Goal previsti: una panoramica
Il modello sul calcio che ha attirato più attenzioni negli ultimi anni è indubbiamente quello sui goal previsti. L'idea su cui si basano i goal previsti è semplice: misura la qualità delle opportunità.
Se un giocatore tira dall'interno dell'area piccola possiamo dire che abbia una possibilità maggiore di segnare che se provase da oltre 25 metri. I goal previsti trasformano l'intuizione in probabilità. A ogni opportunità è assegnata una probabilità che si trasformi in goal.
Sono molti i materiali che spiegano in dettaglio come funzionano i goal previsti, ma voglio dare risalto a un punto chiave: l'aspetto assolutamente più importante del modello è la posizione da cui si tira.
Guarda nella seguente immagine i fumetti provenienti dalla porta. Mostrano le probabilità di segnare con un'opportunità nella zona coperta dai fumetti. Da zone che non rientrano nell'immagine le probabilità sono del 3%.
Considerando questi dati, è possibile creare il proprio modello di goal previsti per la propria squadra quando si guarda una partita. Bisogna contare le opportunità che la squadra ha all'interno di ogni zona.
Se crea due opportunità all'interno del fumetto 30%, una in quello del 15%, cinque in quello del 7% e dieci in una zona di campo che non rientra nei fumetti allora i goal previsti saranno:
2×0,30 + 1×0,15 + 5×0,07 + 10×0,03 = 0,855 xG
Il modello di goal previsti che ho sviluppato è molto più complicato di questo. Calcolo anche se l'opportunità nasce da un contropiede, da un colpo di testa o da una grande occasione e da altri fattori. Questo migliora il modello perché non considera solamente la posizione del tiro, ma questo fattore è il punto giusto da cui iniziare quando si crea un modello basato sui goal previsti.
Goal previsti: Sono in grado di battere le quote sul calcio?
La domanda da farsi per ogni modello di scommessa è se sia in grado o meno di battere le quote. Come ho scritto nella prima parte di questo articolo sono scettico sull'esistenza di una formula magica per le scommesse. I goal previsti possono essere la soluzione? Sono in grado di battere le quote sul calcio?
Per rispondere a questa domanda dobbiamo innanzitutto iniziare a guardare le quote sul calcio. Quando voglio vedere se si possono trovare dei pregiudizi nelle quote sul calcio solitamente parto da un modello statistico chiamato regressione logistica.
L'idea su cui si basa la regressione è l'osservazione della qualità con cui le quote sul calcio prevedono i risultati di un incontro. Immaginiamo di osservare le probabilità di una vittoria in trasferta.
Per farlo utilizziamo il modello per le probabilità di una vittoria in trasferta, in cui a rappresenta le quote di un bookmaker per la vittoria in trasferta (nel formato di quote decimali e corrette per rimuovere il margine del bookmaker) ed è una costante. Se non si ha familiarità con la regressione logistica ci sono molte guide online che la spiegano.
Regressione logistica: un esempio
L'immagine seguente è un esempio di regressione logistica per le ultime due stagioni di Premier League (2015/16 e 2016/17).
La misura dei punti è proporzionale ai numeri di volte in cui sono state offerte queste quote. Più grandi sono i punti e più è comune l'offerta di queste particolari quote.
Il messaggio principale non è quello che indica il modello, ma il modello in sé. Se si vuole creare un modello e vincere scommettendo sul calcio bisogna sempre iniziare dalle quote.
Se questi cerchi si posizionano sotto la linea tratteggiata significa che le probabilità di una vittoria in trasferta sono inferiori rispetto alle quote previste. Se questi cerchi si posizionano sopra la linea tratteggiata significa che le probabilità di una vittoria in trasferta sono maggiori rispetto alle quote previste.
La linea continua è la misura migliore per i dati. Questa linea ci fornisce il trend generale. Se si osserva con attenzione la curva di probabilità prevista intorno allo 0,1, che corrisponde a quote intorno al 10, si vedrà che la curva si trova leggermente sopra la linea, mentre per le probabilità previste sopra lo 0,25 il trend è opposto.
