Caricamento...
Gli expected goals hanno rivoluzionato il modo di analizzare il calcio. Dove prima c’erano opinioni e impressioni, ora ci sono numeri che misurano la qualità delle occasioni create e concesse da ogni squadra. Ma per lo scommettitore, la vera domanda non è “cos’è l’xG” ma “come lo uso per trovare scommesse con valore?”. La risposta richiede di andare oltre la definizione da manuale e capire come questa metrica si traduce in un vantaggio operativo concreto.
L’xG è diventato la lingua franca dell’analisi calcistica avanzata, usato da club professionistici, media sportivi e scommettitori. La sua diffusione non è casuale: è lo strumento che meglio cattura la differenza tra come una squadra gioca e i risultati che ottiene, una differenza che è spesso la fonte principale di valore nelle scommesse.
Cos’è l’xG e Come Viene Calcolato
L’expected goals è un modello statistico che assegna a ogni tiro una probabilità di diventare gol, basandosi sulle caratteristiche del tiro stesso: distanza dalla porta, angolo di tiro, parte del corpo usata, tipo di azione che ha generato l’occasione, posizione del portiere e dei difensori. Un tiro dal limite dell’area con un difensore davanti potrebbe valere 0.05 xG, ovvero il 5% di probabilità di gol. Un tiro a tu per tu con il portiere dopo un contropiede potrebbe valere 0.75 xG.
La somma degli xG di tutti i tiri di una squadra in una partita produce l’xG totale della partita. Se una squadra crea occasioni per un totale di 2.3 xG e segna 1 gol, ha sottoperformato le proprie aspettative. Se ne segna 4, ha sovraperformato in modo significativo. Queste discrepanze tra xG e gol reali sono il terreno dove lo scommettitore trova valore.
Il calcolo dell’xG non è identico per tutti i provider. FBref, Understat, Opta e StatsBomb usano modelli leggermente diversi, il che produce valori xG diversi per le stesse partite. Le differenze sono generalmente piccole, ma è importante essere consapevoli che l’xG non è un dato oggettivo come il numero di gol segnati: è una stima basata su un modello, e modelli diversi producono stime diverse.
Come l’xG Rivela Squadre Sopravvalutate e Sottovalutate
Il meccanismo è semplice ma potente. Una squadra che segna sistematicamente più gol di quanto il suo xG giustifichi sta beneficiando di una combinazione di abilità individuale eccezionale sotto porta e fortuna. Entrambe tendono a regredire verso la media nel tempo. Questo significa che i risultati futuri di quella squadra saranno probabilmente peggiori di quelli recenti, anche se la qualità del gioco resta invariata.
Al contrario, una squadra che segna meno del suo xG sta creando occasioni sufficienti per segnare di più, ma la conversione non è all’altezza. Questa discrepanza tende anch’essa a correggersi: prima o poi, i gol arriveranno. Per lo scommettitore, questa squadra è potenzialmente sottovalutata dal mercato, perché le quote si basano in parte sui risultati recenti, che non riflettono la qualità reale del gioco.
Lo stesso principio vale per la difesa. Una squadra con un xG concesso basso ma molti gol subiti sta subendo gol da situazioni improbabili, il che suggerisce che la difesa migliorerà statisticamente. Una squadra con un xG concesso alto ma pochi gol subiti sta beneficiando di parate eccezionali o di avversari poco efficaci sotto porta, il che suggerisce che subirà più gol in futuro.
Il confronto tra la classifica reale e la “classifica xG” è uno strumento diagnostico prezioso. Le squadre con grandi discrepanze tra le due classifiche sono quelle più probabilmente mal prezzate dal mercato.
Dove Trovare i Dati xG
La buona notizia è che nel 2026 i dati xG sono ampiamente disponibili gratuitamente. FBref è probabilmente la risorsa più completa per il calcio europeo, con dati xG forniti da StatsBomb per i principali campionati. Understat offre dati xG con una visualizzazione intuitiva e la possibilità di filtrare per partita, squadra e giocatore. WhoScored fornisce una combinazione di dati statistici e valutazioni che include metriche xG.
