Ameaça Esperada (xT) explicada: além do xG

O primeiro gol do Arsenal na vitória por 3 a 1 sobre o Burnley em dezembro de 2018 foi um golaço. Mesut Özil cortou a defesa com um passe entre as linhas para Sead Kolašinac, que cortou o passe pela frente da área para Pierre-Emerick Aubameyang finalizar. O assistência foi creditada a Kolašinac. O gol foi para Aubameyang. Özil ficou de fora.

A Ameaça Esperada, ou xT, conta uma história diferente. Segundo essa métrica, o passe de Özil elevou a chance do Arsenal de marcar nos próximos cinco lances de 7,7% para 15,8%. O corte de Kolašinac somou apenas 1,3 pontos percentuais a mais. Özil fez 86% do trabalho, e a estatística não percebeu.

Esse é o apelo do xT. Gols, assistências e até o xG só contam o último passo de uma jogada. O xT dá crédito aos passes e aos avanços que tornaram esse último passo possível, um pouco como avaliar um jogo de xadrez por algo além da captura final. Veja como isso funciona, de onde vem e como um apostador pode usar essa ferramenta.

A Expected Threat (xT) coloca um número em quanto cada passe, condução e drible alteram a chance de marcar de um time. A Expected Goals (xG) só avalia os chutes. A xT avalia tudo o mais no campo, incluindo as jogadas que nem chegam a terminar em um chute.

A ideia é lindamente simples. Divida o campo em uma grade e dê a cada zona um valor de ameaça: com que frequência a posse de bola ali leva a um gol nas próximas poucas ações. Digamos que a bola na sua própria área valha cerca de 0,01, uma chance de 1%. Na altura do ponto de pênalti, talvez valha algo como 0,35. Mova a bola de uma zona para a outra e a diferença é o crédito que o jogador ganha.

Então, um passe do seu campo para a beirada da área adversária faz mais do que ganhar território. Ele aumenta mensuravelmente sua chance de marcar. Diferença-chave: a xG valoriza o chute, a xT valoriza a construção.

Por baixo do capô, o xT faz uma pergunta simples a cada ponto do campo: chutar ou tocar a bola adiante? O modelo pesa a chance de marcar se você chutar contra o valor de onde você provavelmente vai tocar a bola a seguir.

O cálculo roda em rodadas até os números estabilizarem, geralmente após quatro ou cinco. Cada rodada adiciona mais uma ação à cadeia, então, após cinco rodadas, a figura para uma zona é a probabilidade de marcar dentro das próximas cinco ações a partir dela. Em símbolos:

A matemática por trás do xT é mais antiga do que o próprio nome. Em 2011, Sarah Rudd apresentou um paper no New England Symposium on Statistics in Sports, em Harvard, usando cadeias de Markov para valorizar a posse de bola em um conjunto de estados do campo (caixa, alas, meio-campo, gol, perdida). Seu modelo classificava o jovem Jordan Henderson, então no Sunderland, como um dos 25 melhores jogadores da Premier League, enquanto o prolífico atacante Darren Bent ficava mal colocado. Na época, parecia bobo. Agora, parece muito menos bobo.

Karun Singh, então, levou a ideia para um público mais amplo. Seu post de blog de dezembro de 2018 deu ao conceito o nome "Expected Threat", adicionou visualizações interativas e detalhou o método o suficiente para que qualquer pessoa pudesse replicá-lo. O nome pegou, e seu post continua sendo uma das referências mais citadas no assunto.

O setup habitual divide o campo em uma grade de 16x12, totalizando 192 zonas. Cada zona carrega quatro números extraídos de dados históricos: com que frequência os jogadores movem a bola dali por meio de passes ou dribles, com que frequência eles chutam (a soma dos dois é 100%), para onde a bola tende a ir a seguir e com que frequência um chute daquela zona acaba na rede.

O modelo começa com todas as zonas em zero e vai construindo em rodadas. A primeira rodada é, na prática, um modelo de xG, porque apenas os chutes contam. A segunda rodada adiciona "mover, depois chutar". A terceira adiciona "mover, mover, chutar", e assim por diante. Na quarta ou quinta rodada, os valores deixam de mudar muito, e o número de cada zona representa a chance de gerar um gol dentro de cinco ações.

Por que parar em cinco? Sequências mais longas ficam cada vez mais imprevisíveis, e as rodadas extras adicionam muito pouco. É um compromisso inteligente, e mantém os números fáceis de interpretar.

Marcar um passe ou uma condução individual é quase a coisa mais fácil: pegue o valor de ameaça onde a ação terminou e subtraia o valor de onde ela começou. Mova a bola de uma zona que vale 0,05 para uma que vale 0,15 e aquela ação criou 0,10 xT, dez pontos percentuais de chance a mais de marcar dentro de cinco ações.

Some esses ganhos ao longo de uma partida ou de uma temporada e você tem uma medida de quanto ameaça um jogador ou uma equipe cria, independentemente de alguma delas terminar em um chute.

