加两侧各2厘米,总宽度47.18厘米。报告根据实际调用数据判断,只要球的部分区域接触好球区便可判好球,这一解释比“整球必须落在区域内”更符合实际判罚。,
样本期间还存在防守站位限制、垒包扩大、投球计时器以及2022年人工扩大好球区等制度变化。作者认为,这些变化不会直接进入“判罚函数”,所以对好球判罚的检验影响有限;但对投球行为和比赛结果的分析,则依靠身高、左右手、暴露度、投手类型以及赛季固定效应来吸收共同冲击。
研究收集了2021—2026年KBO常规赛4月至9月的逐球数据,共计:
2022—2023年作为人工裁判基准期,2024—2026年为ABS时期,2021年仅用于检验趋势,因为该年受到疫情和无延长赛安排影响。
作者用广义加性模型估计人工裁判在绝对横向位置和绝对高度上的“平滑好球概率”,而不是假设人工裁判使用一条清晰、固定的边界。这一做法符合靠近边界时判罚不确定性更高的心理物理学证据。
研究通过投球轨迹推算球在本垒板处的位置,并将垂直高度表示为球员身高的比例。由于官方规则有部分细节未说明,作者测试了多种候选定义:
最终重建规则使用登记身高时可复制98.6%的ABS判罚,使用从系统数据反推的实际身高列表时可复制99.1%;相比之下,对人工裁判2022和2023年判罚的匹配率只有91.4%和91.6%。这说明机器判罚高度机械化,而人类判罚具有明显的概率性和情境依赖。
作者还修正了2026年7月16日数据源将轨迹参考点从距本垒板50英尺改为55英尺的问题;否则会使推算的本垒板高度虚高12—19厘米。修正后,数据格式变化前后的ABS复现率相同。对投手和球种固定后,距本垒板50英尺位置的球高跨年度最多变化1.8厘米,支持“投手实际提高投球高度”而非“跟踪系统重新校准”的解释。
表2比较了八个位置区域在人工裁判和ABS下的好球率。最显著变化出现在高位和低位:
这意味着ABS并没有简单地把整个区域扩大,而是把好球区在垂直方向上重新定位。作者指出,人工好球区主要锚定在绝对高度:矮个与高个击球手的顶部大约分别在102厘米和105厘米;ABS则随身高调整,使最高组击球手的机器区域顶部达到约110厘米。
附录表A9进一步显示,高位和内侧边缘的变化在2024年突然出现,而外侧和低位部分在人类时期已经存在同方向趋势,因此如果把2022—2023平均值作为基准,可能会高估机器在外侧和低位的纯粹影响。例如,相对2023年单独作为基准,外侧变化约为负3.2个百分点,低位变化约为负18.5个百分点。,
表2的Panel B显示,人工裁判在相同边缘位置对不同投打组合的判罚并不一致。外侧边缘上,右投对右打时的好球率为50.4%,高于其他组合的42%—45%,ABS使其下降11.4个百分点。内侧边缘上,左投对左打时人工好球率只有21.5%,低于其他组合的32%—43%,ABS使其上升20.7个百分点。
在控制精细位置后,人工时期内侧和外侧边缘的对位差异检验分别得到F统计量25.8和11.7,均显著拒绝“所有对位判罚相同”;ABS时期内侧差异下降到F=1.4、p=0.23,无法拒绝相同判罚,外侧也降至F=3.2、p=0.02,剩余差异较小,可能来自位置区间内部的细微差异。
但表2 Panel C揭示了一个重要的“暴露度”事实:左右对位差异虽在边缘位置很大,但平均每个打席增加的好球只有0.007—0.043个,最高暴露组合也不过每23个打席多一记好球。因此,判罚概率的变化不能直接等同于比赛结果的同等幅度变化。
表3显示,人工裁判在固定位置后,对明星击球手的好球判罚概率比普通击球手低1.5个百分点,即明星在边界球上获得了约1.5个百分点的“宽容”。ABS后这一差异减少约1.1个百分点。按年度看,2022年明星劣势为1.15个百分点,2023年为1.75个百分点,而2024—2026年缩小到0.43、0.35和0.17个百分点。
报告没有发现主场击球手享受额外好球待遇,主场变量在人工时期和机器交互项均不显著,因此ABS并未消除明显的主场偏差。,
