Modelos de Valor de Posse: Guia de Analytics de Futebol para 2026

Imagine Kevin De Bruyne pegando na bola logo dentro do seu próprio campo. Ele olha, identifica um movimento que ainda nem começou e entrega uma bola carregada entre três defensores. O final é ruim e a chance se esgotou. Na planilha de estatísticas, nada aconteceu: sem assistência, nada para se comemorar. E, no entanto, aquele passe fez exatamente o que um grande passe deveria fazer, transformando uma posse inofensiva em uma grande oportunidade. (É uma cena inventada, mas você já viu centenas delas.)

Os modelos de valor de posse, PVMs em inglês, existem para dar crédito a esse momento. Em vez de contar apenas gols e assistências, eles estimam quanto cada ação alterou as chances de um time de marcar e de sofrer gols.

Este guia passa pelos principais modelos (VAEP, EPV, OBV, g+ e xT), como os clubes os utilizam e, como este é um site de apostas, quanto eles realmente valem para um apostador. A resposta curta: uma lente muito útil, não uma máquina de fazer dinheiro.

O futebol sempre foi apaixonado por números. Por décadas, porém, esses números contaram apenas uma pequena fração da história. Gols, passes decisivos e jogos sem sofrer gols são a moeda principal, mas capturam apenas a ponta do iceberg.

Pegue a taxa de passes completados. Um zagueiro que completa 95% de seus passes para trás e laterais é classificado mais alto do que um meio-campista criativo que insiste em tentar o passe difícil entre as linhas. O percentual não diz nada sobre o quanto cada passe foi difícil ou valioso.

A posse de bola tem o mesmo defeito. Dominar a bola em áreas inofensivas significa muito pouco contra um time que está feliz em deixá-lo ter a posse e atacá-lo em contra-ataque.

E gols e passes decisivos recompensam apenas a ação final em o que muitas vezes é uma jogada longa e elaborada. O atacante que pressiona um defensor até cometer um erro, o meio-campista que recicla a bola sob pressão, o defensor cuja posição anula uma chance antes que ela se forme: todos invisíveis no registro tradicional.

O Gols Esperados (xG) corrigiu parte do problema ao medir a qualidade das chances, mas ainda olha apenas para os chutes. Então, o que acontece com tudo o mais que ocorre em um campo de futebol?

Em vez de perguntar "Isso resultou em um gol?", um PVM faz uma pergunta muito mais útil: "Como essa ação alterou a chance de marcar ou sofrer um gol?"

Cada ação em uma partida, seja um passe, um carrinho, um drible, um corte ou um chute, muda o estado do jogo. Uma bola rasteira no interior da grande área torna o gol mais provável. Um passe descuidado no meio-campo aumenta a probabilidade de sofrer um gol. Os PVMs atribuem um número a cada uma dessas mudanças e, em seguida, somam esses valores para cada jogador e para cada equipe.

A aritmética básica é uma soma simples: o aumento na sua chance de marcar, menos o aumento na sua chance de sofrer gols. Diga que um passe eleva sua chance de marcar de 2% para 8% e reduz sua chance de sofrer de 1% para 0,5%. Isso é um ganho de 0,06 gols mais uma economia de 0,005, então o passe vale cerca de 0,065 gols. Os números são inventados para ilustração, mas a lógica é como os modelos reais funcionam.

Uma vez que você consegue fazer isso para um passe, pode fazer para tudo. Um carrinho de último recurso que impede um gol certo é de valor imenso. Um passe de retenção calmo sob pressão pode valer mais do que parece. Um chute especulativo que sai para o campo e vira tiro de canto carrega valor negativo.

É isso que torna esses modelos tão úteis para os jogadores que a estatística esquece: volantes de contenção, zagueiros que jogam com a bola e atacantes que pressam, cujo melhor trabalho raramente aparece no registro tradicional.

Vários frameworks transformam essa ideia em números, e cada um segue um caminho diferente. Se você é sério sobre estatísticas avançadas de futebol, esses são os nomes para conhecer.

VAEP (Valuing Actions by Estimating Probabilities)

Desenvolvido pelo grupo de pesquisa DTAI da KU Leuven, na Bélgica, o VAEP é um dos modelos acadêmicos mais influentes na analítica do futebol. Ele usa aprendizado de máquina para estimar como cada ação altera a probabilidade de marcar e sofrer gols ao longo das ações subsequentes. Sua força está na amplitude: ele pode valorizar desde um passe simples até um drible, e seu código de código aberto o tornou uma base para muita pesquisa posterior. Os valores de ações individuais são minúsculos, geralmente frações de um gol.

EPV (Expected Possession Value)

O trabalho liderado por Javier Fernández no departamento de analítica do FC Barcelona produziu o EPV, que funciona com dados de rastreamento mostrando onde estão todos os 22 jogadores. Isso permite uma análise quadro a quadro, incluindo ações que nunca tocam na bola: o movimento sem bola que arrasta um defensor para longe, ou o deslocamento que abre espaço para um companheiro de equipe. É uma das abordagens mais detalhadas, mas a infraestrutura de rastreamento necessária o coloca além do alcance da maioria dos clubes.

