Expected Goals (xG): Guida per Scommettitori sul Calcio

Perché gli xG Sono il Dato Più Importante per lo Scommettitore

I risultati mentono. Una squadra può vincere cinque partite di fila segnando gol fortunati e subendo tiri che avrebbero dovuto entrare. Un’altra può perderne tre producendo il doppio delle occasioni dell’avversario. I risultati ti dicono com’è andata. Gli Expected Goals ti dicono com’è andata davvero — in termini di qualità delle occasioni create e concesse.

Per lo scommettitore, questa distinzione è tutto. Le quote dei bookmaker reagiscono ai risultati — una serie di vittorie abbassa la quota, una serie di sconfitte la alza. Ma se quei risultati non riflettono la qualità del gioco sottostante, le quote sono disallineate rispetto alla realtà. E ogni disallineamento tra prezzo e probabilità reale è un’opportunità.

Gli xG sono diventati lo standard dell’analisi calcistica moderna non per moda, ma perché funzionano. Studi accademici e analisi dei bookmaker stessi hanno dimostrato che gli xG sono un predittore del rendimento futuro significativamente più accurato dei gol effettivi. In altre parole: se vuoi sapere quanti gol segnerà una squadra nelle prossime dieci partite, guardare gli xG delle ultime dieci è più affidabile che guardare i gol segnati.

Questo non significa che gli xG siano infallibili. Hanno limiti reali e importanti, che vedremo. Ma come strumento singolo per valutare la forza offensiva e difensiva di una squadra, nel 2026 non esiste nulla di meglio accessibile gratuitamente.

Come Si Calcolano gli xG: il Modello Dietro il Numero

Il principio è semplice: ogni tiro effettuato nella storia del calcio tracciato dai provider di dati ha un esito — gol o non gol. Analizzando centinaia di migliaia di tiri, i modelli di xG calcolano la probabilità che un tiro da una determinata posizione, in un determinato contesto, si trasformi in rete. Quella probabilità è il valore xG del tiro.

La posizione è il fattore più importante. Un tiro dal centro dell’area piccola, a sei metri dalla porta, ha un xG intorno a 0.35-0.50 — in media, quel tiro diventa gol una volta su due o tre. Un tiro dal limite dell’area, a venti metri, ha un xG di 0.03-0.06 — meno di un gol ogni venti tentativi. La distanza e l’angolo rispetto alla porta determinano la maggior parte del valore xG.

Ma il modello non si ferma alla posizione. I provider più sofisticati — StatsBomb, Opta, InfoGol — integrano variabili aggiuntive: il tipo di azione che precede il tiro (passaggio filtrante, cross, contropiede), la parte del corpo usata (piede, testa), se il tiratore era sotto pressione di un difensore, se il portiere era piazzato o fuori posizione, e persino la velocità dell’azione. Ogni variabile aggiuntiva raffina la stima.

Il risultato è un numero tra 0 e 1 per ogni tiro. Un rigore vale circa 0.76 xG — il 76% dei rigori viene convertito storicamente. Un colpo di testa su cross dal fondo vale circa 0.06. Un’occasione a tu per tu dopo un contropiede può valere 0.45. La somma degli xG di tutti i tiri di una squadra in una partita dà il totale xG della partita — il numero di gol che quella prestazione avrebbe prodotto in media.

Un dettaglio tecnico che fa la differenza: i modelli di xG non sono tutti uguali. StatsBomb include variabili come la posizione del portiere e il “freeze frame” — la posizione di tutti i giocatori al momento del tiro. Modelli più semplici considerano solo posizione e tipo di azione. Per lo scommettitore, la differenza pratica è marginale: qualsiasi modello xG di un provider affidabile è migliore della semplice conta dei tiri. Ma se hai accesso a più fonti, confrontare i valori può rivelare discrepanze interessanti.

Usare gli xG per Trovare Valore: Overperformance e Regressione

L’applicazione più potente degli xG per le scommesse è l’identificazione dell’overperformance e dell’underperformance. Se una squadra ha segnato 25 gol in 15 partite ma ha prodotto solo 18 xG, sta sovraperformando — i suoi attaccanti stanno convertendo occasioni a un tasso superiore alla media storica. Questa sovraperformance è raramente sostenibile: nel medio termine, i gol tendono a regredire verso il valore indicato dagli xG.