球数效应则非常明显。人工裁判在击球手领先的2-0、3-0和3-1球数下,将好球区扩大6.1个百分点;在两好球时缩小6.7个百分点。ABS后的交互项方向相反且幅度相近,说明这两种球数调整基本消失。
表4和附录图A2考察捕手框架,即捕手通过接球位置和动作影响主审把边界球判为好球的能力。人工时期,捕手效应在队内的标准差为0.93个百分点,交替半赛季估计的相关系数为0.60—0.81,并且能够预测下一赛季表现;ABS时期标准差降至0.14个百分点,相关性均无法显著区别于零。
按一记好球价值0.135分计算,人工时期捕手框架一标准差约值4.5分/捕手赛季,ABS后降至约0.7分;明星击球手的好球优势约值0.9分/明星击球手赛季。这说明自由裁量租金确实存在,但相对于球队总得分规模很小。
图1比较了不同身高组在人工裁判时期和ABS时期的有效好球区高度。蓝色柱代表2022—2023年人工裁判,灰色柱代表2024—2026年ABS。图形显示,人工好球区顶部在不同身高组之间变化有限,而ABS下高个击球手的顶部明显抬高,说明“身高—区域顶部”的关系在机器规则下更陡峭。 这张图直接支撑了报告关于高个击球手在高位获得更多好球的几何解释。
附录图A1则将每个赛季的好球概率绘制成横向位置—相对身高的热力图,并叠加人工估计的50%概率轮廓和ABS矩形。2021—2023年的黑色轮廓相对圆滑,边界存在渐进过渡;2024—2026年则更接近规则矩形,黄色高概率区域与红色虚线ABS框高度重合。这一视觉差异说明机器不仅改变了区域位置,也改变了判罚从“渐进概率”到“近似确定性规则”的性质。
图2a显示,2024年各种球种投向好球区上三分之一及以上区域的比例均上升。表5的整体回归显示,2022年机械价值冲击与投球使用变化之间几乎没有关系,系数为0.001且不显著,构成安慰剂检验;2023年系数为0.030,2024年升至0.047,2025年接近零,2026年略为负值,显示2024年调整较快,随后部分回撤。
整体加速量为0.018,仅在10%水平边际显著;加入垂直带固定效应后不再显著。因此,投手的主要调整是“把球投高”,而不是在控制高度后重新选择球种或横向位置。
分投手类型看,左投的变化最突出:2024年响应系数为0.060,加速量为0.058;在平衡样本中为0.052,均在1%水平显著。右手上投投手2023年已经在向机器偏好的位置调整,2024年加速量仅0.005且不显著。
图2a显示不同球种在2024年出现同步上移;图2b则按投手类型展示相对于2023年的投手内部变化。右投和侧投在2021—2023年已逐渐提高高位球比例,左投此前基本停滞,2024年才明显上升;到2025年,三类投手相对2023年均提高约2.5—3.4个百分点。因此,ABS带来的“加速”主要来自原先尚未跟随趋势的左投,而不是所有投手均等地改变策略。
附录图A3进一步将机械价值冲击 (G) 与投球使用比例变化联系起来。2022—2023年左投的拟合线较平,2023—2024年明显变陡;右投在两个时期的斜率相近。这一图形强化了“左投在ABS出现后才开始追赶、右投主要延续既有趋势”的结论。
表6 Panel A估计,击球手身高每增加1厘米,ABS后其高位投球的“超出人工好球区的好球率”增加0.75个百分点;这一第一阶段关系显著,Wald F统计量为49。换言之,机器确实按照身高将更多高位好球分配给高个击球手。
但是,Panel B显示,身高变化没有显著改变打席结果。身高增加10厘米,使打席进入两好球状态的概率提高0.57个百分点,使进入三坏球状态的概率下降0.34个百分点,二者都不显著,且95%置信区间排除了大约2个百分点以上的大效应。原因是击球手每两个打席平均只面对不到一个高位未挥棒投球,实际暴露度很低。
球数依赖消失后,边界球在两好球时的价值发生了约7个百分点的变化,但表6 Panel C发现,击球手在两好球边界球上的挥棒率相对好球区中心仅提高0.77个百分点,而且只有10%水平的边际显著性;领先球数没有响应,安慰剂检验也没有变化。经多重检验调整后,该结果的q值为0.33,不再显著。,
