Δώρα* Χωρίς Κατάθεση! 
Γενικότερα το ποδόσφαιρο είναι το άθλημα που έχει τη μεγαλύτερη πιθανότητα να είναι “άδικο”, εφόσον είναι πιο εύκολο για μια μικρότερη ή πιο άτεχνη ομάδα να κερδίσει έναν μεγάλο αντίπαλο. Ειδικότερα αν μιλάμε για μια μόνο αναμέτρηση μεταξύ δυο εντελώς άνισων ποιοτικά ομάδων, όλοι ξέρουμε πως μπορεί κάλλιστα η μικρή ομάδα να παίζει παθητικά σε όλο το ματς, να αντέχει στη πολιορκία και με μια και μόνο φάση να κλέψει τη νίκη.
Ένα τελικό σκορ λοιπόν ή οι βαθμοί μιας ομάδας σε ένα πρωτάθλημα μπορεί να μη λένε την αλήθεια, επειδή ακριβώς είναι πολλοί παράγοντες που εμπλέκονται. Πέρα απ την ποιότητα και τεχνική κάθε παίκτη, υπάρχει η ομαδική απόδοση, η καθαρή τύχη στα τερτίπια της μπάλας, ο διαιτητής, μια έμπνευση του προπονητή ή ενός παίκτη και πράγματα που πολλές φορές περνάνε απαρατήρητα.
Προφανώς στο τέλος μετράει τι έγινε στη πραγματικότητα και ποιος έβαλε το γκολ ή κέρδισε, ωστόσο κάπου εδώ έρχονται τα Expected Stats και η προηγμένη στατιστική να διαφωνήσουν.
Τι είναι τα Expected Stats (xStats);
Τα Expected Stats είναι με μια φράση “ο αδέκαστος κριτής” που θα υποδείξει ποιος αξίζει τι. Με βάση τη καθαρή στατιστική και τα μοντέλα ανάλυσης των πιθανοτήτων, μπορούν να υποδείξουν ποιος είναι καλύτερος παίκτης /ομάδα και ποιος είναι απλά τυχερός.
Με λίγα λόγια τα Στατιστικά αυτά κρίνουν την απόδοση αντί για το αποτέλεσμα. Δεν κοιτάνε ποιος σκόραρε ή κέρδισε στην πραγματικότητα, αλλά ποιος έπρεπε να σκοράρει ή να κερδίσει, βάση της καθαρής του απόδοσης. Η λογική εδώ δηλαδή είναι πως όλοι είναι ίσοι ποιοτικά, δεν υπάρχει ο παράγοντας τύχη και όλες οι παράμετροι είναι ίδιες και ίσες για όλους.
Κάπως έτσι υπολογίζεται πρώτον πόσα γκολ έπρεπε να βάλει κάποιος (xGoals υπέρ), πόσα να δεχθεί (xGoals κατά) και στο τέλος φυσικά ποιος έπρεπε να κερδίσει δίνοντας του την πιθανότητα πόντων που άξιζε (xPoints).
Πως υπολογίζονται τα Expected Goals (xG);
Η μέθοδος υπολογισμού για τα Αναμενόμενα Γκολ (xGoals) ορίζει πως όλα τα σουτ που γίνονται έχουν μια ξεχωριστή πιθανότητα να μπουν γκολ, ανάλογα τη θέση απ την οποία γίνονται και το πόσο απλό είναι το σουτ που πρέπει να γίνει από εκεί (φάλτσα, δύναμη, πόδια ή σώματα παικτών, προσπάθεια άνετος ή μετά από τρίπλα κλπ). Φυσικά για να ξέρει ο υπολογιστής να κρίνει τη δυσκολία αυτή, έχουν χρησιμοποιηθεί βάσεις δεδομένων από εκατομμύρια σουτ, ώστε βάση ιστορικού να προκύπτουν και οι απαραίτητες πιθανότητες.
