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

Imagine Kevin De Bruyne a recolher a bola logo dentro do seu próprio meio-campo. Ele observa, identifica uma incursão que ainda nem começou e encaixa uma bola carregada entre três defensores. O remate é fraco e a oportunidade esfuma. Na folha de estatísticas, nada aconteceu: sem assistência, nada para celebrar. No entanto, esse passe fez exatamente o que um grande passe deve fazer, transformando uma posse inofensiva numa grande oportunidade. (É uma cena inventada, mas já viste cem semelhantes.)

Os modelos de valor da posse, PVMs em sigla, existem para dar crédito a esse momento. Em vez de contar apenas golos e assistências, estimam quanto cada ação alterou as probabilidades de marcar e sofrer golos de uma equipa.

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

O futebol sempre adorou um número. Durante décadas, no entanto, os números contavam apenas uma fração da história. Golos, assistências e jogos sem sofrer golos são a moeda principal, mas capturam apenas a ponta do iceberg.

Pensemos na percentagem de passes completados. Um defesa-central que completa 95% dos seus passes para trás e laterais é classificado mais alto do que um médio criativo que continua a tentar o passe difícil entre as linhas. A percentagem não diz nada sobre o quão difícil ou valioso foi cada passe.

A percentagem de posse de bola tem a mesma falha. Dominar a bola em zonas inofensivas significa muito pouco contra uma equipa que está contente em deixar-lhe a posse e atacá-la em contra-ataque.

E os golos e assistências recompensam apenas a ação final no que muitas vezes é uma jogada longa e elaborada. O avançado que pressiona um defesa até este cometer um erro, o médio que reciclo a bola sob pressão, o defesa cuja colocação mata uma oportunidade antes de se formar: todos invisíveis no registo tradicional.

O expected goals (xG) corrigiu parte do problema ao medir a qualidade das oportunidades, mas ainda só olha para os remates. Então, e quanto a tudo o resto que acontece num campo de futebol?

Em vez de perguntar "Isto resultou num golo?", um PVM faz uma pergunta mais útil: "Como é que esta ação alterou a probabilidade de marcar ou sofrer um golo?"

Cada ação num jogo, seja um passe, um tackle, um drible, uma desviada ou um remate, muda o estado do jogo. Um passe a rasgar a defesa para a grande área torna o golo mais provável. Um passe descuidado no meio-campo torna um golo contra mais provável. Os PVMs atribuem um número a cada uma dessas alterações e depois somam-nos para cada jogador e equipa.

A aritmética básica é uma soma simples: o aumento na tua probabilidade de marcar, menos o aumento na tua probabilidade de sofrer. Digamos que um passe eleva a tua chance de marcar de 2% para 8% e reduz a tua chance de sofrer de 1% para 0,5%. É um ganho de 0,06 golos mais uma poupança de 0,005, pelo que o passe vale cerca de 0,065 golos. Os números são inventados para ilustração, mas a lógica é exatamente como funcionam os modelos reais.

Uma vez que consegues fazer isso para um passe, consegues fazer para tudo. Um último recurso tackle que impede um gol certo é imensamente valioso. Um passe de retenção calmo sob pressão pode valer mais do que aparenta. Um chutão especulativo que sai para fora, para canto, tem valor negativo.

É isso que torna estes modelos tão úteis para os jogadores que o boletim de jogos esquece: médios de contenção, centrais com qualidade técnica e avançados a pressionar, cujo melhor trabalho raramente aparece no registo tradicional.

Vários modelos transformam esta ideia em números, e cada um segue um caminho diferente. Se és a sério sobre estatísticas avançadas de futebol, estes são os nomes que tens de conhecer.

VAEP (Valuing Actions by Estimating Probabilities)

Desenvolvido pelo grupo de investigação DTAI na KU Leuven, na Bélgica, o VAEP é um dos modelos académicos mais influentes na análise de dados do futebol. Utiliza machine learning para estimar como cada ação altera a probabilidade de marcar e sofrer golos ao longo das ações seguintes. A sua força está na amplitude: consegue valorizar desde um passe simples até a um drible, e o seu código open-source tornou-o uma base para muita investigação posterior. Os valores das ações individuais são minúsculos, geralmente frações de um golo.

EPV (Expected Possession Value)

O trabalho liderado por Javier Fernández no departamento de análise do FC Barcelona produziu o EPV, que funciona com dados de tracking que mostram onde estão todos os 22 jogadores. Isso permite uma análise quadro a quadro, incluindo ações que nunca tocam a bola: o dummy run que afasta um defensor, ou o movimento que abre espaço para um companheiro de equipa. É uma das abordagens mais detalhadas, mas a infraestrutura de tracking necessária coloca-o ao alcance de poucos clubes.

