Expected Goals (xG) gebruiken voor je weddenschappen

Er is een statistiek die de afgelopen jaren is doorgedrongen tot elke hoek van de voetbalwereld, van de analistentafel bij Studio Voetbal tot de spreadsheets van professionele wedders. Expected Goals, afgekort tot xG, meet niet wat er is gebeurd, maar wat er had moeten gebeuren. En dat verschil is precies wat het zo waardevol maakt voor iedereen die serieus nadenkt over voetbalweddenschappen.

Het idee is simpel: niet elk schot op doel is gelijk. Een strafschop levert statistisch gezien vaker een doelpunt op dan een afstandsschot vanuit een lastige hoek. Door aan elk schot een waarde toe te kennen die de kans op een doelpunt uitdrukt, krijg je een eerlijker beeld van de werkelijke kwaliteit van de kansen die een team creëert. Dat beeld wijkt regelmatig af van de eindstand, en in die afwijking liggen kansen voor de slimme wedder.

Wat xG precies is en hoe het wordt berekend

Expected Goals kent aan elk schot een waarde toe tussen 0 en 1 die de waarschijnlijkheid uitdrukt dat het schot in een doelpunt resulteert. Een strafschop heeft doorgaans een xG van ongeveer 0.76. Een schot van dichtbij na een voorzet vanuit de zijkant scoort misschien 0.35. Een afstandsschot van 25 meter uit een moeilijke hoek komt op 0.03. De som van alle schoten in een wedstrijd levert de total xG op voor elk team.

De berekening achter xG is gebaseerd op enorme datasets van historische schoten. Modellen analyseren factoren als de positie op het veld van waaruit geschoten wordt, de hoek ten opzichte van het doel, het type schot — met de voet of het hoofd — de spelomstandigheden die aan het schot voorafgingen en of het schot voortkwam uit open spel, een vrije trap of een hoekschop. Elke factor draagt bij aan de uiteindelijke xG-waarde.

Er zijn meerdere xG-modellen in omloop, en ze geven niet altijd dezelfde uitkomsten. Het model van Opta verschilt van dat van StatsBomb, dat weer verschilt van het model van Understat. De verschillen zitten in de factoren die worden meegewogen en de datasets die worden gebruikt. Voor wedders is het belangrijk om consistent een model te gebruiken en de relatieve waarden te vergelijken, niet om te discussiëren over welk model het juiste decimaal achter de komma geeft.

xG interpreteren zonder in de val te trappen

Een team dat 2.5 xG creëert en 0-0 speelt, heeft pech gehad. Een team dat 0.5 xG creëert en 3-0 wint, heeft geluk gehad. Die conclusies zijn verleidelijk maar te simplistisch. De werkelijkheid is genuanceerder dan het getal alleen suggereert.

De eerste nuance is dat xG de kwaliteit van de afmaker niet meeneemt. Een schot met een xG van 0.15 dat door een spits van wereldklasse wordt genomen, heeft in werkelijkheid een hogere slagingskans dan datzelfde schot genomen door een verdediger. Sommige geavanceerde modellen corrigeren hiervoor met post-shot xG, dat ook de plaatsing en de snelheid van het schot meeneemt, maar het standaard xG-model doet dat niet.

De tweede nuance betreft de verdeling van kansen. Een team met 2.0 xG verdeeld over twintig schoten van elk 0.10 is in een fundamenteel andere situatie dan een team met 2.0 xG verdeeld over vijf schoten van elk 0.40. De kans dat het eerste team nul doelpunten maakt, is groter dan bij het tweede team, ook al is de totale xG gelijk. Voor wedders die op over/under-markten opereren, is deze verdeling relevanter dan het totale xG-getal.

De derde nuance is het verschil tussen xG voor en xG tegen. Een team dat veel kansen creëert maar ook veel kansen weggeeft, is niet per definitie sterk — het speelt open, met alle risico’s van dien. De verhouding tussen xG voor en xG tegen, vaak uitgedrukt als xG-verschil, geeft een beter beeld van de algehele kwaliteit van een team dan de offensieve of defensieve xG alleen.

xG als thermometer voor teamvorm

Waar xG voor wedders het meest waardevol wordt, is als indicator van teamvorm die verder kijkt dan de resultaten. Resultaten zijn ruis — een team kan drie wedstrijden op rij winnen met geluk en vervolgens drie wedstrijden op rij verliezen als het geluk keert. De xG-data vertellen een stabieler verhaal.

Een team dat de afgelopen vijf wedstrijden structureel meer xG creëert dan het doelpunten maakt, wordt door de resultaten onderbetaald. De kans is groot dat de doelpunten op termijn gaan volgen, omdat de kwaliteit van de kansen erop wijst dat het team goed speelt. Omgekeerd is een team dat boven zijn xG scoort, kwetsbaar: het scoort meer dan de kwaliteit van zijn kansen rechtvaardigt, wat wijst op een regressie naar het gemiddelde.

Die regressie is de heilige graal voor xG-gebaseerde wedders. Als een team op basis van xG-data onderpresteerend is maar de markt dat nog niet heeft gecorrigeerd, bieden de quoteringen mogelijk value. Bookmakers reageren doorgaans sneller op resultaten dan op onderliggende statistieken, wat een tijdvenster creëert waarin de xG-gebaseerde wedder een informatievoorsprong heeft.

