Expected Goals (xG)

Los Expected Goals, conocidos universalmente por su abreviatura xG, han revolucionado el análisis futbolístico en la última década. Esta métrica estadística estima la probabilidad de que un disparo termine en gol basándose en características históricas de situaciones similares. Para los apostadores, el xG representa una herramienta poderosa para evaluar el rendimiento real de los equipos más allá de los resultados, identificando discrepancias entre lo que los equipos merecen según su juego y lo que realmente consiguen.

El concepto fundamental es simple: no todos los disparos tienen la misma probabilidad de terminar en gol. Un penalti tiene aproximadamente 76% de probabilidad de ser gol; un disparo desde fuera del área con defensas por delante puede tener solo 3%. El xG asigna un valor entre 0 y 1 a cada disparo basándose en múltiples factores, y la suma de estos valores para todos los disparos de un equipo en un partido representa los goles que «debería» haber marcado según la calidad de sus ocasiones.

Cómo se calcula el xG

Los modelos de xG se construyen analizando bases de datos masivas de disparos históricos y sus resultados. Los factores que típicamente influyen en el cálculo incluyen: distancia a portería, ángulo de disparo, parte del cuerpo utilizada (pie, cabeza), si el disparo fue de primera o después de control, tipo de asistencia previa (centro, pase filtrado, rechace), posición del portero, y presencia de defensores entre el balón y la portería.

Diferentes proveedores de xG (Opta, StatsBomb, Understat, FBref) usan modelos ligeramente diferentes con variables y ponderaciones distintas. Por esta razón, el xG de un mismo partido puede variar entre fuentes. Para análisis consistente, es preferible usar siempre la misma fuente y entender las características de su modelo.

Un modelo básico considera principalmente ubicación del disparo; modelos más sofisticados incorporan información sobre la jugada previa, el estado del partido y factores contextuales. La precisión ha mejorado significativamente con la disponibilidad de tracking data que captura posiciones exactas de todos los jugadores en cada momento.

xG para evaluar equipos

La aplicación más directa del xG es evaluar si un equipo está rindiendo por encima o por debajo de lo esperado. Si un equipo ha marcado 20 goles pero su xG acumulado es 15, está sobre-rindiendo: sus delanteros están siendo más eficientes que el promedio histórico para ese tipo de ocasiones. Esta sobreperformance tiende a revertir a la media con el tiempo.

A la inversa, un equipo con 12 goles pero 18 xG está sub-rindiendo ofensivamente. Está creando buenas ocasiones pero no las está convirtiendo. Estadísticamente, es probable que su tasa de conversión mejore, haciendo que sus resultados futuros sean mejores que los recientes incluso sin mejorar la calidad de su juego.

El mismo análisis aplica defensivamente con el xG concedido (xGA). Un equipo que ha recibido 10 goles pero tiene xGA de 15 ha tenido suerte defensiva o su portero está rindiendo por encima de su nivel habitual. Esta situación probablemente se corregirá con más goles recibidos en el futuro.

xG y las cuotas de apuestas

Las cuotas de las casas de apuestas incorporan parcialmente información de xG, pero no siempre de forma completa o inmediata. Aquí es donde el apostador informado puede encontrar valor. Si un equipo está siendo castigado por el mercado debido a una racha de malos resultados pero su xG sugiere que el rendimiento subyacente es bueno, las cuotas pueden ofrecer valor.

Ejemplo: el Valencia ha perdido 4 de sus últimos 5 partidos y el mercado lo trata como equipo en crisis, ofreciendo cuotas altas para su victoria. Pero el análisis de xG muestra que el Valencia ha generado 1.8 xG por partido mientras que solo ha concedido 1.2 xGA. Los resultados no reflejan el dominio en el juego. Apostar al Valencia puede tener valor porque el mercado está reaccionando a resultados influenciados por varianza, no al rendimiento subyacente.

La divergencia entre resultados reales y xG es especialmente útil en mercados de goles. Un partido entre dos equipos que sistemáticamente crean muchas ocasiones pero no las convierten tiene probabilidad real de Over más alta de lo que sugieren sus marcadores recientes.

xG por partido versus xG acumulado

El xG de un partido individual tiene alta varianza y no debe sobreinterpretarse. Un equipo puede tener 3.0 xG en un partido por acumular muchas ocasiones mediocres, o 1.5 xG por tener pocas ocasiones pero de altísima calidad. El contexto importa.