OBV (On-Ball Value)

A StatsBomb, agora Hudl StatsBomb, introduziu o OBV em 2021. É treinado com golos esperados em vez de golos reais, o que suaviza a aleatoriedade dos remates, 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. Dá valor a cada toque e partilha o crédito por um passe entre o passador e o receptor, porque um bom passe também precisa de um bom primeiro toque para sair.

xT (Expected Threat)

O xT de Karun Singh é o mais fácil de visualizar. Divide o campo em uma grelha, dá a cada zona um valor com base na probabilidade de marcar a partir dela e recompensa qualquer passe ou condução de bola que a leve para uma zona mais perigosa. Simples de explicar e simples de construir, é um excelente ponto de partida.

As raízes académicas podem sugerir que os PVMs vivem em artigos de investigação. Não é o caso. Os clubes de elite têm vindo a integrar estas ideias no seu trabalho há anos.

Recrutamento

O Liverpool, sob a direção do diretor desportivo Michael Edwards, que ocupou o cargo até 2022, é frequentemente apresentado como o exemplo perfeito de scouting guiado por analítica. O objetivo era encontrar jogadores cuja contribuição superasse as suas estatísticas de golos e assistências: médios que avançavam a bola sem estatísticas glamorosas, e defesas que evitavam oportunidades antes de estas se desenvolverem. Os clubes raramente dizem quanto peso é dado a qualquer modelo individual, por isso, considere as histórias individuais como reportagem informada, e não como um método publicado.

Preparação de jogos

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

Avaliação de jogadores

Para os scouters, os PVMs oferecem uma visão mais completa. Um avançado que não está a marcar, mas que continua a criar posições de alto valor, pode estar prestes a ter uma sequência. Um defensor cujos números tradicionais parecem medíocres pode estar a evitar muitas situações através da posição e da antecipação. Laterais que avançam a bola a partir de posições recuadas, Trent Alexander-Arnold durante os seus anos no Liverpool sendo o exemplo óbvio, tendem a brilhar nas métricas de passes progressivos, apesar de registos modestos de golos.

Os golos esperados mudaram a análise futebolística ao medir a qualidade das oportunidades, mas os xG só capturam os momentos em que os remates acontecem. Os PVMs estendem este mesmo raciocínio a todo o campo.

Ser mais abrangente significa prever melhor os resultados? As evidências são mistas. Um estudo de 2025 na Frontiers in Sports and Active Living, por Forcher e colegas, usou três temporadas da Bundesliga (2022/23 a 2024/25). Para a previsão antes do jogo, o EPV atingiu 58,3% de precisão, contra 55,6% dos xG. Após o jogo, no entanto, os xG foram o preditor mais forte (65,6% contra 59,6%). A leitura dos autores: os xG dizem-te mais sobre como a equipa atacou depois de o jogo ter sido jogado, enquanto o EPV pré-jogo mostra uma promessa real para prever o que vem a seguir.

Para os apostadores, a conclusão prática é que os PVMs podem identificar equipas que criam posses de alta qualidade sem as converter, que são candidatas a uma regressão positiva, e equipas a correr à frente dos seus números subjacentes. 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 a abraçar o valor da posse de bola, e a evidência de que os dados de PVM superam as odds finais é escassa. Continua a ser uma lente inteligente, e aprender a aplicar a análise de futebol às apostas é uma forma sensata de começar.

Apanhar equipas que os resultados ainda não refletem

Equipas que geram bastante valor de posse de bola, mas convertem mal, podem estar a caminho de melhores resultados, mesmo que os resultados recentes não o mostrem. O lado inverso: equipas a jogar acima dos seus números subjacentes podem estar a caminho de uma queda.

Os mercados de jogadores funcionam da mesma forma. Um médio que continua a criar posições de alto valor sem registar assistências pode estar prestes a explodir, e um avançado com forte valor de posse de bola, mas com fraca finalização, pode estar subavaliado nos mercados de golos. O nosso guia para mercados de remates de jogadores mostra como pôr esse pensamento em prática.

In-play

O acompanhamento de PVM em tempo real pode revelar mudanças de momentum antes de chegarem ao marcador, e até ajudar a antecipar substituições. É algo a testar antes de confiar nele.

Combinar com xG

A análise mais eficaz combina métricas. Correr o xG a par do valor de posse de bola afia o quadro: xG forte com valor de posse de bola fraco sugere uma equipa a criar oportunidades sem realmente controlar os jogos, enquanto um valor de posse de bola dominante com conversão fraca em xG indica qualidade que deve acabar por se fazer sentir. Acima de tudo, os PVMs capturam o processo, não apenas os resultados, e num desporto onde a variância morder com força, é no processo que o sinal se esconde.

