
Содержание:
Общее представление о статистике xG
Статистика xG: основные принципы
Как делать ставки с помощью статистики xG?
Общее представление о статистике xG
Спортивная аналитика – это работа с конкретными цифрами, и в ней используются разнообразные статистические методы. Один из них – так называемая статистика xG. Эта аббревиатура означает expected goals, что переводится на русский как "ожидаемые голы". На выводы xG-статистики обращают внимание и тренеры команд, и люди, профессионально занимающиеся спортивной аналитикой. И, конечно, ими пользуются те, кто делает ставки на исход футбольных матчей.
Считается, что эту систему придумал Эгиль Ольсен, тренер из Норвегии. Он, в частности, известен тем, что благодаря его работе норвежская сборная дважды, в 1994 и 1998 годах, принимала участие в чемпионатах мира.
Этот специалист активно использовал видео матчей, чтобы анализировать игры, и стал уделять много внимания статистических параметрам.
Ольсен подсчитывал количество ударов по воротам, нанесенных каждой командой во время матча, и присваивал им значение:
опасные;
средние;
неопасные.
Оценка выставлялась в зависимости от того, из какой зоны футболисты пытались пробить по воротам соперника. Очевидно, что чем дальше от цели находится игрок, тем сложнее ему забить. Следовательно, идеальной выглядит ситуация, когда команда:
выполняет за игру как можно больше опасных ударов;
делает все возможное для того, чтобы по ее воротам наносилось минимального количество ударов опасного уровня.
Статистика xG: основные принципы
Как работает статистика xG сегодня? С ее помощью на основании уже проведенных игр определяется показатель ожидаемых голов для каждой команды. Какие критерии при этом учитываются?
В настоящее время спортивные аналитики используют более сложные системы, чем та, которую придумал упоминавшийся выше Эгиль Ольсен. Обычно принимаются в расчет:
расстояние от бьющего по мячу игрока до ворот – чем оно больше, тем меньше вероятность гола;
угол удара – чем он меньше, тем выше вероятность успешно поразить ворота соперника;
возможности для блокировки удара – они определяются количеством защитников перед атакующим игроком и положением вратаря;
мастерство атакующего – чем выше этот показатель, тем больше шансов на то, что атака завершится успешно;
мастерство вратаря – чем оно выше, тем меньше вероятность того, что он пропустит мяч.
Возможны и другие критерии.
Обычно люди, пользующиеся статистикой xG, сами ее не рассчитывают. Они отталкиваются от результатов, полученных на основе анализа больших массивов данных и опубликованных в Интернете. Но рекомендуется все же просматривать матчи, по итогам которых набиралась статистическая информация, чтобы сделать свои собственные выводы о недооценке или переоценке определенных игроков. Ведь, например, мастерство атакующего или вратаря – это субъективные факторы.
Как пользоваться моделями xG?
Если вы надеетесь, что такая статистика дает возможность делать однозначный вывод о результате того или иного матча, – увы, мы вас разочаруем. Такая аналитика хорошо показывает себя на длинных отрезках времени. Приведем пару примеров.
В 20-м туре РФПЛ 2017/2018 ожидаемые результаты матча между "Спартаком" и ЦСКА, полученные с помощью этого метода, составляли 2,67:0,42. Когда игра закончилась, на табло светилось 3:0. xG-статистика показала именно тот счет, который и должен был быть, исходя из возможностей команд, продемонстрированных ими в предыдущих играх.
В 2015/16 годах российский "Ростов" неожиданно хорошо показал себя в групповом этапе Лиги чемпионов. Но… Прошло совсем немного времени, и команда вернулась туда, где мы ее обычно и видим, – в середину турнирной таблицы.
О чем нам это говорит? Статистика xG имеет дело с усредненными показателями, полученными в результате анализа большого массива данных. Поэтому она показывает не то, как команда сыграет в следующий раз, а то, как она могла бы сыграть. Поэтому в каждом конкретном матче будут отклонения в ту или иную сторону. Поэтому есть такие понятия, как "андерперформ" и "оверперформ".
"Андерперформ" показывает, что команда сыграла ниже ожиданий. Неважно, какие причины на это повлияли. Имеет значение конкретный результат.
"Оверперформ", соответственно, показывает переоценку. Предполагалось, что команда выступит не самым блестящим образом, но что-то произошло, и результат оказался выше среднего. Классический пример в данном случае – российский "Спартак" в сезоне 2016/1017. Если внимательно проанализировать матчи, которые команда выиграла, то окажется, что ее успех во многом был определен успешными ударами Дениса Глушакова, нанесенными с большой дистанции. Как показала практика, выезжать на этом постоянно не получается.
К тому же модель xG учитывает именно удары по воротам. Но не каждый удар конвертируется в гол.
Поэтому статистические оценки используются для того, чтобы определить шансы той или иной команды на победу. Но с их помощью нельзя точно узнать исход конкретного матча. Иначе футболистам не было бы смысла выходить на поле, за них в какой-то момент все считали бы аналитики.
Как делать ставки с помощью статистики xG?
Тем не менее использовать такие модели для ставок на исход матчей вполне реально. Просто имеет смысл соотносить показатели, указанные в статистике xG, с теми, которые команды продемонстрировали в этом сезоне.
В начале сезона можно ориентироваться на результаты моделей. Но дальше необходимо учитывать конкретную результативность команд, их взлеты и провалы. Например, ваш условный фаворит, согласно статистике, должен бы с начала сезона забить 20 мячей, а забил всего лишь 10. Это вовсе не обязательно говорит о том, что спортсмены плохо тренировались, а тренер руководил их занятиями спустя рукава. Велика вероятность того, что статистика постепенно будет выравниваться и в следующих матчах команда продемонстрирует отличные результаты.
Этот принцип работает с в обратную сторону. Тот, кто слишком хорошо стартовал, скорее всего, постепенно сбавит темп.
И не стоит забывать об обычном везении.
Желаем вам успехов в ставках на результаты футбольных матчей!