Expected Goals (xG): Cos’è e Come Usarlo nelle Scommesse

Cos’è l’Expected Goals

L’Expected Goals, abbreviato xG, è una metrica che misura la qualità delle occasioni da gol create durante una partita. Invece di contare semplicemente i gol segnati, l’xG valuta quanto erano buone le opportunità che hanno portato a quei gol, o che avrebbero potuto portarci.

L’idea nasce da una domanda semplice: quanto era probabile che quel tiro diventasse gol? Un tiro a porta vuota da due metri ha probabilità vicina al 100%. Un tiro da 35 metri con il portiere piazzato ha probabilità del 2-3%. L’xG assegna a ogni tiro un valore che riflette questa probabilità.

Sommando l’xG di tutti i tiri di una squadra ottieni l’xG totale della partita. Se una squadra ha xG 2.5, significa che le occasioni create valevano mediamente 2.5 gol. Se ha segnato 1 gol, ha sottoperformato. Se ne ha segnati 4, ha sovraperformato. Nel lungo periodo, i gol reali tendono a convergere verso l’xG.

L’xG è diventato lo standard per valutare le prestazioni oltre i risultati. Una squadra può vincere 1-0 giocando male e avendo fortuna, oppure può perdere 0-1 dominando e sbagliando occasioni clamorose. L’xG distingue queste situazioni che il risultato nasconde.

Come Si Calcola l’xG

Il calcolo dell’xG si basa su database storici di centinaia di migliaia di tiri. Per ogni tiro registrato si conosce la posizione, l’angolo rispetto alla porta, se era di testa o di piede, se veniva da un cross o da un’azione centrale, se il portiere era fuori posizione, e molte altre variabili.

I modelli di machine learning analizzano questi dati per determinare la probabilità di gol in base alle caratteristiche del tiro. Un tiro dal dischetto del rigore ha xG di circa 0.76-0.78 perché storicamente circa il 76-78% dei rigori viene trasformato. Un tiro da fuori area centrale ha xG intorno a 0.03-0.05.

Esistono diversi provider di xG, e i loro numeri possono variare leggermente. Opta, StatsBomb, Understat usano metodologie diverse. Le differenze sono generalmente piccole, ma è meglio essere consistenti nell’uso della stessa fonte.

L’xG non considera chi sta tirando. Un rigore di un rigorista esperto e uno di un difensore nervoso hanno lo stesso xG, anche se nella realtà le probabilità sono diverse. Alcuni modelli avanzati includono l’identità del tiratore, ma l’xG base no.

Anche l’xG contro (xGA) è importante: misura la qualità delle occasioni concesse. Una squadra con xGA basso concede poche e cattive occasioni agli avversari, segno di difesa solida. Una squadra con xGA alto è vulnerabile anche se non ha subito molti gol.

Come Usare l’xG nelle Scommesse

L’applicazione più diretta è identificare squadre che stanno sovra- o sottoperformando. Se una squadra ha segnato 15 gol ma il suo xG dice 20, probabilmente è stata sfortunata e i gol arriveranno. Se ha segnato 15 con xG 10, sta sovraperformando e potrebbe regredire.

Per i mercati Under/Over, l’xG fornisce aspettative più accurate della media gol grezza. Una partita tra due squadre con xG For alto e xGA alto sarà probabilmente ricca di gol. Due squadre con xG basso e xGA basso suggeriscono Under.

L’xG è particolarmente utile a inizio stagione quando i campioni sono piccoli. Dopo 5 partite, i gol reali hanno molta varianza. L’xG, basato su tutte le occasioni create, offre un’immagine più stabile della qualità della squadra.

Cerca discrepanze tra xG e risultati recenti. Una squadra che ha perso le ultime tre partite ma ha xG positivo in tutte potrebbe essere sottovalutata dal mercato. Le quote riflettono spesso i risultati più degli underlying metrics.

