Expected Goals xG: Cos'è e Come Usarlo nelle Scommesse
Gli expected goals hanno rivoluzionato il modo di leggere il calcio. Prima dell’xG, l’unico dato offensivo disponibile era il gol segnato — un risultato binario che non distingueva tra un tiro dalla linea di porta a rete vuota e un colpo di testa da 25 metri. Il gol è gol, ma le due situazioni hanno probabilità di successo radicalmente diverse. L’xG misura esattamente questo: la probabilità che un tiro si trasformi in gol, basandosi sulla posizione, sull’angolo, sul tipo di azione e su decine di altre variabili.
Per lo scommettitore, l’xG è la metrica più importante del calcio moderno. Permette di separare la fortuna dall’abilità, il rendimento sostenibile da quello effimero, la squadra che gioca bene da quella che ha solo avuto risultati favorevoli. Una squadra che segna più gol dei propri xG sta vivendo un periodo di sovraperformance che tenderà a regredire verso la media. Una squadra che subisce meno gol dei propri xGA sta beneficiando di una difesa insostenibilmente fortunata. Questi scostamenti sono il terreno fertile per le value bet.
Comprendere l’xG — come si calcola, dove trovarlo, come applicarlo — non è più un’opzione per chi scommette seriamente sul calcio. È un prerequisito.
Cos’è l’xG
L’expected goals è un modello statistico che assegna a ogni tiro effettuato in una partita una probabilità di diventare gol, espressa come valore tra 0 e 1. Un tiro con xG di 0.75 significa che, storicamente, tiri simili per posizione e caratteristiche sono entrati in rete il 75% delle volte. Un tiro con xG di 0.03 ha solo il 3% di probabilità di diventare gol. La somma degli xG di tutti i tiri di una squadra in una partita dà l’xG totale della squadra — il numero di gol che ci si aspetterebbe da quelle occasioni.
Se il Napoli tira 15 volte in una partita e la somma degli xG di quei tiri è 2.3, il modello dice che un Napoli “medio” avrebbe segnato circa 2.3 gol con quelle stesse occasioni. Se ne ha segnati 0, è stato sfortunato o la finalizzazione è stata scadente. Se ne ha segnati 4, ha sovraperformato — merito della qualità individuale, ma anche di una dose di fortuna che non si ripeterà con la stessa frequenza.
L’xG non è perfetto. Non tiene conto della qualità del tiratore (un tiro di un attaccante di livello mondiale ha più probabilità di entrare rispetto allo stesso tiro di un difensore), non considera la pressione del difensore in modo granulare e non cattura i tiri fuori dallo specchio della porta. Nonostante queste limitazioni, l’xG è il miglior indicatore singolo della qualità offensiva e difensiva di una squadra, superiore ai gol segnati e subiti nel predire le prestazioni future.
Come Si Calcola
Il calcolo dell’xG si basa su modelli di machine learning addestrati su centinaia di migliaia di tiri storici. Le variabili principali che il modello considera sono la distanza dalla porta, l’angolo rispetto allo specchio, il tipo di azione che ha generato il tiro (piede, testa, altro), se il tiro proviene da un’azione su sviluppo di gioco, da un corner, da un calcio di punizione o da un contropiede.
I modelli più avanzati, come quello di StatsBomb, includono variabili aggiuntive: la posizione del portiere, la densità di difensori tra il tiratore e la porta, la velocità dell’azione che ha portato al tiro, se il pallone è arrivato al tiratore da un cross, da un passaggio filtrante o da un rimbalzo. Più variabili il modello considera, più precisa è la stima — ma anche più complesso il calcolo e più elevata la possibilità di overfitting sui dati storici.
I calci di rigore hanno un xG fisso di circa 0.76-0.79 a seconda del modello, perché la posizione e la distanza sono sempre le stesse. Per questo esiste la variante npxG (non-penalty xG), che esclude i rigori per misurare la qualità delle occasioni create dal gioco aperto. Questa distinzione è fondamentale quando si analizzano i rendimenti offensivi: una squadra che genera molti xG grazie ai rigori ha un profilo offensivo diverso da una che li genera dal gioco aperto.
Dove Trovare l’xG
La fonte gratuita più completa per gli xG è FBref, che utilizza i dati StatsBomb per i top 5 campionati europei. Si trovano xG e xGA per squadra, per partita e per giocatore, con la possibilità di filtrare per casa/trasferta, per avversario e per periodo della stagione. L’interfaccia non è la più intuitiva, ma la profondità dei dati compensa ampiamente.
