Поддержать
xG статистика

Что такое xG статистика?

xG статистика — метод анализа матчей, вычисляющий ожидаемое количество голов (xG - Expected Goals) для обеих команд, оценивая каждый удар значением от 0.01 до 1.

Сравнивая реальные голы и ожидаемые мы можем сделать вывод о том, насколько благоприятным, объективным и заслуженным для команды был исход матча. Например, в финальном поединке Лиги Чемпионов 2019 года между Ливерпулем и Тоттенхэмом мерсисайдцы имели xG в 1.3, в то время как Тоттенхэм закончил с 1.2. Можно сказать, что ничья 1:1 была бы справедливым результатом, а Ливерпулю повезло добиться комфортной победы 2:0.

Как расчитываются xG?

Процесс подсчета xG был разработан британской компанией Opta. Они проанализировали сотни тысяч ударов чтобы узнать вероятность реализации момента в любой ситуации на поле, учитывая позицию атакующих игроков, защитников, вратаря, а также высоту и направление удара.

Простыми словами, удары с близкой дистанции перед воротами дают наивысшую вероятность гола. Лучшим примером является пенальти, который в среднем забивается в 76% случаев. Это означает, что если у команды за весь матч из атакующих действий был только один пенальти, их xG к концу игры будет равен 0.76.

Удары из-за пределов штрафной имеют намного меньшую вероятность конвертации в гол. Их xG колеблется в пределах 0.01-0.03. Продолжая предыдущий пример, команда с одним пенальти должна на дистанции побеждать команду даже с 20 дальними ударами (0.76:0.4, приблизительно 1:0). Таким образом, xG статистика может давать ложное представление о ходе и характере игры.

Как применять xG в прогнозах?

Главным преимуществом xG является намного более низкий показатель девиации в результатах. Команды, как правило, довольно стабильны в xG (как для забитых, так и для пропущенных голов) даже при абсолютно разном количестве нанесенных ударов. Это делает xG полезным для предсказания возможных результатов.

xGscore использует xG в комбинации с множеством других факторов для прогнозирования. Прогнозы конвертируются в вероятности (в процентах) тех или иных исходов, а вероятности - в коэффициенты. Сравнение коэффициентов из прогноза с реальными, предлагаемыми букмекером, позволяет оценить прибыльность ставки.

Недостатки xG статистики

xG далеко не всегда идеальны для прогноза. Как видно из примера с финалом Лиги Чемпионов, реальный результат может быть очень далек от ожидаемого. Однако, на длинной дистанции с большим количеством игр, количество голов, забитых командой, всегда приближается к xG.

Чаще всего, превышение командой xG на большую величину краткосрочно и говорит либо о везении, либо об особом настрое на матчи и игре за пределами своих обычных возможностей. Примером может быть временный всплеск формы МЮ сразу после назначения главным тренером Оле-Гуннара Сульшера.

Другой проблемой xG является то, что это обезличенный показатель. То, какой именно игрок наносит удар, не имеет никакого значения. Гол Венсана Компани Лейчестеру в его последнем матче за Ман Сити имел только 1% шанса превратиться в гол. Но этот процент является усредненным шансом, так что в действительности вероятность была намного меньшей. Если бы этот удар наносил Кевин Де Брюйне, шанс бы все еще оценивался в 1%, хотя в действительности он бы был неоценимо выше - близко к 4%, если исходить из персональной статистики игрока.

Наш сервис, в алгоритмах определения прогноза, производит расчеты таким образом, что обычные голы и xG влияют на систему в равных пропоцриях. Такой подход устраняет большинство недостатков xG статистики, и на длинной дистанции увелчивает ROI прогнозов в среднем на 2-3%, по сравнению с прогнозами которые основывались только на голах, либо только на xG.