Expected Goals (xG) nelle Scommesse: Come Usare i Dati Avanzati
Caricamento...
Gli Expected Goals — universalmente abbreviati in xG — sono la metrica che ha cambiato il modo in cui si analizza il calcio. Nati nell’ambito della football analytics e diffusi al grande pubblico attraverso le trasmissioni televisive e i social media, gli xG sono passati in pochi anni da curiosità statistica per addetti ai lavori a strumento utilizzato da allenatori, direttori sportivi, commentatori e, naturalmente, scommettitori.
Ma l’ubiquità della metrica ha generato un paradosso: tutti ne parlano, pochi la comprendono davvero, e ancora meno la applicano correttamente alle scommesse. Dire “il Torino ha sovraperformato i suoi xG” suona informato, ma se non sai cosa implica quella frase per le quote di sabato prossimo, è solo un dato che hai letto da qualche parte senza capirne le conseguenze operative.
In questa guida analizziamo cosa misurano realmente gli xG, come vengono calcolati, quali sono i loro limiti e — soprattutto — come usarli concretamente per trovare valore nelle scommesse sul calcio.
Cosa Misurano Realmente gli xG
Gli Expected Goals misurano la qualità delle occasioni da gol create o concesse da una squadra, assegnando a ogni tiro una probabilità di trasformarsi in rete. Un tiro da dentro l’area piccola, frontale alla porta e senza opposizione potrebbe avere un xG di 0.75 — significa che, storicamente, il 75% dei tiri con caratteristiche simili è finito in gol. Un tiro dalla distanza di 30 metri, angolato e con un difensore davanti, potrebbe avere un xG di 0.03.
La somma degli xG di tutti i tiri di una squadra in una partita dà il totale xG della partita, che rappresenta il numero di gol che quella squadra “avrebbe dovuto” segnare data la qualità delle occasioni create. Se una squadra ha un xG di 2.3 e ha segnato 1 gol, ha sottoperformato le aspettative. Se ha segnato 4 gol con un xG di 1.8, ha sovraperformato.
La differenza tra gol reali e xG è la chiave interpretativa. Nel breve periodo, una squadra può segnare molto più o molto meno di quanto i suoi xG suggeriscano — per abilità del finalizzatore, per errori del portiere avversario, o semplicemente per fortuna. Nel lungo periodo, i gol tendono a convergere verso gli xG. Questa convergenza è il principio su cui si basa l’uso degli xG nelle scommesse: se una squadra sta sovraperformando sistematicamente i suoi xG, prima o poi il rendimento si normalizzerà — e le quote attuali, che riflettono i risultati recenti, non hanno ancora incorporato questa regressione verso la media.
Come Vengono Calcolati: il Modello Dietro il Numero
Non tutti gli xG sono uguali. Diversi provider utilizzano modelli diversi con variabili diverse, il che produce valori leggermente diversi per lo stesso tiro. Comprendere queste differenze è importante per evitare di trattare gli xG come un dato oggettivo e immutabile.
I modelli base considerano poche variabili: distanza dalla porta, angolo di tiro e parte del corpo utilizzata (piede, testa). Questi modelli sono semplici e trasparenti, ma non catturano il contesto del tiro — se il portiere era fuori posizione, se il tiratore era in corsa o fermo, se c’erano difensori sulla traiettoria.
I modelli avanzati — come quelli di StatsBomb o Opta — incorporano variabili aggiuntive: posizione del portiere, posizione dei difensori, tipo di azione che ha generato il tiro (gioco aperto, calcio piazzato, contropiede), velocità dell’azione e pattern di passaggio precedente. Questi modelli sono più precisi ma anche più opachi: è difficile capire esattamente perché un tiro specifico ha ricevuto un certo valore xG.
Per lo scommettitore, la precisione del modello conta fino a un certo punto. La differenza tra i valori xG di provider diversi per la stessa partita è tipicamente dell’ordine di 0.2-0.5 xG — significativa in termini assoluti, ma raramente sufficiente a cambiare la direzione di un’analisi. Quello che conta è la coerenza: usa sempre lo stesso provider per le tue analisi, così le comparazioni tra partite e tra squadre sono consistenti.
xG e Scommesse: le Applicazioni Pratiche
L’uso più diretto degli xG nelle scommesse riguarda il mercato over/under. Se due squadre hanno una media combinata di 3.1 xG per partita nelle ultime 10 giornate, ma la media di gol effettivi è stata 2.2 (perché entrambe hanno sottoperformato), le quote per l’under 2.5 riflettono probabilmente la media di gol reali — non quella attesa. Lo scommettitore informato riconosce che la sottoperformance è temporanea e che il ritorno alla media xG favorirà l’over nelle partite future.
Lo stesso ragionamento si applica al mercato Goal/No Goal. Una squadra che crea molte occasioni (xG alto) ma segna poco è una candidata per il ritorno alla media in zona gol. Al contrario, una squadra che subisce poche occasioni (xGA basso) ma incassa molti gol è una candidata per un miglioramento difensivo — informazione utile per valutare il No Goal.
Il mercato 1X2 beneficia degli xG in modo meno diretto ma altrettanto significativo. Se una squadra ha accumulato punti con prestazioni molto superiori ai propri xG (vincendo partite in cui ha creato meno dell’avversario), il suo ranking in classifica sopravvaluta la sua forza reale. Le quote per le partite successive di questa squadra saranno influenzate dalla posizione in classifica più che dalla qualità del gioco — e qui si apre uno spazio per il valore.
I Limiti degli xG: Cosa Non Possono Dirti
Gli xG sono uno strumento potente, ma hanno limiti strutturali che ogni scommettitore deve conoscere per evitare di sopravvalutarne la capacità predittiva.
