Laden...
Expected Goals — afgekort als xG — is in minder dan een decennium uitgegroeid van een niche-statistiek voor data-analisten tot een begrip dat in elke voetbaluitzending op televisie verschijnt. De metriek heeft de manier veranderd waarop we naar voetbal kijken, en voor wedders biedt het iets nog waardevollers: een objectieve maatstaf om te beoordelen of een team beter of slechter presteert dan het zou moeten. Dat verschil tussen verwachting en werkelijkheid is precies waar value in weddenschappen ontstaat.
Maar xG is geen toverformule. Het is een hulpmiddel dat, correct gebruikt, je analyse verscherpt en je beschermt tegen veelgemaakte denkfouten. Verkeerd gebruikt — als absolutum in plaats van als indicator — leidt het tot overmoed en schijnprecisie. Dit artikel legt uit wat xG is, hoe het werkt en hoe je het praktisch inzet voor betere weddenschappen.
Wat is xG?
Expected Goals is een metriek die aan elke schotkans in een voetbalwedstrijd een waarschijnlijkheid toekent dat die kans in een doelpunt resulteert. Een penalty krijgt een xG-waarde van ongeveer 0.76 — historisch gezien wordt 76% van de penalty’s benut. Een schot vanuit de zestien, centraal, na een voorzet krijgt misschien 0.12. Een afstandsschot van dertig meter krijgt 0.03. De som van alle xG-waarden van een team in een wedstrijd geeft het verwachte aantal doelpunten: het aantal goals dat een gemiddeld team zou hebben gescoord gegeven de kwaliteit en kwantiteit van de kansen.
De kracht van xG zit in de objectivering. Een wedstrijd die in 3-0 eindigt, voelt als een eenzijdige dominantie. Maar als de xG-waarden 1.4 – 1.1 zijn, vertelt dat een ander verhaal: de winnende ploeg was efficiënt, niet dominant. De verliezer creëerde kansen die op een andere dag tot doelpunten zouden hebben geleid. Dat onderscheid is cruciaal voor wedders, omdat het je helpt om te beoordelen of een resultaat representatief is voor de werkelijke kwaliteitsverhoudingen.
Hoe wordt xG berekend?
De berekening van xG is gebaseerd op grote datasets van historische schoten. Elk schot wordt geanalyseerd op basis van meerdere variabelen die de scoringskans beïnvloeden.
De positie van het schot is de belangrijkste factor. Een schot vanuit het vijfmetergebied heeft een fundamenteel hogere scoringskans dan een schot van buiten het strafschopgebied. De afstand tot het doel en de hoek ten opzichte van de doellijn vormen samen de ruimtelijke basis van het model. Hoe dichter bij het doel en hoe centraler, hoe hoger de xG-waarde.
Het type aanval dat tot het schot leidde, is de tweede factor. Een kans die ontstaat uit open spel, een counter, een hoekschop of een vrije trap heeft elk een ander historisch conversiepercentage. Counters produceren doorgaans kansen met hogere xG-waarden, omdat de verdediging uit positie is. Hoekschoppen produceren veel schoten maar met lage individuele xG, omdat de meeste kopballen uit hoekschoppen worden geblokkeerd of het doel missen.
Het lichaamsdeel waarmee geschoten wordt, beïnvloedt de kans. Schoten met de voet zijn over het algemeen nauwkeuriger dan kopballen. Binnen de categorie voetschoten maakt het ook uit of het een volley is, een eerste-tijdsschot of een gecontroleerd schot na een aanname. Elk type heeft zijn eigen historische conversieratio.
Geavanceerdere xG-modellen voegen extra variabelen toe: de snelheid van de aanval, het aantal verdedigers tussen de schutter en het doel, de positie van de keeper en of het schot na een dribbel komt. Hoe meer variabelen het model bevat, hoe nauwkeuriger de xG-inschatting — maar ook hoe complexer het model en hoe gevoeliger het is voor datakwaliteit.
De meest gebruikte bronnen voor xG-data zijn Understat, FBref en StatsBomb. Elk gebruikt een eigen model met licht verschillende inputs, waardoor de xG-waarden per bron een fractie kunnen afwijken. Voor weddoeleinden is dat verschil doorgaans verwaarloosbaar, maar het is goed om consistent dezelfde bron te gebruiken in je analyses.
Praktische toepassing voor wedden
De directe toepassing van xG voor wedders zit in het identificeren van teams die boven of onder hun verwachte niveau presteren. Dat verschil — tussen xG en werkelijke doelpunten — heet xG-verschil, en het is een van de meest bruikbare indicatoren voor het vinden van value.
