Hubo un tiempo en que el fútbol se analizaba con los ojos y poco más. Un entrenador veía el partido, un periodista describía lo que había visto y los apostadores confiaban en su instinto. Ese tiempo no ha pasado del todo, pero encima de él se ha construido una capa de datos que ha cambiado radicalmente la forma de entender el juego. En el centro de esa revolución estadística está el expected goals, una métrica que responde a la pregunta más importante del fútbol: no cuántos goles marcó un equipo, sino cuántos debería haber marcado.
El xG asigna a cada disparo una probabilidad de terminar en gol, basándose en miles de disparos históricos con características similares. Un penalti tiene un xG de aproximadamente 0.76, lo que significa que el 76% de los penaltis se convierten en gol. Un disparo desde 30 metros con un defensa delante podría tener un xG de 0.03. La suma de todos los xG de los disparos de un equipo en un partido da el total de goles esperados. Si un equipo generó ocasiones por valor de 2.4 xG pero solo marcó un gol, los datos sugieren que fue menos eficaz de lo que sus oportunidades merecían.
Para el apostador, el xG es una lente que revela lo que el marcador esconde. Los resultados de fútbol tienen una varianza enorme: un equipo puede dominar un partido, generar ocasiones claras y perder 0-1 por un contragolpe aislado. El marcador dice que perdió; el xG dice que fue el mejor equipo. A largo plazo, los equipos tienden a converger con sus cifras de xG, lo que convierte esta métrica en una herramienta predictiva mucho más fiable que los goles reales.
Cómo se calcula el xG y por qué no todos los modelos son iguales
El cálculo del xG parte de la posición del disparo en el campo. La distancia a la portería y el ángulo son las variables principales, pero los modelos más avanzados incorporan decenas de factores adicionales: si el disparo fue con la cabeza o con el pie, si procedía de un centro, de un pase filtrado o de una jugada individual, si el portero estaba posicionado o fuera de sitio, cuántos defensores había entre el balón y la portería.
No todos los modelos de xG son iguales, y esto es importante para el apostador. Los modelos básicos, como los que ofrecen gratuitamente plataformas como Understat o FBref, consideran pocas variables y tienden a ser menos precisos en situaciones complejas. Los modelos premium, como los de StatsBomb u Opta, incorporan datos de posicionamiento del portero y de los defensores, lo que les da una ventaja significativa en la estimación de disparos a quemarropa o en situaciones de contraataque.
La diferencia práctica para el apostador es que un modelo básico puede decir que un disparo dentro del área tiene un xG de 0.15, mientras que un modelo avanzado distingue entre un disparo con el portero batido (xG 0.45) y uno con el portero bien colocado y dos defensores cerrando (xG 0.06). Cuando acumulas estas diferencias a lo largo de una temporada, los modelos avanzados ofrecen una imagen mucho más precisa de la calidad real de un equipo. Si tienes acceso a datos premium, úsalos. Si no, los datos gratuitos siguen siendo infinitamente mejores que no usar xG en absoluto.
Equipos infravalorados: donde el xG detecta valor
La aplicación más directa del xG para las apuestas es identificar equipos cuyo rendimiento real no refleja su calidad subyacente. Esto ocurre en dos direcciones: equipos que están rindiendo por debajo de su xG y equipos que están rindiendo por encima.
Un equipo que genera 1.8 xG por partido pero solo marca 1.2 goles está sufriendo lo que los analistas llaman mala suerte en la finalización, o una racha de baja conversión. Estadísticamente, esta situación tiende a corregirse: los delanteros no pierden de repente la capacidad de marcar, y la regresión a la media empuja los goles reales hacia los goles esperados. Si las casas de apuestas fijan sus cuotas basándose más en los resultados recientes que en los xG, habrá valor en apostar a favor de estos equipos antes de que la corrección se refleje en los marcadores.
El escenario inverso también ofrece oportunidades. Un equipo que marca 2.3 goles por partido con solo 1.5 xG está convirtiendo a un ritmo insostenible. Quizá tiene un delantero en una racha excepcional, o quizá ha tenido suerte en situaciones de gol marginales. Las cuotas de este equipo serán más bajas de lo que deberían porque el mercado premia los goles reales, no los esperados. Apostar en contra de estos equipos, o al menos evitar apostar a su favor, es una estrategia que los datos respaldan con consistencia.
La clave está en no reaccionar a un solo partido. Un xG bajo en un encuentro aislado puede ser simplemente un partido táctico contra un rival defensivo. Necesitas acumular datos de al menos cinco o seis jornadas para que las tendencias de xG sean estadísticamente significativas y puedas distinguir la señal del ruido.
xG en mercados específicos: más allá del 1X2
El xG no solo sirve para apostar al ganador de un partido. Su aplicación se extiende a prácticamente todos los mercados de goles, y en algunos de ellos ofrece una ventaja aún mayor que en el mercado principal.
En el mercado de over/under, el xG es especialmente poderoso. Si dos equipos tienen medias de xG a favor de 1.7 y xG en contra de 1.4 respectivamente, puedes estimar un total de goles esperado para el enfrentamiento. Cuando esa estimación diverge significativamente de la línea que ofrece la casa de apuestas, has encontrado un candidato para apostar. Los modelos basados en xG predicen totales de goles con mayor precisión que los modelos basados en goles reales, precisamente porque filtran la varianza de la finalización.
