Laden...
Stel je voor: PSV wint met 1-0 van AZ. De krant meldt een verdiende overwinning. Maar de xG-data vertellen een ander verhaal: AZ creëerde kansen ter waarde van 2,3 expected goals, PSV slechts 0,6. Statistisch gezien had AZ deze wedstrijd ruim moeten winnen. Dat verschil tussen uitslag en onderliggende kwaliteit is precies waarom expected goals de afgelopen jaren zijn uitgegroeid tot de belangrijkste metriek in voetbalanalyse — en bij uitbreiding in de wereld van sportweddenschappen.
Toch blijft xG voor veel wedders een abstract begrip. Een getal achter de komma dat ergens op een website staat en waarvan niet helemaal duidelijk is wat je ermee moet. Dit artikel maakt de metriek concreet: hoe wordt xG berekend, wat zegt het wel en niet, en hoe gebruik je het om betere weddenschappen te plaatsen?
Hoe expected goals worden berekend
In de kern is expected goals een maat voor de kwaliteit van een schotkans. Elk schot in een voetbalwedstrijd krijgt een waarde tussen 0 en 1, gebaseerd op de historische waarschijnlijkheid dat een vergelijkbaar schot resulteert in een doelpunt. Een penalty heeft een xG van ongeveer 0,76 — dat wil zeggen dat historisch gezien 76% van de penalty’s wordt benut. Een kopbal uit een hoekschop heeft misschien een xG van 0,04, en een schot van dertig meter een xG van 0,02.
De factoren die meewegen in de berekening verschillen per model, maar de belangrijkste zijn vrijwel universeel. De afstand tot het doel is de meest bepalende factor: hoe dichterbij, hoe hoger de xG. De hoek ten opzichte van het doel speelt eveneens een grote rol — een schot vanuit een scherpe hoek heeft minder kans dan een schot recht voor het doel. Verder wordt het type schot meegenomen, zoals of het een volley is, een kopbal of een schot met de voet na een dribbel. Sommige modellen tellen ook de snelheid van de aanval mee, het aantal verdedigers tussen de schutter en het doel, en of het schot voortkwam uit een open spelsituatie of een standaardsituatie.
Wat xG niet meetelt, is de kwaliteit van de individuele schutter. Het maakt voor het model niet uit of Erling Haaland of een derdedivisie-aanvaller het schot neemt — de xG-waarde is identiek bij een gelijk schot vanuit dezelfde positie. Dit is een bewuste keuze: xG meet de kwaliteit van de kans, niet de kwaliteit van de speler. Dat maakt het een objectieve maatstaf voor hoe dominant een team speelt, los van wie er in de basis staat.
Wat xG wel en niet zegt over een team
Expected goals zijn bijzonder nuttig als indicator van structurele prestaties. Een team met een seizoens-xG van 1,8 per wedstrijd creëert consistent gevaar, ook als het in sommige wedstrijden niet scoort. Een team met een xG van 0,7 per wedstrijd dat regelmatig wint, doet dat door efficiëntie of geluk — en die situatie is op de lange termijn niet houdbaar.
Dit onderscheid is cruciaal voor weddenschappen. Bookmakers baseren hun odds deels op recente resultaten, en het publiek wedt nog sterker op die resultaten. Als een team met lage xG-waarden een winnende reeks heeft, krijgt het relatief lage odds. Maar de data suggereren dat die reeks zal eindigen. Omgekeerd kan een team met hoge xG-waarden dat in een verliesreeks zit, ondergewaardeerd zijn door de bookmaker.
Het verschil tussen de werkelijke doelpunten en de expected goals heet de xG-overperformance of xG-underperformance. Een team dat in tien wedstrijden 15 keer scoort bij een cumulatieve xG van 10 presteert boven verwachting. Dat kan duiden op een uitzonderlijk goede afmaker in de selectie, maar het kan ook simpelweg geluk zijn. Over een seizoen van 34 wedstrijden middelt dit verschil zich doorgaans uit, en dat maakt xG betrouwbaarder naarmate je meer data hebt.
Een veelgemaakte fout is om xG te gebruiken als voorspelling voor een individuele wedstrijd. Een team met een gemiddelde xG van 2,0 scoort niet in elke wedstrijd twee keer. xG is een statistische verwachting die pas over een groot aantal wedstrijden betrouwbaar wordt. Voor een enkele weddenschap geeft het richting, maar geen zekerheid.
xG toepassen bij weddenschappen: drie praktische toepassingen
De meest directe toepassing van xG bij weddenschappen is het identificeren van teams die boven of onder hun niveau presteren. Zoals eerder beschreven, middelt overperformance zich op de lange termijn uit. Een team dat halverwege het seizoen significant meer scoort dan zijn xG rechtvaardigt, is een kandidaat om in de tweede seizoenshelft terug te vallen. Voor weddenschappen op seizoenstotalen, degradatie of kampioenschap is dit een waardevolle indicator.
