Футбол — це гра, де всі голи однаково оцінюються в 1 бал, але не всі спроби забити мають однакову ймовірність завершитися голом. Базова статистика, як-от «удари у площину», не дає достатнього уявлення про гру команд. Саме тут на допомогу приходить показник очікуваних голів (Expected Goals — xG).
Очікувані голи (xG) — це статистичний показник, який присвоює кожній спробі удару значення «якості» на основі історичних даних. Це дозволяє нам краще аналізувати ігри та визначати, чи відповідають результати очікуваному підсумку. Показник xG має потенціал революціонізувати прогнозування футболу, оцінку команд і гравців і навіть спортивні ставки. Якщо ви вже зробили ставки на спорт, ви можете завітати на https://king-game.com.ua/ та дізнатися, які ігри пропонує українське онлайн-казино.
Що таке очікувані голи (xG)?
Очікувані голи (xG) — це статистична метрика, що використовується у футболі для кількісної оцінки якості гольових моментів у матчі. Це міра ймовірності того, що конкретний удар призведе до голу.
xG зазвичай розраховується за допомогою моделей машинного навчання, які аналізують величезну кількість даних про минулі удари та голи, щоб визначити фактори, які найкраще прогнозують успішне взяття воріт. Ці моделі можуть бути навчені на основі різних змінних, таких як відстань до воріт, кут удару, положення тіла гравця та кількість захисників між нападником і воротами.
Після навчання модель генерує значення xG для кожного моменту в конкретному матчі. Це значення представляє ймовірність того, що момент завершиться голом, за шкалою від 0 до 1. Наприклад, очікується, що удар із значенням xG 0,1 призведе до голу в 10% випадків, тоді як удар із xG 0,9 — у 90% випадків.
xG став популярним показником у футбольному аналізі, оскільки він забезпечує більш об’єктивний спосіб оцінки якості гольових моментів, ніж традиційна статистика, як-от кількість ударів або забитих голів. Його також можна використовувати для виявлення гравців або команд, які демонструють результати, кращі або гірші за очікувані.
Приклад очікуваних голів (xG)
Можливо, ви чули про «очікувані голи» або бачили їх використання у програмі Match of the Day. Ось приклад зі старого матчу Прем’єр-ліги. Він показує рахунок xG 2,2–0,4 на користь «Манчестер Юнайтед» після гри.
Статистика очікуваних голів матчу МЮ проти Стока (Opta)
У середньому 9,7% ударів у Прем’єр-лізі реалізуються в голи. Деякі з них — дальні удари, деякі — головою, а інші — прості замикання «у пусті». Важливо, що не всі удари мають однаковий шанс потрапити в сітку. Очікувані голи враховують це і визначають, скільки голів команди мали б забити в матчі. Це дає очікуваний рахунок.
На графіку вище шанси «МЮ» показані червоним/рожевим кольором, а «Стока» — темно-сірим. Чим більший квадрат, тим кращим був момент. Це показує, що «Манчестер Юнайтед» створив більше явних гольових шансів, ніж «Сток», деякі з яких були в межах воротарського майданчика. У цьому випадку підсумковий (реальний) рахунок 3:0 не дуже далекий від оцінки xG 2,2–0,4. Але зрештою «МЮ» забив на 0,8 гола більше, ніж очікувала модель xG. Це свідчить про те, що вони були досить ефективними в реалізації або, можливо, їм трохи пощастило, проте вони цілком заслужили на перемогу.
Точність моделі значною мірою залежить від факторів, що використовуються для розрахунку рейтингу xG окремих моментів. Наприклад, деякі базові моделі xG враховують лише відстань до удару. Інші, складніші моделі, враховують розташування кількох ключових гравців відносно м’яча, щоб точніше визначити, наскільки важко було забити в різних ситуаціях. Я детальніше обговорю це далі в статті.
Чому xG привабливий для футбольного аналізу
Статистика xG стає все популярнішою, оскільки вона дає вболівальникам, експертам і навіть професіоналам спорту набагато кращий спосіб обґрунтувати, хто був сильнішим у грі — незалежно від фактичного рахунку.
Раніше ми могли покладатися на базові показники, як-от удари у площину, щоб підкріпити свою думку. Але завдяки очікуваним голам ми маємо можливість зануритися глибше та врахувати якість цих ударів. Тепер ми можемо сказати: «Ця гра мала закінчитися з рахунком 3:0», маючи достатньо даних для підтвердження цієї заяви.
Я вже згадував раніше про обмеження використання базової статистики для аналізу футболу. Важливо визнати, що деякі результати просто не розповідають усієї історії. Підсумковий рахунок — не єдиний показник, що має значення для вашого аналізу ставок. Важливо мати контекст минулого матчу, а ще краще — вміти відповісти на такі питання:
- Яким був найбільш імовірний підсумковий рахунок?
- Чи пощастило [Команді Х] перемогти?
- Загалом, скільки «стовідсоткових» моментів мала [Команда Х] у матчі?
- Чи мав [Гравець А] забивати зі своїх нагод?
- Наскільки нижче або вище середнього рівня виступив [Гравець А] або [Команда Х] цього сезону?
Тепер завдяки очікуваним голам ми можемо математично відповісти на ці запитання та робити кращі висновки щодо майбутніх матчів. З точки зору беттингу, це має потенціал значно вдосконалити базові моделі футбольних прогнозів.
xG для аналізу ігрової форми
Серії перемог або поразок часто вводять нас в оману протягом сезону. Це тема, якої я торкався у своєму посібнику про футбольний хайп та «шум».
