Cargando...
Contenido
Recuerdo una jornada donde el Newcastle perdió 2-0 contra el Everton pero su xG fue de 2.7 frente al 0.6 del Everton. El marcador decía una cosa, los datos decían otra. Tres semanas después, el Newcastle goleó al Everton en la vuelta. Para quien no seguía el xG, aquella victoria pareció una sorpresa. Para quien sí lo seguía, era exactamente la regresión a la media que predice el modelo. Ese es el valor práctico del expected goals: no te dice qué pasará el próximo partido, pero sí te alerta de cuándo el mercado está pricing un rendimiento que los datos no apoyan.
El xG — del inglés «expected goals», o goles esperados en español — es una métrica estadística que asigna a cada ocasión de gol una probabilidad de que acabe en gol, basándose en factores como la posición del disparo, el ángulo, si fue con la cabeza o el pie, y si precedió un centro o una jugada combinada. Un penalti tiene un xG de aproximadamente 0.76. Un disparo desde el centro del campo tiene un xG cercano a 0.01. Sumando todos los xG de un partido obtienes el xG total del equipo, que sirve como indicador de cuánto «merecieron» marcar según la calidad de sus ocasiones.
Qué mide el xG y qué no mide en la Premier League
El xG mide la calidad de las ocasiones generadas, no la calidad individual del rematador. Eso es crucial para entender sus limitaciones. Un equipo que genera 2.5 xG en un partido ha creado ocasiones de alta calidad en conjunto, pero si el delantero que remató esas ocasiones tiene un histórico de conversión inferior al promedio del modelo, el xG bruto puede sobrestimar el rendimiento real de ese ataque. Por eso algunos analistas trabajan con xG «post-shot» — que ajusta según el tipo de remate ya producido, no solo la posición — y ofrece una visión algo más afinada.
Lo que el xG no mide es la intención táctica, la fatiga acumulada en el partido, o si el portero rival tuvo una actuación excepcional que no se refleja en la probabilidad estadística de las ocasiones. Tampoco distingue la calidad defensiva del posicionamiento: un equipo que concede 1.8 xGA (expected goals against, o goles esperados en contra) puede estar jugando con una línea alta y presionando bien, generando esas ocasiones desde situaciones controladas, o puede simplemente estar siendo dominado sin posibilidad de reacción. El contexto importa y el xG solo lo captura parcialmente.
Para la Premier League específicamente, el volumen de datos es suficientemente grande — 380 partidos por temporada — como para que los promedios de xG por equipo sean estadísticamente robustos después de 8-10 jornadas. En las primeras jornadas, un equipo puede tener un xG distorsionado por partidos atípicos. A partir de la jornada 10, la señal empieza a estabilizarse.
Cómo aplicar el xG a mercados concretos de apuestas en PL
La aplicación más directa es en el mercado over/under. Si un equipo acumula consistentemente 1.8-2.0 xG por partido pero su promedio de goles marcados es de 1.2 — porque el portero rival los está parando bien o porque sus delanteros están rematando con menor eficiencia — existe una brecha. El mercado puede seguir pricing ese equipo con cuotas de «under» favorables basándose en el marcador histórico. Pero el xG sugiere que la producción ofensiva es superior a lo que el resultado refleja, y que en algún momento esa brecha se cierra.
El uso más sofisticado que hago personalmente es cruzar el xG con los mercados de resultado. Si dos equipos tienen un xG acumulado muy similar en los últimos cinco partidos pero uno de ellos ha ganado tres y el otro solo uno, el mercado de cuotas tenderá a sobreestimar al equipo con más victorias recientes — aunque la calidad de juego subyacente sea comparable. Eso crea una discrepancia que a veces produce value real en la cuota del equipo con peor registro reciente pero mejor xG.
La misma lógica se aplica al mercado BTTS (ambos equipos marcan). Un equipo con xGA consistentemente alto — digamos 1.6 o más — está concediendo ocasiones de calidad de manera sistemática, independientemente de cuántos goles lleva encajados. Si sus resultados recientes incluyen varios 1-0 o 2-0 donde el rival tuvo pocas ocasiones, el xGA te alerta de que esas victorias «limpias» pueden no repetirse. El mercado de BTTS para ese equipo puede ofrecer valor real aunque sus últimos resultados no lo sugieran.
Para profundizar en cómo el xG se integra junto a otras métricas avanzadas como el PPDA en un análisis más completo, puedes revisar estadísticas avanzadas de la Premier League para apostar, donde el xG forma parte de un cuadro de análisis más amplio.
Fuentes de xG fiables para partidos de la Premier League
Los proveedores de datos de xG más utilizados en el ecosistema de análisis de fútbol inglés son Opta (que alimenta a la mayoría de medios oficiales de PL), StatsBomb (con datos más granulares y su propia versión de xG post-shot), y Understat (gratuito, con histórico desde 2014 para la Premier League y datos por partido y por jugador). También FBref, que usa datos de StatsBomb, es probablemente el más accesible para un análisis gratuito riguroso.
El problema con comparar fuentes es que cada proveedor usa un modelo de xG diferente — distintas variables, distintos datasets de entrenamiento. El xG de Opta para el mismo disparo puede diferir en 0.05-0.10 del de StatsBomb. Eso no es un error, es simplemente que cada modelo captura aspectos distintos de la probabilidad de gol. Para uso en apuestas, lo importante es la consistencia: usa siempre el mismo proveedor para comparar equipos, y no mezcles xG de fuentes distintas en el mismo análisis.
El xG histórico por partido, acumulado por temporada, te permite identificar qué equipos son consistentemente «overperformers» (marcan más de lo que su xG predice — generalmente por la eficiencia de sus delanteros) y cuáles son «underperformers». Los overperformers tienden a tener cotas de resultado que el mercado sobreestima cuando el delantero clave está lesionado o fuera de forma, porque el modelo de xG ajustado sería aún más bajo que el histórico.
¿El xG es suficiente por sí solo para tomar decisiones de apuesta en Premier League?
No. El xG es un indicador de calidad de ocasiones generadas y concedidas, pero no captura la calidad individual de los rematadores, la táctica concreta del partido, la fatiga, ni factores contextuales como bajas de última hora. Es una herramienta de diagnóstico muy útil para detectar discrepancias entre rendimiento y resultados, pero debe combinarse con análisis de contexto y con otros datos como la forma reciente, el calendario o el historial de enfrentamientos directos.
¿Cuál es la diferencia entre xG y xGA en apuestas de Premier League?
El xG mide los goles esperados a favor de un equipo, basado en la calidad de las ocasiones que genera. El xGA (expected goals against) mide los goles esperados en contra, basado en la calidad de las ocasiones que concede. Para apostar, el xG es más útil en mercados ofensivos (goles del partido, máximo goleador) y el xGA en mercados defensivos (portero a cero, under de goles totales). Cruzar ambos te da una imagen completa del rendimiento real de los dos equipos.