L’xG aiuta anche a valutare i clean sheet. Una squadra che non ha subito gol ma ha xGA alto è stata fortunata, e quel clean sheet potrebbe non ripetersi. Una squadra che ha subito gol nonostante xGA basso probabilmente tornerà a difendere bene.

Per il mercato Goal/NoGoal, considera sia l’xG For che l’xGA delle due squadre. Se entrambe creano poco e concedono poco, il NoGoal ha valore. Se entrambe creano molto e concedono molto, il Goal è più probabile.

Limiti dell’Expected Goals

L’xG non cattura tutto. La qualità del finalizzatore non è inclusa nei modelli base. Un attaccante d’élite converte occasioni difficili più spesso della media; l’xG lo sottovaluterà sistematicamente. Il contrario vale per attaccanti scarsi.

Le situazioni di gioco non sono completamente modellate. L’xG non sa se la difesa era fuori posizione, se c’era un giocatore libero per un passaggio migliore, se il tiro era una scelta forzata. Queste sfumature tattiche sfuggono ai numeri.

I campioni piccoli sono un problema. L’xG di una singola partita ha alta varianza. Una squadra può avere xG 3.0 perché ha avuto un rigore e due occasioni da corner, non necessariamente perché ha dominato. Guarda sempre il contesto delle occasioni.

L’xG assume che i tiri siano indipendenti, ma non è sempre vero. Un attaccante che ha appena sbagliato un’occasione facile potrebbe essere mentalmente colpito per i tiri successivi. Questi effetti psicologici non appaiono nei modelli.

Non tutti i modelli xG sono uguali. Alcuni sono più sofisticati di altri, alcuni sono calibrati su campionati specifici. Usa fonti affidabili e sii consapevole delle limitazioni del modello che stai usando.

xG nella Pratica

Integra l’xG con altre informazioni, non usarlo in isolamento. Un xG alto è positivo, ma se viene tutto da calci piazzati contro una squadra che difende bene le palle inattive, il valore è ridotto.

Guarda l’xG per 90 minuti, non solo il totale. Una squadra che ha giocato meno partite avrà xG totale più basso. L’xG/90 normalizza e permette confronti corretti.

Distingui tra xG from open play e xG from set pieces. Alcune squadre creano molto su azione, altre dipendono dai calci piazzati. Questa distinzione aiuta a capire come una squadra potrebbe performare contro avversari specifici.

L’Expected Goals ha rivoluzionato l’analisi del calcio, ma non è magia. È uno strumento potente che, usato correttamente, migliora la comprensione delle partite e delle squadre. Come tutti gli strumenti, richiede competenza per essere usato efficacemente. Impara i suoi punti di forza e i suoi limiti, e diventerà parte preziosa del tuo arsenale analitico.

I bookmaker usano modelli xG simili per quotare le partite. Non stai scoprendo qualcosa che loro non sanno. Il valore sta nell’interpretazione: capire quando l’xG racconta una storia che il mercato non ha prezzato correttamente, o quando altri fattori rendono l’xG meno affidabile del solito.

L’xG funziona meglio su campioni grandi. Per una singola partita, la varianza è alta e l’xG può essere fuorviante. Per una stagione intera, l’xG è uno dei migliori predittori di rendimento futuro. Usa l’xG per analisi di medio-lungo periodo, non per pronostici su singole partite in isolamento.

Confronta l’xG con altri indicatori. Se l’xG dice una cosa e le statistiche tradizionali ne dicono un’altra, cerca di capire perché. A volte l’xG cattura qualcosa che i gol non mostrano. A volte i gol riflettono abilità reali che l’xG non misura.

L’xG è uno strumento relativamente nuovo e in evoluzione. I modelli migliorano, le fonti si moltiplicano, la comprensione si affina. Resta aggiornato sui progressi della metrica e adatta il tuo uso di conseguenza. Quello che sappiamo sull’xG oggi potrebbe essere superato tra qualche anno.