La primera vez que oí hablar de xG fue en 2017, viendo un análisis táctico en YouTube. El comentarista decía que el equipo que había perdido 1-0 en realidad había «merecido» ganar según los goles esperados. Me pareció absurdo: el marcador es el marcador. Tardé dos temporadas más en entender que ese dato «absurdo» me habría ahorrado varias apuestas perdidas si lo hubiera incorporado a mi análisis.
Los equipos ahora miran números avanzados como Goles Esperados (xG) y Amenaza Esperada (xT), que dan una mejor idea del rendimiento de un jugador o equipo que las simples estadísticas. Esta observación de Sportmonks refleja un cambio de paradigma: los clubes profesionales ya no se fían solo de goles y asistencias, y los apostadores informados tampoco deberían. El xG no predice el futuro, pero sí identifica equipos que rinden por encima o por debajo de lo que sus ocasiones sugieren.
LaLiga ha asegurado 6.135 millones de euros en ingresos audiovisuales para el próximo ciclo, dinero que financia departamentos de análisis de datos en todos los clubes de primera línea. Estos clubes toman decisiones basadas en métricas avanzadas. Si quieres apostar contra los equipos que ellos analizan, necesitas herramientas similares. El xG es la puerta de entrada más accesible a ese mundo.
Qué es el xG y cómo se calcula
El xG o «Expected Goals» asigna una probabilidad a cada disparo basándose en características históricas de tiros similares. Un penalti tiene aproximadamente 0.76 xG porque, históricamente, el 76% de los penaltis terminan en gol. Un disparo desde 25 metros con un defensor delante puede tener 0.03 xG. Suma todos los xG de los disparos de un equipo y obtienes los goles que «debería» haber marcado según la calidad de sus ocasiones.
Los modelos de xG consideran múltiples variables: distancia a portería, ángulo del disparo, parte del cuerpo utilizada, tipo de asistencia previa, presión defensiva, si es un contragolpe o jugada elaborada. Los modelos más sofisticados incluyen posicionamiento del portero y defensores, aunque esta información no siempre está disponible públicamente. Cada proveedor de datos — Opta, StatsBomb, FBref — tiene su propio modelo con ligeras diferencias.
La diferencia entre goles reales y xG se llama «sobrerendimiento» o «infrarendimiento». Un equipo que marca 30 goles con 25 xG está sobrerrindiendo; sus delanteros están convirtiendo más de lo esperado. Históricamente, estas diferencias tienden a corregirse: los equipos que sobrerrinden bajan su conversión, los que infrarrinden suelen mejorar. Aquí es donde el xG se convierte en herramienta de apuestas.
No confundas xG con calidad del juego. Un equipo puede generar muchas ocasiones de bajo xG (disparos lejanos, ángulos imposibles) y tener un xG total alto sin haber jugado bien. Por eso los analistas también miran «big chances» (ocasiones claras) y «xG por disparo» para evaluar si el xG viene de cantidad o calidad de ocasiones.
Aplicar el xG a las apuestas de fútbol
Mi uso principal del xG es detectar equipos cuyo rendimiento real no coincide con sus números subyacentes. El contrato de derechos TV de LaLiga asciende a 1.194 millones de euros anuales, lo que garantiza cobertura intensiva y visibilidad mediática que influye en las cuotas. Pero las cuotas reflejan resultados, no procesos. Si un equipo está perdiendo partidos pese a generar 2.0 xG por partido, el mercado lo castiga con cuotas más largas de las que debería tener.
Hace dos temporadas identifiqué un equipo de mitad de tabla que acumulaba cinco derrotas consecutivas pero mantenía un xG por encima de 1.5 en cada partido. Sus delanteros estaban fallando ocasiones claras, su portero cometía errores puntuales, y la suerte les daba la espalda sistemáticamente. Las cuotas lo trataban como un equipo en caída libre. Aposté a su victoria en las siguientes tres jornadas contra rivales similares y gané dos de tres. La regresión a la media funcionó.
El xG también sirve para mercados de goles. Si dos equipos promedian 1.4 xG a favor y 1.2 xG en contra, la expectativa de goles del partido ronda los 2.6. Compara esto con la línea de over/under que ofrece el bookmaker. Si te dan 2.5 goles a cuota equilibrada pero el xG sugiere casi 3, hay valor en el over. Si el bookmaker ya calibró la línea en 2.75 o más, el valor desaparece.
Una advertencia importante: el xG funciona mejor en muestras grandes. Cinco partidos no son suficientes para establecer tendencias fiables; necesitas al menos diez o quince para que los patrones sean significativos. Por eso es más útil a mitad de temporada que al principio, cuando los equipos todavía no han generado suficiente volumen de datos.
Limitaciones del xG como herramienta
El xG tiene puntos ciegos que pueden costarte dinero si los ignoras. No captura la calidad individual del rematador: Haaland convirtiendo el mismo disparo que un mediocampista defensivo tendrá rendimientos muy diferentes, pero el modelo les asigna el mismo xG. Algunos delanteros de élite sistemáticamente superan su xG porque su técnica de remate es excepcional. Apostar contra equipos que tienen a estos jugadores basándote solo en xG es un error.
El contexto táctico tampoco aparece en los modelos estándar. Un equipo que juega a especular y buscar el contraataque generará menos xG que uno que ataca constantemente, pero eso no significa que sea peor equipo. El Atlético de Simeone históricamente ha ganado más partidos de los que su xG sugería porque su modelo de juego optimiza la conversión de pocas ocasiones claras.
La defensa es más difícil de evaluar con xG. Puedes medir cuánto xG genera el rival, pero no distingues si esas ocasiones vienen de errores puntuales de un jugador lesionado que ya ha vuelto, de un planteamiento táctico específico para ese partido, o de una debilidad estructural del equipo. El xG defensivo requiere más contexto cualitativo que el ofensivo.
Mi regla es usar xG como un dato más, nunca como el único factor de decisión. Lo combino con análisis de alineaciones, contexto motivacional, forma reciente y observación directa de partidos. El xG me dice qué mirar más de cerca; raramente me dice qué apostar directamente. Para integrar el xG con otras estrategias de análisis, revisa la guía completa de estrategias de apuestas.
xG: un dato más, no el único
El xG ha democratizado el acceso a análisis estadístico que antes solo tenían los clubes profesionales. Cualquier apostador puede hoy consultar datos que hace diez años requerían suscripciones carísimas o contactos internos. Esta información niveladora ha cambiado cómo pensamos sobre el rendimiento de los equipos y cómo identificamos valor en las cuotas.
Pero precisamente porque el xG se ha popularizado, su ventaja competitiva ha disminuido. Los bookmakers ya incorporan estas métricas en sus modelos de calibración de cuotas. La ventaja ya no está en conocer el xG, sino en interpretarlo correctamente junto con factores que los modelos no capturan. Usa el xG como punto de partida, no como destino final de tu análisis.