Mis on xG (Expected Goals) ja kuidas see sinu panuseid paremaks teeb

xG ehk expected goals (väravaootus) mõõdab, kui tõenäoline on, et konkreetne väravavõimalus lõppeb väravaga. Iga löök saab väärtuse 0 ja 1 vahel — näiteks 11-meetri karistuslöök on ligikaudu 0.76 xG (76% tõenäosusega värav), samas kui löök 30 meetri kauguselt terava nurga alt võib olla 0.02 xG.

Kokku liites annab see meeskonna kohta ühe mängu numbri, mis näitab, kui häid võimalusi meeskond lõi — sõltumata sellest, kas need päriselt väravaks realiseerusid või mitte. Just see viimane osa teebki xG-st panustaja jaoks nii väärtusliku tööriista: see eraldab meeskonna esituse kvaliteedi juhuslikkusest.

Iga xG-mudel (ka see, mille ma ise aastate jooksul ehitasin) hindab lööki mitme teguri põhjal: kaugus väravast, nurk värava suhtes, kas löök tuli jala või peaga, kas tegu oli üksinda väravavahi vastu jäämisega, mitu vastasmängijat oli löögi ja värava vahel, ning millisest situatsioonist võimalus tekkis — näiteks nurgalöök, vabalöök, kiirrünnak või kombinatsioonmäng.

Need tegurid treenitakse tuhandete varasemate löökide peal, mille tulemus (värav või mitte) on juba teada. Mudel õpib sealt välja mustrid: näiteks et löögid karistusala keskelt 6 meetri kauguselt lähevad väravaks palju sagedamini kui löögid karistusala servalt terava nurga alt, isegi kui mõlemad tunduvad esmapilgul „heade võimalustena”.

Jalgpallis on väravaid vähe — tüüpiline mäng lõpeb 2-3 väravaga kokku. See tähendab, et juhuslikkusel (varianss) on tulemusele tohutu mõju. Meeskond võib luua kuus suurepärast võimalust ja kaotada 0-1, samal ajal kui vastane lõi terve mängu jooksul ühe ainsa ohtliku löögi.

Kui vaadata ainult tulemustabelit, tundub, et kaotanud meeskond mängis halvasti. xG andmed aga näitavad, et nad olid tegelikult parem meeskond — ja pikas perspektiivis (kümnete mängude peale) tasub selline esitus end enamasti ära. Just seepärast on xG nii kasulik: see aitab eristada meeskondi, kes tegelikult mängivad hästi, aga keda tulemused hetkel ei toeta — ja need on sageli täpselt need kohad, kus koefitsiendid pole veel järele jõudnud.

Esiteks vaatan meeskonna xG-trendi viimase 5-10 mängu peale, mitte ainult tabeliseisu. Meeskond, kelle tulemused on kehvad, aga xG stabiilselt hea, on sageli alahinnatud — koefitsiendid põhinevad enamasti viimastel tulemustel, mitte tegeliku mängu kvaliteedil.

Teiseks kasutan xG-d üle/alla ja Aasia hendikäpi turgudel: kui kahe meeskonna kokkuliidetud xG viimastel kohtumistel on stabiilselt kõrge, aga bookmakerite üle/alla joon ei ole sellele veel reageerinud, on see sageli value'ga koht. Sama kehtib hendikäpi puhul — kui üks meeskond domineerib xG poolest, aga hendikäpi liin on ikka veel konservatiivne, tasub sinna lähemalt vaadata.

Kolmandaks kasutan seda ka mängusiseselt (in-play) — kui meeskond on 0-0 taga, aga on juba kogunud 1.8 xG, muutub live'is pakutav üle/alla või hendikäp tihti ahvatlevaks, kuna turg reageerib enamasti skoorile, mitte mängu tegelikule käigule.

xG ei ole imevits. See ei arvesta mängu skoori mõju meeskonna käitumisele (nt kas meeskond hoiab 1-0 juhtides teadlikult tempot maha), ei arvesta individuaalse ründaja lõpetamisoskust täpselt, ega mõõda kaitsemängu kvaliteeti otseselt. Erinevad mudelid (ka minu enda oma) annavad sama löögi kohta veidi erinevaid numbreid, sõltuvalt sellest, milliseid tegureid mudel arvesse võtab.

Seepärast ei tohiks xG-d kunagi kasutada ainsa otsustusalusena — see on üks tugev tööriist teiste (koosseisud, vormid, motivatsioon, väsimus) kõrval, mitte automaatne panustamisvalem. Kombineerituna annab see aga oluliselt selgema pildi kui pelgalt tabeliseis ja viimased tulemused.