mlb-trade-evaluator

MLB 交易评估器

目录

• 示例
• 工作流
• 常见模式
• 防护措施
• 快速参考

示例

场景：对手提出用 Aaron Judge（OF）交换 Bobby Witt Jr.（SS）+ Spencer Strider（SP）。今天是 2026-06-10。用户在 12 支球队的联盟中排名第 4。mlb-category-state-analyzer 提供的 cat_pressure 信号：SB 压力 85、HR 压力 55、K 压力 70、QS 压力 80、OBP 压力 60；其他指标为 40-50。用户有富余的 OF 深度，但 SS 阵容较薄弱。mlb-opponent-profiler 给出的对手类型为：active。

赛季剩余时间的 ATC 预测（第 11-23 周，约剩余 105 场比赛）：

球员	R	HR	RBI	SB	OBP	K	QS	SV	$ 价值
Judge（转入）	75	28	78	2	.405	—	—	—	$34
Witt（转出）	70	20	65	25	.355	—	—	—	$32
Strider（转出）	—	—	—	—	—	165	12	0	$26

各类别差值（我方减对方，按 cat_pressure 加权）：

类别	差值（原始）	压力	加权 Δ
R	+5	45	+2.3
HR	+8	55	+4.4
RBI	+13	45	+5.9
SB	−25	85	−21.3
OBP	+.050 (×PA)	60	+3.0
K	−165	70	−115.5
QS	−12	80	−96.0
SV	0	45	0
ERA/WHIP	持平	50	0
合计			−217.2

交易原始价值差 = $34 − ($32 + $26) = −$24。

阵容位置价值加成（原则 #9）：转出 2 名球员，转入 1 名球员 → 我方腾出 +1 个净阵容名额；对方腾出 0 个。slot_value_delta = (1 − 0) × $2.50 = +$2.50。

逆向选择流程（委托给 @skills/adverse-selection-prior/）：

• 输入：offer_type=trade、proposer_archetype=active、offer_symmetry_score=20（调整前价值比 −37%，明显对我方不利）、proposer_info_asymmetry=55。
• 技能输出：prior_ev_probability=0.30、recommended_adjustment=0.85；理由指出，活跃交易者从众多可能方案中选出这笔交易，尽管表面上看对我方不利。

调整后的交易价值差：

trade_value_delta_raw       = −$24.00
+ slot_value_delta          = +$2.50
= trade_value_delta_pre_adj = −$21.50
× recommended_adjustment    = × 0.85
= trade_value_delta_adjusted= −$18.28

以转出球员的美元价值百分比表示：−$18.28 / $58 = −31.5% → 低于 −20% 的拒绝阈值。

位置灵活度差值：−30（失去稀缺的 SS，获得过剩的 OF）。 季后赛影响（第 21-23 周）：Judge 的赛程有 19 场比赛，而 Witt 有 18 场比赛，Strider 有 4 次先发 → −35（冠军赛期间少了 4 次先发所能带来的 K/QS）。

判定阶梯（原则 #8）：

• delta_pct = −31.5%，明显低于 −20%。
• 逆向选择先验为 0.34（有力证据表明这笔交易对我方来说是负期望值）。
• 支持方和批评方意见一致：SB、K、QS 在高压力下都受到严重影响。
• 符合狭义的 拒绝 情形：delta < −20% 且存在明确的逆向选择证据。

判定：拒绝。即使始终遵循还价规则，提出的还价也会是“Judge + Webb + Ruiz 换 Witt + Strider”，作为最后通牒；但我们会预先承诺拒绝，因为折价后这笔交易仍然不划算。

工作流

复制此清单并跟踪进度：

Trade Evaluation Progress:
- [ ] Step 1: Parse the offer (players in, players out, both sides)
- [ ] Step 2: Pull rest-of-season ATC projections for every player
- [ ] Step 3: Compute per-category deltas (counting + ratio)
- [ ] Step 4: Apply cat_pressure weights from category-state-analyzer
- [ ] Step 5: Compute raw trade_value_delta in dollars
- [ ] Step 6: Compute slot_value_delta (optionality bonus)
- [ ] Step 7: Invoke @skills/adverse-selection-prior/ and apply the haircut
- [ ] Step 8: Assess positional_flex_delta
- [ ] Step 9: Compute playoff_impact (weeks 21-23 only, July+)
- [ ] Step 10: Render verdict + counter via the +15% / -20% ladder

