Očekávané góly (xG) jako přesná metrika kvality šancí pro sázky
V sezoně 2024/25 skončil jeden zápas Chance Ligy výsledkem 1:0, přestože poražený tým vypálil čtrnáct střel a domácí jen tři. Klasická tabulka vám řekne, kdo vyhrál. Metrika xG vám řekne, kdo si výhru zasloužil víc, a právě v tom je její síla.
Expected goals, česky očekávané góly, přiřazují každé střele pravděpodobnost, že skončí gólem. Střela z šesti metrů přímo proti brankáři dostane hodnotu kolem 0,35, tedy zhruba 35% šance na gól. Hlavička z hranice velkého vápna po centru z křídla může mít xG jen 0,04. Sečtením všech střel jednoho mužstva za zápas získáte celkové xG týmu. Pokud tým nasbíral xG 2,1 a vstřelil jediný gól, nejspíš měl smůlu nebo nízkou efektivitu zakončení. Pokud vstřelil tři góly při xG 0,8, buď má výjimečného střelce, nebo se mu prostě dařilo nad rámec toho, co data předpovídají.
Modely xG pracují s několika faktory. Vzdálenost od branky je nejdůležitější, čím blíž, tím vyšší hodnota. Úhel střely hraje druhou klíčovou roli: centrální pozice před brankou generují vyšší xG než střely z ostrého úhlu u tyče. Část těla ovlivňuje přesnost, nohou se skóruje spolehlivěji než hlavou. Typ přihrávky před střelou přidává kontext: přímý centr ze strany, průniková kolmice za obranu, nebo odražený míč po standardní situaci, to vše posouvá pravděpodobnost nahoru nebo dolů.
Čtení xG čísel se liší podle úrovně analýzy. Na úrovni zápasu porovnáváte xG obou týmů a vidíte, kdo si vytvořil kvalitnější šance. Na úrovni hráče sledujete, kolik xG jednotlivec nasbíral za sezonu a kolik gólů skutečně vstřelil. Rozdíl mezi skutečnými góly a xG, takzvaný xG overperformance nebo underperformance, je jedním z nejužitečnějších ukazatelů. Hráč, který dlouhodobě střílí výrazně víc gólů, než odpovídá jeho xG, je buď mimořádný zakončovatel, nebo kandidát na regresní korekci směrem k průměru.
Divergence mezi xG a realitou je přesně to, co dělá tuto metriku zajímavou. Tým s vysokým xG a nízkým počtem gólů pravděpodobně v budoucích zápasech začne skórovat častěji, pokud kvalita šancí zůstane stejná. Tým, který boduje navzdory nízkému xG, naopak čelí riziku, že výsledky se otočí. Tohle není teorie: ve fotbalové analytice se tomuto jevu říká regrese k průměru a potvrzují jej data z desítek ligových sezon po celém světě.
Důležité je odlišit xG od jiných gólových metrik. Celkový počet střel říká málo o jejich kvalitě, deset pokusů zpoza vápna má nižší xG než tři střely z malého vápna. Střely na bránu (shots on target) jsou o krok blíž, ale stále nerozlišují mezi ránou do břicha brankáři a přesně umístěnou střelou k tyči. Teprve xG vám dá pravděpodobnostní ohodnocení každé šance, a tím pádem nejúplnější obraz útočné produktivity týmu.
Historicky se xG etablovalo v období kolem let 2012 až 2015, kdy analytické týmy v Premier League začaly modely systematicky nasazovat pro hodnocení hráčů a nákupní rozhodnutí. Dnes je xG standardní součástí televizních přenosů velkých lig a najdete ho i na běžných statistických platformách pokrývajících Chance Ligu. Z okrajové analytické hračky se stala metrika, bez které si seriózní diskuse o fotbalových výsledcích nelze představit.
Jak použít xG pro analýzu českého fotbalu?
Když víte, co xG měří, přichází otázka: jak s tím číslem pracovat v kontextu české ligy? Za jedenáct let práce se sportovními daty jsem si ověřil, že xG funguje nejlíp jako detektor nesouladu mezi výkonem a výsledkem. A právě Chance Liga, se svými šestnácti týmy a specifickým formátem s rozdělením do skupin, nabízí situace, kde tento nesoulad bývá výrazný.
Prvním praktickým krokem je identifikace přeceňovaných a podceňovaných týmů. Podívejte se na tabulku a vedle bodů si napište xG pro a xG proti. Tým na šestém místě s kumulativním xG odpovídajícím třetí pozici pravděpodobně hraje lépe, než naznačuje jeho bodový zisk. Naopak tým v horní polovině tabulky s nízkým xG může stát na vratkých základech. Před rozdělením ligy do skupin, tedy před klíčovým momentem české sezony, je přesně tohle typ informace, která pomáhá odhadnout, kdo v jarní části posílí a kdo oslabí.