Questo significa che nelle ultime due stagioni gli sfavoriti hanno vinto in trasferta e i favoriti hanno perso in trasferta più frequentemente di quello che hanno previsto le quote dei bookmaker.
Sfavoriti sottovalutati e favoriti sopravvalutati
Se si vuole trovare valore nelle ultime due stagioni si deve capire quali sfavoriti vincono in trasferta e quali favoriti non riescono a vincere. In un caso come questo possiamo utilizzare i goal previsti. Ho creato una nuova regressione logistica con la seguente formula:
Ho aggiunto la variabile xGDiff. Questa variabile è la differenza di goal previsti tra due squadre, calcolata osservando i goal previsti in media di una squadra nelle ultime cinque partite:
Applicando questa regressione logistica ho scoperto che le squadre che giocano in trasferta con un xGDiff migliore hanno maggiori possibilità di vincere rispetto a quanto suggeriscono le quote.
Quindi, se si riesce a trovare una squadra sfavorita che gioca in trasferta con un alto xG, vale la pena puntarci. Mentre, bisogna puntare contro i favoriti che giocano in trasferta e hanno un xG basso.
Regressione logistica: Inclusione dei goal previsti
La tabella seguente rappresenta i goal previsti nella stagione attuale (2017/18) all'undicesima giornata.
Classifica di Premier League 2017/18 con goal previsti (alla settimana 11)
|
Squadra
|
xVittorie
|
xPareggi
|
xSconfitte
|
xReti segnate
|
xReti subite
|
xPunti
|
|
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 & Hove Albion
|
3,2
|
3
|
4,9
|
9,1
|
13
|
12,6
|
|
West Bromwich Albion
|
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
|
In questo caso possiamo utilizzare la partita West Bromwich Albion contro Chelsea per mettere alla prova il modello. La xGDiff per queste squadre è:
(8,3+11,9 - 12,7-11,9)/2 = -2,7
Per partita il dato è -0,25. Quando è stato scritto questo articolo il Chelsea era il favorito con una quota a=1,62*. Sostituendo queste quote e la xGDiff nell'equazione (2) il risultato di P(vittoria in trasferta) è del 42% (con i parametri b0=-0,49 b=0,75 e b2=0,73 utilizzando i dati delle stagioni precedenti).
Quindi, mentre le quote indicano una possibilità del 62% per la vittoria del Chelsea, il modello indica una probabilità moto più bassa. La migliore scommessa è sulla mancata vittoria del Chelsea.
I goal previsti trasformano l'intuizione in probabilità. A ogni opportunità è assegnata una probabilità che si trasformi in goal.
Un'altra partita che è messa in risalto dalla precedente classifica è Liverpool-Southampton. La xGDiff delle due squadre è di 0,36, in favore del Liverpool, questo significa che sono favoriti. Ma le quote per la vittoria del Southampton sono di 8,3, questo implica che le probabilità di vittoria sono del 12%.
Il mio modello gli assegna una possibilità del 15%. Questo dato mostra che vale la pena scommettere sulla vittoria del Southampton, nonostante, bisogna ricordare, che anche se il modello fosse corretto si vincerebbe solamente nel 15% dei casi.
Lezioni apprese dal modello.
Il messaggio principale non è quello che indica il modello (sia il West Brom sia il Southampton hanno perso), ma il modello in sé. Se si vuole creare un modello e vincere scommettendo sul calcio bisogna sempre iniziare dalle quote.
Innanzituto bisogna utilizzare la regressione logistica per trovare inconsistenza nelle quote, poi aggiungere variabili (come i goal previsti) per vedere se si può ottenere un vantaggio. Questo vantaggio sarà piccolo, ma sul lungo termine può essere remunerativo.
Se vuoi saperne di più sul lavoro di David Sumpter puoi seguire il suo account Twitter @Soccermatics.