步骤 1：解析报价

准确记录双方各自交出和接收的球员。联盟内的交易是零和的。输入格式请参阅 resources/template.md。

• 列出所有转入我方阵容的球员（转入）
• 列出所有离开我方阵容的球员（转出）
• 记录每位球员在 Yahoo 的位置资格（C/1B/2B/3B/SS/OF/Util/SP/RP）
• 记录 IL 状态、交易保护条款或正在进行的双先发周
• 记录对手球队的标识，以便读取 context/opponents/<team>.md 获取其类型

步骤 2：获取赛季剩余时间的预测

权威来源是 FanGraphs ATC（综合预测）。备用来源：FanGraphs Depth Charts，其次是 Razzball Player Rater。获取所有涉及球员本赛季剩余时间的预测总量。

• 对击球手：赛季剩余时间的 R、HR、RBI、SB、OBP 和打席数（PA）
• 对投手：赛季剩余时间的 K、IP、ERA、WHIP、QS、SV
• 在信号文件的 frontmatter 中引用每个来源 URL
• 如果缺少预测数据，将置信度降至 0.5 并标记

详细的来源顺序请参阅 resources/methodology.md#projection-sourcing。

第 3 步：计算各类别的差值

对于计数统计（R、HR、RBI、SB、K、QS、SV）：用转入数据减去转出数据，简单求和。

对于比率统计（OBP、ERA、WHIP）：按预计打席数（击球手）或投球局数（投手）加权。加权公式请参阅 resources/methodology.md#ratio-category-math。

• 逐类别计算计数统计差值
• 比率类别差值表示为按数据量加权后的球队平均值变动
• 在逐类别差值表中记录每项数据（并列展示两支球队）

第 4 步：应用 cat_pressure 权重

读取 mlb-category-state-analyzer 最新的 signals/YYYY-MM-DD-cat-state.md。对于 10 个类别中的每一个，将原始差值乘以 cat_pressure / 50。

• 加权差值 = raw_delta × (cat_pressure / 50)
• 将加权差值求和 → cat_pressure_weighted_delta

第 5 步：计算原始 trade_value_delta

使用 FanGraphs Auction Calculator 的赛季剩余美元价值（若不可用，则使用 Razzball）。

trade_value_delta_raw = Sum($ of players IN) − Sum($ of players OUT)

这是起始值——尚未计入阵容位置价值加成或逆向选择折减。

第 6 步：计算 slot_value_delta（可选性加成）

每个空闲替补席位的可选性价值约为 $2-3：可用于安排临时上场球员、保留伤病名单（IL）球员，或投机性地储备替补球员。2 换 1 的交易会让其中一方腾出一个阵容位置。

slot_value_delta = (N_slots_cleared_for_us − N_slots_cleared_for_them) × $2.50

其中：

• N_slots_cleared_for_us = 我方转出球员数 − 我方转入球员数，结果限制为 ≥ 0
• N_slots_cleared_for_them = 对方一侧按相同方式计算

示例：

• 1 换 1：双方均未腾出位置 → slot_value_delta = $0
• 2 换 1（我方送出 2 人，得到 1 人）：我方腾出 1 个位置，对方腾出 0 个 → +$2.50
• 1 换 2（我方送出 1 人，得到 2 人）：我方腾出 0 个位置，对方腾出 1 个 → −$2.50
• 3 换 1（我方送出 3 人，得到 1 人）：我方腾出 2 个位置，对方腾出 0 个 → +$5.00

将其加到 trade_value_delta_raw，得到 trade_value_delta_pre_adj。

有关原因（game-theory-principles.md #9），请参阅 resources/methodology.md#slot-value-optionality。

第 7 步：调用 @skills/adverse-selection-prior/ 并应用折减

此步骤将原则 #4（针对收到的报价进行逆向选择评估）付诸实践。评估器不会自行计算先验值，而是委托专用技能计算并使用其输出。

• 准备 @skills/adverse-selection-prior/ 的输入：
  • offer_type：trade（如果这是针对先前提议的还价，则用 counter_offer）
  • proposer_archetype：从 context/opponents/<opponent-team>.md 读取（取值之一：active、expert、dormant、frustrated、unknown）。如果文件不存在，则使用 unknown。
  • offer_symmetry_score：基于我们自己的表面估值计算的 0-100 整数。按以下方式映射：
    • trade_value_delta_pre_adj / Σ($_OUT) ≥ 0 → 72（报价看起来公平或对我们有利）
    • 0 > 比率 ≥ −10% → 60
    • −10% > 比率 ≥ −25% → 40
    • 比率 < −25% → 20
  • proposer_info_asymmetry：0-100 的整数。默认值为 50。若存在以下任一情况，则提高至 80 以上：近期伤病消息尚未由我们核实、closer 角色变动尚待确定、阵容构建发生变化、交易截止日期临近。评分指南见 resources/methodology.md#adverse-selection-delegation。
• 使用这四项输入调用 @skills/adverse-selection-prior/。
• 使用该技能的输出契约：
  • prior_ev_probability — 在信号文件中原样保存。
  • recommended_adjustment（浮点数，通常为 0.80-1.00）— 这是乘法折减系数。
  • bayesian_rationale — 嵌入 verdict 块的理由中。
  • override_hints — 将每条提示作为 red_team_finding 添加到信号文件中。
• 计算：