OBV (On-Ball Value)

A StatsBomb, agora Hudl StatsBomb, introduziu o OBV em 2021. Ele é treinado com gols esperados em vez de gols reais, o que suaviza a aleatoriedade das finalizações, e divide o valor entre o passador e o receptor para que ninguém seja contado duas vezes.

g+ (Goals Added)

A American Soccer Analysis criou o g+ para a cobertura da MLS e NWSL. Ele valoriza cada toque e divide o crédito por um passe entre o passador e o receptor, porque um bom passe também precisa de um primeiro toque bom para funcionar.

xT (Expected Threat)

O xT de Karun Singh é o mais fácil de visualizar. Ele divide o campo em uma grade, dá a cada zona um valor com base na probabilidade de um gol vir de lá e recompensa qualquer passe ou condução que move a bola para uma zona mais perigosa. Fácil de explicar e fácil de construir, é um ótimo lugar para começar.

A raiz acadêmica pode sugerir que os PVMs vivem em artigos de pesquisa. Não vivem. Os clubes de elite vêm incorporando essas ideias ao seu trabalho há anos.

Recrutamento

O Liverpool sob o comando do diretor esportivo Michael Edwards, que ocupou o cargo até 2022, é frequentemente citado como o modelo para o scouting guiado por analytics. O objetivo era encontrar jogadores cuja contribuição superasse suas estatísticas de gols e assistências: meias que avançavam a bola sem as estatísticas glamorosas, e defensores que evitavam chances antes que elas se desenvolvessem. Os clubes raramente dizem quanto peso é dado a um único modelo, então considere as histórias individuais como reportagens informadas, e não como um método publicado.

Preparação de jogo

Um analista de adversários pode descobrir que um rival gera a maior parte do valor de sua posse de bola com seu lateral direito carregando a bola para o meio-campo. A comissão técnica, então, pode construir gatilhos de pressão para afastar o jogo dessa zona. Os mesmos dados mostram qual flanco os adversários preferem, onde são vulneráveis e com que frequência suas rotinas de bola parada criam posições de alto valor.

Avaliação de jogadores

Para os scouts, os PVMs oferecem uma visão mais completa. Um atacante que não está marcando, mas que continua criando posições de alto valor, pode estar prestes a entrar em forma. Um defensor cujos números tradicionais parecem medíocres pode estar evitando muito através de posicionamento e antecipação. Laterais que avançam a bola desde áreas recuadas, Trent Alexander-Arnold durante seus anos no Liverpool sendo o exemplo óbvio, tendem a brilhar nas medidas de passes progressivos, apesar de números modestos de gols.

Os gols esperados mudaram a análise do futebol ao medir a qualidade das chances, mas xG só captura os momentos em que os chutes acontecem. Os PVMs estendem esse mesmo raciocínio para todo o campo.

Ser mais amplo significa ser melhor para prever resultados? As evidências são mistas. Um estudo de 2025 na Frontiers in Sports and Active Living, feito por Forcher e colegas, usou três temporadas da Bundesliga (de 2022/23 a 2024/25). Para a previsão pré-jogo, o EPV atingiu 58,3% de acerto, contra 55,6% do xG. Após o jogo, porém, o xG foi o preditor mais forte (65,6% contra 59,6%). A leitura dos autores: o xG diz mais sobre como a equipe atacou depois que o jogo foi jogado, enquanto o EPV pré-jogo mostra uma promessa real para prever o que vem a seguir.

Para apostadores, o resultado prático é que os PVMs podem sinalizar times que criam posses de alta qualidade sem convertê-las, que são candidatos a uma regressão positiva, e times que estão à frente de seus números subjacentes. Eles também podem expor desajustes táticos antes que os resultados o façam.

O mercado de apostas tem sido mais lento do que os clubes de elite em abraçar o valor da posse de bola, e as evidências de que os dados de PVM superam as odds de fechamento são finas. Ainda assim, é uma lente inteligente, e aprender a aplicar a análise de futebol às apostas é uma maneira sensata de começar.

Identificar times que os resultados ainda não acompanharam

Times que geram bastante valor de posse de bola, mas convertem pouco, podem estar prestes a ter melhores resultados, mesmo que os placares recentes não mostrem isso. O lado oposto: times que estão acima dos seus números subjacentes podem estar a caminho de uma queda.

Os mercados de jogadores funcionam da mesma maneira. Um meia que continua criando posições de alto valor sem registrar assistências pode estar prestes a explodir, e um atacante com forte valor de posse de bola, mas finalização fraca, pode estar subvalorizado nos mercados de gols. Nosso guia para mercados de chutes de jogadores mostra como colocar esse raciocínio em prática.

