xG Apuestas Fútbol
Pocas métricas han transformado tanto el análisis del fútbol en la última década como los Expected Goals, conocidos universalmente por su abreviatura xG. Lo que empezó como una herramienta académica utilizada por un puñado de analistas se ha convertido en un dato que aparece en las retransmisiones televisivas, en las ruedas de prensa de los entrenadores y, por supuesto, en las hojas de cálculo de los apostadores más metódicos. Pero que una métrica sea popular no significa que se entienda bien. La mayoría de las personas que citan los xG en redes sociales o en conversaciones de bar no saben realmente qué miden, cómo se calculan ni cuáles son sus limitaciones. Y en el mundo de las apuestas, usar mal una herramienta puede ser peor que no usarla en absoluto.
Los xG ofrecen algo que el marcador final no puede dar: una medida objetiva de lo que debería haber ocurrido en un partido basándose en la calidad de las ocasiones generadas. Un equipo puede ganar 1-0 con un solo disparo a puerta mientras su rival genera quince ocasiones claras. El marcador dice una cosa; los xG dicen otra. Para el apostador, esa discrepancia entre resultado real y rendimiento esperado es una mina de información que, bien explotada, puede revelar equipos sobrevalorados, equipos infravalorados y tendencias que el mercado aún no ha corregido.
Qué miden exactamente los xG
Los Expected Goals asignan a cada disparo una probabilidad de terminar en gol, basándose en características de la jugada que se registran mediante datos de tracking. Los factores principales que determinan el valor xG de un disparo incluyen la distancia a la portería, el ángulo de tiro, la parte del cuerpo utilizada, el tipo de jugada previa (centro, pase filtrado, contraataque, balón parado) y si el portero estaba posicionado o no.
Un penalti, por ejemplo, tiene un valor xG de aproximadamente 0.76, lo que refleja que se convierten en gol alrededor del 76% de las veces. Un disparo desde el borde del área con ángulo abierto puede tener un xG de 0.08, y un remate de cabeza a bocajarro tras un centro al segundo palo puede alcanzar 0.45. La suma de todos los xG de un equipo en un partido da el total de goles que se esperaría que marcase con esas ocasiones si cada disparo se repitiese miles de veces en condiciones similares.
Es fundamental entender que los xG no predicen el resultado de un partido concreto. Predicen lo que debería ocurrir en promedio. Si un equipo genera 2.3 xG en un partido, no significa que vaya a marcar exactamente 2.3 goles (algo físicamente imposible, además). Significa que, con esas ocasiones, marcaría una media de 2.3 goles si el partido se repitiese muchas veces. En un partido concreto puede marcar cero, uno, tres o cinco. La varianza existe y es inevitable. Pero a lo largo de muchos partidos, los xG tienden a converger con los goles reales, y las desviaciones sostenidas apuntan a algo relevante.
La discrepancia entre xG y goles reales: la señal clave
El verdadero poder de los xG para las apuestas no reside en la métrica bruta sino en la diferencia entre los xG acumulados y los goles realmente anotados o encajados. Esta discrepancia, conocida informalmente como xG difference o xG overperformance/underperformance, es la señal que el apostador debe buscar.
Cuando un equipo lleva diez jornadas marcando significativamente más goles que los que indican sus xG, hay dos explicaciones posibles. La primera es que el equipo tiene un definidor excepcional que convierte en gol ocasiones de baja probabilidad de forma consistente. Esto existe —jugadores como Messi o Lewandowski han superado sus xG de forma sostenida durante años—, pero es raro y se limita a un puñado de delanteros de élite. La segunda explicación, mucho más frecuente, es que el equipo está teniendo suerte y su rendimiento goleador acabará regresando hacia la media que indican sus xG.
Para el apostador, identificar equipos cuyo rendimiento se desviará probablemente de los xG es una fuente de valor. Un equipo que ha ganado varios partidos con marcadores ajustados pese a generar pocos xG está probablemente sobrevalorado por el mercado, porque las cuotas reflejan los resultados recientes más que el rendimiento subyacente. Del mismo modo, un equipo que encadena derrotas pero genera xG elevados puede estar infravalorado: su juego es bueno, pero la conversión no le acompaña. Las cuotas de un equipo así suelen ser más altas de lo que su calidad real merece, lo que crea oportunidades para el apostador que mira más allá de la clasificación.
El análisis inverso también funciona. Los xG defensivos —los goles esperados que genera el rival en cada partido— permiten evaluar la solidez real de una defensa. Un equipo que lleva cinco porterías a cero consecutivas pero concede 1.5 xG por partido está viviendo de la suerte o de un portero en estado de gracia. Ambas cosas tienden a normalizarse con el tiempo, y el apostador que lo detecta antes que el mercado tiene ventaja.