  trade_value_delta_adjusted = trade_value_delta_pre_adj × recommended_adjustment
  

• 在输出信号块中记录 adverse_selection_adjustment = 1 − recommended_adjustment（以百分比折减表示，例如，0.88 → “折减 12%”）。

符号说明： 折减系数乘在差值上，会缩小估算值的绝对值，不论方向如何——正差值会趋近于零（我们高估了收益），负差值也会趋近于零（我们高估了损失）。这在数学上符合 Akerlof 式先验：该技能告诉我们模型的可靠性低于预期，因此我们应更多地以零为基准。verdict 梯度通过对折减后的百分比设定严格阈值（+15% / −20%）进行补偿，因此，折减幅度较大的中度负原始差值会落入中间区间（COUNTER），而折减幅度无论多大，极负的原始差值仍会低于 −20% 的 REJECT 阈值。如果折减后数值恰好落在梯度边界上，则按“始终还价”规则处理为 COUNTER。

步骤 8：评估 positional_flex_delta

根据交易对阵容灵活性的影响，评分范围为 −100 至 +100。参见 resources/methodology.md#positional-flex-scoring。

• 从富余位置补入稀缺位置（C、SS、2B）= 正值
• 失去稀缺位置 = 负值
• 获得多位置资格 = 正值
• 将两名板凳球员合并为一名首发球员 = 正值（释放板凳名额）

步骤 9：计算 playoff_impact（仅限 7 月 1 日及以后）

对于在 7 月 1 日或之后进行的交易，专门评估第 21、22、23 周的冠军争夺赛周。读取 mlb-playoff-scheduler 信号文件，获取每位球员的 playoff_games 和 playoff_matchup_quality。

playoff_impact = Sum(playoff_games × matchup_quality of IN)
               − Sum(playoff_games × matchup_quality of OUT)

归一化至 0-100，其中 50 表示中性。

步骤 10：通过 +15% / −20% 梯度给出 verdict

将 trade_value_delta_adjusted 表示为转出金额的百分比：

delta_pct = trade_value_delta_adjusted / Σ($_OUT)

应用原则 #8 的 verdict 梯度：

delta_pct	Verdict	条件
≥ +15%	ACCEPT	且 advocate/critic 变体达成一致，且没有压力 ≥80 的类别具有负的加权差值
−20% < delta_pct < +15%	COUNTER（附具体方案）	必须给出具体还价；绝不能直接拒绝
≤ −20%	REJECT	且 prior_ev_probability ≤ 0.35（有明确的逆向选择证据）

始终还价规则：在中间区间，即使我们的直觉是拒绝，也要按照原则 #8 给出具体还价方案（维护重复博弈中的声誉）。轻率地拒绝会让未来报价断绝；给出经过权衡的还价则能保持交易渠道畅通。 如果 REJECT 条件只部分满足（例如，delta_pct ≤ −20%，但 prior_ev_probability > 0.35）：降级为 COUNTER，并要求对方提供更有诚意的方案。

每个判定都以单个动词建议结尾：ACCEPT、COUNTER (with specific proposal) 或 REJECT。不要使用“考虑”。

请参阅 resources/template.md#verdict-block 获取输出架构。使用 resources/evaluators/rubric_mlb_trade_evaluator.json 进行验证。发布所需的最低平均分：3.5。

常见模式

模式 1：用明星球员换阵容深度

• 对方用一名明星球员换我们两到三名中游球员。对方得到一个头条级名字；我们则因 2 换 1 腾出一个替补席位，获得名额价值加成。
• 常见陷阱：美元价值看起来接近，但考虑到对方主动提出这笔交易，我们仍应预期受到逆向选择折价。
• 规则：slot_value_delta 有利于我们（+$2.50 或 +$5）；但仍要应用逆向选择折价——检查 trade_value_delta_adjusted 是否高于 +15%，以及我们送出的球员是否不属于可弃用级别。如有疑虑，选择 COUNTER（而不是 REJECT）。

