2020/03/30

在MLB自由市場「買一勝」,需要花大聯盟球隊多少錢?

根據著名的資產評估網站《Forbes》,MLB去年的估計營收高達107億美金,是連續第17季創新高。像這樣一個如此賺錢的聯盟,想升級戰力的球隊會願意花多少錢在補強上?若要從自由市場上「買一勝」,又必須付出多高代價?

作者:JK47

請繼續往下閱讀

Gerrit Cole和洋基隊簽了打破投手紀錄、震驚球壇的九年3億2400萬肥約。去年Cole在世界大賽的對手 — 衛冕軍國民隊 — 旗下兩名投打大將Stephen Strasburg、Anthony Rendon,也雙雙簽下七年2億4500萬大合約,雖然下家不同(前者回歸國民、後者改當天使)。Zach Wheeler、柳賢振、Madison Bumgarner、Dallas Keuchel這些中堅等級的先發投手,也都分別拿到3~5年、年薪至少1700萬的報酬。前一季還因為找不到工作,只能被迫簽一年短約的Josh Donaldson、Yasmani Grandal、Mike Moustakas等資深野手,這個冬天都收到四年以上報價。

 

一筆又一筆的重磅簽約,讓人感覺MLB似乎已逐漸走出過去兩季的自由市場寒冬 — 相較於近兩年包括Bryce Harper、Manny Machado在內的大牌球星,都拖到二月後才能拿到新約;今年的市場異動明顯更迅速、金流也貌似比較闊綽,不僅多名好手領到的薪資,超越近兩屆FA的水平,且重大簽約幾乎都在2019年結束前就塵埃落定。但事實果真如此嗎?選手的待遇確實谷底反彈了嗎?有鑑於前述提及的樣本數有限,若想探究大聯盟球隊眼下如何評估球員的價值,需對整體情況更加深鑿。

Top 20 MLB Free Agents for 2019/2020 Hot Stove season - YouTube

 

其實,自由市場並非唯一讓球隊評估選手價值的場域 — 無論交易、選秀、仲裁、釋出、名單調整......球團無時無刻都得替球員進行估值。然而,相較於選手互換(交易)、或者規則上對報酬有明定上限(例如仲裁或選秀...)等異動管道,自由市場是最直觀、最不受限的「現金換產能」之處。如果我們想量化一名選手、以及其他與之相近的球員的市場價值,開放所有球隊一同競標、並且交易單位只能是現金的FA,顯然相對最容易理出價格脈絡。

 

因此,藉由對自由市場的整體觀察,或許我們可更清楚地回答某些問題:大聯盟球隊願意花多少錢,從FA購買單位產能?球星、或一般選手的單位產能,估值是否有落差?與往年相比,這個休賽季的勞方待遇行情果真反彈了嗎?過去兩季景氣低迷的選手市場,有沒有獲得充足的修正及補償?首先,我們得回答「球隊需要花多少錢買單位產能」這個問題,而就如標題所暗示,這裡指的「單位產能」就是指「一勝」。幸運地,我們恰好有一項棒球統計數據「WAR」,就是用來計算相較於隨處可見、不用花費代價即可取得的4A級免洗選手,一名球員可替球隊多貢獻的勝場數。

Ex-Dodger Yasmani Grandal cashes in with Chicago White Sox - Los ...

 

以WAR做為產能單位的原因不難理解 — 我們需要一個盡可能最全觀、能包攬球員在場上的所有貢獻的數據。我們當然也可以計算出「Cost/HR」、「Cost/AVG」、「Cost/UZR」...等等,但比起能將打、跑、守、投、球場、聯盟...等眾多項目的價值一次統合的WAR,其他數據在回答「球員整體產能」的問題時,都不會比WAR更有價值。此外,如同我曾經也在站上寫過同一主題的文章時所說,球隊決定投資的當下,只能用選手的「預期」產能來推估其價值;因此,本文將採用進階數據網站FanGraphs的WAR值預測,做為球員本季的預期產能。

 

然而,只推估今年的成績是不夠的 — 比如Cole的合約長達九年,所以理論上球團要對九季的產值都做出預測,才能有給價依據。因此,針對今年之後的逐季WAR值預測,本文借引國外數據派作家Dave Cameron(目前已任職於教士隊)過往處理此議題時,所使用的「老化預估迴歸模型」— 球員在30歲賽季以前,每年的產能會剩前一季的90%、31~35歲時每年剩前一季的85%、36歲之後每年剩前一季的80%。舉29歲的Cole為例,他本季的預測產能是6.7WAR,套入上述老化模型,之後八年的預測WAR分別會是6、5.1、4.4、3.7、3.2、2.7、2.1、1.7,九年合計共35.6勝預期產能。

Sources - Yankees, Gerrit Cole agree to record 9-year, $324M deal

 

於是,一組「價格/預期產能」的數字便誕生了 — 根據我們使用的預測數據、老化模型,洋基簽下Cole,等同花324M買35.6勝預期產能,平均買一勝花9.1M。當然,我們知道球隊使用的預測系統、老化模型不會和外界一致,因此若有人以此個案,宣稱「洋基買一勝所願意花的價格是9.1M」,那是偏離本文用意的論述。事實上,前面便有提及,市場的「整體」行情、大樣本之下的答案才是重點 — 我們想找的是整個市場的平均值,而非個別球隊願意花多少錢買一勝。況且,理論上來說,當樣本數從個案擴大至整體,單一球隊與外界的預測差距,也許就會變得沒那麼重要(高估低估相互抵銷)。

訂閱運動視界電子報

追蹤我們