Expected Goals na NHL: Prever o Que a Estatística Básica Não Mostra

Dois jogos, mesmo resultado: 3-1. Mas num deles, a equipa vencedora criou oportunidades claras e mereceu vencer. No outro, marcou em três remates oportunistas contra uma equipa que dominou o jogo inteiro. O resultado é idêntico. O xG – expected goals – revela que o valor real destes dois jogos é completamente diferente. E essa diferença é onde o dinheiro está para quem aposta na NHL.

Como os Modelos de xG São Construídos

O xG atribui a cada remate uma probabilidade de golo baseada em características contextuais: distância à baliza, ângulo, tipo de remate (pulso, slap shot, backhand), se o remate veio de um rebote, se foi em power play, e a velocidade do jogo no momento da tentativa. Um remate frontal a três metros da baliza pode ter xG de 0.35 (35% de probabilidade de golo). Um remate da linha azul pode ter xG de 0.02 (2%).

A soma de todos os xG individuais de uma equipa num jogo produz o xGF (expected goals for) – quantos golos a equipa “deveria” ter marcado dada a qualidade das suas oportunidades. O xGA (expected goals against) mede o inverso. Uma equipa que acumula 3.2 de xGF mas marcou apenas 1 golo está a criar oportunidades excelentes que não estão a ser convertidas – variância negativa que tende a corrigir-se.

Diferentes provedores – Natural Stat Trick, MoneyPuck, Evolving Hockey – utilizam modelos de xG com variáveis ligeiramente diferentes, o que produz valores ligeiramente diferentes para o mesmo jogo. Nenhum modelo é “o correcto” – todos são aproximações. O importante é ser consistente na fonte utilizada e comparar números dentro do mesmo modelo, nunca entre modelos diferentes.

A mudança de guarda-redes pode alterar as odds em até 15% – e o xG ajuda a entender porquê. O xG mede a qualidade das oportunidades antes do guarda-redes intervir. Um guarda-redes de elite pode fazer parecer que o adversário criou poucas oportunidades quando, na realidade, enfrentou remates de alta qualidade e defendeu-os. Sem xG, olharias apenas para os golos sofridos e subestimarias o perigo real.

Aplicar xG a Decisões de Apostas: Totals e Moneyline

As equipas da casa ganham 54-56% dos jogos na NHL – e o xG refina esta probabilidade de formas concretas.

Para totals, o xGF combinado de ambas as equipas é o melhor predictor disponível do número de golos esperados. Se duas equipas têm xGF médio de 2.8 e 3.1 respectivamente, o xGF combinado esperado é aproximadamente 5.9. Se a linha de totals do operador está em 5.5, o over tem valor. Se está em 6.5, o under pode ser preferível. O xG não é perfeito – ignora a qualidade do guarda-redes como filtro – mas é significativamente superior a usar golos reais marcados como base.

Para moneyline, a aplicação é mais indirecta. Comparo o diferencial de xG (xGF – xGA) de ambas as equipas ao longo dos últimos 10-15 jogos e calculo uma probabilidade implícita. Se a equipa A tem diferencial de +0.8 por jogo e a equipa B tem -0.3, o modelo sugere uma probabilidade significativamente a favor de A. Se as odds do operador implicam uma probabilidade próxima de 50-50, há valor em A.

A chave é não usar xG isoladamente. Cruzo sempre com Corsi (para confirmar domínio territorial), save percentage do guarda-redes titular (para ajustar pela qualidade da defesa da baliza), e contexto situacional (back-to-back, viagem, motivação). O xG é a peça central do puzzle, não o puzzle inteiro.

Um erro que cometi no início foi tratar xG como valor absoluto em vez de relativo. O que importa não é se uma equipa teve xGF de 3.5 ou 2.8 – é se esse valor está acima ou abaixo da norma para as circunstâncias. Uma equipa defensiva com xGF de 2.5 num jogo pode estar a ter uma noite excepcionalmente ofensiva. Uma equipa ofensiva com xGF de 2.5 pode estar a ter uma noite medíocre. O contexto é tudo.

Fontes Gratuitas de xG NHL: Natural Stat Trick e MoneyPuck

Uma das vantagens do hóquei analítico é que os dados avançados são acessíveis gratuitamente – ao contrário de outros desportos onde as melhores fontes são pagas.

Natural Stat Trick oferece dados de xG por equipa e por jogador, com filtros por situação de jogo (5v5, power play, shorthanded), por período, e por score state. A interface é funcional mas não intuitiva – requer algum tempo de aprendizagem. Os dados actualizam-se diariamente durante a temporada.

MoneyPuck utiliza um modelo de xG próprio e oferece probabilidades de vitória pré-jogo baseadas em simulações. O site disponibiliza também gráficos de xG por jogo que mostram a acumulação de oportunidades ao longo dos 60 minutos – útil para avaliar se uma equipa dominou o jogo inteiro ou apenas teve um período forte.

Evolving Hockey é a fonte mais avançada, com modelos de xG ajustados por múltiplas variáveis e análises de GSAA integradas. Parte do conteúdo é pago, mas a versão gratuita já oferece dados suficientes para informar decisões de apostas.

A rotina que uso: antes de cada noite de jogos, consulto o xGF e xGA dos últimos 10 jogos de cada equipa envolvida nos jogos que me interessam. Demora 15-20 minutos. É o investimento de tempo mais rentável na minha rotina de apostas – significativamente mais valioso do que ler opiniões de comentadores ou seguir palpites em redes sociais.