📖 Это пятая глава из учебника «Вне Шаблона» и первая статья второго логического модуля (Data Mining). Прочитать четвертую главу (Управление капиталом) можно здесь.

В первом модуле мы построили жесткий математический фундамент: научились находить валуй (+EV) и защитили банкролл от дисперсии с помощью дробного критерия Келли. Мы поняли, как математически правильно делать ставки.

Но в воздухе повис главный вопрос: откуда брать ту самую «нашу вероятность», чтобы находить ошибки букмекера?

С этого момента мы навсегда прощаемся с классической, любительской аналитикой. В профессиональном подходе нет места аргументам в духе: «Команде нужнее очки», «Они играют дома, трибуны погонят вперед», «У них мотивация после прошлого поражения». Это шум. Это лирика, на которой букмекеры делают миллиарды.

Единственное, что имеет значение — это объективные массивы данных. И сегодня мы разберем три базовые метрики продвинутой футбольной статистики, которые вскрывают реальную силу команд.

1. Иллюзия счета на табло и магия xG (Expected Goals)

Счет на табло — самый большой лжец в футболе. Команда может нанести 25 ударов из пределов штрафной, трижды попасть в штангу, не забить ни одного мяча и проиграть из-за случайного рикошета после единственного удара соперника с 35 метров.

Толпа посмотрит на счет 0:1 и сделает вывод: «Хозяева в кризисе, гости сильны». Линия букмекера прогнется под мнением толпы. А профессиональный аналитик посмотрит на xG (Ожидаемые голы).

xG — это метрика, которая оценивает качество каждого созданного момента на поле, присваивая ему вероятность того, что он завершится голом.

• Удар с центра поля = ~0.01 xG (1 шанс из 100).
• Выход один на один из центра штрафной = ~0.45 xG (45 шансов из 100).
• Пенальти = 0.76 xG.

Складывая вес всех ударов за матч, мы получаем итоговый показатель xG. Он показывает, сколько голов команда должна была забить по математической логике, исходя из качества созданных моментов.

Важно: Профи чаще используют npxG (Non-Penalty xG) — ожидаемые голы без учета пенальти. Это позволяет оценить реальную силу атакующих построений в открытой игре, отбросив случайные 11-метровые (которые имеют фиксированный вес 0.76 xG и искажают статистику).

Как это использовать? Если команда систематически недозабивает (ее реальные голы сильно меньше, чем накопленный xG), толпа считает ее слабой. Коэффициенты на нее растут. Но математика знает, что неизбежно наступит регрессия к среднему (regression to the mean) — процент реализации моментов выровняется, и команду «прорвет». Это идеальная точка для поиска +EV.

Также помните, что «сырой» xG не учитывает сценарий матча (Game State). Команда, проигрывающая 0:2, на последних минутах набьет себе 1.5 xG дешевыми ударами из-за штрафной, просто потому что соперник сел в глухую оборону. Поэтому аналитики часто смотрят на xG с поправкой на счет.

2. xGA (Expected Goals Against): рентген для обороны

Если xG показывает атакующий потенциал, то xGA (Ожидаемые пропущенные голы) оценивает реальную прочность защиты.

Допустим, некая команда не пропускает уже 5 матчей подряд. В прессе хвалят «железобетонную оборону», а букмекеры занижают коэффициенты на исход «Обе забьют — Нет» или индивидуальный тотал соперников.

Но мы заглядываем в данные и видим, что показатель xGA этой команды за последние 5 матчей равен 8.5. Что это значит?

• Это значит, что соперники создали у их ворот моментов на 8-9 верных голов.
• Нули на табло держатся исключительно на невероятном везении, плохой реализации соперников или временном оверперфомансе (кураже) вратаря (когда он делает сейвы, статистически не вытягиваемые).
• Оборона на самом деле напоминает решето.

Такая аномалия — это красная тряпка для аналитика. Система рано или поздно схлопнется, везение закончится, и команда начнет пропускать пачками. Мы находим валуй в ставках против такой «идеальной» defenses, пока толпа продолжает верить в сухие серии.