Regrese k průměru je druhý klíčový koncept. Pokud tým v prvních patnácti kolech vstřelil dvacet gólů při xG 26, statisticky se očekává, že v druhé polovině sezony bude skórovat blíž ke svému xG. To neznamená, že automaticky zlepší produktivitu – ale znamená to, že jeho dosavadní výsledky pravděpodobně podhodnocují skutečnou kvalitu jeho útočné hry. Pro analýzu před zápasem je tohle silný signál.
Limity xG v menších ligách je třeba brát vážně. Modely xG jsou trénované převážně na datech z pěti největších evropských lig, kde je vzorkový soubor obrovský. Chance Liga generuje zhruba 240 zápasů za základní část sezony, což je zlomek oproti Premier League nebo Bundeslize. Menší vzorek znamená větší statistický šum. Konkrétní hráč s deseti střelami za sezonu může mít xG zkreslené jednou neobvyklou šancí. Proto doporučuji pracovat s xG na úrovni týmu a celé sezony, ne na úrovni jednotlivého zápasu.
Kombinace xG s dalšími metrikami přináší nejlepší výsledky. Samotné xG neřekne nic o pressinku, o držení míče, o obranné organizaci. Když k xG přidáte PPDA (počet přihrávek soupeře na jednu obrannou akci), získáte obraz o tom, jak intenzivně tým napadá soupeře. Tým s vysokým xG a nízkým PPDA pravděpodobně dominuje zápasům. Tým s vysokým xG a vysokým PPDA možná jen spoléhá na brejky – a jeho šance mohou být méně udržitelné.
Pro české poměry je nejdostupnějším zdrojem xG dat platforma SofaScore, která pokrývá Chance Ligu i Chance Národní Ligu včetně hráčských hodnocení a střeleckých map. Data nejsou tak granulární jako u specializovaných poskytovatelů typu Opta nebo StatsBomb, ale pro základní analýzu plně postačují. Klíčové je porovnávat xG konzistentně z jednoho zdroje – různé modely používají mírně odlišné algoritmy, takže míchání zdrojů zkresluje srovnání.
Praktický příklad pro ilustraci: představte si jarní kolo Chance Ligy, kde domácí tým porazí hosty 1:0 gólem z pokutového kopu. Klasická tabulka přičte domácím tři body. Ale xG řekne jinou věc – domácí měli celkové xG 0,9 (z toho 0,76 samotná penalta), hosté měli xG 1,7 ze čtyř kvalitních šancí z otevřené hry. V tomto zápase byl objektivně lepší tým poražen. Pro sázkaře, který sleduje xG, je tohle varování: domácí tým může být v tabulce výš, než odpovídá kvalitě jeho hry, a jeho výsledky mohou v dalších kolech klesnout.
Jedna věc, kterou xG neměří a kterou si spousta lidí neuvědomuje: kvalitu brankáře. Modely xG předpokládají průměrného brankáře. Pokud má tým Chance Ligy nadprůměrného gólmana, jeho skutečné obdržené góly budou trvale nižší než xG proti – a to není anomálie, ale reálná kvalita kádru. Proto je třeba xG interpretovat v kontextu a nepovažovat každou odchylku od modelu za regresní příležitost. Někdy je odchylka prostě dobrý brankář.
Pro sázkové účely je xG nejužitečnější v momentě, kdy srovnáte xG tým za posledních pět zápasů s jeho skutečnými výsledky. Pokud tým v těchto pěti zápasech generoval xG 1,8 za zápas, ale vstřelil jen 0,6 gólu průměrně, je to silný signál podvýkonu v zakončení. V dalších kolech se střelecká produktivita pravděpodobně zlepší – ne proto, že by se hráči najednou naučili lépe střílet, ale proto, že výkon na úrovni šancí je udržitelnější než jednorázový výpadek efektivity. Tohle je typ informace, kterou klasická forma (V-P-P-P-R) nezachytí. Metrika očekávaných gólů je naprosto klíčová, pokud chcete vytvářet přesné fotbalové predikce a prognózy pro nadcházející kola.
Závěrečná poznámka pro ty, kteří chtějí s xG pracovat seriózně: neporovnávejte absolutní hodnoty xG napříč různými ligami bez korekce. Chance Liga s průměrem 2,38 gólu na zápas produkuje jiné xG distribuce než Bundesliga s průměrem 3,0. Model kalibrovaný na data z pěti velkých lig přeceňuje ofenzivní kvalitu šancí v české lize, protože brankáři a obrany v Chance Lize operují na jiné úrovni. Pokud používáte xG pro srovnání českého a zahraničního týmu – třeba při pohárové analýze – mějte tuto kalibrační odchylku na paměti. Zlepšete svou úspěšnost s pomocí dat, která nabízí náš průvodce českým fotbalem a sázkami.