Understat offre un’alternativa più visuale, con grafici che mostrano l’andamento degli xG nel tempo, le shot map di ogni partita e il confronto tra xG e gol reali per squadra e giocatore. La copertura include i top 5 campionati europei e la Champions League. Per chi vuole un accesso rapido ai dati xG senza navigare in tabelle complesse, Understat è il punto di partenza migliore.
Infostrada, Opta e altri provider di dati alimentano le statistiche xG visualizzate su piattaforme come WhoScored e Sofascore, anche se non sempre con la stessa profondità di FBref. Per le partite in diretta, alcuni servizi di livescore mostrano l’xG aggiornato in tempo reale — informazione utilissima per il live betting, dove la differenza tra xG e punteggio reale può segnalare un’opportunità.
Usare l’xG per Scommettere
L’applicazione più diretta dell’xG nelle scommesse è l’identificazione delle squadre in sovra o sottoperformance. Se una squadra ha segnato 25 gol in 15 partite ma i suoi xG cumulativi sono 18, sta segnando 7 gol in più del previsto. Questo surplus è insostenibile: la media realizzativa tenderà a regredire, e i gol segnati nelle partite successive saranno con ogni probabilità più vicini agli xG prodotti. Per lo scommettitore, questa è un’informazione preziosa per i mercati over/under e per il mercato 1X2 delle partite future di quella squadra.
Lo stesso ragionamento si applica in difesa. Una squadra con xGA di 1.5 per partita ma che subisce solo 0.8 gol per partita sta beneficiando di un portiere in stato di grazia o di una serie di sfortune degli attaccanti avversari. Quel muro difensivo si incrina prima o poi, e le partite successive vedranno probabilmente più gol subiti. Il mercato potrebbe non aver ancora incorporato questa regressione, offrendo quote sull’over che non riflettono la realtà sottostante.
Un utilizzo più avanzato è il confronto tra xG delle due squadre come proxy della probabilità di vittoria. Se la squadra A produce 1.8 xG per partita e la squadra B ne produce 1.0, il modello suggerisce una differenza significativa nella qualità offensiva. Questa informazione, combinata con gli xGA delle rispettive difese e con il contesto casa/trasferta, fornisce una stima grezza della probabilità dell’esito. Confrontare questa stima con le probabilità implicite nelle quote del bookmaker è il cuore del value betting basato sui dati.
Nelle scommesse live, l’xG in tempo reale è particolarmente utile. Una partita sullo 0-0 al 60esimo dove una squadra ha accumulato 1.5 xG suggerisce che le occasioni ci sono state e i gol probabilmente arriveranno. La quota sull’over in quel momento potrebbe essere più alta del dovuto, perché il mercato vede lo 0-0 e reagisce al punteggio, non alle occasioni create.
Limiti degli Expected Goals
L’xG non è una sfera di cristallo. Il primo limite è che misura la qualità delle occasioni, non la qualità del giocatore che le finalizza. Un attaccante d’élite converte una percentuale di tiri superiore alla media, sovraperformando costantemente i propri xG. Questa sovraperformance non è fortuna — è abilità. Trattarla come un’anomalia destinata a regredire porta a previsioni errate. La soluzione è confrontare l’xG con lo storico del giocatore specifico, non solo con la media del campionato.
Il secondo limite riguarda gli eventi a basso xG che hanno un impatto sproporzionato. Un tiro da 30 metri con xG di 0.02 che finisce in rete è un outlier statistico, ma succede. Sulle singole partite, questi eventi possono distorcere il quadro. L’xG diventa affidabile solo su campioni ampi — 15-20 partite come minimo — dove gli outlier si diluiscono nella media.
Il terzo limite è la dipendenza dal contesto tattico. Una squadra che gioca in inferiorità numerica, una squadra che protegge un vantaggio nel finale, una squadra che cambia modulo a metà partita: tutte queste situazioni modificano gli xG prodotti senza che il modello lo catturi pienamente. L’xG è uno strumento potente, ma va inserito in un quadro analitico più ampio che includa il contesto della partita, le motivazioni e le condizioni specifiche. Come per ogni dato, usarlo come unica guida è riduttivo — e le scommesse restano un’attività dove il rischio è sempre presente. Gioca con responsabilità.