3. PPDA (Passes Allowed Per Defensive Action): измеряем удушение прессингом

Количество голов и ударов — это следствие. А нам нужно понять рисунок игры. Кто будет доминировать? Будет ли игра вязкой или на встречных курсах? На это отвечает метрика PPDA.

PPDA — показывает интенсивность прессинга. Метрика считает, сколько в среднем пасов команда позволяет сделать сопернику на половине поля соперника (в финальной трети), прежде чем вступить в отбор, сделать перехват или сфолить.

• Низкий PPDA (от 7 до 10) — означает агрессивный, удушающий высокий прессинг. Команда бросается в отбор моментально.
• Высокий PPDA (от 15 и выше) — означает пассивную оборону (низкий блок). Команда садится к своей штрафной и позволяет сопернику спокойно катать мяч.

Важно: PPDA не учитывает пасы в центральном круге или на своей половине. Команда, сидящая в низком блоке у своей штрафной, просто не дает сопернику доходить до чужой половины, и ее PPDA может быть низким чисто статистически, хотя высокого прессинга нет. Поэтому мы всегда смотрим PPDA в связке с тем, где команда забирает мяч.

Как применять PPDA на практике?

Анализ столкновения стилей дает потрясающие результаты, особенно для смолмаркетов (малых рынков).

📊 Пример из практики

Команда А имеет PPDA = 8.2 (агрессивный прессинг), а команда Б теряет мяч на своей половине в среднем 18 раз за матч (плохой выход из-под давления).

Прогноз: Высокая вероятность потерь Б в опасной зоне → рост xG для А, больше угловых (мяч часто уходит за лицевую после прессинга), больше желтых карточек (фолы как последний рубеж обороны).

4. От данных к вероятности

Ни одна метрика не дает гарантий прохода ставки. Футбол — низкорезультативный вид спорта, где случайность играет огромную роль. Но xG, xGA и PPDA — это объективные фильтры.

Пока рекреационные игроки смотрят в турнирную таблицу и историю личных встреч (которые никак не отражают текущую форму команд), вы смотрите в архитектуру игры. Вы собираете базу данных, парсите продвинутую статистику, и она становится входными данными (инпутами) для статистических моделей (например, распределения Пуассона или симуляций Монте-Карло). Именно эти модели генерируют ту самую чистую вероятность (Fair Odds), которую мы сравниваем с линией букмекера. А дальше — дело техники, которую мы прошли в первом модуле: найти перевес и рассчитать ставку через Келли.

🎯 Ваше четвертое домашнее задание

Пора переходать от теории к работе с реальными цифрами:

1. Откройте любой открытый ресурс с продвинутой футбольной статистикой (например, Understat или FBref).
2. Выберите любую команду из топ-5 лиг Европы.
3. Посмотрите ее статистику за текущий сезон: сравните колонку G (Реально забитые голы) и колонку xG (Ожидаемые голы), а также GA (Пропущенные) и xGA.
4. Задание: Напишите в комментариях, какую команду вы выбрали и есть ли у нее существенный «недобор» или «перебор» по голам. Обратите внимание на соотношение G/xG. Если оно сильно отличается от 1.0 (например, 1.4 или 0.7), подумайте, почему математика считает, что текущие результаты команды — это временная аномалия.

В следующей статье мы углубимся в Святой Грааль профессиональных аналитиков — Малые рынки (Small Markets). Мы разберем, как именно судейская статистика, стиль арбитра и сценарий матча (Game State) позволяют находить валуи там, куда букмекеры просто не успевают смотреть.

Включайте уведомления. Дальше будет только хардкор.

Следующая глава: Малые рынки и Судейский фактор →

SEO-метки: xG, ожидаемые голы, xGA, продвинутая статистика футбола, PPDA, интенсивность прессинга, Data Mining в ставках, анализ футбольных матчей, спортивная аналитика.