Het is cruciaal om xG over een voldoende groot aantal wedstrijden te bekijken. De xG van een enkele wedstrijd is te variabel om betrouwbare conclusies aan te verbinden. Een minimum van acht tot tien wedstrijden geeft een stabieler beeld, en een volledig halve competitie is nog betrouwbaarder. Gedurende het seizoen wordt je analyse sterker naarmate je meer datapunten verzamelt.

xG toepassen bij specifieke wedmarkten

De over/under-markt is waar xG het meest direct toepasbaar is. Door de xG van het thuisteam en de xG-against van het uitteam te combineren — en omgekeerd — kun je een verwacht doelpuntentotaal berekenen dat je vergelijkt met de lijn van de bookmaker. Als je model uitkomt op een verwachting van 3.2 doelpunten en de bookmaker biedt over 2.5 aan tegen 1.85, kun je berekenen of er value in die weddenschap zit.

De methode is niet foolproof. xG voorspelt de kwaliteit van kansen, niet het exacte aantal doelpunten. Maar over een groot aantal wedstrijden is xG een betere voorspeller van toekomstige doelpunten dan het werkelijke doelpuntengemiddelde, simpelweg omdat het minder wordt verstoord door toevalligheden. Een team dat gemiddeld 1.2 doelpunten per wedstrijd scoort maar een xG van 1.8 heeft, zal waarschijnlijk eerder richting 1.8 bewegen dan op 1.2 blijven steken.

Bij de BTTS-markt helpt xG je om teams te identificeren die regelmatig kansen creëren maar niet altijd scoren, en teams die regelmatig kansen weggeven maar niet altijd doelpunten incasseren. De combinatie van een hoog offensief xG bij het ene team en een hoog xG-against bij het andere vormt het ideale BTTS-ja-profiel. Die combinatie is objectiever dan het simpelweg kijken naar hoeveel doelpunten er gemiddeld vallen.

Bij de Asian handicap-markt is xG nuttig om de verwachte marge van overwinning in te schatten. Als het verschil in xG-productie tussen twee teams 1.3 is, heb je een startpunt voor het kiezen van de juiste handicaplijn. Een handicap van -1.5 is dan agressief maar niet onrealistisch, terwijl -0.5 conservatief is. De quotering die de bookmaker bij elke lijn biedt, bepaalt waar de value zit.

De beperkingen die je moet kennen

xG is een krachtig instrument, maar het is geen kristallen bol. De belangrijkste beperking is dat xG gebaseerd is op historische gemiddelden. Als een schot van een bepaalde positie historisch gezien in 15 procent van de gevallen een doelpunt oplevert, krijgt het een xG van 0.15. Maar de specifieke omstandigheden van dat ene schot — de vorm van de keeper, de druk op de schutter, de windrichting — worden niet meegewogen in het standaardmodel.

Een tweede beperking is dat xG de fase voor het schot niet volledig vangt. Een team dat tien keer de zestien meter bereikt maar slechts driemaal schiet, creëert meer dreiging dan het xG-getal laat zien. Omgekeerd kan een team met een hoge xG die grotendeels bestaat uit afstandsschoten na mislukte aanvallen, minder gevaarlijk zijn dan de cijfers suggereren. Geavanceerde metrieken als xT (expected threat) proberen dit gat te dichten door de waarde van balposities te meten, niet alleen van schoten.

De derde beperking is het gebrek aan context. xG vertelt je niets over de wedstrijdsituatie op het moment van het schot. Een team dat met 3-0 voorstaat en in de slotfase wat ongedwongen schoten lost, creëert xG die de werkelijke dreiging overschat. Een team dat achterstand loopt en alles naar voren gooit, creëert kansen tegen een verdediging die ruimtes weggeeft — maar die kansen zijn niet representatief voor het gemiddelde niveau van het team.

Tot slot is er de kwestie van datakwaliteit. Niet alle competities worden even nauwkeurig bijgehouden. De Premier League en de Bundesliga hebben uitstekende xG-data, maar bij kleinere competities of bekertoernooien kan de kwaliteit van de onderliggende data lager zijn. Gebruik xG bij voorkeur voor competities waar je vertrouwen hebt in de bron en waar voldoende datapunten beschikbaar zijn.

Het doelpunt dat niet bestond

Er is een eigenaardig fenomeen in het voetbal dat xG-analisten het beste begrijpen: het doelpunt dat volgens alle logica had moeten vallen, maar niet viel. De spits staat alleen voor de keeper, de hoek is open, de xG van het schot is 0.62 — en de bal gaat naast. Op dat moment schreeuwt het stadion, steunt de trainer het hoofd in zijn handen en kijkt de xG-analist tevreden naar zijn spreadsheet. Want de kans was er. Dat het doelpunt niet viel, verandert niets aan de kwaliteit van de kans.

Die scheiding tussen proces en uitkomst is de kern van wat xG wedders leert. Een goede weddenschap is niet een weddenschap die wint. Een goede weddenschap is een weddenschap die op basis van de beschikbare informatie een positieve verwachte waarde had op het moment dat je hem plaatste. Net zoals een goed schot niet per definitie een doelpunt is, is een goede bet niet per definitie een winnaar.

Wie met xG werkt, leert om resultaten los te zien van beslissingen. Je team creëerde 3.1 xG en scoorde een keer — dat is pech, geen slechte aanval. Je weddenschap op over 2.5 verloor omdat het bij 1-1 bleef ondanks een verwacht totaal van 3.4 doelpunten — dat is variantie, geen slechte analyse. Die mentaliteit beschermt je tegen de emotionele reacties die veel wedders in de problemen brengen: de neiging om na een verlies je strategie te wijzigen, je inzet te verhogen of je vertrouwen in je methode te verliezen.

xG is uiteindelijk niet meer en niet minder dan een lens. Het verandert niet wat er op het veld gebeurt, maar het verandert hoe je ernaar kijkt. En voor wedders is hoe je kijkt minstens zo belangrijk als wat je ziet.