Παρακάτω θα αναφέρω κάποια παραδείγματα με εικονικά τυχαία νούμερα, ώστε να γίνουν πιο κατανοητά όλα αυτά. Υποθετικά ένα σουτ απ τη μια εστία στην άλλη έχει τιμή 0.001 στα xG, ενώ ένα σουτ “μόνος με το τέρμα” όπως λέμε ορίζεται μέχρι και 0.99. Αν κάποιος κάνει ένα σουτ από το ύψος του πέναλτι, τότε αυτό θα έχει xG 0.70, αν το σουτ γίνει εκτός περιοχής θα έχει 0.10, αν είναι από τη γωνία της περιοχής θα πέσει μάλλον στο 0.05, ενώ αν είναι απ τα 30 μέτρα τότε ας πούμε ότι θα πέσει στο 0.01 και πάει λέγοντας. Βλέπουμε λοιπόν πως η θέση απ την οποία γίνεται ένα σουτ επηρεάζει πολύ και άμεσα την τιμή ενός Expected Goal.
Πιο αναλυτικές πληροφορίες για τα xGoals μπορείτε να δείτε και εδώ
Πάμε τώρα σε παραδείγματα με βάση τη δυσκολία του σουτ απ την εκάστοτε θέση. Έστω ότι ένας παίκτης σουτάρει απ την θέση του πέναλτι στο παράδειγμα μας, όπου είπαμε υποθετικά πως έχει xG με τιμή 0.70. Αν αυτό είναι μια εκτέλεση ποινής πέναλτι, τότε προφανώς η τιμή θα ανέβαινε στο 0.85 γιατί είναι εντελώς μόνος με αντίπαλο τον τερματοφύλακα. Αν όμως κάνει σουτ από κει μετά από πάσα συμπαίκτη του και έχει και αμυντικό μπροστά του ή δίπλα του να τον ενοχλεί, τότε αυτόματα η τιμή πέφτει στο 0.35. Αντίστοιχα, αν πρέπει να κάνει τρίπλα σε κάποιον και μετά χωρίς καλή ισορροπία να σουτάρει τότε η τιμή του θα πέσει κι άλλο.
Άλλα παραδείγματα που αυξομειώνουν την τιμή των xGoals είναι για παράδειγμα η ποιότητα του σουτ που απαιτείται. Χαμηλότερη τιμή θα έχουμε για ένα απευθείας φάουλ δηλαδή σε σχέση με ένα σουτ στη κίνηση, μιας και το πρώτο απαιτεί ιδιαίτερη ικανότητα και οι πιθανότητες να μπει γκολ είναι λιγότερες. Επίσης αν ο τερματοφύλακας είναι σε καλή θέση παίζει μεγάλο ρόλο. Όπως είναι λογικό, αν σουτάρεις από μακριά έχεις κάτω από 0.10 τιμή στα xGoals, όμως στη περίπτωση που ο τερματοφύλακας βρίσκεται εντελώς εκτός θέσης, τότε οι πιθανότητες σου είναι μεγαλύτερες και θα σου δώσει ο υπολογιστής ένα 0.20 λόγου χάρη.
Το πιο βασικό σε όλα αυτά τα παραδείγματα είναι πως πουθενά δε μιλήσαμε για το ΠΟΙΟΣ σουτάρει και πόσο καλός είναι αυτός ή ο αντίπαλος τερματοφύλακας/αμυντικός κλπ. Όπως εξήγησα άλλωστε και στην αρχή, τα Expected Goals είναι 100% δίκαιος κριτής και θεωρείται σε κάθε τιμή πως σουτάρει ο ίδιος εικονικός παίκτης με τις ίδιες εικονικές συνθήκες. Επομένως, όταν ένα σουτ ορίζεται με τιμή 0.58 στα xGoals, αυτό δεν αυξάνεται αν το κάνει ο Χάαλαντ για παράδειγμα, ούτε μειώνεται αν το κάνει ένας παίκτης ερασιτεχνικού.
Τέλος, αναφέροντας κι ένα πραγματικό παράδειγμα, θα σας παραπέμψω στο γκολ που έβαλε πρόσφατα ο Γκουντογκάν της Σίτι στον τελικό κυπέλλου απέναντι στη Γιουνάιτεντ. Για όσους δεν το είδαν να εξηγήσω ότι η μπάλα πήγε με λόμπα προς τον Γκουντογκάν που ήταν εκτός περιοχής και αυτός πριν σκάσει κάτω η μπάλα έπιασε ένα σουτ στη κίνηση και την έστειλε με δύναμη “στο γάμα”. Αυτό το γκολ έδειξε 0.02 xG, πράγμα που σημαίνει ότι από εκείνη ακριβώς τη θέση και με εκείνον ακριβώς τον τρόπο, ανεξάρτητα ποιος θα εκτελέσει, οι πιθανότητες λένε πως αν γίνει 100 φορές το ίδιο σουτ θα μπει γκολ μόλις τις 2.
