이전에 Tom Tango의 Marcel 예측 시스템을 소개한 적이 있다. 특성 선수의 이전 3년 성적을 가중 평균한 후, 적당히 평균값으로 회귀시켜 현재의 실제 실력을 추정하는 방법이었다. 더욱 나아가, Tom Tango는 얼마 전 선수의 최근 WAR만으로 향후 WAR를 예측할 수 있는 방법(WARcel: WAR Marcel)을 소개하였다. 계산 방법은 다음과 같다.

• WAR(t+1) = { 0.6 x WAR(t) + 0.3 x WAR(t-1) + 0.1 x WAR(t-2) } x 0.8 + 0.1 x ( 30 – Age )

위의 식을 자세히 살펴보자. 이전 Marcel 시스템은 비율 스탯에 대해 연도별 각각 5:4:3의 가중치를, 이닝과 같은 플레잉 타임에 대해서는 5:1:0의 가중치를 부여하였다. 그러나, WAR는 비율과 플레잉 타임이 결합된 스탯이므로 6:3:1의 가중치를 부여하여 연도별 각각 0.6, 0.3, 0.1를 곱한다. 또한, 평균값으로의 적당한 회귀를 위해 0.8을 추가로 곱한다. 이후 나이에 따른 조정을 한다. 30세 이상인 경우 1년마다 WAR를 0.1씩 감소, 30세 이하인 경우 0.1씩 증가시킨다.

그럼 이제 이 방법을 이용하여 마이크 트라웃의 2017년 WAR를 예측해보자. 마이크 트라웃은 팬그래프 기준 2016, 2015, 2014년 각각 9.4, 9.0, 7.9(!)의 WAR를 기록했다. 이를 6:3:1 비율로 가중 평균하면 9.1이다. 평균으로 회귀시키기 위해 0.8을 곱하면 7.3이 된다. 여기에 나이에 따른 조정을 하자. 그는 현재 24살, 내년에 25살이 되므로 0.1 x ( 30 – 25 ) = +0.5를 더해준다. 따라서 내년 WAR는 7.3+0.5=7.8로 예측된다.

만약 마이크 트라웃이 내년에 7.8 WAR를 기록한다면, 이는 그의 커리어 로우 시즌인 2014년의 7.9보다도 더 낮은 것이다. WARcel의 예측값이 이렇게 낮은 것은, 우선 예측시스템의 정확도가 낮기 때문이다. 이는 다른 변수없이 오직 선수의 3년 WAR와 나이만을 고려하고 있기 때문이다. 좀 더 정교한 시스템인 Steamer는 트라웃의 내년 WAR를 8.5로 예측하고 있다. 또한, 마이크 트라웃은 그동안 통계적으로 지나치게 높은 WAR를 기록해왔다. 그가 이런 성적을 계속 유지하는 한, 앞으로의 통계적 예측값은 그가 기록한 성적보다 항상 조금 더 낮을 수밖에 없다.

이번엔 WARcels 기반으로 2017년 높은 WAR가 예측되는 선수들은 누구일지 확인해보자.

Rank	Name	WAR(’14)	WAR(’15)	WAR(’16)	Age	WAR(’17)
1	Mike Trout	7.9	9	9.4	24	7.8
2	Josh Donaldson	6.6	8.7	7.6	30	6.2
3	Kris Bryant	–	6.6	8.4	24	6.1
4	Mookie Betts	1.8	4.8	7.8	23	5.6
5	Manny Machado	2.3	6.8	6.5	23	5.5
6	Jose Altuve	5.1	4.5	6.7	26	5.0
7	Francisco Lindor	–	4.5	6.3	22	4.8
8	Bryce Harper	1.4	9.5	3.5	23	4.7
9	Corey Seager	–	1.5	7.5	22	4.7
10	Anthony Rizzo	5.7	5.5	5.2	26	4.6
11	Paul Goldschmidt	4.3	7.3	4.8	28	4.5
12	Freddie Freeman	4.1	3.4	6.1	26	4.4
13	Adam Eaton	3.1	3.7	6	27	4.2
14	Nolan Arenado	2.9	4.5	5.2	25	4.2
15	Kyle Seager	5.4	3.9	5.5	28	4.1
16	Brandon Crawford	2.9	4.5	5.8	29	4.1
17	Brian Dozier	4.7	3.3	5.9	29	4.0
18	Joey Votto	1	7.5	5	32	4.0
19	Carlos Correa	–	3.4	4.9	21	4.0
20	Xander Bogaerts	0.3	4.3	4.7	23	3.9