En el mercado de ambos equipos marcan (BTTS), el xG también tiene mucho que decir. Si un equipo genera consistentemente más de 1.0 xG por partido y su rival concede más de 1.0 xGA, la probabilidad de que ambos marquen es elevada, independientemente de lo que digan los marcadores recientes. Este cruce de datos ofensivos y defensivos a través del xG ofrece una estimación más robusta que simplemente contar cuántos partidos terminaron con ambos equipos marcando.
El mercado de handicap asiático es otro terreno donde el xG brilla. Si un equipo tiene una diferencia de xG a favor de +1.2 por partido de media pero el mercado le da un handicap de -0.75, hay una discrepancia que puede representar valor. Los handicaps asiáticos reflejan la expectativa del mercado sobre la diferencia de goles, y si tu modelo de xG difiere significativamente de esa expectativa, tienes base estadística para apostar.
Limitaciones del xG que debes conocer
El xG es una herramienta extraordinaria, pero no es perfecta, y tratarla como una verdad absoluta es un error que cometen muchos apostadores novatos en el mundo de los datos. La primera limitación es que el xG no captura toda la historia ofensiva de un equipo. Las jugadas que terminan en pase al área pero sin disparo no generan xG. Un equipo puede dominar territorialmente, crear peligro constante y tener un xG bajo simplemente porque el rival bloqueó todos los disparos antes de que se produjeran.
La segunda limitación es la calidad del modelo. Como ya se mencionó, los modelos gratuitos son menos precisos que los premium. Pero incluso los mejores modelos tienen puntos ciegos. Las situaciones de balón parado, por ejemplo, son notoriamente difíciles de modelar con xG porque dependen de la ejecución individual y de movimientos coordinados que los datos posicionales no capturan bien. Un equipo con un gran lanzador de faltas o un juego aéreo dominante en los corners puede tener una capacidad de gol real superior a lo que su xG sugiere.
La tercera limitación es temporal. Los modelos de xG asumen que el contexto táctico se mantiene estable, pero los equipos cambian de entrenador, de sistema y de jugadores. Un equipo que generaba 2.0 xG bajo un entrenador ofensivo puede caer a 1.2 xG con un técnico más conservador. Si usas datos de xG de toda la temporada sin ponderar los más recientes, tu análisis puede estar desfasado respecto a la realidad actual del equipo. La solución es dar más peso a las últimas jornadas, idealmente las últimas seis a ocho, para capturar el estado de forma actual.
xG y las casas de apuestas: quién sabe más
Una pregunta legítima que se hacen muchos apostadores es si las casas de apuestas ya incorporan el xG en sus modelos, lo que haría inútil su uso por parte del apostador. La respuesta corta es sí, las grandes casas utilizan datos avanzados incluyendo xG. La respuesta larga es que eso no elimina tu ventaja potencial.
Las casas de apuestas fijan cuotas para un mercado masivo. Sus líneas deben equilibrar las apuestas de millones de personas, muchas de las cuales apuestan por sesgo emocional, favoritismo o inercia. Esto significa que las cuotas no reflejan solo la probabilidad estimada por la casa, sino también la percepción del público. Cuando un equipo popular pierde tres partidos seguidos a pesar de tener xG superiores, el público pierde confianza y las cuotas suben más de lo que deberían. Ahí es donde tú, armado con tu análisis de xG, puedes encontrar valor.
Además, no todos los mercados reciben la misma atención de los modeladores de las casas. El mercado 1X2 de un Real Madrid-Barcelona estará ajustado al milímetro. Pero el over/under 2.5 de un partido de segunda división holandesa puede tener ineficiencias que un modelo de xG básico detecta sin dificultad. La ventaja del apostador individual está en especializarse en nichos donde el mercado es menos eficiente y donde su análisis de xG puede marcar la diferencia.
El xG como brújula, no como mapa
Hay una tentación comprensible entre los recién convertidos al análisis de datos: creer que el xG lo explica todo. No lo hace. El fútbol es un deporte donde la calidad individual, la motivación, la presión ambiental y decenas de factores intangibles influyen en el resultado. Un jugador de clase mundial puede convertir un disparo de 0.05 xG en un golazo desde 35 metros, y lo hace con una frecuencia ligeramente superior a lo que el modelo predice, porque el modelo no sabe que ese jugador es Messi.
El xG funciona mejor como brújula que como mapa. Te señala la dirección correcta, te dice cuándo un equipo está rindiendo por encima o por debajo de lo esperable, y te ayuda a filtrar el ruido de los resultados individuales. Pero necesita compañía: el contexto táctico, las lesiones, la motivación competitiva y el conocimiento profundo de las ligas donde apuestas. El apostador que combina la frialdad del xG con la inteligencia contextual del fútbol tiene una ventaja que ni las casas de apuestas ni los modelos por sí solos pueden replicar. Y esa combinación, más que cualquier cifra aislada, es lo que separa al apostador informado del que simplemente colecciona estadísticas sin saber qué hacer con ellas.