Goles esperados: información general
El modelo de fútbol que ha captado más atención durante los últimos años es, sin duda, el de los goles esperados. La idea en que se basa el modelo de goles esperados es sencilla: mide la calidad de las ocasiones.
Si un jugador dispara desde dentro del área pequeña, sabemos intuitivamente que tiene una ocasión más clara para marcar que si lanza un cañonazo desde 30 metros. Los goles esperados convierten la intuición en probabilidades. A cada ocasión se le asigna una probabilidad de ser gol.
Hay mucho material que explica todo lo referente a los goles esperados, pero quiero hacer hincapié en un punto importante: indudablemente, el aspecto más importante del modelo es el sitio desde el que se efectúa el disparo.
Fíjate en los globos que salen de la portería en la siguiente imagen. Muestran la probabilidad de marcar al tener una ocasión dentro del globo. Más allá de lo mostrado en el diagrama, la probabilidad es de aproximadamente el 3 %.
Con estos datos, puedes crear tu propio modelo de goles esperados para tu equipo mientras ves el partido. Tan solo tienes que contar las ocasiones que tiene dentro de cada globo.
Si tiene dos ocasiones dentro del globo del 30 %, una ocasión dentro del globo del 15 %, cinco ocasiones dentro del globo del 7 % y diez ocasiones fuera de los globos, los goles esperados serían:
2×0,30 + 1×0,15 + 5×0,07 + 10×0,03 = 0,855 xG
El modelo de goles esperados que he creado es un poco más complicado que este. He añadido otros factores, por ejemplo: si la ocasión se produce en un contrataque, si es una ocasión de cabeza, si es una “ocasión clara”, etc. Esto mejora el modelo ya que abarca más factores que si consideráramos únicamente el sitio desde el que se dispara, aunque este factor es el punto de partida adecuado a la hora de crear un modelo de goles esperados.
Goles esperados: ¿pueden vencer a las cuotas de fútbol?
El gran interrogante sobre cualquier modelo de apuestas es si puede o no vencer a las cuotas. Como indiqué en la primera parte, soy escéptico acerca de una fórmula mágica para apostar. Entonces, ¿los goles esperados pueden ofrecer la solución? ¿Pueden vencer a las cuotas de fútbol?
Para responder a esta pregunta, debemos observar en primer lugar las cuotas de fútbol. Cuando quiero comprobar si puedo encontrar sesgos en las cuotas de fútbol, suelo comenzar con un modelo estadístico denominado regresión logística.
La idea de la regresión es comprobar en qué medida las cuotas de fútbol pronostican correctamente el resultado de un partido. Imaginemos que observamos la probabilidad de una victoria visitante.
Para hacerlo, adecuamos el modelo a la probabilidad de ganar fuera de casa, donde a es la cuota de la casa de apuestas para la victoria visitante (con el formato de cuotas decimales y corregida para eliminar el margen de la casa de apuestas) y es una constante. Si no estás familiarizado con la regresión logística, hay muchas guías en Internet que la explican.
Regresión logística: un ejemplo
A continuación presentamos un ejemplo de una regresión logística para las dos últimas temporadas de la Premier League (2015/16 y 2016/17).
En este ejemplo, el tamaño de los puntos es proporcional al número de veces que se ofrecieron estas cuotas. Cuanto mayores sean los puntos, más comunes son estas cuotas específicas.
El aspecto más importante no son las sugerencias que proporciona el modelo, sino el método. Si deseas crear un modelo y ganar dinero con las apuestas de fútbol, comienza siempre con las cuotas.
Si estos círculos están por debajo de la línea de puntos quiere decir que la probabilidad de una victoria visitante era menor que la pronosticada por las cuotas. Si los círculos están por encima de la línea quiere decir que la probabilidad de una victoria visitante era mayor que la pronosticada por las cuotas.
La línea continua es la más adecuada para los datos. Esta línea nos indica la tendencia general. Si observas detenidamente la curva de las probabilidades pronosticadas alrededor de 0,1 (que se corresponden con cuotas de alrededor de 10,0), verás que la curva está ligeramente por encima de la línea, mientras que en las probabilidades pronosticadas por encima de 0,25 se produce la tendencia inversa.
Esto nos indica que, durante las dos últimas temporadas, los equipos no favoritos han ganado fuera de casa y los favoritos han perdido fuera de casa más a menudo de lo que esperaban las cuotas de la casa de apuestas.
Equipos no favoritos subestimados y favoritos sobrevalorados
Si hay un valor que merezca la pena encontrar en las dos últimas temporadas se encuentra en pronosticar qué equipos no favoritos ganarán fuera de casa y qué favoritos no conseguirán ganar. Aquí es donde podemos utilizar los goles esperados. Realicé una regresión logística nueva con la siguiente forma:
Ahora he añadido la variable xDifeG. Esta variable representa la diferencia de goles esperada entre los dos equipos, calculada observando la media de goles esperados de los equipos durante los últimos cinco partidos:
Al efectuar esta regresión logística, descubrí que los equipos que jugaban fuera de casa pero que contaban con una diferencia xDifeG más favorable tenían más probabilidades de ganar que las sugeridas por las cuotas.