Il primo limite è che gli xG non catturano la qualità del finalizzatore. Un tiro da una certa posizione ha lo stesso xG indipendentemente da chi calcia. Ma nella realtà, un tiro di un attaccante d’élite da 18 metri non ha la stessa probabilità di gol di un tiro di un difensore centrale dalla stessa posizione. Alcuni giocatori sovraperformano sistematicamente i propri xG — non per fortuna, ma per abilità di finalizzazione superiore. Questo significa che squadre con finalizzatori eccezionali possono mantenere una sovraperformance rispetto agli xG che non è destinata a regredire verso la media, perché è sostenuta da una competenza reale.
Il secondo limite riguarda le situazioni di gioco non standard. I calci di rigore hanno un xG fisso (tipicamente 0.76-0.79), i calci di punizione diretta hanno xG basati sulla posizione, ma entrambi sono eventi con caratteristiche molto diverse dal gioco aperto. Se una squadra accumula xG significativi da rigori, il suo profilo offensivo è qualitativamente diverso da una squadra che crea lo stesso xG da azioni manovrate. Per l’analisi delle scommesse, è utile separare gli xG da gioco aperto (npxG, non-penalty xG) dai totali.
Il terzo limite è temporale. Gli xG si basano su dati storici e assumono che le condizioni passate siano predittive delle condizioni future. Un cambio di allenatore, un modulo tattico diverso, l’arrivo o la partenza di un giocatore chiave possono rendere obsoleti i dati xG accumulati sotto il regime precedente. La finestra temporale su cui calcoli la media xG è una scelta che influenza significativamente i risultati: le ultime 5 partite catturano il trend recente ma sono instabili; le ultime 20 partite sono più stabili ma potrebbero includere un contesto tattico che non esiste più.
xG Differenziale e Tabella “Reale”
Una delle applicazioni più interessanti degli xG per le scommesse è la costruzione di una classifica alternativa basata sugli xG differenziali — la differenza tra xG creati e xG concessi per partita.
La classifica xG differenziale racconta una storia diversa da quella ufficiale. Squadre che occupano posizioni alte in classifica ma hanno un xG differenziale mediocre sono candidate per un calo di rendimento. Squadre in posizioni basse con un buon xG differenziale sono sottovalutate dal mercato e possono offrire valore nelle scommesse prematch.
Un esempio tipico nella Serie A: una squadra neopromossa che nelle prime 10 giornate ha raccolto 8 punti (posizione bassa in classifica) ma ha un xG differenziale di +0.3 per partita. Il mercato la prezza come una squadra da retrocessione perché guarda i punti. L’analisi xG suggerisce che sta giocando meglio di quanto i risultati indichino e che una correzione positiva è probabile. Le quote per le sue vittorie nelle giornate successive saranno più generose di quanto dovrebbero essere — un’opportunità di valore.
Costruire questa classifica è semplice: Understat pubblica gli xG per ogni partita delle principali leghe europee. Un foglio di calcolo con le colonne “squadra”, “xG a favore per partita”, “xG contro per partita” e “xG differenziale” richiede mezz’ora di lavoro per un’intera giornata di campionato. Aggiornarlo settimanalmente è un investimento minimo che fornisce una prospettiva radicalmente diversa da quella della classifica ufficiale.
Metriche Complementari: xA, PPDA e Pressing
Gli xG non vivono in isolamento. Altre metriche avanzate completano il quadro e, combinate con gli xG, offrono un’analisi multidimensionale della forza di una squadra.
Gli Expected Assists (xA) misurano la qualità dei passaggi che generano occasioni da gol, indipendentemente dal fatto che il tiro successivo vada a segno. Un giocatore che serve costantemente palloni in posizioni pericolose avrà un xA alto, anche se i compagni sprecano. Per le scommesse sui marcatori e sugli assist, gli xA sono più predittivi degli assist reali.
Il PPDA (Passes Per Defensive Action) misura l’intensità del pressing: quanti passaggi avversari una squadra concede prima di compiere un’azione difensiva. Un PPDA basso indica pressing alto e aggressivo — tipico delle squadre che cercano di recuperare palla nella metà campo avversaria. Per le scommesse su corner e su falli/cartellini, il PPDA è un indicatore rilevante: le squadre con pressing aggressivo tendono a forzare più errori, più corner e più situazioni da cartellino.
La combinazione di xG, xA e dati di pressing permette di costruire un profilo completo dello stile di gioco di una squadra. Una squadra con alto xG, alto pressing e alta creazione di occasioni da gioco aperto è una squadra dominante che produce risultati sostenibili. Una squadra con alto xG ma basso pressing e molti gol da calcio piazzato è una squadra più dipendente da situazioni specifiche e, di conseguenza, più vulnerabile alla varianza.
Quando i Numeri Raccontano Storie Incomplete
L’entusiasmo per gli xG e le metriche avanzate rischia di generare un errore speculare a quello dell’ignoranza statistica: la fede cieca nei numeri. I dati sono strumenti di analisi, non oracoli. Una squadra con xG mediocri che vince regolarmente potrebbe avere qualità intangibili — leadership, esperienza, gestione delle partite — che nessuna metrica cattura.
Il calcio è uno sport a bassa frequenza di gol, il che significa che la varianza ha un impatto enorme sui risultati e che anche i modelli migliori sbagliano regolarmente. Un modello xG che prevede 2.1 gol attesi non ti dice se ne cadranno 0 o 5 in quella specifica partita — ti dice cosa succede in media su centinaia di partite simili. Per lo scommettitore, questa distinzione è vitale: gli xG migliorano le tue stime su un campione ampio, non garantiscono il risultato della singola partita. Chi confonde le due cose è destinato a litigare con la matematica — e la matematica vince sempre.