Πως υπολογίζονται τα Expected Points (xP);
Το μοντέλο των Αναμενόμενων Βαθμών ξεκινάει απ την ύπαρξη και μελέτη των Expected Goals. Σε ένα γενικό πλαίσιο τα Expected Points δείχνουν πόσους βαθμούς άξιζε μια ομάδα από έναν αγώνα, ανάλογα με το πόσα xGoals δημιούργησε η επίθεση της και πόσα xGoals δέχθηκε η άμυνα της. Για παράδειγμα αν κάνει κάποια ομάδα 6 σουτ που αξίζουν 0.2 xGoals το τελικό της αποτέλεσμα σε xGoals θα είναι το 1.20, που υποθετικά σημαίνει πως θα έπρεπε να έχει βάλει τουλάχιστον ένα γκολ.
Όταν τελειώσει ο αγώνας, τα xGoals κάθε ομάδας σε επίθεση και άμυνα περνιούνται σε έναν προσομοιωτή. Ο υπολογιστής στη συνέχεια προσομοιώνει το ματς με αυτά ακριβώς τα δεδομένα μερικές χιλιάδες φορές (!!) και καταλήγει στις πιθανότητες νίκης της κάθε ομάδας. Σε ένα πραγματικό παράδειγμα, αν η πιθανότητα μιας ομάδας μετά από χιλιάδες προσομοιώσεις είναι 18.9% και της αντίπαλης 45.1%, τότε αυτό μεταφράζεται σε 0.9 xPoints για τη πρώτη ομάδα και 1.7 xPoints για τη δεύτερη.
Το μέγιστο xP ενός αγώνα είναι φυσικά το 3 και το ελάχιστο το 0, όμως και τα δυο είναι ανέφικτα νούμερα. Στη μια περίπτωση, πρέπει μια ομάδα να κάνει γκολ ΟΛΑ τα σουτ που θα επιχειρήσει και ταυτόχρονα να μη δεχθεί ΚΑΝΕΝΑ σουτ για να πάρει ένα καθαρό 3 στα xP. Απ την άλλη, για να πάρει κανείς 0 xP θα πρέπει να δεχθεί γκολ απ όλα τα σουτ που θα γίνουν απ τον αντίπαλο, ενώ ταυτόχρονα δε θα καταφέρει καν να σουτάρει στον αγώνα! (τα μεγαλύτερα xP που παρατηρούνται είναι 2.1 ως 2.8 και τα μικρότερα xP από 0.1 ως 0.5)
Όπως και στα xGoals, έτσι κι εδώ τα xPoints δείχνουν πόσους βαθμούς άξιζε πραγματικά μια ομάδα βάση της απόδοσης της, άσχετα με το τι έγινε στη πραγματικότητα. Είναι γνωστό πως δεν κερδίζει πάντα ο καλύτερος, οπότε θα πούμε ξανά πως για να υπολογιστούν τα xPoints δε κοιτάμε ποιος είναι ποιοτικότερος, ούτε παίζει ρόλο η τύχη. Όλα υπολογίζονται ισάξια με βάση τις ίδιες παραμέτρους και συνθήκες και μάλιστα με χιλιάδες προσομοιώσεις, για να είναι ελάχιστη η απώλεια λάθους.
Ποια είναι η απόκλιση των xStats απ την πραγματικότητα;
Με βάση τα όσα αναφέραμε ως τώρα, μπορούμε να ξεχωρίσουμε μερικές πραγματικές καταστάσεις όπου τα xStats είτε λένε την αλήθεια, είτε μπορούν να μας παραπλανήσουν.
