Loading...
xG ændrede fodboldanalyse permanent – og det ændrede min betting endnu mere. Før xG-modellerne blev tilgængelige, var min analyse baseret på resultater, tabelposition og mavefornemmelse. Nu har jeg et tal, der fortæller mig, hvad der burde være sket i en kamp, ikke bare hvad der faktisk skete. Den forskel er enorm, fordi odds handler om fremtiden – ikke om fortiden.
Hvad Er xG, og Hvordan Beregnes Det?
En kold novemberaften i 2019 sad jeg og undrede mig over, hvorfor et hold, der havde vundet fire kampe i træk, stadig havde faldende odds. Svaret var xG. Deres sejre var bygget på lave chancekvalitet og heldig afslutning – xG-modellen viste, at de overperformede markant, og markedet forventede en korrektion.
xG – expected goals – er en statistisk model, der tildeler en sandsynlighedsværdi til hvert skudforsøg baseret på historisk data. Et skud fra fem meter centralt i feltet efter et indlæg har måske en xG-værdi på 0,35 – det betyder, at 35% af alle historiske skud fra den position under lignende omstændigheder resulterede i mål. Et langskud fra 25 meter har typisk en xG-værdi på 0,03-0,05.
Modellen summerer alle skudforsøg i en kamp for at beregne holdets samlede xG. Hvis et hold skaber chancer til en samlet xG på 2,1 i en kamp, forventer modellen, at de scorer ca. to mål baseret på chancekvaliteten – uanset om de faktisk scorer nul, et eller fire. Det er den centrale pointe: xG måler chancekvalitet, ikke resultater. Og det er præcis det, der gør det relevant for betting, fordi fremtidige præstationer korrelerer stærkere med chancekvalitet end med faktiske mål.
De mest avancerede xG-modeller inkluderer variabler som skudtype (fod, hoved, volley), forsvarstryk (antal forsvarere mellem bold og mål), keeperposition, spillets hastighed og om chancen kom fra åbent spil, dødbolde eller kontra. Simplere modeller bruger kun afstand og vinkel. Forskellen i præcision er mærkbar, og du bør vide, hvilken modeltype du bruger, før du baserer væddemål på den.
xG og Over/Under – Praktisk Anvendelse
Det første sted, xG transformerer din analyse, er over/under-markedet. Og det er her, de fleste bettors begår en systematisk fejl.
Fejlen er at bruge faktiske mål pr. kamp som grundlag for over/under-vurdering. Et hold, der har scoret 18 mål i 10 kampe (1,8 pr. kamp), ser ud som et moderat scorende hold. Men hvis deres xG over de samme kampe er 2,4 pr. kamp, underperformer de – og statistisk regression peger mod højere scoring fremover. Over-markedet i deres kommende kampe kan tilbyde value, fordi bookmakeren delvist prissætter efter faktiske mål.
Superligaens grundspil 2024/25 illustrerer dette perfekt: det faktiske målgennemsnit var 3,08 pr. kamp – det højeste i over to årtier – mens xG-gennemsnittet lå på 2,93. Det fortæller os to ting: chancekvaliteten var genuint høj (ikke bare heldige afslutninger), og holdene overperformede en smule (3,08 vs. 2,93). For over/under-betting betyder det, at over 2.5-linjen i Superligaen havde solid statistisk opbakning den sæson – men at over 3.5 krævede mere forsigtighed, fordi en del af målproduktionen lå over xG-niveauet.
I praksis sammenligner jeg altid begge holds xG (scoret og indkasseret) med bookmakerens over/under-linje. Hvis summen af de to holds forventede mål (xG for + xG imod) overstiger linjen med mere end 0,3 mål, er over potentielt underprisssat. Hvis summen er under linjen, er under den naturlige position.
Identificering af Value med xG: Overperformance og Regression
Regression mod gennemsnittet er det stærkeste princip i xG-baseret betting – og det er det princip, der oftest giver value.
Overperformance betyder, at et hold scorer flere mål end deres xG forudsiger over en periode. Det kan skyldes exceptionel afslutningskvalitet, men statistisk varer det sjældent. De fleste hold regrederer mod deres xG over 8-12 kampe. Undtagelsen er hold med elite-angribere, der konsekvent overgår modellen – men selv der er effekten typisk 10-15%, ikke 50%.
Underperformance er det omvendte og ofte mere interessant for betting. Et hold med xG på 2,0 pr. kamp der kun scorer 1,2 – det hold har chancerne men ikke konverteringen. Statistisk set vil scoringen stige, og oddsene afspejler typisk de faktiske mål, ikke xG. Det er et klassisk value-vindue: bookmakeren ser et hold, der scorer få mål. Du ser et hold, der skaber chancer i massevis.
Defensiv xG er mindst lige så vigtig. Et hold, der kun har lukket 4 mål ind i 10 kampe men har en xGA (expected goals against) på 12, lever på lånt tid. Deres forsvar ser solidt ud i tabellen, men xG-modellen afslører, at modstanderne skaber masser af chancer. Den korrektion rammer hårdt, og over-markeder i deres kommende kampe kan tilbyde markant value.
Gratis xG-Datakilder til Fodbold Betting
Du behøver ikke betale for xG-data – i hvert fald ikke for at komme i gang. Der er flere platforme, der tilbyder gratis xG-statistik på hold- og spillerniveau, og kvaliteten er generelt god nok til at understøtte seriøs analyse.
De mest brugte gratis kilder dækker alle store europæiske ligaer med xG, xGA, skudforsøg, skudplacering og kampoversigter. For Superligaen er datadækningen vokset markant de seneste år, og du kan finde xG pr. kamp, pr. halvleg og pr. spiller for de fleste kampe. Opdateringsfrekvensen varierer – nogle platforme opdaterer inden for timer efter kampslut, andre bruger et par dage.
Betalte platforme tilbyder ekstra dybde: mere granulære modeller, historisk data over flere sæsoner, og avancerede filtre der lader dig isolere xG i specifikke kampsituationer (hjemme vs. ude, mod top-6 vs. bund-6, første halvleg vs. anden halvleg). Hvis du satser seriøst og regelmæssigt, er en betalt platform en investering, der typisk betaler sig selv tilbage i bedre informerede væddemål.
Et praktisk tip: brug aldrig en enkelt kamps xG isoleret. Et hold kan have xG 0,3 i én kamp og xG 3,5 i den næste – single-game xG er for volatilt til at drage konklusioner. Kig altid på rullende gennemsnit over minimum fem kampe, og vær opmærksom på modstanderkvaliteten. xG 2,0 mod et bundhold og xG 2,0 mod en topklub er fundamentalt forskellige præstationer, og din bettingstrategi bør reflektere det.
Articles
Created by the "fodboldvaedd" editorial team.