Available in USContenido
La primera vez que vi una tabla de xG, pense que era otra estadística de moda que desapareceria en dos temporadas. Eso fue en 2018. Hoy, los Expected Goals son la herramienta más valiosa que tengo para detectar valor en las cuotas de la Premier League. No porque sean magicos, sino porque miden algo que los resultados no capturan: la calidad de las ocasiones que genera y concede un equipo, independientemente de si el balón entro en la red.
Aplicación Práctica del xG para Apuestas Rentables
El xG – Expected Goals, o Goles Esperados – asigna una probabilidad a cada disparó basándose en factores como la posición del tiro, el ángulo, la distancia a la portería, el tipo de jugada (centro, contraataque, balón parado) y si el tiro es con el pie o con la cabeza. Un penalti tiene un xG de aproximadamente 0.76 (76% de probabilidad de gol). Un disparó desde 30 metros con un defensa delante tiene un xG de 0.03 (3%).
La suma de todos los xG de un equipo en un partido te da los «goles esperados» de ese equipo. Si Liverpool genera un xG de 2.4 y el rival genera 0.8, Liverpool debería haber ganado por 2.4 a 0.8 en un mundo donde la finalización fuera exactamente promedio. Si el resultado real fue 1-1, Liverpool tuvo mala suerte en la finalización. Si fue 4-0, tuvo buena suerte.
Para el apostador, el xG revela algo que el marcador no dice: la verdad subyacente del partido. Un equipo que gana pero con un xG inferior al del rival esta «sobreperformando» – ganando más de lo que sus ocasiones justifican. Estadísticamente, ese equipo va a regresar a la media. Sus resultados futuros serán peores que sus resultados actuales. Y si las cuotas se basan en los resultados actuales (que es lo que hace la mayoría del publicó apostador), las cuotas de ese equipo están artificialmente comprimidas.
Diferencial xG: detectar equipos que rinden por encima o debajo de lo esperado
El diferencial xG – la diferencia entre el xG a favor y el xG en contra de un equipo – es la metrica que más uso para evaluar apuestas outright y de partido. Liverpool lideró la Premier 2024-2025 con 468 tiros a puerta, lo que se traduce en un xG a favor elevado. Pero lo que realmente me interesa es si ese xG se tradujo en goles de forma proporcional o si Liverpool estuvo por encima o por debajo de lo esperado.
Cuando un equipo tiene un diferencial xG muy positivo pero una diferencia de goles real aún mayor, está en territorio de sobreperformance. Eso puede deberse a un portero excepcional, a un delantero en una racha irrepetible, o simplemente a buena suerte. En cualquier caso, la probabilidad de que ese rendimiento se mantenga es baja. Y si las cuotas pretemporada se basan en los resultados finales sin ajustar por xG, están inflando al equipo en cuestión.
El escenario inverso es igual de valioso. Un equipo con buen diferencial xG pero malos resultados – muchos empates a pesar de dominar, derrotas pese a generar más ocasiones – está infravalorado por el mercado. Sus cuotas son más altas de lo que deberían ser, porque el mercado ve los resultados y no las ocasiones. Esos equipos son los candidatos clásicos a mejorar sus números la temporada siguiente, y sus cuotas de pretemporada suelen ofrecer valor genuino.
He desarrollado un filtro simple que aplico cada agosto: si un equipo terminó la temporada anterior con una diferencia de 5+ goles entre sus goles reales y sus xG (en cualquier dirección), lo marcó como candidato a regresión. Si sobreperformó, su cuota actual está demasiado baja. Si infraperformó, su cuota está demasiado alta. Este filtro no es perfecto – hay equipos con finalizadores de elite que sostienen la sobreperformance durante años –, pero como primer filtro de valor, funciona sorprendentemente bien.
Fuentes de datos xG y cómo integrarlos en tu análisis
Hay varias fuentes publicas y gratuitas de datos xG para la Premier League. Sitios como FBref, Understat y Football xG proporcionan datos por partido, por equipo y por jugador. No necesitas una suscripción de pago para acceder a los datos básicos – los gratuitos son suficientes para el tipo de análisis que he descrito. Lo que si recomiendo es ser constante: revisar los xG una vez por semana es más útil que hacer un análisis profundo una vez al mes.
El dato que el 48% de los partidos de la Premier terminan Over 2.5 goles adquiere una dimensión nueva cuando lo cruzas con xG. Si la suma de xG de ambos equipos en un partido histórico directo supera los 2.8, pero el mercado ofrece Over 2.5 a cuotas de 1.90 o más (qué implican menos del 53% de probabilidad), puede haber una discrepancia aprovechable. El xG te permite ir más allá de los promedios generales y evaluar cada enfrentamiento específico.
Mi rutina semanal incluye 15 minutos el lunes revisando los xG del fin de semana anterior. Busco dos cosas: equipos que ganaron con un xG claramente inferior al rival (para apostar en contra en su proximo partido si las cuotas no se han ajustado) y equipos que perdieron pese a un xG superior (para apostar a su favor la siguiente jornada). No todas las semanas aparecen oportunidades, pero cuando aparecen, el valor suele ser significativo.
El xG no es una bola de cristal. No predice el resultado de un partido individual con precisión. Pero sobre una muestra de 10-20 partidos, los equipos tienden a alinearse con sus números de xG. Y ese horizonte temporal de 10-20 partidos es exactamente el que maneja un apostador que busca valor consistente a lo largo de la temporada de la Premier League.
¿Dónde puedo consultar los datos xG de la Premier League de forma gratuita?
FBref, Understat y Football xG son las fuentes más completas y gratuitas. Ofrecen datos por partido, por equipo y por jugador, actualizados regularmente. Para la mayoría de apostadores, estas fuentes gratuitas proporcionan toda la información necesaria para integrar el xG en su análisis.
¿El xG funciona mejor para apuestas de partido o para mercados a largo plazo?
Funciona bien en ambos, pero con enfoques diferentes. Para apuestas de partido, el xG reciente te ayuda a detectar equipos que sobreperforman o infraperforman. Para mercados a largo plazo, el diferencial xG de la temporada completa es un predictor más fiable de rendimiento futuro que la clasificación final.