De tweede toepassing is bij de over/under-markt. Als twee teams met hoge xG-waarden tegen elkaar spelen, is de verwachting dat er kansen komen — en dus waarschijnlijk doelpunten. Combineer de xG voor van het ene team met de xGA van het andere team, en je krijgt een redelijke schatting van het verwachte aantal goals. Als die schatting significant afwijkt van de lijn die de bookmaker hanteert, heb je mogelijk een waardevolle weddenschap gevonden.
De derde toepassing is het evalueren van je eigen prestaties als wedder. Door achteraf te kijken of de wedstrijden waarop je hebt ingezet in lijn waren met de xG-verwachtingen, kun je beoordelen of je winnende weddenschappen het resultaat waren van goede analyse of simpelweg geluk. Het is niet het prettigste om te ontdekken dat je vijf winnende weddenschappen eigenlijk mazzel waren, maar het beschermt je tegen overmoed.
Verschillende xG-modellen: waarom de cijfers niet overal gelijk zijn
Niet elke xG is gelijk. Verschillende aanbieders gebruiken verschillende modellen, en dat leidt tot soms opvallende verschillen in de uitkomsten. Het is belangrijk om dit te begrijpen, zodat je niet blind vaart op een enkel getal.
Opta, het databedrijf dat statistieken levert aan de meeste Europese voetbalcompetities, gebruikt een van de meest uitgebreide modellen. Hun xG houdt rekening met meer dan tien variabelen per schot, inclusief de positie van de keeper en het type pass dat aan het schot voorafging. StatsBomb, een concurrent, gaat nog een stap verder en weegt ook de fysieke druk op de schutter mee. FBref publiceert data op basis van StatsBomb-modellen, terwijl Understat een eigen model hanteert dat minder variabelen gebruikt maar daardoor transparanter en eenvoudiger te begrijpen is.
De verschillen tussen modellen zijn doorgaans klein — enkele tienden van een verwacht doelpunt per wedstrijd. Maar bij individuele wedstrijden kunnen die verschillen oplopen, vooral bij ongebruikelijke situaties zoals verre vrije trappen of chaotische scrimmages in het strafschopgebied. De les is om nooit te vertrouwen op een enkel xG-getal van een enkele bron, maar om trends te bekijken over meerdere wedstrijden en bij voorkeur meerdere modellen te raadplegen.
Voor de gemiddelde wedder in Nederland is het verschil tussen modellen minder relevant dan het consistent gebruiken van dezelfde bron. Zolang je consequent dezelfde metriek volgt, kun je trends herkennen en vergelijkingen maken tussen teams. Het maakt minder uit of je Understat of FBref gebruikt — het maakt uit dat je het consequent doet.
xGA en het defensieve spiegelbeeld
Naast expected goals voor (xG) bestaat er expected goals against (xGA): het verwachte aantal doelpunten dat een team toestaat op basis van de kwaliteit van de kansen die het weggeeft. Dit is de defensieve tegenhanger van xG en minstens zo waardevol.
Een team met een lage xGA staat defensief sterk. Het laat weinig grote kansen toe en dwingt tegenstanders tot schoten vanuit moeilijke posities. Een team met een hoge xGA geeft structureel veel weg, ook als de keeper er regelmatig uithaalt. Net als bij aanvallende xG geldt hier dat de werkelijkheid op de lange termijn naar het gemiddelde terugkeert. Een keeper die wekenlang boven zijn niveau redt, zal op een gegeven moment goals incasseren die de verdediging eigenlijk had moeten voorkomen.
Voor de clean sheet-markt is xGA bijzonder bruikbaar. Vergelijk de xGA van het verdedigende team met de xG van het aanvallende team, en je hebt een onderbouwde inschatting van de kans op een clean sheet. Bookmakers doen dit uiteraard ook, maar hun odds worden mede bepaald door publieke perceptie. Een team dat net drie tegengoals heeft geïncasseerd krijgt hogere odds op een clean sheet, zelfs als de xGA-waarden erop wijzen dat die tegengoals incidenteel waren.
Het getal achter het getal
Expected goals hebben het voetbal veranderd, maar ze zijn geen vervanger voor het kijken naar wedstrijden. De mooiste eigenschap van xG is tegelijk de beperking: het reduceert een complexe sport tot een enkel getal. Dat getal is nuttig als kompas, maar het vangt niet alles. De spanning in het stadion, de vermoeidheid in de 88e minuut, de regen die de bal onvoorspelbaar maakt — dat zit allemaal niet in het model.
Wat xG je wel geeft, is een eerlijke spiegel. Het laat je zien wat er werkelijk op het veld gebeurde, voorbij de uitslag en voorbij het narratief dat achteraf wordt geconstrueerd. De winnaar was niet altijd de betere ploeg, en de verliezer verdiende het niet altijd om te verliezen. Die nuance is het fundament van elke goede weddenschap. Want de bookmaker die de lijn zet en de wedder die de lijn verslaat, zijn allebei op zoek naar hetzelfde: de waarheid achter het scorebord.