Σαφώς αν μια ομάδα κάνει πολλά σουτ, τότε αθροιστικά σίγουρα θα ανεβάζει σιγά σιγά τα xGoals της. Ωστόσο μπορεί μια ομάδα να κάνει 10 σουτ για να πιάσει 1.1 xGoals και ταυτόχρονα μια άλλη να πιάσει το ίδιο νούμερο, κάνοντας μόλις 3 σουτ. Αυτό θα γίνει αν το ένα από αυτά τα σουτ τύχει να είναι από εξαιρετική θέση με πολύ ψηλό δείκτη στα xGoals, σε αντίθεση με την πρώτη ομάδα που απλά έκανε πολλά, μα ακίνδυνα σουτάκια.
Βλέπουμε δηλαδή πως αν μια ομάδα έχει την κατοχή, έχει διπλάσιες ή τριπλάσιες τελικές, δε σημαίνει αυτόματα πως άξιζε τη νίκη ή έχασε τη καλύτερη ευκαιρία να βάλει γκολ. Με λίγα λόγια και τα xStats είναι ακόμη μια κατηγορία που δε δείχνει κάποιες φορές τη πραγματική εικόνα του αγώνα. Αυτό που μας δείχνει όμως σίγουρα, είναι το πόσο καλύτερες προϋποθέσεις δημιούργησε για να σκοράρει ή πόσο πολύ περιόρισε την αντίπαλο της να φτάσει κοντά στο γκολ απέναντι της.
Τι χρήσιμα συμπεράσματα βγάζουμε απ τα xStats;
Σαφώς όλα αυτά εμπλέκονται σε ένα πλαίσιο πιθανοτήτων, που όπως εξήγησα ισχύει χωρίς να μετράει το ποιος παίκτης είναι στις φάσεις. Ποια είναι τα συμπεράσματα που βγάζουμε λοιπόν με βάση το τι έγινε στη πραγματικότητα;
Αρχικά, όταν ένας παίκτης πετυχαίνει παραπάνω γκολ απ τα xGoals του, τότε είτε είναι πολύ τυχερός (σπάνια ισχύει εδώ) είτε πολύ ικανός. Αντίθετα όταν βάζει λιγότερα απ τα xGoals του, αυτόματα σημαίνει οτι είτε είναι γκαντέμης εκείνη τη μέρα είτε ανίκανος. Κάπου εδώ έρχεται το πραγματικό νόημα. Κανένας δε μπορεί να κριθεί από ένα αποτέλεσμα και γι αυτό η αξία όλων κρίνεται απ τα xStats τους σε βάθος χρόνου.
Όταν λοιπόν βλέπουμε τον Κέιν για παράδειγμα να βάζει 30 γκολ φέτος, έχοντας xGoals 23.00, τότε μπορούμε να πούμε εύκολα πως αυτός είναι ένας ικανότατος στράικερ που μπορεί ακόμη και τις δύσκολες φάσεις να τις κάνει γκολ. Αντίστοιχα, βλέποντας τον Νούνιεζ της Λίβερπουλ να βάζει μόλις 9 γκολ, έχοντας 14.28 xGoals καταλαβαίνουμε ότι δεν είναι τόσο ικανός στο γκολ. Με τη σειρά τους όλα αυτά ισχύουν μόνο για φέτος, οπότε συνεχίζοντας να τους κρίνουμε και σε άλλες σεζόν καταλήγουμε σε πιο έγκυρη τελική γνώμη για την αξία τους.
Έν κατακλείδι, αν η φετινή Σίτι παραδείγματος χάρη κάνει μόλις 1.20 xGoals μπορεί εύκολα να βάλει 2 ή 3 γκολ, επειδή έχει τους ικανούς παίκτες που μπορούν ακόμη και δύσκολες φάσεις να τις μετατρέψουν σε γκολ. Απ την άλλη, βλέποντας ένα παράδοξο στατιστικό φέτος, ο Μπρούνο Φερνάντεζ της Γιουνάιτεντ έχοντας 16.31 xAssist, κατάφερε να πιστωθεί μόλις 8 ασίστ και αυτό σημαίνει πως σίγουρα η επιθετικοί της Γιουνάιτεντ δεν ήταν όσο ικανοί έπρεπε βάση xStats στο ποδόσφαιρο.
