Minaccia attesa (xT) spiegata: oltre l'xG

Il primo gol di Arsenal nella vittoria per 3-1 contro il Burnley nel dicembre 2018 è stato un vero gioiello. Mesut Özil ha squarciato la difesa con un passaggio filtrante per Sead Kolašinac, che ha tagliato palla di prima verso la porta per Pierre-Emerick Aubameyang, che ha chiuso il lavoro. L'assist è andato a Kolašinac. Il gol è andato ad Aubameyang. Özil non ha ottenuto nulla.

Expected Threat, o xT, racconta una storia diversa. Secondo i suoi calcoli, il passaggio di Özil ha aumentato la possibilità di segnare di Arsenal nei successivi cinque azioni dal 7,7% al 15,8%. Il taglio di Kolašinac ha aggiunto solo 1,3 punti percentuali in più. Özil ha fatto l'86% del lavoro, e la scheda statistica non se ne è accorta.

Questo è il fascino dell'xT. Gol, assist e persino xG contano solo l'ultimo passo di una manovra. L'xT riconosce i passaggi e le conduzioni che hanno reso possibile quell'ultimo passo, un po' come giudicare una partita di scacchi non solo per l'ultima cattura. Ecco come funziona, da dove proviene e come un scommettitore può metterlo a frutto.

Misura quanto ogni passaggio, trasporto e dribbling incida sulle possibilità di segnare di una squadra. Gli Expected Goals (xG) valutano solo i tiri. L'xT valuta tutto il resto sul campo, inclusi i movimenti che non si concludono mai con un tiro.

L'idea è bellamente semplice. Dividi il campo in una griglia e assegna a ogni zona un valore di minaccia: quanto spesso il possesso in quella zona porta a un gol nelle prossime azioni. Diciamo che la palla nel tuo box vale circa 0,01, una probabilità dell'1%. Al livello del punto del rigore potrebbe valere qualcosa come 0,35. Sposta la palla da una zona all'altra e la differenza è il credito che quel giocatore si guadagna.

Quindi un passaggio dalla tua metà campo al limite del box avversario fa più che guadagnare territorio. Aumenta misurabilmente la tua possibilità di segnare. Differenza chiave: l'xG valuta il tiro, l'xT valuta la costruzione del gioco.

Sotto il cofano, xT pone una domanda semplice da ogni punto del campo: tiro o passaggio? Il modello confronta la probabilità di segnare se tiri con il valore della zona in cui probabilmente passerai la palla.

Il calcolo viene eseguito in round finché i numeri non si stabilizzano, di solito dopo quattro o cinque. Ogni round aggiunge un'azione in più alla catena, quindi dopo cinque round il valore per una zona rappresenta la probabilità di segnare entro le prossime cinque azioni da quella zona. In simboli:

La matematica dietro xT è più antica del suo nome. Nel 2011, Sarah Rudd ha presentato un paper al New England Symposium on Statistics in Sports a Harvard, utilizzando catene di Markov per valorizzare il possesso in una manciata di stati del campo (area, fascia, centrocampo, porta, palla persa). Il suo modello classificava un giovane Jordan Henderson, allora al Sunderland, tra i primi 25 giocatori della Premier League, mentre l'abbondante attaccante Darren Bent si posizionava in fondo alla classifica. All'epoca sembrava una follia. Oggi sembra molto meno folle.

Karun Singh ha poi portato l'idea a un pubblico più ampio. Il suo post di dicembre 2018 le ha dato il nome "Expected Threat", ha aggiunto visualizzazioni interattive e ha delineato il metodo con sufficiente dettaglio per chiunque potesse replicarlo. Il nome è rimasto, e il suo post è ancora uno dei riferimenti più citati sull'argomento.

La configurazione standard divide il campo in una griglia di 16x12, per un totale di 192 zone. Ogni zona riporta quattro numeri derivati dai dati storici: quanto spesso i giocatori muovono il pallone da quella zona passando o dribblando, quanto spesso tirano (le due percentuali sommate fanno il 100%), dove il pallone tende ad andare successivamente e quanto spesso un tiro da quella zona finisce in rete.