Per lo scommettitore, una squadra in overperformance offensiva è una trappola. I risultati recenti la fanno apparire più forte di quanto sia realmente, e le quote riflettono quei risultati gonfiati. Quando la regressione colpisce — e colpisce quasi sempre — la squadra inizia a pareggiare o perdere partite che “avrebbe dovuto” vincere, e le quote non si sono ancora aggiustate.

Il ragionamento inverso vale per l’underperformance. Una squadra che produce 2.0 xG a partita ma segna solo 1.2 sta creando occasioni di qualità senza concretizzarle. I motivi possono essere la sfortuna, la forma del portiere avversario, o una fase di scarsa finalizzazione. Ma se la produzione offensiva — misurata dagli xG — resta alta, i gol arriveranno. Puntare su quella squadra prima che il mercato si corregga è una delle applicazioni più dirette del value betting basato sugli xG.

Lo stesso principio si applica alla difesa. Una squadra che concede pochi gol ma ha un xGA (Expected Goals Against) alto sta beneficiando di portieri in stato di grazia o di varianza favorevole. Quando la regressione arriva, quella difesa “solida” inizia a subire gol, e le partite over diventano più probabili di quanto le quote pre-regressione suggeriscano.

I Limiti degli xG: Cosa Non Ti Dicono

Il limite più discusso è la qualità del tiratore. I modelli xG standard assegnano lo stesso valore a un tiro dal limite dell’area indipendentemente da chi lo effettua. Ma un tiro di un centravanti d’élite non ha la stessa probabilità di finire in rete di un tiro di un difensore centrale. Alcuni giocatori sovraperformano consistentemente gli xG perché hanno una qualità di finalizzazione superiore alla media — e questo non è varianza, è abilità. Il problema è distinguere abilità replicabile da fortuna temporanea, e per farlo servono campioni di centinaia di tiri.

Analogamente, i portieri di alto livello sottoperformano consistentemente gli xGA — parano tiri che statisticamente dovrebbero entrare. Anche qui, la distinzione tra abilità e varianza richiede campioni ampi. Ma il punto resta: gli xG trattano tutti i tiratori e tutti i portieri come intercambiabili, il che introduce un margine di errore sistematico su squadre con individualità eccezionali.

Un secondo limite è che gli xG non catturano la qualità delle occasioni non create. Se una squadra domina il possesso ma non riesce mai a entrare in area, il suo xG sarà basso nonostante un dominio territoriale evidente. Gli xG misurano ciò che succede quando si tira, non la capacità di arrivare al tiro. Per un’analisi completa, vanno integrati con metriche come i passaggi progressivi e i tocchi in area avversaria.

Infine, gli xG sono un modello — non la realtà. Come ogni modello, semplificano. Non tengono conto del vento, della pioggia, della stanchezza al novantesimo minuto, del fatto che la squadra stava proteggendo un vantaggio anziché cercare il gol. Sono lo strumento migliore disponibile, non uno strumento perfetto. Usarli con questa consapevolezza è ciò che separa l’analista dallo statistico ingenuo.

Lo Strumento Migliore È Quello Che Usi Bene

Gli xG non sono una formula magica. Non ti diranno chi vincerà la prossima partita, non elimineranno la varianza, non trasformeranno automaticamente le tue scommesse in profitto. Sono uno strumento — il migliore disponibile per misurare la qualità offensiva e difensiva di una squadra al di là del rumore dei risultati.

Usali per identificare squadre che stanno sovra o sottoperformando. Confronta gli xG con i gol reali per trovare situazioni dove la regressione verso la media creerà valore nelle quote. Integra gli xG con le statistiche base e il contesto della partita per costruire stime più accurate delle probabilità. E ricorda che il vantaggio non sta nel dato in sé, ma nella capacità di leggerlo meglio del mercato.

Nel 2026, ignorare gli xG equivale a scommettere con un occhio chiuso. Non garantiscono la vittoria, ma allargano il campo visivo in modo decisivo.