Ao vivo

O rastreamento de PVM em tempo real poderia revelar mudanças de momento antes que elas cheguem ao placar e talvez até ajude a antecipar substituições. É algo para testar antes de confiar nisso.

Combinando com xG

A análise mais eficaz combina métricas. Rodar xG junto com o valor de posse de bola afia a imagem: xG forte com valor de posse de bola fraco sugere um time criando chances sem realmente controlar as partidas, enquanto valor de posse de bola dominante com conversão fraca de xG indica qualidade que deve vir à tona. Acima de tudo, os PVMs capturam o processo, não apenas os resultados, e em um esporte onde a variância morde duro, o processo é onde o sinal se esconde.

A próxima geração de PVMs combina dados de eventos com rastreamento de jogadores, capturando todos os 22 atletas durante o jogo. Isso significa estimativas de valor mais precisas e, crucialmente, reconhecimento pelo trabalho fora da bola.

Dados de rastreamento

O movimento sem bola que arrasta um defensor para fora da zona de perigo finalmente pode ser quantificado. A pressão que força erros é mensurável. O posicionamento que abre espaço para um companheiro de equipe aparece nos dados. O trabalho de EPV de Javier Fernández mostra o que é possível, dividindo o valor de posse em modelos de componentes que valorizam ações que nunca tocam na bola.

IA e análise ao vivo

Alguns clubes e provedores de dados estão experimentando ferramentas de IA para monitoramento tático e de fadiga em tempo real. As evidências sobre a precisão ainda são escassas, então trate grandes alegações sobre substituições automáticas ou previsão de lesões como promissoras, mas não comprovadas.

Enquanto isso, os dados estão ficando mais baratos. Clubes menores estão ganhando acesso à tecnologia de rastreamento, e métricas sofisticadas estão se espalhando muito além dos clubes de elite que as pioneirizaram.

Todo o poder que os PVMs têm não os torna infalíveis; eles têm pontos cegos reais, e qualquer pessoa que dependa deles precisa saber exatamente onde estão.

O que conta como uma posse?

Ninguém se põe de acordo. Uma bola cruzada que é afastada e volta para o time atacante conta como uma posse ou duas? Quantos toques são necessários para estabelecer o controle? Os lances de bola parada devem ser tratados separadamente? As escolhas importam: janelas baseadas em ações tendem a recompensar a retenção da bola, enquanto janelas baseadas em posse dão mais peso aos atacantes e aos chutes.

Trabalho sem bola sem rastreamento

Modelos de dados de eventos não conseguem valorizar o que não está no fluxo de eventos: movimento sem bola, intensidade do pressing, posicionamento que cria espaço. Substitutos introduzem algum viés, mas ainda assim são melhores do que ficar sem nenhum contexto.

A caixa-preta

Os modelos mais precisos, os baseados em árvores, como o VAEP em particular, são difíceis de interpretar. Por que o modelo deu aquele valor àquela ação? Técnicos não vão confiar em números com os quais não podem argumentar.

Quem é dono dos dados?

À medida que o rastreamento fica mais detalhado, as perguntas sobre quem é dono do movimento dos jogadores e dos dados biométricos, e como as informações sensíveis de condicionamento físico são protegidas, também ficam mais complexas. As respostas vão moldar como o campo vai se desenvolver.

Modelos de valor de posse são o maior avanço na análise de futebol desde os gols esperados. Eles creditam as inúmeras ações que o placar ignora, o que explica o desempenho de jogadores e times de uma forma que gols e assistências jamais poderiam. Para os clubes, são uma ferramenta entre várias. Para os torcedores, respondem por que certos jogadores e times realmente têm sucesso. Para os apostadores, representam uma pequena vantagem paciente em um mercado que ainda depende de números tradicionais: real, mas facilmente consumida pelas margens das casas de apostas e pela variância.

• Use PVMs junto com xG, não no lugar dele. A pesquisa sugere que cada um se destaca em uma função diferente.
• Conheça sua fonte. Verifique qual modelo e qual provedor de dados você está analisando antes de comparar números; um valor VAEP e um valor OBV não são a mesma moeda.
• Pense em temporadas, não em partidas isoladas. Padrões sustentados significam algo; variações em um único jogo são, em sua maioria, ruído.
• Procure por desequilíbrios. Os melhores sinais são times que criam bastante valor sem resultados para mostrar, e o inverso.
• Mantenha a vantagem em perspectiva. Qualquer vantagem é pequena e precisa vencer a margem da casa de apostas, então aposte de acordo.

Um passe que nunca se torna uma assistência não é inútil. O valor de posse é a prova disso.

• Ameaça Esperada (xT) no Futebol: Guia Completo de Análise
• Análises de Futebol VAEP: O Guia Completo para Valorizar Cada Ação
• Como Criar um Modelo de Apostas Esportivas: Guia Completo
• Vantagem em Casa vs Qualidade do Time: Guia Avançado de Apostas de Futebol
• Mais/Menos 1,5 & 3,5 Gols: Estratégias Avançadas de Apostas em Linha de Gols

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