close
Due settimane fa
set 5, 2017

Un'analisi dei diversi modelli di expected goal

Come si calcolano gli expected goal?

Quali sono i diversi approcci per creare un modello di expected goal?

Qual è il modello di expected goal più preciso?

Un'analisi dei diversi modelli di expected goal

Tenuti in considerazione in passato soltanto da un limitato numero di operatori e scommettitori, oggi gli expected goal sono tra le statistiche più comuni nel mondo del calcio assieme a possesso palla, tiri nello specchio della porta e numero di falli commessi. Tuttavia, gli approcci per calcolare gli expected goal sono numerosi. Questo articolo esamina i diversi modelli utilizzati e la diversità di risultati che producono.

L'obiettivo nel calcio è segnare reti all'avversario senza concederne. Sembra semplice, ma a causa di fattori come la casualità e la fortuna, le squadre non ottengono sempre i risultati che meriterebbero.

Questo è il motivo per cui l'analisi dei dati e delle statistiche come gli expected goal sono utili quando si scommette, poiché consentono di analizzare le prestazioni da un punto di vista più analitico e dare sostanza a dichiarazioni come: "Sono stati sfortunati a non vincere".

Grazie al fatto che un tiro è un'azione che può portare a segnare un goal, i dati sui tiri sono importanti per qualsiasi modello di expected goal.

Gli expected goal (spesso abbreviati in xG) sono una forma di analisi dei dati che le squadre di calcio utilizzano e stanno diventando sempre più popolari tra gli scommettitori. Le statistiche sugli expected goal sono ampiamente disponibili online, ma non sono sempre le stesse perché si utilizzano diversi modelli per calcolarli.

I modelli possono variare da quelli molto semplici a quelli più complessi e in questo articolo illustrerò il funzionamento diversi modelli di expected goal. Quali sono i meccanismi su cui si basano i diversi modelli e in che misura sono diversi i risultati che producono?

Utilizzare dati basilari sui tiri

Andrew Beasley ha già spiegato come calcolare gli expected goal utilizzando un modello di dati basilari sui tiri. Grazie al fatto che un tiro è un'azione che può portare a un goal, i dati sui tiri sono importanti per qualsiasi modello di expected goal; in una partita di calcio un'infinità di eventi possono portare a segnare un goal, ma quando si prova a prevedere quante reti saranno segnate in una partita, l'evento più importante da tenere in considerazione sono i tiri.

heat-map-inarticle.jpg

Questo è un approccio semplice che utilizza quella che Opta definisce una "grande opportunità": una situazione in cui ci si attende che un giocatore possa segnare, oltre a prendere in considerazione i tiri effettuati dall'interno o dall'esterno dell'area di rigore.

Le percentuali di realizzazione negli ultimi cinque anni di Premier League mostrano che una grande opportunità ha un valore xG di 0,387 (38,7% di possibilità di segnare), i tiri dall'interno dell'area di rigore hanno un valore di 0,07 e quelli dall'esterno dell'area di rigore hanno un valore di 0,036.

Analisi dettagliata dei dati sui tiri

Considerando le dimensioni di un campo da calcio, i diversi angoli da cui si può tirare e l'impatto che questo ha sulla probabilità di segnare, indipendentemente dal fatto che un modello analizzi la posizione di tiro in maggiore dettaglio, incidono sul calcolo degli expected goal. 

grid-inarticle.jpg

Nonostante sia simile all'approccio basilare sugli expected goal di Andrew Beasley, questo tipo di approccio utilizza un'analisi più approfondita della posizione dalla quale è stato effettuato un tiro per attribuire un valore xG. Il metodo più semplice per farlo è dividere il campo da cui si può tirare in porta in un reticolo e tenere traccia di ogni tiro.

I vantaggi di adottare questo tipo di modello è che si può tenere in considerazione la differenza tra un giocatore che calcia davanti alla porta (con alte probabilità di segnare) e un giocatore che tira da una posizione più defilata (con molte meno probabilità di segnare) e anche la differenza tra un tiro che nasce da un colpo di testa (più difficile segnare) e da un calcio (più facile segnare).

Il modello di Paul Riley è un buon esempio di approccio leggermente più avanzato nell'analisi dei dati sul posizionamento del tiro quando si crea un modello xG.

Considerare il processo d'attacco

Ovviamente non sono solamente la posizione da cui si effettua il tiro e la scelta della parte del corpo che si utilizza per tirare che determinano le probabilità che un tentativo si trasformi in rete. Il passaggio che precede un tiro sarà importante per determinare la qualità dell'opportunità.

Piuttosto che assegnare semplicemente un valore xG a un tiro a seconda della posizione da cui è stato effettuato, alcuni modelli osservano il modo con cui è stata creata l'opportunità di tiro (un cross, un passaggio filtrante, un contropiede, ecc.) e analizzano come è stato effettuato il tiro in maggior dettaglio (un tiro effettuato dopo un dribbling riuscito, un rimpallo dopo un salvataggio, ecc.).

pass-inarticle.jpg

Ovviamente questo tipo di modello richiede una maggiore quantità di dati e risorse per poter essere creato e mantenuto, il modello xG di 11tegen11 è un esempio di un modello di expected goal che considera il processo d'attacco in maniera più ampia quando attribuisce un valore xG ai tiri.

L'impatto della difesa sugli xG

I tre precedenti metodi per creare un modello di expected goal sono adeguati per ottenere una stima del numero di goal che una squadra può aspettarsi di segnare in una partita o in un'intera stagione. Tuttavia, altre variabili contribuiscono a una potenziale opportunità di segnare un goal.