Per un uso sistematico nelle scommesse, il dato più utile è l’xG per partita di ogni squadra, separato per casa e trasferta. Questo dato va aggiornato regolarmente, idealmente dopo ogni giornata di campionato, e usato come input per stimare le probabilità degli esiti della partita successiva. Un foglio di calcolo con le medie xG mobili delle ultime dieci partite di ogni squadra è un punto di partenza efficace.
Chi ha competenze di programmazione può accedere a dati più granulari tramite API e web scraping, costruendo modelli personalizzati che integrano l’xG con altre variabili. Ma anche senza competenze tecniche, un’analisi manuale basata sui dati xG disponibili gratuitamente può produrre stime significativamente migliori di quelle basate solo sui risultati.
Integrare l’xG nell’Analisi Pre-Partita
L’xG non va usato in isolamento. È un componente dell’analisi, non l’analisi completa. Il modo più efficace di integrarlo è come “secondo parere” rispetto all’analisi basata sui risultati e sulle quote di mercato.
Il primo passo è confrontare la tua stima di probabilità, basata sull’analisi tradizionale, con quella suggerita dai dati xG. Se entrambe convergono, la tua fiducia nella stima aumenta. Se divergono significativamente, vale la pena indagare il perché. La divergenza può indicare che stai sopravvalutando o sottovalutando una squadra sulla base dei risultati recenti, che sono influenzati dalla fortuna più di quanto i dati xG suggerirebbero.
Il secondo passo è usare l’xG per identificare le partite dove il mercato potrebbe essere distorto. Se una squadra ha perso tre partite di fila ma il suo xG in quelle partite era superiore a quello degli avversari, il mercato potrebbe star sovrastimando la debolezza di quella squadra basandosi solo sui risultati. La quota per la sua vittoria nella prossima partita potrebbe essere più alta di quanto meriti, creando un’opportunità di valore.
Il terzo passo è usare l’xG per i mercati Over/Under. La somma degli xG medi delle due squadre, aggiustata per il fattore campo, produce una stima del numero di gol attesi che è spesso più accurata di quella basata solo sui gol reali. Se due squadre hanno medie xG combinate di 3.1 per partita ma una media gol reale di 2.4, l’Under 2.5 potrebbe sembrare la scelta giusta guardando i risultati, ma i dati xG suggeriscono che la tendenza si correggerà verso l’Over.
I Limiti dell’xG: Cosa Non Cattura
L’xG non è onnisciente. Ha limiti reali che lo scommettitore deve conoscere per non sovrastimare l’utilità della metrica.
Il primo limite è che l’xG standard non tiene conto della qualità individuale del tiratore. Un tiro da fuori area di un centrocampista con il 5% di conversione storica e lo stesso tiro di un fantasista con il 15% di conversione ricevono lo stesso valore xG, perché il modello base non include l’identità del giocatore. Versioni più avanzate come l’xG post-shot, che tiene conto del posizionamento del tiro nello specchio della porta, mitigano parzialmente questo problema.
Il secondo limite è che l’xG non cattura le situazioni che non producono un tiro. Una squadra che arriva dieci volte al limite dell’area senza mai tirare ha creato pericolosità che l’xG non registra. Questo è particolarmente rilevante per le squadre che praticano un possesso palla elaborato con molti passaggi nell’ultimo terzo ma pochi tiri effettivi.
Il terzo limite è la dimensione del campione. I dati xG su meno di dieci partite sono troppo instabili per essere affidabili. Le prime giornate di campionato producono medie xG basate su campioni troppo piccoli per avere valore predittivo significativo. La regola pratica è fidarsi dell’xG come indicatore solo dopo almeno quindici giornate di campionato.
I Numeri Come Bussola, Non Come Pilota Automatico
L’xG è lo strumento più potente che la statistica moderna ha messo a disposizione dello scommettitore. Ma è appunto uno strumento, non una risposta. Le squadre non sono formule: sono composte da persone che hanno giornate storte, che litigano con l’allenatore, che giocano diversamente sotto la pioggia battente o in uno stadio ostile.
Lo scommettitore che usa l’xG come un oracolo infallibile commetterà errori tanto quanto quello che lo ignora completamente. La chiave è usarlo come bussola, una direzione affidabile che ti dice se stai andando nella direzione giusta, ma che non sostituisce la capacità di leggere il terreno, interpretare il contesto e prendere decisioni che nessun modello statistico può prendere al tuo posto.