A ideia por trás do xT foi detalhada nas análises de basquete por Cervone e colegas: "A maioria das métricas avançadas ainda é baseada em contagens simples relacionadas aos estados finais das posses de bola... Isso é como analisar uma partida de xadrez com base apenas na jogada que resultou no xeque-mate, deixando inexplorada a possibilidade de que a jogada-chave tenha ocorrido vários lances antes."

O futebol tem exatamente o mesmo ponto cego. Gols, assistências e xG ficam todos no fim da jogada. Eles ignoram o passe progressivo que rompeu uma linha defensiva, o drible que arrastou os defensores para fora de posição e a troca de jogo para um flanco sobrecarregado. E como a maioria das ações com a bola em uma partida são passes e dribles, em vez de chutes, isso é uma quantidade enorme de futebol que não recebe crédito.

Expected Goals revolucionou a forma como julgamos a qualidade dos chutes, mas um passe que rompe a linha defensiva, um drible que abre espaço ou um drible saindo de trás não ganha nada no xG. xT e xG medem habilidades diferentes, então um jogador pode ser excelente em criar ameaça sem dar muitos chutes.

Voltemos para Özil e Kolašinac. O passe de profundidade de Özil levou a ameaça de 0,077 para 0,158, valendo 0,081 xT e 86% do crédito. O cruzamento de Kolašinac levou de 0,158 para 0,171, valendo 0,013 xT e 14%. A coluna de assistências deu tudo para Kolašinac, mas a contribuição de Özil foi cerca de seis vezes maior. Isso importa para a análise de atletas, para as negociações de contrato e, como veremos, para qualquer pessoa tentando encontrar uma vantagem nos mercados.

O teste de Henderson

O melhor argumento a favor da mentalidade baseada em valor da posse de bola continua sendo o trabalho de Sarah Rudd de 2011. Seu modelo identificou Jordan Henderson como um dos 25 melhores jogadores da Premier League, enquanto avaliou mal Darren Bent. Na época, isso parecia absurdo: Bent era um artilheiro comprovado, enquanto Henderson era um meio-campista mediano. Henderson, então, se transferiu para o Liverpool por uma cifra reportada de £16 a 20 milhões, e Bent foi para o Aston Villa por até £24 milhões.

Anos depois, Henderson levantava a Champions League, a Premier League, a FA Cup e a League Cup como capitão do Liverpool. Os analistas haviam percebido algo que gols e assistências não conseguiam mostrar.

O lateral não cotado

A mesma lógica explica por que laterais e volantes tão frequentemente aparecem melhor em xT do que nas colunas tradicionais. Eles raramente marcam gols ou dão assistências, mas movem a bola de áreas recuadas para zonas de perigo novamente e novamente. Esse trabalho nunca aparece em um resumo de melhores momentos, mas é exatamente isso que o xT foi criado para contar.

Lendo o time

Os mapas de xT por time mostram onde uma equipe cria sua perigo: pela esquerda, pelo meio, com corridas profundas ou com passes largos. Inverta a visão e você vê onde o adversário sofre mais, depois combine isso com os destinos dos passes para achar as rotas de jogo que precisam ser defendidas. Plotando o xT ao longo do jogo, você também vê quem está realmente dominando. Uma equipe pode dominar a linha do tempo de perigo sem registrar muitos chutes, simplesmente porque sua construção de jogo continua colocando a bola em áreas perigosas.

Julgando jogadores

O xT recompensa os jogadores que as estatísticas tradicionais ignoram: laterais, volantes e qualquer outro que avance a bola sem finalizar a jogada. Ele também se divide bem em passes e corridas. Kevin De Bruyne é o clássico passador, Eden Hazard o clássico carregador, e Lionel Messi o jogador que podia fazer as duas coisas. Compare a ação que o jogador escolheu com a melhor disponível e você começa a ver a tomada de decisão também.

Encontrando o próximo reforço

Para contratações, a questão é o encaixe. Uma equipe baseada em posse quer um perfil de xT diferente de uma que joga no contra-ataque. E porque o xT revela jogadores que impulsionam a construção de jogo sem grandes números de gols e assistências, os olheiros podem usá-lo para identificar talento em ligas menores antes que os grandes clubes percebam.

Nenhuma métrica é perfeita, e a simplicidade do xT é ao mesmoanto seu charme e sua fraqueza. Os pesquisadores por trás do framework VAEP na KU Leuven foram diretos: a abordagem baseada em localização do xT não é a mais precisa, porque a ameaça reside em como a bola é movimentada, e não em onde ela está.

Sem noção de pressão ou defensores

Um passe para a área contra um bloco baixo compacto pontua o mesmo que um contra uma defesa esticada. Sem dados de rastreamento, o xT só enxerga a bola, não os defensores ao redor, então uma zona que parece perigosa no mapa pode estar lotada de gente. A mesma ação em um contexto diferente pode ser muito mais difícil.

Sem noção de risco

Um passe arriscado para a área vale o mesmo que um seguro, se ambos chegarem. O xT básico também ignora os erros: um passe infiltrado interceptado pontua zero, mesmo que fosse exatamente a bola certa para tentar. Um contra-ataque rápido contra uma defesa desorganizada deveria valer mais que uma construção paciente que termina no mesmo lugar, e o xT não consegue diferenciá-los.