Een team dat gemiddeld 1.8 xG per wedstrijd genereert maar slechts 1.2 doelpunten scoort, presteert onder zijn niveau. De kansen zijn er, maar de afwerking is tijdelijk onder de maat. Historisch gezien corrigeren dergelijke afwijkingen zich over tijd: de spitsen gaan weer scoren op hun gemiddelde niveau, en de doelpuntenproductie stijgt naar het verwachte niveau. Voor de wedder betekent dit dat de huidige odds — gebaseerd op recente resultaten — te laag kunnen zijn. De markt onderwaardeert het team omdat het minder scoort dan je op basis van de kansen zou verwachten.
Het omgekeerde geldt ook. Een team dat 2.5 doelpunten per wedstrijd scoort bij een xG van 1.6 presteert boven verwachting. De afwerking is tijdelijk bovengemiddeld, en de kans is groot dat de productie terugzakt. De markt kan dit team overwaarderen, wat value oplevert aan de andere kant — op de tegenstander, het gelijkspel of de under op doelpunten.
Deze toepassing werkt het beste over een steekproef van minstens acht tot tien wedstrijden. Na drie wedstrijden is het verschil tussen xG en werkelijke doelpunten grotendeels ruis. Na tien wedstrijden begint een patroon zich af te tekenen. Na twintig wedstrijden is het verschil statistisch betekenisvoller. De geduldige wedder die halverwege het seizoen pas begint met xG-gebaseerde selecties, heeft een betrouwbaardere basis dan wie na speelronde drie al conclusies trekt.
xG voor de over/under- en BTTS-markt
De meest directe toepassing van xG ligt bij de over/under- en BTTS-markten, omdat deze markten rechtstreeks gerelateerd zijn aan het aantal verwachte doelpunten.
Als de gecombineerde xG van beide teams in recente wedstrijden structureel boven 3.0 ligt, is over 2.5 een interessante richting, mits de odds dat niet al reflecteren. Als de xG-against van een team structureel laag is — onder 1.0 per wedstrijd — is dat team een sterke kandidaat voor BTTS-nee, zelfs als de recente resultaten dat niet altijd bevestigen.
Het combineren van xG-for en xG-against van beide teams geeft je een verwacht doelpuntentotaal dat je kunt vergelijken met de lijn die de bookmaker hanteert. Als je verwachte totaal 3.2 is en de bookmaker biedt over 2.5 tegen odds van 1.90, kun je berekenen of er value bestaat. Met een Poisson-model vertaal je het verwachte totaal naar een exacte kans op over 2.5, en die kans vergelijk je met de implied probability van de odds.
Beperkingen van xG
xG is krachtig maar niet alwetend. Er zijn concrete beperkingen die je moet begrijpen om het hulpmiddel correct te gebruiken.
De eerste beperking is dat xG individuele kwaliteit niet volledig vangt. Het model berekent de kans voor een gemiddelde speler in een gegeven positie. Maar niet elke speler is gemiddeld. Sommige spitsen converteren structureel boven hun xG — ze zijn simpelweg betere afwerkers dan het gemiddelde. Andere spelers scoren consistent onder hun xG. Het model behandelt ze allemaal gelijk, wat leidt tot systematische over- of onderschatting bij teams die afhankelijk zijn van uitzonderlijke of ondermaatse afwerkers.
De tweede beperking is de kleine steekproef. xG wordt betrouwbaarder naarmate het aantal wedstrijden toeneemt, maar aan het begin van het seizoen — wanneer de meeste wedders het het hardst nodig hebben — is de dataset te klein voor robuuste conclusies. Drie wedstrijden xG is een anekdote, geen bewijs.
De derde beperking is dat xG tactische verschuivingen met vertraging oppikt. Een trainerswisseling, een nieuw systeem of een cruciale transfer verandert het aanvallende profiel van een team onmiddellijk, maar de xG-data weerspiegelen dat pas na meerdere wedstrijden. De wedder die blind vaart op xG zonder de tactische context te kennen, mist deze wendingen.
xG is een kompas, geen GPS
De metafoor is veelzeggend. xG vertelt je de richting — dit team creëert meer kansen dan het afmaakt, dat team leeft op geleende tijd — maar het vertelt je niet de exacte route. Het geeft je een verwachting, geen voorspelling. Het verschil klinkt subtiel maar is fundamenteel.
Een wedder die xG gebruikt als enige grondslag voor zijn weddenschappen, maakt dezelfde fout als een wedder die puur op intuïtie vertrouwt: hij vertrouwt te veel op één informatiebron. De sterkte van xG zit in de combinatie met andere analyses — tactische context, blessure-informatie, motivatiefactoren, marktanalyse. Samen vormen ze een beeld dat rijker is dan elk onderdeel afzonderlijk.
Het mooiste aan xG is niet dat het je vertelt wie gaat winnen. Het mooiste is dat het je beschermt tegen de meest voorkomende denkfout in sportwedden: het verwarren van resultaten met prestaties. Teams die geluk hebben, worden door xG ontmaskerd. Teams die pech hebben, worden door xG gerehabiliteerd. En de wedder die dat verschil ziet, heeft een voorsprong op iedereen die alleen naar de uitslag kijkt.