El xG acumulado sobre múltiples partidos es más informativo porque suaviza la varianza. Comparar xG acumulado de 10+ partidos da imagen más fiable del nivel real de un equipo que cualquier partido individual. Para análisis de apuestas, el xG de la temporada completa o de los últimos 15-20 partidos proporciona base más sólida que datos de pocos encuentros.

El xG rolling (media móvil de los últimos X partidos) captura tanto tendencias recientes como estabilidad estadística. Un rolling de 5 partidos es sensible a cambios de forma pero ruidoso; un rolling de 15 partidos es más estable pero lento en detectar cambios genuinos. La elección depende de qué estás intentando medir.

Limitaciones del xG

El xG no captura todo lo relevante sobre un equipo. La calidad del disparo dentro de la misma ubicación varía: un disparo de Messi desde fuera del área no tiene la misma probabilidad que uno de un defensa en la misma posición, pero el modelo básico les asigna xG similar. Modelos más avanzados intentan ajustar por calidad del tirador pero ninguno lo hace perfectamente.

El xG tampoco captura ocasiones que no terminan en disparo. Un equipo puede crear situaciones de peligro que no se traducen en disparos por mal último pase o mala decisión final. Métricas complementarias como xG Chain o xThreat intentan valorar estas contribuciones, pero el xG estándar solo cuenta lo que se dispara.

Las situaciones de set pieces (corners, faltas) tienen xG asignado pero su naturaleza las hace menos predecibles que el juego dinámico. Un equipo con mucho xG de córners tiene varianza diferente a uno con xG de jugadas elaboradas. Separar xG de juego abierto y xG de set pieces añade matiz al análisis.

xG en mercados específicos

Para el mercado de Over/Under goles, el xG es directamente relevante. Si dos equipos promedian combinadamente 3.5 xG pero solo 2.8 goles reales por partido, el mercado Over 2.5 puede tener valor si las cuotas reflejan los goles reales más que las ocasiones creadas.

Para el mercado BTTS, puedes analizar xG ofensivo y xGA defensivo de cada equipo para estimar la probabilidad de que ambos marquen. Un equipo con xG alto pero xGA bajo puede ganar partidos a cero; un equipo con xG moderado pero xGA alto probablemente conceda.

Para hándicaps, la diferencia de xG entre equipos a lo largo de la temporada indica el margen de victoria esperado. Si el equipo A tiene +0.8 de xG diferencial por partido (genera 0.8 xG más de lo que concede) y el equipo B tiene -0.3, la diferencia esperada en el enfrentamiento directo es aproximadamente 1.1 goles de ventaja para A, información útil para evaluar líneas de hándicap.

Integración del xG en tu análisis

El xG debe ser un input más en tu proceso analítico, no el único factor. Combinarlo con análisis táctico cualitativo, información sobre lesiones y rotaciones, contexto competitivo y otros factores produce mejores predicciones que usar xG aisladamente.

Una metodología práctica es: primero, forma tu opinión inicial sobre el partido basándote en conocimiento general; segundo, consulta datos de xG para verificar si tu percepción coincide con el rendimiento subyacente de los equipos; tercero, ajusta tu estimación si el xG revela información que no habías considerado.

El xG es especialmente valioso para contradecir narrativas populares. Cuando los medios describen a un equipo como «en crisis» por resultados recientes, el xG puede mostrar que su rendimiento subyacente es sólido y la crisis es más percibida que real. Apostar contra narrativas emocionales respaldándote en datos objetivos es fuente frecuente de valor.

Comprender el xG te permite identificar de forma más precisa una apuesta con valor o ‘value bet’.

Fuentes de datos de xG

Understat ofrece xG gratuito para las principales ligas europeas con visualizaciones accesibles. FBref proporciona xG de StatsBomb gratuitamente con datos detallados por partido y jugador. Ambas son excelentes para apostadores que quieren incorporar xG sin invertir en suscripciones premium.

Para análisis más profundo, servicios como StatsBomb (datos premium), Opta (usado por medios profesionales) y proveedores especializados ofrecen datos más granulares incluyendo xG por disparo individual, mapas de calor y análisis de jugadas específicas. El coste solo se justifica para apostadores de alto volumen o analistas profesionales.

El xG ha democratizado el análisis avanzado de fútbol, poniendo herramientas antes reservadas a clubes profesionales al alcance de cualquier apostador dispuesto a aprender. Dominar esta métrica y sus limitaciones proporciona ventaja significativa sobre apostadores que solo miran resultados y tablas de posiciones.

El análisis de xG es una herramienta fundamental que todo apostador moderno debería conocer, como explicamos en Cuotas Fútbol.