Expected Goals (xG) nelle Scommesse: Cosa Sono e Come Usarli

Nel calcio si dice spesso che i numeri non raccontano tutto. Ed è vero: i numeri sbagliati non raccontano nulla. Ma gli expected goals sono i numeri giusti, quelli che vanno oltre il risultato e misurano ciò che realmente è successo in campo in termini di qualità delle occasioni. Introdotti nell'analisi calcistica a metà degli anni 2010, gli xG sono diventati lo strumento statistico più influente nel calcio moderno e, per gli scommettitori, una delle fonti di vantaggio più accessibili.

Questa guida spiega cosa sono gli expected goals, come vengono calcolati, e soprattutto come uno scommettitore può utilizzarli concretamente per individuare value bet e migliorare la propria analisi. Nessun bisogno di laurea in statistica: i concetti sono più semplici di quanto la terminologia faccia pensare.

Cosa misurano esattamente gli xG

Gli expected goals misurano la probabilità che un tiro si trasformi in gol, basandosi sulle caratteristiche del tiro stesso. Ogni conclusione verso la porta viene valutata in base a parametri come la posizione del tiratore, l'angolo rispetto alla porta, la parte del corpo utilizzata (piede, testa), il tipo di azione che ha generato il tiro (cross, passaggio filtrante, dribbling) e la posizione del portiere.

Un tiro dal dischetto ha un xG di circa 0.76, il che significa che storicamente il 76% dei rigori viene trasformato in gol. Un tiro dal limite dell'area con difensori davanti ha un xG molto più basso, diciamo 0.05 — solo il 5% di probabilità di segnare. Un colpo di testa da posizione ravvicinata su cross potrebbe avere un xG di 0.30. Sommando gli xG di tutti i tiri di una squadra in una partita si ottiene il totale degli expected goals, che rappresenta il numero di gol che quella squadra avrebbe "dovuto" segnare in base alla qualità delle sue occasioni.

La potenza degli xG sta proprio in questa capacità di separare la qualità delle occasioni dalla fortuna e dall'abilità del singolo tiratore. Se una squadra genera 2.5 xG ma segna 1 gol, il risultato è stato sfortunato o l'attaccante non è stato all'altezza delle occasioni create. Se un'altra genera 0.8 xG e segna 2 gol, ha capitalizzato oltre ogni ragionevole aspettativa — una situazione che difficilmente si ripeterà con costanza.

Come i modelli xG vengono costruiti

I modelli di expected goals vengono addestrati su enormi database di tiri storici. Si analizzano centinaia di migliaia di conclusioni a rete, registrando per ciascuna le caratteristiche del tiro e il risultato (gol o non gol). Un algoritmo di machine learning apprende la relazione tra queste variabili e calcola la probabilità di gol per qualsiasi combinazione di parametri.

I modelli più sofisticati includono variabili aggiuntive: il numero di difensori tra il tiratore e la porta, la velocità del pallone, il contesto dell'azione (contropiede, azione manovrata, calcio piazzato), la pressione difensiva sul tiratore. I modelli base, come quello reso popolare inizialmente dalla comunità analitica, si basano principalmente su posizione e angolo del tiro. I modelli avanzati, come quelli di StatsBomb, integrano decine di variabili e producono stime più accurate.

Per lo scommettitore, la differenza tra modelli base e avanzati è rilevante ma non decisiva. Anche un modello semplice fornisce informazioni molto più utili del semplice conteggio dei gol. L'importante è la coerenza: usare sempre lo stesso modello per i confronti, perché modelli diversi possono assegnare valori leggermente diversi allo stesso tiro.

Un aspetto da comprendere è che nessun modello xG è perfetto. Tutti sono semplificazioni della realtà e non catturano ogni sfumatura del gioco. Un tiro identico in termini di posizione e angolo può avere probabilità di gol molto diverse a seconda del difensore che lo contesta o dello stato psicologico del tiratore in quel momento. Gli xG sono uno strumento probabilistico, non una verità assoluta.

xG e value bet: il collegamento pratico

Il collegamento tra xG e scommesse è diretto e operativo. Gli expected goals permettono di costruire una stima della probabilità di un risultato che è più robusta rispetto a quella basata sui soli risultati effettivi. E una stima migliore della probabilità è il primo passo per individuare value bet.

Ecco il ragionamento in pratica. Una squadra nelle ultime dieci partite in casa ha segnato una media di 1.1 gol a partita. Guardando solo questo dato, sembra una squadra con un attacco modesto. Ma se la media xG è 1.8, la realtà è diversa: la squadra crea occasioni di qualità superiore a quanto i gol effettivi suggeriscano. La regressione verso la media — il principio statistico per cui le performance estreme tendono a tornare verso la normalità — suggerisce che questa squadra segnerà di più nel prossimo futuro.

