Expected Goals (xG) nelle Scommesse: Guida Completa e Pratica

Se dovessi scegliere una sola metrica per analizzare il calcio ai fini delle scommesse, sarebbero gli Expected Goals. Gli xG hanno rivoluzionato il modo in cui analisti, allenatori e scommettitori valutano le prestazioni delle squadre, sostituendo la domanda “quanto ha segnato?” con una domanda molto più utile: “quanto avrebbe dovuto segnare?”. La differenza tra queste due domande è la differenza tra guardare il rumore e guardare il segnale.

Nel mondo delle scommesse, gli xG sono uno strumento potente per un motivo specifico: permettono di identificare le squadre sopravvalutate e sottovalutate dal mercato. Una squadra che segna più di quanto i suoi xG suggeriscono sta beneficiando di un periodo di fortuna che probabilmente non durerà. Una squadra che segna meno del previsto sta attraversando una fase sfortunata che si correggerà. I bookmaker e il pubblico tendono a reagire ai gol effettivi, non alla qualità delle occasioni. Chi usa gli xG vede quello che gli altri non vedono.

Come Vengono Calcolati gli Expected Goals

Gli xG assegnano a ogni tiro una probabilità di trasformarsi in gol, basata sulle caratteristiche del tiro stesso. Un tiro a tu per tu con il portiere da 6 metri in posizione centrale avrà un xG di circa 0.75 — cioè il 75% di probabilità di diventare gol. Un tiro da 30 metri con angolazione stretta avrà un xG di 0.03 — il 3%. La somma degli xG di tutti i tiri di una squadra in una partita produce il totale xG della squadra per quella partita.

I modelli xG utilizzano diversi fattori per calcolare la probabilità di ogni tiro: la distanza dalla porta, l’angolazione, la parte del corpo utilizzata (piede destro, sinistro, testa), il tipo di azione che ha preceduto il tiro (cross, passaggio filtrante, dribbling, calcio piazzato), il numero di difensori tra il tiratore e la porta, è la velocità dell’azione. I modelli più avanzati includono anche la posizione del portiere e la pressione difensiva sul tiratore. Ogni provider di dati — StatsBomb, Opta, Understat — utilizza il proprio modello con pesi leggermente diversi, il che spiega perché i valori xG possono variare tra fonti diverse per la stessa partita.

È importante capire cosa gli xG non misurano. Non tengono conto della qualità individuale del tiratore: un tiro da fuori area di un cecchino specialista avrà lo stesso xG di un tiro identico di un difensore che non segna mai. Questo è sia un limite che un vantaggio. È un limite perché ignora una variabile reale; è un vantaggio perché nel lungo periodo anche i migliori tiratori regrediscono verso la media, e il modello xG cattura il valore strutturale delle occasioni create piuttosto che la bravura momentanea di chi tira.

xG per Valutare la Forza Reale delle Squadre

L’applicazione più diretta degli xG alle scommesse e la valutazione della forza reale di una squadra, depurata dalla casualità dei risultati. Una squadra che ha vinto 3 partite su 5 ma con xG complessivi inferiori a quelli degli avversari e una squadra fragile mascherata da risultati fortunati. Una squadra che ha perso 3 su 5 ma con xG costantemente superiori e una squadra solida in un periodo sfortunato. I risultati futuri tenderanno a riflettere gli xG più che i risultati passati, e questo è il cuore dell’opportunità per lo scommettitore.

Per costruire un quadro affidabile, servono almeno 8-10 partite di dati xG. Nelle prime giornate di campionato, il campione e troppo piccolo e i dati sono instabili. Ma dalla decima giornata in poi, le medie xG cominciano a stabilizzarsi e a diventare realmente predittive. A quel punto, una squadra con 1.8 xG prodotti e 0.9 xG concessi per partita è probabilmente una squadra forte, indipendentemente da quanti punti ha effettivamente raccolto.

La differenza tra xG prodotti e xG concessi — il cosiddetto xGD (Expected Goals Difference) — è uno dei migliori predittori della classifica finale. Le squadre con un xGD positivo tendono a salire in classifica nel prosieguo della stagione, mentre quelle con un xGD negativo tendono a scendere. Per lo scommettitore, questo significa che le scommesse antepost sulla posizione finale in classifica possono offrire valore enorme nelle prime giornate, quando la classifica reale è ancora distorta dalla varianza e il mercato non ha ancora incorporato i dati xG.

Applicazione Pratica: xG e Mercati di Scommessa

Nel mercato 1X2 (risultato finale), gli xG servono a stimare la probabilità reale di vittoria, pareggio e sconfitta. Se l’Atalanta produce costantemente 2.0 xG in casa e ne concede 1.0, e l’avversario produce 1.1 xG in trasferta e ne concede 1.5, puoi alimentare un modello di Poisson con queste medie per ottenere probabilità precise per ciascun esito. Confrontando queste probabilità con le quote del bookmaker, identifichi dove si trova il valore.