模式 2：针对类别的互换

• 双方价值对等的交易，双方都瞄准各自的弱项（例如，对方用 K/QS 换我们的 HR/RBI）。
• 诊断：这笔互换符合我们的 cat_pressure，还是对方的？如果符合对方的，折价幅度会很大（对我们而言，对称性反而不利）。
• 规则：只有在我们获得的类别压力 ≥70、放弃的类别压力 ≤40，且折价后的 delta_pct ≥ +15% 时，才选择 ACCEPT。否则选择 COUNTER。

模式 3：低买高卖的回归交易

• 交易涉及一名目前表现高于或低于其基础指标的球员。交叉参考 mlb-regression-flagger 的信号。
• 规则：如果对方球员的 regression_index 显著为正（运气不佳，理应反弹），而我们的球员显著为负（运气好，回归即将到来），则将此情况作为 proposer_info_asymmetry（30-40）传递给 @skills/adverse-selection-prior/（我们可能比对方掌握更好的回归信息）。由此产生的轻微折价可能让 delta_pct 超过 +15%。

模式 4：与伤病相关的绝望报价

• 对方球员已进入伤病名单，或正在养轻伤。报价以折扣为诱饵。
• 规则：将 proposer_info_asymmetry 设为 80+（他们对伤病了解更多）。该技能会返回 recommended_adjustment ≈ 0.80。通常选择 COUNTER 或 REJECT，具体取决于折价后的 delta_pct 是否低于 −20%。

模式 5：季后赛周赛程套利（7 月起）

• 接手的球员在第 21-23 周有 20 场比赛；送出的球员有 14 场。即使剩余赛季美元价值持平，季后赛价值也会有所不同。
• 规则：对于 7 月 15 日或之后提出的任何交易，将 playoff_impact 的权重加倍。利用 playoff_impact 的正向变化，让接近门槛的 COUNTER 案例转为 ACCEPT。

护栏

1. 始终提出还价——直接 REJECT 的适用范围很窄。 根据 game-theory-principles.md #8（重复博弈中的声誉），给出合理还价并拒绝，可以让报价渠道保持畅通；轻率拒绝则会让渠道断绝。只有在 delta_pct ≤ −20% 且有明确的逆向选择证据（prior_ev_probability ≤ 0.35）时，才使用 REJECT。其他所有处于中间区间的报价 → 都应给出具体方案并 COUNTER。

2. 交由专用技能计算逆向选择先验——不要在此处重新计算。 第 7 步调用 @skills/adverse-selection-prior/。不要在这里重复其逻辑。该技能会用于交易、弃掉豁免球员，以及未来的 M&A/谈判技能；保持单一数据源可以避免逻辑偏差。

3. 对 trade_value_delta_pre_adj 应用折减，不要折减各类别的 delta。 先验会调整我们的净美元估值，而不是各类别的单项贡献。类别 delta 表不应用折减，并按模板原样显示。

4. 阵容席位价值加成是对称的。 如果对方送来两名球员，而我们只送出一名，那么从我们的角度看，slot_value_delta 为负数——对方获得了替补席位的灵活性。收到 2 换 1 报价时，别忘了加上负号。

5. 使用赛季剩余时间的预测值，绝不要使用全赛季或赛季至今的数据。 规则同前；用 atcr，不用 atc。

6. 比例类类别需要按数量加权。 OBP、ERA、WHIP 的 delta 必须按 PA 或 IP 加权。

7. 先读取 cat_pressure 信号。 如果 mlb-category-state-analyzer 今天尚未生成数据，先运行它。

8. 明确量化还价——不要只说“再多要一些”。 提出包含具体球员姓名的替代方案。

9. 检查是否临近交易截止日期。 Yahoo 的截止日期是 August 6。若在截止日期前一周内提出交易，标记出来。

10. 考虑对双方的影响。 如果对方是直接争夺季后赛席位的竞争者，帮助对方的交易会造成双重损失。在输出块中注明对手身份及其与我们的排名差距。

11. 使用适合初学者的表达。 用户完全不了解棒球。至少要用通俗语言解释每项统计数据一次。每条面向用户的建议都必须以 ACCEPT、COUNTER (with specific package) 或 REJECT 结尾。

12. 记录决策。 通过 mlb-decision-logger 将记录写入 tracker/decisions-log.md，并附上完整的信号值，包括 prior_ev_probability、recommended_adjustment、slot_value_delta、trade_value_delta_adjusted、裁决结果、置信度，以及 will_verify_on 日期（4 周后）。

