Испокон веков люди стремились найти объяснение вещам, которые выходили за рамки их понимания. И чем больше что-то они не понимали, тем больше они хотели это изучить. Сейчас аналитики различных отделов, пытаются как-то оцифровать футбольную статистику и озвучивать более точные данные по командам, игрокам и количеству «везения» в сыгранных матчах. И вот, в то время, когда прогрессивное человечество уже готовиться лететь на Марс, в медицинских штабах больших футбольных клубов стоит оборудование дороже, чем у нас в городской поликлинике, и родилось поколение детей, которые не увидят в свободном доступе VHS-кассеты, я решил перейти от системы ТТД Лобановского, к новой системе xG. Ну не прям полагаться только на неё, но покончить со своими детскими страхами, взглянуть правде в глаза и понять как она работает (в дальнейшем так же поговорим и по-другим аналитическим моделям). Ну-с, приступим.
Для начала, давайте определимся, что же это вообще такое xG и с чем его едят. «Expected goals»(так расшифровывается аббревиатура xG) – это показатель ожидаемых голов. Благодаря xG статистике можно посчитать альтернативный результат матча, без влияния фактора удачи. Анализ с помощью моделей xG сравнительно молодой. Всю историю развития этого направления не будем затрагивать, так как всё это ещё находится в развитии. Но заслуживает отдельного упоминания норвежский футболист и тренер Эгил Ольсен, который 20 лет назад положил начало развития этой модели во время работы со сборной Норвегии. И необходимо упомянуть английского журналиста Майкла Кэйли, который в 2015 году опубликовал статью Premier League Projections and New Expected Goals, став одним из главных популяризаторов модели.
На данный момент наиболее популярные модели, которые используются это: Модель Майкла Кэйли и Модель tegen11. Вот на их примере мы и будем рассматривать, что это и как это работает.
Данные модели присваивают коэффициент опасности (вероятность забить гол) для каждого удара. То есть, каждому удару присваивается коэффициент от 0 до 1 в зависимости от:
- типа удара (прямой со стандарта, так называемые «обычные» удары — удары, нанесённые не головой и после передачи, отличной от навеса, удары ногой после обводки вратаря и т.п.);
- позиции нанесения удара;
- типа паса, который привел к удару (навес, вразрез и т.п.)
- позиции с которой пас был отдан;
- типа атаки, приведшей к удару (контратака, позиционная, стандарт и т.п);
- типа момента перед ударом (обводка, удар в касание и т.д.);
- дистанции, которую бивший футболист пробежал с мячом;
- положения команды в матче (проигрывает, выигрывает, играет вничью).
Понятное дело, что в век развития технологий вручную это уже перестают делать. Ведь расчет одного показателя дело затруднительное. Посмотрите сами, расчет значения xG удара головой, после навеса:
(-2.88 - 0.21 * distance + 2.13 * relative_angle + 4.31 * inverse_assist_distance + 0.46 * assist_angle + 0.2 * fastbreak + 0.11 * counterattack + 0.12 * set_play - 0.24 * corner - 0.18 * otherbodypart + 1.2 * big_chance + 1.1 * following_error + 0.18 * EPL + 0.15 * LaLiga).
Поэтому сейчас этим занимается компьютеры или обученные нейросети которые выдают результат и упрощают жизнь для обычных обывателей, которым интересны такие данные.
Вот мы и подошли к тому, для чего собственно нужен этот показатель. Футбол – это спорт с низкой результативностью, из-за чего голы и турнирная таблица достаточно часто не отражают силу команд. Чтобы рассчитать реальную силу используется xG статистика. До эры xG статистики каждый удар был сухой единичкой в статистике и это была главная проблема. То есть, удар нанесенный из-за предела штрафной, при наличии нескольких игроков противника на пути мяча и удар нанесенный из вратарской площади, оценивались одинаково. И это не давало возможности понять, кто опаснее сыграл. Теперь же первому удару, например, присвоется 0,61xG, а вот второй получит от силы 0,05 xG. И тут не важно, попал игрок в створ или запустил мяч в небеса, главное то, как развивалась ситуация и из какой позиции пробил игрок. Нужно помнить, что xG — не совсем классическая вероятность. Её можно интерпретировать как таковую, но считается xG как значение функции, сглаженное логистической регрессией (чтобы попадать в диапазон от 0 до 1). xG — в первую очередь индекс качества момента, который можно интерпретировать как вероятность забить гол ударом в определенный момент времени. То есть чем выше xG, тем меньше нужно раз ударить по мячу из этого положения, чтобы удар привел к голу. Это очень важный нюанс. В итоге эти значение суммируются и дают нам понять, кто сыграл в атаке достаточно агрессивно и опасно, создавая моменты, а кто выиграл вследствии стечения обстоятельств. И даже забитый гол может не дать вам весомый прирост в количестве xG. Показательный пример, недавняя игра «Челси» с «Вулверхэмптоном».
Если мы посмотрим на эту фотографию, то можем определить, что «Вулверхэмптон» наиграл максимум на один гол, в то время как «Челси», мог забить и два мяча, но матч закончился диаметрально противоположно.
Но что надо вынести из этого матча - это то, что гол не всегда дает какой-то значимый прирост xG, а удар выполненный из правильной позиции намного ценнее. Гол Лофтус-Чика тому самое настоящее подтверждение. Он бьет из-за пределов штрафной, на пути мяча 4 игрока соперника, а вратарь находится в правильной позиции. Но в результате рикошета, мяч влетает в ворота и из-за всех этих данных - его удар, приведший к голу, оценивается всего лишь в 0,03 xG. То есть, нужно понимать, что такой гол возможен лишь примерно 1 раз из 70 и этот мяч, относится как раз к разряду «повезло». Этот гол имеет показатель xG значительно меньший, чем например заблокированный удар Виллиана из штрафной, где был только один игрок и вратарь на 38 минуте оцененный в 0,30 xG.
И гол Рауля Хименеса, забитый практически из вратарской, но при этом в борьбе, тоже не принес значительного пополнения xG команде, всего - 0,06.
Подводя итог всему сказанному, хочется отметить, что модель xG не может претендовать, да и не претендует, на звание «универсальной теории всего» в футболе. Но если не возводить модель в культ и не пытаться судить об игре команды, руководствуясь только xG, она может стать интересным инструментом для оценки качества игры команды, подхода главного тренера к стратегии создания голевых моментов и конверсии шансов. Ну и еще одно из правил при использовании этой модели - это то, что она применима больше на дистанции, нежели в конкретному матче, в котором она может просто показать, кому больше повезло.
Ну вот как-то так кратко можно описать модель xG, если есть, что добавить или поправить, пишите в комментариях.
Понравилась статья? Пожалуйста, не забудьте поставить лайк и подписаться на канал! Также присоединяйтесь к моему каналу в Telegram тем более, что там сейчас проходит конкурс!