Il modello parte con tutte le zone a zero e si costruisce per round. Il primo round è in pratica un modello xG, perché conta solo il tiro. Il secondo aggiunge "muovi, poi tira". Il terzo aggiunge "muovi, muovi, tira", e così via. Al quarto o quinto round i valori smettono di cambiare molto, e il numero di ogni zona rappresenta la probabilità di produrre un gol entro cinque azioni.

Perché fermarsi a cinque? Sequenze più lunghe diventano sempre più imprevedibili e i round aggiunti apportano pochissimo. È un compromesso elegante che mantiene i numeri facili da interpretare.

Valutare un singolo passaggio o un dribbling non potrebbe essere più semplice: prendi il valore della minaccia nel punto in cui termina e sottrai il valore in quello in cui inizia. Se sposti il pallone da una zona che vale 0,05 a una che vale 0,15, quell'azione ha creato 0,10 xT, dieci punti percentuali in più di probabilità di gol in cinque azioni.

Somma questi guadagni su un'intera partita o su una stagione e otterrai una misura di quanta minaccia un giocatore o una squadra genera, indipendentemente dal fatto che questo si traduca in un tiro o meno.

Il concetto alla base di xT è stato illustrato nell'analisi del basket da Cervone e colleghi: "La maggior parte delle metriche avanzate si basa su semplici conteggi relativi agli stati finali delle possesso... Questo è simile ad analizzare una partita di scacchi basandosi solo sulla mossa che ha portato allo scacco matto, lasciando inesplorata la possibilità che la mossa chiave sia avvenuta diversi turni prima."

Il calcio ha esattamente lo stesso punto cieco. Gol, assist e xG si trovano tutti alla fine di una giocata. Non catturano il passaggio progressivo che ha rotto una linea difensiva, il dribbling che ha attirato i difensori fuori posizione e il cambio di gioco verso un lato sovraccarico. E poiché la maggior parte delle azioni con il pallino in una partita sono passaggi e dribbling piuttosto che tiri, è molto calcio che non viene riconosciuto.

Expected Goals ha rivoluzionato il modo in cui valutiamo la qualità del tiro, ma un passaggio che rompe la linea, un dribbling che apre spazio o un trasporto dal profondo non guadagnano nulla in xG. xT e xG misurano abilità diverse, quindi un giocatore può essere eccellente nel creare minaccia senza prendere molti tiri.

Ritorniamo a Özil e Kolašinac. Il passaggio filtrante di Özil ha portato la minaccia da 0,077 a 0,158, per un valore di 0,081 xT e l'86% del merito. Il cross di Kolašinac l'ha portata da 0,158 a 0,171, per un valore di 0,013 xT e il 14%. La colonna degli assist ha attribuito tutto a Kolašinac, ma il contributo di Özil era circa sei volte più grande. Questo conta per il scouting, per i contratti e, come vedremo, per chiunque cerchi un vantaggio nei mercati.

Il test di Henderson

La migliore pubblicità per il modo di pensare al valore del possesso resta il lavoro di Sarah Rudd del 2011. Il suo modello ha individuato Jordan Henderson come uno dei top 25 della Premier League, mentre ha dato una valutazione bassa a Darren Bent. All'epoca sembrava assurdo: Bent era un attaccante già affermato, Henderson un centrocampista senza particolari doti. Poi Henderson è passato al Liverpool per una cifra riportata tra i 16 e i 20 milioni di sterline, e Bent è andato all'Aston Villa fino a 24 milioni di sterline.

Anni dopo, Henderson ha sollevato la Champions League, la Premier League, la FA Cup e la League Cup da capitano del Liverpool. Gli analisti avevano individuato qualcosa che i gol e gli assist non potevano mostrare.

Il difensore latero senza gloria

La stessa logica spiega perché i difensori lateri e i centrocampisti di costruzione spesso appaiono meglio in xT rispetto alle statistiche tradizionali. Raramente segnano o assistono, ma spostano la palla dalle zone difensive verso aree pericolose, sempre e ripetutamente. Quel lavoro non finisce mai nei video dei gol, ma è esattamente ciò che xT è stato creato per contare.