Очікувані голи (xG) — це потужний показник, який допомагає гравцям на ставках зберігати реалістичні очікування. Порівнюючи xG команди з фактичним результатом, беттори можуть розрахувати різницю очікуваних голів і оцінити, чи є поточні результати команди закономірними.
Це вимірювання може бути особливо корисним для середняків, які можуть переживати злети та падіння, але загалом не мають такої глибини складу та класу, як топ-клуби Прем’єр-ліги. Використовуючи xG, гравці можуть краще зрозуміти справжній потенціал команди та приймати більш обґрунтовані рішення щодо ставок.
У наступному розділі я детальніше розгляну, як працює різниця голів xG.
xG для окремих гравців
Показник очікуваних голів має набагато більше значення для форвардів, ніж для інших гравців, від яких не обов’язково очікують забитих м’ячів (наприклад, захисників).
Мене зацікавило ось що: чи не переоцінюємо ми кращих бомбардирів Прем’єр-ліги через те, що їхні команди просто створюють більше моментів?
Я дослідив це і з’ясував, що протягом сезону 2016/17 (коли xG тільки з’явився) гравцем, який випередив свою кількість очікуваних голів з найбільшим відривом, був не хто інший, як кращий бомбардир Гаррі Кейн.
Гаррі Кейн заслужено вважався найкращим і найрезультативнішим нападником сезону 2016/17. Очікувалося, що він заб’є 18,59 гола, але він зумів забити на 10,41 гола більше.
Ці статистичні дані надав BBC.
| Гравець (лише ті, хто мав 50+ ударів) | Голи | Очікувані голи (xG) | Різниця xG |
| Кейн (Тоттенгем) | 29 | 18,59 | 10,41 |
| Лукаку (Евертон) | 25 | 15,32 | 9,68 |
| Льоренте (Суонсі) | 15 | 7,09 | 7,91 |
| Сон (Тоттенгем) | 14 | 6,73 | 7,27 |
| Кінг (Борнмут) | 16 | 9,56 | 6,44 |
Ця таблиця також пояснює, чому топ-клуби Прем’єр-ліги були зацікавлені в купівлі Льоренте зі «Суонсі» (#3) наприкінці того сезону. Він продемонстрував чудові результати, незважаючи на гру в команді-аутсайдері.
За умови достатньої деталізації, очікувані голи можна використовувати для порівняння та навіть оцінки вартості нападників, базуючись виключно на їхній здатності реалізовувати моменти.
Наскільки точним є xG?
Це головне питання.
xG може включати скільки завгодно факторів для розрахунку середньої ймовірності реалізації кожного удару. Теоретично, чим більше модель знає про минулі випадки, тим вона точніша. Але, звісно, це залежить від того, чи подаються в модель лише релевантні дані.
Я бачив, як професійні гравці створюють власні моделі прогнозування xG, вручну призначаючи значення кожному моменту в матчах. Принцип чудовий, але на практиці є багато неоднозначних випадків — як-от випадкові голи — які потенційно можуть послабити точність моделі.
Експерти з футбольних даних Opta створюють власні показники очікуваних голів. Вони проаналізували понад 300 000 ударів (велика вибірка), щоб розрахувати ймовірність голу залежно від позиції на полі та фази гри. Модель Opta враховує такі фактори:
- Відстань від воріт
- Кут удару
- Удар головою чи ногою
- Виходи 1 на 1
- Якість асисту (тип передачі)
- Ігровий епізод (відкрита гра, прямий штрафний, кутовий)
- Енергія гравця (чи щойно він обіграв суперника для створення моменту)
- Відскоки
Щоб отримати точний показник Goal Expectation, потрібні передові навички збору даних та статистики. Однак можна отримати корисну інформацію про футбольні матчі, навіть використовуючи досить прості системи очікуваних голів.
Understat — чудовий сайт для моніторингу очікуваних голів минулих матчів. На жаль, я ще не знайшов безкоштовного джерела, яке дозволяло б завантажувати показники xG для всіх історичних ігор.
xG — майбутнє футбольних ставок?
Підбиваючи підсумок щодо xG, варто повторити: підсумковий рахунок — це не єдина важлива статистика.
Так, з точки зору очок — єдина. Але очікувані голи розкривають багато нюансів щодо гри, серії матчів та окремих гравців, як-от:
- Чи справді моменти були такими хорошими, як нам здавалося?
- Яким мав бути рахунок, виходячи зі створених шансів?
- Показник забитих голів команди порівняно зі створеними моментами.
- Скільки голів мали забити окремі гравці з тих нагод, які вони мали?
- Чи ймовірно, що поточна форма команди збережеться (використовуючи різницю xG)?
Очікувані голи дозволяють нам краще оцінювати команди та гравців, зменшують суб’єктивність і допомагають точніше прогнозувати майбутні результати. Застосування в ставках очевидне — і це не обов’язково має обмежуватися футболом. Фактично логіку xG можна застосувати до будь-якого виду спорту. Поки що вона використовується для футболу — складної гри, яку дуже важко передбачити і яка потребує так само складної статистики, щоб витягти щось корисне з минулих результатів.
Проте зауважте, що очікувані голи не є всезнаючою метрикою, яка миттєво перетворить вашу модель ставок на машину для заробляння грошей. Насправді у майбутньому це може просто допомогти зробити ринки точнішими. Але наразі це крок у правильному напрямку для прогнозування футболу та пошуку цінних ставок (value hunting).