Por tanto, si podemos encontrar un equipo no favorito que juegue fuera de casa y que tenga buen xG, merecería la pena apostar a favor de ese equipo. Debe aspotarse en contra de los favoritos que jueguen fuera de casa y tengan un xG deficiente.
Regresión logística: inclusión de los goles esperados
A continuación presentamos una tabla de los goles esperados para la temporada actual (2017/18) a partir de la jornada 11.
Tabla de goles esperados de la Premier League 2017/18 (a partir de la jornada 11)
|
Equipo
|
xVictorias
|
xEmpates
|
xDerrotas
|
xGoles a favor
|
xGoles en contra
|
xPuntos
|
|
Manchester City
|
8
|
2
|
1
|
25,9
|
6
|
26
|
|
Liverpool
|
6,2
|
2
|
2,8
|
20,3
|
11,6
|
20,6
|
|
Tottenham Hotspur
|
5,7
|
3
|
2,2
|
15,2
|
7,6
|
20,1
|
|
Manchester United
|
5,8
|
2,3
|
2,9
|
19,4
|
10,7
|
19,7
|
|
Arsenal
|
5,8
|
2,1
|
3,2
|
18,9
|
12,5
|
19,5
|
|
Leicester City
|
5,5
|
2,5
|
3
|
17,3
|
12,3
|
19
|
|
Chelsea
|
4,2
|
3,2
|
3,6
|
11,9
|
10,9
|
15,8
|
|
Southampton
|
4,2
|
2,9
|
3,9
|
13,1
|
12,4
|
15,5
|
|
Watford
|
3,9
|
2,9
|
4,3
|
14,8
|
16,3
|
14,6
|
|
Crystal Palace
|
4
|
2,5
|
4,4
|
12,3
|
15,1
|
14,5
|
|
Everton
|
3,5
|
3,1
|
4,4
|
11,9
|
14,5
|
13,6
|
|
Newcastle
|
3,5
|
2,7
|
3,8
|
11
|
11,4
|
13,2
|
|
Brighton and Hove Albion
|
3,2
|
3
|
4,9
|
9,1
|
13
|
12,6
|
|
WBA
|
2,8
|
3,6
|
4,6
|
8,3
|
12,7
|
12
|
|
Swansea City
|
2,7
|
3
|
5,2
|
8,6
|
14,8
|
11,1
|
|
Stoke City
|
2,7
|
2,9
|
5,4
|
11
|
17,6
|
11
|
|
West Ham United
|
2,5
|
3,1
|
5,3
|
8,6
|
14,9
|
10,6
|
|
Huddersfield Town
|
2,3
|
3,6
|
5,1
|
6,5
|
13
|
10,5
|
|
Bournemouth
|
2,3
|
2,8
|
5,9
|
7,6
|
15,5
|
9,7
|
|
Burnley
|
1,9
|
2,9
|
5,2
|
5,5
|
14,3
|
8,6
|
Aquí podemos utilizar el partido entre el WBA y el Chelsea para poner a prueba el modelo. La xDifeG para estos equipos es:
(8,3+11,9 - 12,7-11,9)/2 = -2,7
Es decir, -0,25 por partido. En el momento de redactar este artículo, el Chelsea era favorito con una cuota de a=1,62*. Si sustituimos estas cuotas y xDifeG en la ecuación (2) obtenemos P (victoria visitante)=42 % (con parámetros b0=-0,49 b=0,75 y b2=0,73 ajustados utilizando datos de la temporada anterior).
Por tanto, aunque la cuota sugiere que el Chelsea tiene una probabilidad de victoria del 62 %, el modelo indica que la probabilidad es mucho menor. La mejor apuesta sería que el Chelsea no gana.
Los goles esperados convierten la intuición en probabilidades. A cada ocasión se le asigna una probabilidad de ser gol.
Otro partido que destaca en la tabla anterior es el del Southampton en su visita al Liverpool. La xDifeG para estos equipos es 0,36 a favor del Liverpool, lo que significa que es el favorito. Pero la cuota para la victoria del Southampton es de 8,3, lo que supone una probabilidad de victoria del 12 %.
Mi modelo le da una probabilidad de victoria del 15 %. Esto sugiere que merecería la pena apostar por la victoria del Southampton, pero cabe recordar que, aunque el modelo tenga razón, solo ganaríamos el 15 % de las veces.
Lecciones aprendidas del modelo
El aspecto más importante no son las sugerencias que proporciona el modelo (perdieron tanto el WBA como el Southampton), sino el método. Si deseas crear un modelo y ganar dinero con las apuestas de fútbol, comienza siempre con las cuotas.
En primer lugar, utiliza la regresión logística para encontrar inconsistencias en las cuotas. A continuación, añade las variables (como los goles esperados) para comprobar si puedes conseguir una ventaja. Esta ventaja será pequeña, pero puede dar frutos a largo plazo.
Si deseas obtener más información sobre el trabajo de David Sumpter, sigue @Soccermatics en Twitter.
