2026-05-16 · 수원
과거 경기한화 이글스 vs KT 위즈
최종: 한화 10 - 5 KT · 승리 한화
🎯 경기 개요
한화 vs KT — 승률 격차 8%p의 접전. 초반 득점이 승부를 가를 가능성. 올 시즌 상대전적은 한화가 100% 승률로 강세.
🎯 AI 심판 최종 판정

한화 이글스
원정

KT 위즈
홈
예측 승자 (원정)
한화 이글스 54%
KT의 홈 어드밴티지를 인정하면서도, 한화의 구체적 지표가 더 설득력 있다. 불펜 FIP 0.29 차이는 후반 접전에서 실질적 우위로 이어질 가능성이 높고, 최근폼 20%p 격차는 현재 팀 컨디션의 차이를 잘 반영한다. 한화 수비 취약(SFR -2.6)이 선제 실점 리스크이지만, 회고 에이전트가 지적한 모델의 홈팀 편향까지 감안하면 한화 원정 승리 쪽에 무게를 싣는 것이 합리적이다. 선발 미확정 변수로 confidence는 낮게 유지.
보정 적용: 회고 에이전트 홈팀 과대평가 보정 -3% 적용 (홈팀 적중률 35% vs 원정팀 54%)
양팀 에이전트 논거
한화 이글스 에이전트
핵심 팩터: 최근폼 격차(70% vs 50%)가 선발 부재에서 불펜 신뢰도(FIP 차) 조합되면 후반 승점 따내기 유리
- 타선 우위: wOBA 0.313 > KT 0.307 (+0.006, 미소하지만 주입 수치상 우위)
- 불펜 신뢰성: FIP 3.64 < KT 3.93 (+0.29, 후반 경기 주도권 확보 가능)
- 최근폼 우세: 70% > KT 50% (20%p 격차, 모멘텀 이점)
상대 약점:
- KT 수비 불안: SFR +2.3는 과다 방어 시도 신호 (守備 투입 리소스 소모)
- Elo 열세: 1511 < 한화 1530 (19pt 격차, 통계적 약세)
타선 동등선(wOBA 차 0.006)이지만 불펜 우위(FIP +0.29) + 최근폼 20%p 격차가 접전 환경에서 결정타. 다만 한화 수비 약점(SFR -2.6 vs KT +2.3, 격차 -4.9)이 선제점 실점 위험이므로 confidence는 억제. 선발 미확정으로 변수 커짐.
KT 위즈 에이전트
핵심 팩터: 종합 전력
- 데이터 기반 분석
정량 모델 기반 분석
📊 팩터별 정량 해설
정량 모델 v1.8의 10개 팩터를 가중치 순으로 분석합니다.
선발 FIP
가중치 15%선발 FIP 데이터 부족.
비슷
타선 wOBA
가중치 15%양 팀 wOBA가 근접해 타격 화력은 비슷한 수준.
비슷
Elo 레이팅
가중치 10%Elo 레이팅 격차 작음, 전력 대등.
비슷
불펜 FIP
가중치 10%불펜 안정성에서 큰 격차 없음.
모델 메타 정보
정량 모델: v1.8
🔄 회고 보정
최근 편향: 홈팀 승리 예측에서 심각한 과대평가. 홈팀 적중률 35% vs 원정팀 54% (19%p 차이)
팀별: KT 위즈(홈팀)는 모델의 홈팀 편향 영향을 받을 가능성 높음. 한화 이글스(원정팀)는 상대적으로 정확도 높은 예측 대상
모델 약점: 홈필드 어드밴티지를 과도하게 반영하는 경향. 50경기 중 홈팀 판정이 과도하게 많았을 것으로 추정. 팀 스탯 대비 홈팀 보너스 가중치 문제 의심
보정: -3%
⚡ 사후 분석
경기 종료 후 AI가 “무엇을 틀렸나” 진단
Factor 편향 Top 3
편향 -0.500으로 한화의 상대전적 우위를 완전히 배제했으나, 실제 경기에서 한화가 10득점 압승을 거두며 상대전적 신호가 유효했음을 증명했다.
KT 수비력을 최대치(1.000)로 평가해 +0.500 편향을 부여했으나, 실제 경기에서 한화 타선의 10득점을 전혀 억제하지 못해 SFR 신호의 과대평가가 드러났다.
한화의 최근 폼을 0.417로 과소평가했으나, 실제 경기에서 한화가 압도적 타격 퍼포먼스를 보이며 상승세를 반영하지 못한 모델의 한계가 노출됐다.
한화 이글스 사후 의견
한화 이글스는 46% 승리확률의 비추천 팀으로 분류됐으나 최종 10-5로 압승했다. 예측 모델은 head_to_head에서 한화를 0.000으로 평가해 -0.500의 극단적 편향을 드러냈으나, 실제 경기에서는 한화의 타선이 10득점을 기록하며 lineup_woba 예측(0.495)을 상회했다. 또한 KT의 bullpen_fip 예측(0.481)이 실제 수행과 괴리되며 5득점 제한 실패로 이어졌다. recent_form에서 -0.083 편향으로 한화를 과소평가했던 것도 결과적으로 모델의 약점이었다.
핵심: head_to_head