Sem noção do estado do jogo

O placar, o minuto e a situação tática não estão no modelo. Uma equipe que está perdendo por 3-0 no 85º minuto pode acumular bastante xT enquanto a adversária se retranca, mas isso não é ameaça genuína. Trate os números como um guia para o processo, não como um veredito.

Essas lacunas inspiraram uma família de modelos mais inteligentes de valor da posse de bola. O VAEP, do laboratório DTAI da KU Leuven, usa aprendizado de máquina em recursos ricos de estado do jogo e valoriza tanto marcar quanto sofrer gols. O OBV da StatsBomb é construído sobre seu modelo de xG e usa dados de 360 graus para ver onde estão os jogadores ao redor da bola. A American Soccer Analysis tem seu próprio Goals Added (g+) para a MLS.

Todos perseguem o mesmo objetivo que o xT, valorizando cada ação, não apenas a última, mas cada um adiciona o contexto que o xT básico não possui. A tabela mostra onde cada um se encaixa.

xT não vai te entregar vencedores prontos, mas é uma lente afiada para descobrir quem é melhor do que os resultados mostram. Usado junto com um modelo de apostas de futebol adequado, ele aponta para alguns ângulos práticos.

Times cujos resultados ficam atrás do processo

Um time que continua criando posições perigosas, mas converte mal, é uma boa aposta para regressar para cima. xT mede o desempenho subjacente independentemente da sorte na finalização, então ele te ajuda a separar um time genuinamente ruim de um time azarado. O mesmo raciocínio pode ajudar com os totais, que é onde nosso guia de linhas de Over/Under de gols entra.

Mercados de jogadores e assistências

Meio-campistas que criam muita ameaça com seus passes podem estar subvalorizados nos mercados de assistências. A finalização dos seus companheiros de equipe pode esconder o quão bom é o processo subjacente, que é exatamente onde o valor tende a se esconder.

Desajustes táticos e apostas ao vivo

Coloque as zonas de perigo de um time contra os pontos fracos do adversário e você pode encontrar uma vantagem no confronto. Se a Equipe A cria a maior parte de sua ameaça das áreas laterais e a Equipe B sofre muito com cruzamentos, isso te diz algo. Ao vivo, um time que está dominando a linha do tempo de xT enquanto perde no placar pode ser uma verdadeira oportunidade de aposta ao vivo.

A próxima onda de métricas já está tomando forma. Os dados de rastreamento permitirão que os analistas considerem a posição defensiva, recompensem o movimento sem a bola e meçam o espaço criado, e não apenas o terreno ganho. A Ameaça Esperada Dinâmica (DxT) e modelos similares visam incorporar a pressão defensiva, o estado do jogo e a velocidade de transição, o contexto que o xT básico não possui.

Esperamos também mais raciocínio de risco e recompensa, com modelos que pesam a chance de marcar contra a chance de sofrer gol, especialmente para passes de linha de alto risco. À medida que os modelos de valor da posse se tornam padrão na StatsBomb e em muitos clubes, a comparação de métodos e benchmarks fica mais fácil, e a conversa pública fica mais inteligente com isso.

A Ameaça Esperada (xT) é uma das ideias mais úteis na análise de dados do futebol desde o xG. Ela não vai te dizer quem vence no sábado, mas mostra as jogadas antes do xeque-mate: os passes, conduções e dribles que criam chances antes de alguém puxar o gatilho. Não é perfeita, mas um modelo simples que te leva a maior parte do caminho, rapidamente, é melhor do que um complicado que você nunca vai usar.

• Processo acima dos resultados. Um time que gera bastante xT mas perde jogos tem mais chances de dar a volta do que um que vence por finalizações de sorte.
• Caçador dos criadores invisíveis. Os passes e portadores de bola que constroem a jogada raramente recebem crédito de assist, então procure por eles nos mercados de jogadores e criação de chances.
• Combine zonas de perigo com pontos fracos. Onde um time cria sua ameaça em relação a onde seu oponente deixa vazias é um ângulo mais limpo do que apenas a forma recente.
• Respeite o contexto. Pressão, estado do jogo e risco não estão no xT básico, então use-o junto com o xG e seus próprios olhos.
• Procure o desequilíbrio ao vivo. Um time dominando a linha do tempo da ameaça enquanto está perdendo é o tipo de situação ao vivo que merece uma olhada mais de perto.
• Mantenha as apostas sensatas. Nenhuma métrica elimina a variância, então aposte o que você pode pagar e nunca persegue perdas.

O assist te diz quem passou. O gol te diz quem marcou. O xT ajuda a mostrar quem realmente criou a chance.

• Como Usar xG (Gols Esperados) para Apostas de Futebol Mais Inteligentes
• Como Construir um Modelo de Apostas Esportivas: Guia Completo
• Vantagem do Mandante vs Qualidade do Time: Guia Avançado de Apostas de Futebol
• Mercados de Apostas por Minuto: Quando os Gols Acontecem

18+. Aposte com responsabilidade. Para apoio gratuito e confidencial, visite BeGambleAware.org.