Piuttosto che assegnare semplicemente un valore xG a un tiro a seconda della posizione da cui è stato effettuato, alcuni modelli osservano il modo con il quale è stata creata l'opportunità di tiro e analizzano come è stato effettuato il tiro in maggior dettaglio.

Il calcio non si basa solo sull'attacco. Il posizionamento della difesa e limitare le possibilità dell'avversario di segnare sono ugualmente importanti, i difensori possono obbligare un giocatore a calciare in maniera diversa o a effettuare correzioni all'ultimo momento rendendo più difficile segnare.

Oltre ad analizzare l'intero processo d'attacco, da come si crea un'opportunità al momento dell'azione finale, la vicinanza dei difensori avversari e la misura in cui questo fattore incide sulla qualità del tiro aggiunge ulteriori dettagli alla creazione di un modello di expected goal.

Questo significa che osservare la posizione del portiere e dei difensori e metterla in relazione alla posizione da cui si effettua un tiro può fornire il risultato di expected goal più preciso.

Qual è il tipo di modello di expected goal più preciso?

Ora che conosciamo il funzionamento di diversi modelli di expected goal possiamo iniziare ad analizzare quale metodo produce i risultati più precisi. La seguente tabella mette a confronto la differenza reti effettiva per ogni squadra della stagione 2016/17 di Premier League e la differenza di expected goal utilizzando i diversi modelli che abbiamo citato.

Differenza reti effettiva rispetto a differenza expected goal

Squadra

DR reale

DxG modello 1

Differenza

DxG modello 2

Differenza

DxG modello 3

Differenza

Arsenal

+33

+12,5

-20,5

+17

-16

+15,39

-17,61

Bournemouth

-12

-6,80

+5,20

-15

-3

-13,76

-1,76

Hull City

-43

-33,80

+9,20

-35

+8

-38,88

+4,12

Burnley

-16

-19,20

-3,20

-26

-10

-21,06

-5,06

Chelsea

+52

+25,90

-26,10

+31

-21

+31,91

-20,09

Crystal Palace

-13

-1,50

+11,50

-5

+8

-6,05

+6,95

Everton

+18

+5

-13

+1

-17

+1,82

-16,18

Sunderland

-40

-27,40

+12,60

-26

+14

-30,56

+9,44

Leicester City

-15

-7,60

+7,40

-7

+8

-6,65

+8,35

Liverpool

+36

+25,30

-10,7

+33

-3

+31,87

-4,13

Manchester City

+41

+41,80

+0,80

+44

+3

+51,13

+10,13

Manchester United

+25

+25

0

+24

-1

+29,48

+4,48

Middlesbrough

-26

-21

+5

-25

+1

-22,46

+3,54

Southampton

-7

+6,60

+13,60

+8

+15

+8,15

+15,15

Stoke City

-15

-0,60

+14,40

-2

+13

+0,45

+15,45

Swansea City

-25

-21,70

+3,30

-20

+5

-27,34

-2,34

Tottenham Hotspur

+60

+32,50

-27,50

+30

-30

+31,04

-28,96

Watford

-28

-12,20

+15,80

-13

+15

-16,14

+11,86

West Bromwich Albion

-8

-11,80

-3,80

-7

+1

-8,52

-0,52

West Ham United

-17

-11,10

+5,90

-7

+10

-9,83

+7,17

Il metodo migliore per valutare la precisione di ognuno di questi approcci è trovare la radice dell'errore quadratico medio. Questo valore si può calcolare elevando al quadrato la differenza tra la differenza reti effettiva e quella degli expected goal per ogni squadra, calcolando la media e poi ricavando la radice quadrata della media.

Precisione dei modelli di expected goal

DxG modello 1

DxG modello 2

DxG modello 3

REQM

12,92

12,55

12,01

Come si può notare, i tre diversi approcci sono incredibilmente simili per quanto riguarda i risultati in termini di differenza degli expected goal nella stagione 2016/17 di Premier League, solamente un REQM di 0,91 separa i tre modelli nonostante la diversa quantità di dati utilizzati.

Tuttavia, una stagione (380 partite) non è un campione sufficientemente ampio per dichiarare con certezza che un approccio è migliore di un altro. Inoltre, calcolare la REQM su ogni singola partita offre probabilmente un'idea più chiara della precisione di ogni modello e di quanto si avvicini a prevedere il numero di goal segnati in una partita.

Vuoi saperne di più sugli expected goal?

Se vuoi saperne di più sugli expected goal e applicare queste informazioni alle scommesse, Andrew Beasley ha scritto un articolo su come utilizzare questi dati  per le scommesse sulla Premier League.

Puoi anche seguire Paul Riley e 11tegen11 su Twitter e partecipare alla Giornata di discussione sugli expected goal organizzata da Pinnacle il 10/09/2017.

discussion-day-expected-goals-inarticle.jpg

Pagina principale RPLS
Leggi altri articoli sulle scommesse sul calcio
  • Tags

Benjamin ha conseguito una laurea in Inglese con specializzazione in Scrittura creativa prima di seguire una carriera che univa la sua passione per lo sport e l'interesse per le scommesse. Accanito tifoso di numerosi sport, i suoi articoli ora spaziano dagli approfondimenti sulle anteprime dei maggiori eventi sportivi all'analisi delle tendenze e tecniche delle scommesse.

Risorse per le scommesse - Migliora le tue scommesse

La sezione Risorse per le scommesse di Pinnacle è una delle raccolte disponibili online più complete di consigli di esperti sulle scommesse. Organizzata per tutti i livelli di esperienza, il nostro obiettivo è semplicemente quello di permettere agli scommettitori di diventare più esperti.