Cómo integrar los xG en tu análisis de apuestas
Usar los xG de forma efectiva requiere algo más que consultar un número antes de apostar. La métrica necesita contexto, y aplicarla mecánicamente puede llevar a conclusiones erróneas. El primer paso es elegir bien la fuente de datos. No todos los proveedores de xG utilizan el mismo modelo, y las diferencias pueden ser significativas. Plataformas como Understat, FBref (que utiliza datos de StatsBomb) y Opta ofrecen datos xG con metodologías distintas. Lo importante no es cuál es la más exacta en términos absolutos, sino ser consistente: elegir una fuente y usarla siempre para que las comparaciones entre equipos y entre temporadas sean coherentes.
El segundo paso es mirar los xG en muestras suficientemente amplias. Los xG de un partido concreto son muy ruidosos y apenas tienen valor predictivo por sí solos. Un equipo puede generar 3.5 xG en un partido porque tuvo tres penaltis y un error garrafal del portero rival, algo que difícilmente se repetirá. La potencia de los xG emerge cuando se analizan tendencias de al menos ocho o diez partidos, donde los patrones empiezan a estabilizarse y las anomalías puntuales se diluyen. Para el apostador, esto significa que los xG son más útiles a partir de la jornada diez de una temporada que en las tres primeras.
El tercer paso, y probablemente el más importante, es cruzar los xG con otros indicadores. Los xG miden la calidad de las ocasiones, pero no capturan todo lo relevante. No tienen en cuenta quién ejecuta el disparo (un xG de 0.15 es muy diferente si lo tira un delantero de élite o un defensa central), ni la presión del rival sobre el disparador, ni el estado emocional del partido. Complementar los xG con datos de posesión en campo rival, pases al último tercio, centros al área y secuencias de pases progresivos ofrece una imagen más completa del rendimiento real de un equipo.
Limitaciones de los xG que todo apostador debe conocer
Los xG son una herramienta poderosa, pero no son infalibles, y la comunidad de apuestas a veces los trata con una reverencia que no merecen del todo. Hay varias limitaciones importantes que conviene tener presentes para no caer en una confianza excesiva.
La primera limitación es que los modelos xG no capturan la calidad del ejecutor. Un disparo desde una posición idéntica tiene el mismo xG independientemente de si lo ejecuta el máximo goleador de la liga o un lateral que nunca marca. En la práctica, esto significa que los equipos con delanteros de élite tenderán a superar sus xG de forma consistente, y los modelos no lo recogen. Algunos proveedores han desarrollado variantes como los Post-Shot xG, que incorporan la colocación del disparo, pero incluso estos tienen limitaciones.
La segunda limitación es la sensibilidad a los penaltis. Un penalti aporta aproximadamente 0.76 xG de golpe, lo que puede distorsionar la lectura de un partido entero. Si un equipo genera 2.0 xG en un partido y 0.76 provienen de un penalti dudoso, su dominio real del juego es mucho menor de lo que sugiere la cifra global. Separar los xG de penalti de los xG de jugada abierta —lo que se conoce como npxG (non-penalty xG)— da una imagen más limpia del rendimiento ofensivo desde el juego.
La tercera limitación afecta a las jugadas a balón parado. Los modelos xG tienen más dificultad para calibrar la calidad de las ocasiones en córners, faltas laterales y saques de falta directos, porque estos eventos tienen menor volumen de datos y mayor variabilidad contextual. Un equipo que genera muchas ocasiones en balón parado puede tener xG inferiores a lo que su peligro real sugiere, y esto es algo que el apostador debe complementar con observación directa o con métricas específicas de balón parado.
El xG como brújula, no como GPS
Existe una tentación comprensible de tratar los xG como una verdad revelada que permite predecir el futuro con precisión quirúrgica. No es así. Los xG son una brújula: señalan una dirección general que, en la mayoría de los casos, resulta correcta a lo largo de muestras amplias. Pero no son un GPS que indique el resultado exacto del próximo partido. El apostador que confunde la brújula con el GPS acaba tomando decisiones rígidas basadas en un solo número, sin matizar ni contextualizar.
La forma más honesta y productiva de usar los xG es como un filtro de primera línea. Antes de analizar un partido en profundidad, los xG te dicen si un equipo rinde mejor o peor de lo que sugieren sus resultados. Esa información te ahorra tiempo y te orienta hacia donde mirar con más detalle. Pero la decisión final de apostar debe incorporar todo lo que los xG no miden: el contexto del partido, el estado anímico, las bajas, el perfil táctico del rival y la propia cuota ofrecida por el mercado. Los apostadores que mejores resultados obtienen con los xG no son los que más fe ciega depositan en ellos, sino los que saben exactamente dónde acaba su utilidad y empieza la del análisis humano. Y esa frontera, curiosamente, es más difusa de lo que cualquier modelo matemático admitiría.