A próxima geração de PVMs combina dados de eventos com o tracking de jogadores, captando todos os 22 atletas ao longo do jogo. Isto significa estimativas de valor mais precisas e, crucialmente, reconhecimento pelo trabalho sem bola.

Dados de tracking

A corrida a esvaziar que atrai um defesa para fora da zona de perigo pode finalmente ser quantificada. O pressing que força erros é mensurável. A posicionamento que cria espaço para um companheiro de equipa aparece nos dados. O trabalho de EPV de Javier Fernández mostra o que é possível, dividindo o valor da posse em modelos de componentes que valorizam ações que nunca tocam a bola.

IA e análise em tempo real

Alguns clubes e fornecedores de dados estão a experimentar ferramentas de IA para monitorização tática e de fadiga em tempo real. As provas sobre a precisão ainda são escassas, por isso trata grandes afirmações sobre substituições automatizadas ou previsão de lesões como promissoras, mas não comprovadas.

Entretanto, os dados estão a ficar mais baratos. Os clubes mais pequenos estão a aceder à tecnologia de tracking, e métricas sofisticadas estão a espalhar-se muito além dos clubes de elite que as pioneiraram.

Apesar de todo o poder que têm, os PVMs têm pontos cegos reais, e qualquer pessoa que os utilize deve saber onde estão.

O que conta como uma posse?

Ninguém chega a acordo. Deve um cruzamento que é afastado e volta para a equipa atacante contar como uma posse ou duas? Quantos toques são necessários para estabelecer o controlo? Os lances de bola parada devem ser tratados separadamente? As escolhas importam: as janelas baseadas em ações tendem a recompensar a retenção da bola, enquanto as janelas baseadas na posse dão mais peso aos avançados e às ações de remate.

Trabalho sem bola sem rastreamento

Os modelos de dados de eventos não conseguem valorizar o que não está no fluxo de eventos: movimento sem bola, intensidade de pressão, posicionamento que cria espaço. As variáveis substitutivas introduzem algum viés, mas ainda são melhores do que não ter qualquer contexto.

A caixa negra

Os modelos mais precisos, os baseados em árvores, como o VAEP em particular, são difíceis de interpretar. Por que o modelo deu a essa ação esse valor? Os treinadores não vão confiar em números com os quais não podem discutir.

Quem é dono dos dados?

À medida que o rastreamento fica mais detalhado, também ficam as questões sobre quem é dono dos dados de movimento dos jogadores e dos dados biométricos, e como a informação sensível sobre a forma física é protegida. As respostas vão moldar o desenvolvimento do campo.

Os modelos de valor de posse de bola representam o maior avanço na análise de futebol desde os golos esperados. Eles atribuem mérito às inúmeras ações que a ficha técnica ignora, explicando o desempenho de jogadores e equipas de formas que golos e assistências nunca conseguiram. Para os clubes, é uma ferramenta entre várias. Para os adeptos, responde por que certos jogadores e equipas realmente têm sucesso. Para os apostadores, é uma pequena e paciente vantagem num mercado que ainda se apoia em números tradicionais: real, mas facilmente consumida pelas margens dos bookmakers e pela variância.

• Usar PVMs em conjunto com xG, não no lugar dele. A investigação sugere que cada um é melhor num trabalho diferente.
• Conhecer a sua fonte. Verifique qual é o modelo e o fornecedor de dados a que está a olhar antes de comparar números; um valor VAEP e um valor OBV não são a mesma moeda.
• Pensar em temporadas, não em jogos isolados. Padrões sustentados significam algo; oscilações de um único jogo são, na maioria dos casos, ruído.
• Caçar o desequilíbrio. Os melhores sinais são equipas que criam muito valor sem os resultados correspondentes, e o inverso.
• Manter a vantagem em perspetiva. Qualquer vantagem é pequena e tem de superar a margem do bookmaker, por isso aposte de acordo.

Um passe que nunca se torna uma assistência não é inútil. O valor de posse de bola é a forma de o provar.

• Ameaça Esperada (xT) no Futebol: Guia Completo de Análise
• Análise de Dados do Futebol com VAEP: O Guia Completo para Valorizar Cada Ação
• Como Criar um Modelo de Apostas Desportivas: Guia Completo
• Vantagem de Fator vs Qualidade da Equipa: Guia Avançado de Apostas de Futebol
• Mais/Menos 1,5 e 3,5 Golos: Estratégias Avançadas de Apostas na Linha de Golos

18+. Jogue de forma responsável. Para apoio gratuito e confidencial, visite BeGambleAware.org.