Leggere una squadra

Le mappe xT per squadra mostrano dove una squadra crea il suo pericolo: sulla fascia sinistra, dal centro, con le progressioni in avanti o con i passaggi dalle ali. Capovolgendo la visualizzazione, puoi vedere dove un avversario soffre di più, poi combinalo con le destinazioni dei passaggi per trovare i corridoi di gioco da difendere. Tracciando l'xT durante la partita, si vede anche chi è davvero in controllo. Una squadra può dominare la timeline delle minacce senza registrare molti tiri, semplicemente perché la sua costruzione continua a portare il pallone in zone pericolose.

Giudicare i giocatori

L'xT premia i giocatori che le statistiche classiche trascurano: i terzini, i centrocampisti e chiunque altro che muove il pallone in avanti senza concludere l'azione. Si divide anche in modo pulito tra passaggi e progressioni. Kevin De Bruyne è il classico passatore, Eden Hazard il classico portatore di palla, e Lionel Messi il giocatore che sapeva fare entrambe le cose. Confrontando l'azione scelta da un giocatore con la migliore disponibile, si inizia a vedere anche la capacità decisionale.

Trovare la prossima firma

Per le operazioni di mercato, la domanda è la compatibilità. Una squadra basata sul possesso cerca un profilo xT diverso da una che gioca a ripartenza. E poiché l'xT evidenzia i giocatori che guidano la costruzione senza grandi cifre in gol e assist, i scout possono usarlo per individuare talenti nei campionati minori prima che i club più grandi se ne accorgano.

Nessuna metrica è perfetta e la semplicità di xT è al tempo stesso il suo punto di forza e la sua debolezza. I ricercatori dietro il framework VAEP presso la KU Leuven lo dicono senza giri di parole: l'approccio basato sulla posizione di xT non è il più accurto, perché la minaccia risiede in come la palla viene spostata, non in dove si trova.

Niente percezione della pressione o dei difensori

Un passaggio nell'area contro un blocco basso compatto vale lo stesso di uno contro una difesa allungata. Senza dati di tracciamento, xT vede solo la palla, non i difensori intorno a lei, quindi una zona che sembra pericolosa sulla mappa può essere affollata di corpi. La stessa azione in un contesto diverso può essere molto più difficile.

Niente percezione del rischio

Un passaggio rischioso nell'area vale lo stesso di uno sicuro, se entrambi arrivano. Il xT di base ignora anche gli errori: un passaggio filtrante intercettato vale zero, anche se era esattamente il tipo di pallone da provare. Un contropiede veloce contro una difesa disorganizzata dovrebbe valere più di un gioco di costruzione paziente che termina nello stesso punto, e xT non riesce a distinguerli.

Niente percezione dello stato della partita

Il punteggio, il minuto e la situazione tattica non sono nel modello. Una squadra in svantaggio 3-0 all'85° minuto può accumulare un sacco di xT mentre l'avversario sta basso, ma quella non è una minaccia genuina. Considera i numeri come una guida sul processo, non come una sentenza.

Quei limiti hanno dato vita a una famiglia di modelli più sofisticati sul valore del possesso. VAEP, sviluppato dal lab DTAI della KU Leuven, utilizza il machine learning su caratteristiche ricche dello stato della partita e valuta sia il gol segnato sia quello subito. L'OBV di StatsBomb si basa sul suo modello xG e sfrutta i dati 360 per capire dove si trovano i giocatori intorno al pallone. American Soccer Analysis ha il suo Goals Added (g+) dedicato alla MLS.

Tutti perseguono lo stesso obiettivo di xT, ovvero valorizzare ogni azione e non solo l'ultima, ma ciascuno aggiunge il contesto che il semplice xT non ha. La tabella mostra dove si posiziona ciascuno di questi modelli.

L'xT non ti regalerà vincite, ma è una lente affilata per capire chi è in realtà più forte di quanto dicano i risultati. Usato insieme a un vero e proprio modello di scommesse calcistiche, ti indica alcune angolazioni pratiche.