快速参考

关键公式：

Counting-cat delta (cat C):
  raw_delta_C = Σ(projected_C of IN) − Σ(projected_C of OUT)

Ratio-cat delta (OBP example):
  PA-weighted OBP_IN and OBP_OUT, then team-level shift

Weighted cat delta:
  weighted_delta_C = raw_delta_C × (cat_pressure_C / 50)

Total cat delta:
  trade_cat_delta = Σ weighted_delta_C

Raw trade value:
  trade_value_delta_raw = Σ($_IN) − Σ($_OUT)

Slot-value bonus:
  slot_value_delta = (slots_cleared_us − slots_cleared_them) × $2.50

Pre-adjustment delta:
  trade_value_delta_pre_adj = trade_value_delta_raw + slot_value_delta

Adverse-selection haircut (via @skills/adverse-selection-prior/):
  trade_value_delta_adjusted = trade_value_delta_pre_adj × recommended_adjustment

Percent expression:
  delta_pct = trade_value_delta_adjusted / Σ($_OUT)

Playoff impact (July+):
  playoff_impact = Σ(games_21_23 × matchup_q of IN)
                 − Σ(games_21_23 × matchup_q of OUT)

结论判定阶梯（原则 #8）：

delta_pct	结论	额外门槛
≥ +15%	接受	且倡导方/批评方意见一致，且没有压力值 ≥80 的类别呈负面
−20% < d < +15%	还价（附具体方案）	始终如此——此区间内绝不直接拒绝
≤ −20%	拒绝	且 prior_ev_probability ≤ 0.35

逆向选择先验摘要（来自 @skills/adverse-selection-prior/）：

recommended_adjustment	典型原因	对 delta_pct 的影响
1.00	对手不活跃，信息差距小	不变
0.95	对手活跃，报价对等	幅度降低 5%
0.90	对手通常较活跃	幅度降低 10%
0.85	对手是专家，存在一定信息差距	幅度降低 15%
0.80	对手是专家，存在显著信息不对称	幅度降低 20%

关键资源：

• resources/template.md：报价输入架构、逐类别 delta 表（两支球队）、价值/阵容位置/逆向选择/灵活性/季后赛区块、含理由和还价方案的结论区块，以及三个示例（接受、还价、拒绝）
• resources/methodology.md：预测来源、计数类与比率类类别的计算方法、cat_pressure 加权、价值金额、阵容位置价值的可选性、委派给 adverse-selection-prior、灵活性评分、季后赛影响，以及新增的结论判定阶梯和始终还价规则
• resources/evaluators/rubric_mlb_trade_evaluator.json：质量标准，包括逆向选择整合、阵容位置价值加成的应用，以及结论判定阶梯的正确性

所需输入：

• 交易报价（转入球员、转出球员、发起交易的对手）
• 赛季剩余时间 ATC 预测（FanGraphs）
• 当前 cat_pressure 信号（来自 mlb-category-state-analyzer）
• 拍卖计算器的美元价值（FanGraphs）
• 每位球员的位置资格（Yahoo）
• 来自 context/opponents/<team>.md 的对手类型（由 mlb-opponent-profiler 编写）
• regression_index 信号（来自 mlb-regression-flagger），用于低买高卖检查和信息不对称评分
• 伤病状态（RotoWire）
• 如果是 7 月或之后：每位球员的 playoff_games 和 playoff_matchup_quality
• 来自 @skills/adverse-selection-prior/ 的逆向选择输出（步骤 7）

生成的输出：

• 10 个类别各自的 trade_cat_delta（原始值 + 压力加权值）
• trade_value_delta_raw（$）
• slot_value_delta（$）
• trade_value_delta_pre_adj（$）
• prior_ev_probability（来自委派的技能）
• recommended_adjustment（来自委派的技能）
• adverse_selection_adjustment（= 1 − recommended_adjustment）
• trade_value_delta_adjusted（$）
• delta_pct（trade_value_delta_adjusted / Σ$_OUT）
• positional_flex_delta（±100）
• playoff_impact（0-100，7 月及之后）
• verdict（接受 / 还价 / 拒绝）及理由（包括来自逆向选择技能的 bayesian_rationale）
• 还价方案：除非结论为 ACCEPT，否则始终明确指定（即使结论为 REJECT，也要附上我们本会提出的还价方案作为背景信息）
• 写入 signals/YYYY-MM-DD-trade-<opponent>.md 的信号文件
• 通过 mlb-decision-logger 记录决策日志