Πόσο χρήσιμα είναι τα xStats στο στοίχημα;
Έχοντας κατανοήσει κάποιος όλα τα παραπάνω, φτάνει σίγουρα σε ένα γενικό συμπέρασμα. Τα xStats δε μπορούν να οδηγήσουν σε κάποιο ιδιαίτερα χρήσιμο συμπέρασμα την ώρα του αγώνα. Σίγουρα δείχνουν ποιος αξίζει βάση πιθανοτήτων τα περισσότερα από τον αγώνα, αλλά ως εκεί. Εύκολα λένε την αλήθεια για την εικόνα του αγώνα, μα το ίδιο εύκολα μπορούν να είναι παραπλανητικά.
Αντίθετα, λένε πάρα πολλά σε βάθος χρόνου, γιατί αυτό ακριβώς είναι και το νόημα της στατιστικής. Όσο μεγαλύτερο το δείγμα, όσο περισσότερα τα δεδομένα, τόσο πιο χρήσιμα τα αποτελέσματα των μετρήσεων και τα τελικά συμπεράσματα. Βλέποντας ένα παίκτη ή μια ομάδα τι κάνει σε σύγκριση με τα xStats για πολλά παιχνίδια, μπορούμε να κατανοήσουμε πόσο ικανή/ος είναι ή και πόσο τυχερή/ος-ανίκανη/ος είναι.
Στη προκειμένη λοιπόν, το στοίχημα στην αγορά των xStats είναι παντελώς ανούσιο, γιατί η μέτρηση αυτή δεν προβλέπεται, αλλά ίσα ίσα αποτελεί εργαλείο για μελλοντικές προβλέψεις με βάση αυτή. Τώρα για στοιχήματα 1Χ2 ή αγορές των γκολ κλπ, μπορεί όπως είπαμε να μας υποδείξει μόνο ποιος ήταν πιο επικίνδυνος μέχρι εκείνη τη στιγμή, ποιος έκανε τις καλύτερες ευκαιρίες και άξιζε ίσως να έχει σκοράρει, αλλά τίποτα παραπάνω που να οδηγεί σε ασφαλές συμπέρασμα για το τι θα γίνει στο υπόλοιπο ματς.
Τελικώς, το μόνο πεδίο στο οποίο έχουν τεράστια συμμετοχή τα xStats είναι οι αγορές των μακροχρόνιων στοιχημάτων. Κάποιος ο οποίος κάνει ανάλυση των xStats και κρίνοντας αυτά που βλέπει στα νούμερα με σωστό τρόπο, μπορεί να οδηγηθεί σε αρκετά έγκυρες προβλέψεις για παίκτες και ομάδες σε βάθος χρόνου. Αυτό είναι άλλωστε και το βασικό μου εργαλείο ως tipster για τη μελέτη και αξιολόγηση των μακροχρόνιων στοιχημάτων, καθώς μόνο με ένστικτο δε μπορείς να είσαι ποτέ ακριβής σε τέτοιες προβλέψεις.
Βέβαια τίποτα δεν είναι σίγουρο και εννοείται πως μεγάλες πιθανότητες βάση xStats δεν επαληθεύονται στο τέλος. Τρανό παράδειγμα η πορεία της Μπόρνμουθ φέτος, όπου ενώ ήταν η χειρότερη ομάδα του πρωταθλήματος στον πίνακα των xStats της Πρέμιερ Λιγκ, κατάφερε να σωθεί αρκετά εύκολα βάση πολλών παραμέτρων που δεν έγιναν βάση όσων όριζαν οι περισσότερες πιθανότητες, αλλά γι αυτά θα μιλήσουμε σε επόμενο κείμενο.
Υ.Γ1 Περισσότερα για τα xStats (xGoals, xAssists, xPoints) θα πούμε σε επόμενα κείμενα όπου θα αναλύσω την Πρέμιερ Λιγκ και διάφορες αγορές στοιχήματος με βάση τη στατιστική
Υ.Γ2 Τα υπόλοιπα κείμενα μου μπορείτε να τα δείτε στη στήλη μου στο bet-prognostika.com
Υ.Γ3 Πληροφορίες για τα συνδρομητικά μου κανάλια μπορείτε να δείτε στο https://bet-prognostika.com/tipster-tasos-nazar-all-packages-promo/