Squadre i cui risultati non riflettono il processo

Una squadra che continua a creare situazioni pericolose ma le sfrutta male è una buona scommessa sulla regressione al proprio livello reale. L'xT misura le prestazioni sottostanti indipendentemente dalla fortuna nel finalizzare, quindi ti aiuta a distinguere una squadra davvero scarpa da una sfortunata. Lo stesso ragionamento può aiutarti con i totali, ed è qui che entra in gioco la nostra guida alle linee Over/Under gol.

Mercati su giocatori e assist

I centrocampisti che creano molto pericolo con i passaggi possono essere sottovalutati nei mercati sugli assist. La finalizzazione dei loro compagni di squadra può nascondere quanto sia solido il processo sottostante, ed è esattamente dove il valore tende a nascondersi.

Dislivelli tattici e scommesse live

Confronta le zone di pericolo di una squadra con i punti deboli dell'avversario e puoi trovare un vantaggio nel matchup. Se la Squadra A crea la maggior parte del suo pericolo dalle fasce e la Squadra B subisce molto sui cross, questo ti dice qualcosa. In play, una squadra che domina la timeline xT ma è in svantaggio sul punteggio può essere una vera opportunità di scommesse live.

La prossima ondata di metriche sta già prendendo forma. I dati di tracciamento consentiranno agli analisti di tenere conto della posizione difensiva, di premiare il movimento senza palla e di misurare lo spazio creato, non solo il terreno guadagnato. La Dynamic Expected Threat (DxT) e modelli simili mirano a integrare la pressione difensiva, lo stato della partita e la velocità delle transizioni, il contesto che la xT di base non possiede.

Aspettati anche più ragionamento sul rapporto rischio-beneficio, con modelli che pesano la possibilità di segnare rispetto a quella di subire gol, soprattutto per i passaggi a basso rischio che sfondano la linea difensiva. Man mano che i modelli di valore del possesso diventano standard presso StatsBomb e molti club, confrontare metodi e benchmark diventa più facile, e il dibattito pubblico diventa più intelligente di conseguenza.

L'Expected Threat è uno dei concetti più utili nell'analisi calcistica dopo l'xG. Non ti dirà chi vince sabato, ma ti mostra le mosse prima dello scacco matto: i passaggi, le conduzioni e i dribbling che creano occasioni prima che qualcuno prenda la mira. Non è perfetto, ma un modello semplice che ti porta gran parte del percorso, rapidamente, batte uno complicato che non userai mai.

• Processo prima dei risultati. Una squadra che genera tanto xT ma perde le partite ha più probabilità di invertire la rotta rispetto a una che vince grazie a fortune.
• Cerca i creatori nascosti. Chi passa e chi conduce la giocata raramente riceve il credito dell'assist, quindi cerca questi giocatori nei mercati sui singoli e sulla creazione di occasioni.
• Collega le zone di pericolo ai punti deboli. Dove una squadra crea il suo pericolo rispetto a dove il suo avversario lascia spazio è un'angolatura più pulita rispetto alla semplice forma.
• Rispetta il contesto. Pressione, stato della partita e rischio non sono inclusi nell'xT di base, quindi usalo insieme all'xG e ai tuoi occhi.
• Cerca il mismatch live. Una squadra che domina la timeline del pericolo mentre è in svantaggio è il tipo di situazione in-play che merita un'occhiata più attenta.
• Mantieni le stake sensate. Nessun metrico elimina la variabilità, quindi punta ciò che puoi permetterti e non inseguire mai le perdite.

L'assist ti dice chi ha passato. Il gol ti dice chi ha segnato. L'xT aiuta a mostrare chi ha realmente creato l'occasione.

• Come usare xG (Gol Attesi) per scommettere sul calcio in modo più intelligente
• Come creare un modello di scommesse sportive: guida completa
• Vantaggio del fattore campo vs qualità della squadra: guida avanzata alle scommesse sul calcio
• Mercati di scommessa sui minuti: quando arrivano i gol

18+. Scommetti responsabilmente. Per un supporto gratuito e riservato visita BeGambleAware.org.