明星击球手的结果也不支持明显的经济损失。ABS后明星三振率上升1.3个百分点,但经错误发现率调整后的q值为0.27;明星打席价值下降约5.7个wOBA千分点,统计上不精确,并且与判罚渠道预测的下降1.9点没有显著差异。 如果只用2023年作为人工基准,打席价值下降扩大到22.4点且达到1%显著,但把2022年也纳入基准后,大部分下降消失,说明先前研究可能受单一基准年度选择影响。
报告没有企业估值,而是进行“判罚规则的经济价值评估”。其核心输入包括:
作者的结论是,机器造成的局部判罚变化可以达到10—20个百分点,但由于边界球在全部打席中的比例有限,最终每名球员的经济影响只有少数得分。捕手框架租金从约4.5分降至0.7分,明星击球手的判罚优势约1分,最受影响的左右投打组合也只增加约每23个打席一记好球。,
因此,报告强调“边际判罚变化幅度”和“最终结果分配”是两个不同概念。规则设计可以显著改变某个位置的判罚概率,但如果该位置暴露量低,比赛结果和球员收入的实际影响仍可能接近零。
附录表A1检验ABS规则重建,A2检验投球轨迹测量稳定性,A3检验2026年数据格式变更前后的复制率,A4比较登记身高与系统使用身高,A5判断四名列示裁判中哪一位最能解释边界球判罚,A6描述身高与击球手基础特征的相关性。这些附录共同服务于测量可信度和变量解释,而不是产生新的核心结论。,,
附录表A7显示,球数效应消失、左投加速以及身高第一阶段关系在多种设定下较稳定;但明星优势的消失对边界带宽度、位置分组粗细、logit模型和明星定义较敏感。位置区间扩大到6厘米、使用logit、只取前10%明星或固定2021年明星身份时,估计值会缩小或失去显著性。因此,报告较谨慎地把明星偏好解释为存在,但其具体规模取决于如何控制位置。,
附录表A8进行Benjamini—Hochberg错误发现率校正后,明星优势消失的q值为0.004,球数效应和左投加速的q值低于0.001,仍然稳健;明星三振率变化和两好球挥棒反应则不再显著。 这使“击球手没有可靠调整”成为比“明星结果恶化”更有支持力的结论。
报告的主要识别限制有四点。第一,ABS在整个联赛同时上线,没有继续使用人工裁判的对照组,因此许多行为结果依赖平行趋势和组内对比假设。第二,2022年本身发生了人工好球区扩大,2021年又受疫情和赛制影响,人工基准期并非完全稳定。第三,投球位置来自联赛跟踪系统,尽管作者检查了校准稳定性,但无法独立验证2024年前的坐标。第四,研究只有一个联赛和三年机器时期,尚不能判断击球手是否会在更长期内适应,也不能确定2026年投手行为部分逆转是否持续。
此外,报告没有工资、合同和续约数据,所以无法直接判断捕手框架等判罚租金是否转化为薪酬差异;明星身份仅依据上一赛季上垒率,可能不能完全代表社会声望或裁判认知中的“明星地位”。
总体而言,报告并未发现“机器让所有球员结果完全平等”,而是得出更细致的结论:机器消除了由人类裁判自由裁量产生的三类租金——球数依赖、捕手框架价值和对明星击球手的轻微照顾;同时又通过身高比例和左右对称的规则几何,在高位球及左右投打边缘重新分配好球。,
图表和表格共同说明,ABS把判罚从人工的平滑、情境化决策变成接近确定性的矩形规则;高个击球手在高位获得了更多好球,左投在2024年显著提高高位投球比例,捕手效果在机器时代几乎崩解为噪音。但由于真正暴露在这些变化下的投球数量很少,身高、对位和明星身份带来的打席结果变化总体接近零。,,
作者最终的总体判断是:自动化评价系统的分配后果不仅取决于它是否消除人的偏见,也取决于规则的几何设计以及被规则触及的案例数量。投手因收益覆盖所有击球手而快速重新优化,击球手则因逐球决策成本高、个人暴露度低而没有明显调整。该结论不仅适用于棒球,也提示在招聘、信贷、司法和教育等领域,以规则取代人类判断并不会自动带来更公平的结果;规则本身如何定义边界,以及边界实际覆盖多少人,才决定谁真正获益。,
2610.27576.pdf