Per il mercato Over/Under, gli xG sono ancora più direttamente applicabili. La somma degli xG attesi di entrambe le squadre fornisce una stima del numero totale di gol attesi, che è esattamente l’input necessario per valutare le soglie Over/Under. Se la tua analisi xG indica un totale atteso di 3.2 gol e il bookmaker quota l’Over 2.5 a 1.60 (probabilità implicita 62.5%), puoi calcolare la probabilità effettiva dell’Over 2.5 usando la distribuzione di Poisson e verificare se esiste value.

Per il mercato BTTS, gli xG offrono un angolo diverso. La probabilità che entrambe le squadre segnino dipende dagli xG offensivi di ciascuna squadra nel contesto specifico della partita. Una squadra con 1.5 xG prodotti ha una probabilità molto alta di segnare almeno un gol, mentre una con 0.5 xG prodotti ha una probabilità significativamente inferiore. La probabilità del BTTS è approssimativamente il prodotto delle probabilità individuali di segnare di ciascuna squadra, calcolabili come 1 – P(Poisson, lambda, 0).

Le Varianti degli xG: xA, npxG, xGOT

Il panorama delle metriche derivate dagli xG si è arricchito negli ultimi anni, e alcune di queste varianti sono particolarmente utili per le scommesse. Gli Expected Assists (xA) misurano la qualità dei passaggi che precedono un tiro, indipendentemente dal fatto che il tiro si trasformi in gol. Una squadra con xA alti crea sistematicamente occasioni per i compagni, un indicatore di fluidità offensiva che può precedere esplosioni di gol.

Il npxG (non-penalty Expected Goals) esclude i rigori dal calcolo, offrendo un’immagine più pulita della capacità offensiva su azione. Un’esclusione importante, perché i rigori sono eventi ad alta varianza: una squadra può ricevere tre rigori in cinque partite e poi non riceverne uno per due mesi. Includere i rigori nel calcolo degli xG gonfia artificialmente la forza offensiva percepita e può portare a stime distorte.

Gli xGOT (Expected Goals On Target) considerano solo i tiri nello specchio della porta e tengono conto del posizionamento del tiro. Questa metrica è più vicina al risultato effettivo perché filtra i tiri fuori porta, che per definizione non possono diventare gol. Per la valutazione dei portieri, gli xGOT sono particolarmente utili: un portiere che subisce meno gol del previsto rispetto agli xGOT sta effettivamente performando sopra la media, e questa informazione è preziosa per valutare le probabilità difensive della squadra.

I Limiti degli xG Che Devi Conoscere

Il primo limite è il campione statistico. Gli xG per partita sono altamente variabili: una squadra può produrre 3.0 xG in una partita e 0.5 nella successiva. Le medie diventano affidabili solo su campioni di 10-15 partite, e anche allora il margine di incertezza resta significativo. Per le prime giornate di campionato o dopo una pausa lunga, i dati xG della stagione corrente sono insufficienti e quelli della stagione precedente possono essere fuorvianti a causa dei cambiamenti di rosa e allenatore.

Il secondo limite riguarda i cambiamenti tattici. Gli xG storici riflettono il sistema di gioco adottato nelle partite passate. Se un allenatore cambia modulo o approccio tattico — passando da un gioco difensivo a uno offensivo, per esempio — i dati xG precedenti perdono rilevanza. Monitorare le conferenze stampa, le analisi tattiche e i pattern delle ultime 2-3 partite aiuta a identificare questi cambi di rotta prima che si riflettano pienamente nelle medie xG.

Il terzo limite è la qualità del modello. Non tutti i modelli xG sono uguali. I modelli gratuiti disponibili su Understat sono buoni ma meno sofisticati di quelli di StatsBomb o Opta, che includono variabili aggiuntive come la pressione difensiva e la posizione del portiere. Se basi le tue decisioni su un modello xG meno accurato, le tue stime di probabilità saranno meno precise, e il margine di errore può essere sufficiente per trasformare un presunto value in una perdita.

Il Numero Dietro il Numero

Gli xG sono diventati così popolari che c’è il rischio di trasformarli in un feticcio — un numero magico che da solo spiega tutto. Non e così. Gli xG sono uno strumento straordinariamente utile, ma restano una semplificazione della realtà. Non catturano la coesione di una squadra, il morale dello spogliatoio, la pressione ambientale, la stanchezza da accumulo di partite. Sono il migliore indicatore singolo della forza di una squadra, ma non sono l’unico indicatore che conta.

Lo scommettitore più efficace non è quello che si affida ciecamente agli xG, ne quello che li ignora. E quello che li usa come base quantitàtiva solida e poi integra con il contesto qualitativo: le informazioni tattiche, gli infortuni, la motivazione, la dinamica della stagione. Gli xG ti dicono quanto una squadra dovrebbe segnare in condizioni normali. Il tuo compito e capire se le condizioni della partita specifica su cui stai scommettendo sono normali o eccezionali.

In fondo, gli xG risolvono il problema più grande delle scommesse calcistiche: la tentazione di confondere il risultato con la prestazione. Una squadra che vince 1-0 con 0.3 xG ha avuto fortuna. Una che perde 0-1 con 2.5 xG ha avuto sfortuna. Il risultato è nel passato e non si può cambiare. Gli xG ti parlano del futuro — e nel futuro è dove si piazzano le scommesse.