Il mercato delle scommesse tende a reagire ai risultati effettivi più che alla qualità delle occasioni. Se una squadra ha perso tre partite consecutive segnando un gol in totale, le quote per la sua vittoria saliranno, anche se gli xG mostrano che ha creato occasioni per segnare il doppio. Questa discrepanza tra percezione (basata sui risultati) e realtà sottostante (misurata dagli xG) è esattamente il terreno dove nascono le value bet.

Lo stesso ragionamento vale per la fase difensiva. Una squadra che ha subito pochi gol ma con xG contro elevati sta difendendo sopra le aspettative — merito del portiere in forma straordinaria, di episodi fortunati, o di entrambi. Nel tempo, i gol subiti tenderanno ad allinearsi agli xG concessi, e quella difesa apparentemente solida potrebbe crollare. Scommettere over sulle partite di questa squadra, quando le quote riflettono la solidità apparente anziché la fragilità sottostante, è un'applicazione classica degli xG.

La differenza xG come indicatore predittivo

La differenza tra xG a favore e xG contro — nota come xG difference o xGD — è uno degli indicatori predittivi più potenti nel calcio. Studi accademici e analisi di settore hanno dimostrato che l'xGD ha una correlazione con i risultati futuri superiore a quella della classifica effettiva.

In termini semplici: una squadra con un'ottima differenza xG ma pochi punti in classifica è probabilmente più forte di quanto la classifica suggerisca, e tenderà a migliorare i propri risultati. Una squadra con molti punti ma differenza xG mediocre è probabilmente più debole di quanto sembri e potrebbe subire un calo.

Questo ha implicazioni dirette per lo scommettitore. Le squadre con classifica migliore della differenza xG sono tipicamente sopravvalutate dal mercato: le loro quote di vittoria sono più basse di quanto dovrebbero essere. Le squadre con classifica peggiore della differenza xG sono sottovalutate: le loro quote di vittoria sono più alte del dovuto. Cercare valore in quest'ultimo gruppo è una strategia sistematica che sfrutta la tendenza del mercato a pesare troppo i risultati recenti.

Un esempio concreto: a metà stagione, una squadra di Serie A ha 18 punti in 15 partite ma una differenza xG di +0.4 per partita. La classifica la posiziona nella zona bassa, ma la qualità del gioco espresso suggerisce un valore da metà classifica. Le quote per le sue vittorie saranno gonfiate dalla percezione negativa legata alla classifica. Se la tua analisi conferma che la squadra è effettivamente più forte di quanto i risultati indicano, quelle quote rappresentano valore.

I limiti degli xG e come gestirli

Gli expected goals non sono infallibili, e trattarli come verità rivelata è un errore tanto grave quanto ignorarli. Esistono fattori che gli xG non catturano e che lo scommettitore deve considerare separatamente.

Il primo limite è la qualità del tiratore. Gli xG assegnano la stessa probabilità a un tiro dalla stessa posizione indipendentemente da chi calcia. Ma un tiro dal limite dell'area di un fuoriclasse con una tecnica di tiro superiore ha una probabilità reale più alta di un tiro identico di un difensore adattato. Alcuni giocatori sovraperformano sistematicamente i propri xG per tutta la carriera, il che suggerisce che il modello sottostima la loro abilità individuale.

Il secondo limite riguarda le azioni non convertite in tiro. Gli xG misurano solo le conclusioni effettive. Un'azione pericolosissima che non si traduce in un tiro — per un ultimo passaggio sbagliato, un'indecisione dell'attaccante o un intervento difensivo — non viene conteggiata. Esistono modelli alternativi (xT, expected threat) che misurano anche il valore delle azioni senza tiro, ma sono meno diffusi e meno accessibili.

Il terzo limite è la dimensione del campione. Tre partite di xG non dicono nulla di affidabile. Dieci partite iniziano a essere significative. Venti o più offrono una base solida. Gli scommettitori che cambiano la propria valutazione di una squadra dopo un singolo match con xG anomali stanno reagendo al rumore, non al segnale.

La rivoluzione silenziosa del betting

Gli xG hanno democratizzato l'analisi calcistica avanzata. Dieci anni fa, queste informazioni erano accessibili solo ai reparti analitici dei club professionistici. Oggi chiunque può consultare gli xG di qualsiasi partita di Serie A in pochi clic. Questo cambiamento ha reso il mercato delle scommesse più efficiente — i bookmaker stessi utilizzano modelli xG per calibrare le proprie quote — ma non ha eliminato le opportunità.

Le inefficienze persistono perché il pubblico degli scommettitori continua a reagire ai risultati più che alla qualità del gioco. Le quote sono influenzate dal volume di denaro scommesso, e quel denaro riflette la percezione popolare, non l'analisi statistica. Finché esiste questa asimmetria tra ciò che il mercato prezza e ciò che i dati suggeriscono, gli xG resteranno uno degli strumenti più potenti a disposizione dello scommettitore metodico.