La primera vez que usé el xG para analizar un partido de la Serie A, me sentí como un piloto que descubre el radar después de años volando a ojo. De repente, veía cosas que antes eran invisibles: equipos que ganaban sin merecer los puntos, delanteros que anotaban más de lo que sus ocasiones justificaban y defensas que parecían sólidas pero que en realidad concedían oportunidades de gol de alta calidad.
El xG — Expected Goals, o goles esperados — es la métrica avanzada más útil que existe para las apuestas de fútbol. Luigi de Siervo, CEO de la Lega Serie A, ha subrayado que los datos y la tecnología están transformando el fútbol, y el xG es el ejemplo más concreto de esa transformación aplicada al análisis de apuestas.
Qué es el xG y cómo se calcula
El xG asigna un valor de probabilidad a cada disparo basándose en las características de la ocasión. Un penalti tiene un xG de aproximadamente 0.76 — es decir, se convierte en gol el 76% de las veces —. Un disparo desde fuera del área sin presión del rival puede tener un xG de 0.04. Un remate de cabeza desde el punto de penalti tras un centro tiene un xG de 0.20-0.30, dependiendo del ángulo y la posición del portero.
Los factores que determinan el xG de cada disparo incluyen la distancia a la portería, el ángulo de tiro, la parte del cuerpo utilizada (pie, cabeza), el tipo de jugada previa (centro, pase filtrado, jugada individual, balón parado), la presión del defensor y la posición del portero. Los modelos más sofisticados incorporan la velocidad del balón, la altura del disparo y la posición de los defensores entre el balón y la portería.
La suma de todos los xG de los disparos de un equipo en un partido te da el xG total del equipo, que representa los goles que «debería» haber marcado según la calidad de sus ocasiones. Si un equipo genera un xG de 2.3 en un partido pero marca 0 goles, ha sido extremadamente desafortunado o ineficiente. Si genera un xG de 0.5 pero marca 3 goles, ha tenido una suerte difícilmente repetible.
xG vs goles reales: qué revela la diferencia en la Serie A
La diferencia entre los goles reales de un equipo y su xG acumulado revela algo fundamental: si un equipo está rindiendo por encima o por debajo de lo que sus ocasiones justifican. Y eso tiene implicaciones directas para las apuestas, porque la reversión a la media es implacable.
En la Serie A, con un promedio de 2.50 goles por partido esta temporada — frente a los 2.56 de la anterior —, los equipos que marcan significativamente más que su xG están viviendo de prestado. Los delanteros que convierten el 25% de sus disparos cuando la media histórica es del 10-12% volverán a la normalidad. Y cuando eso ocurra, los resultados del equipo empeorarán, las cuotas se ajustarán y el apostante que anticipó esa corrección habrá encontrado valor.
El ejemplo inverso es igualmente valioso. Un equipo que genera un xG alto pero marca pocos goles está creando buenas ocasiones sin convertirlas. La estadística dice que esa ineficiencia es temporal: los goles llegarán. Apostar a la mejora de resultados de ese equipo — a través de cuotas de victoria o del over de goles en sus partidos — es una estrategia basada en la reversión a la media que funciona consistentemente en la Serie A.
El Inter de Milán, con su media de 3.19 goles totales por partido en 2025/26, es un caso interesante para el análisis de xG. Su volumen de ocasiones es enorme, y su xG acumulado suele estar alineado con sus goles reales, lo que indica que su rendimiento ofensivo es sostenible y no una anomalía temporal.
Cómo aplicar el xG a las apuestas de la Serie A
Mi método para incorporar el xG al análisis de apuestas tiene tres pasos.
Primer paso: antes de cada jornada, reviso el xG acumulado de cada equipo y lo comparo con sus goles reales. Los equipos con una diferencia positiva grande (marcan más que su xG) son candidatos a empeorar. Los equipos con diferencia negativa grande (marcan menos que su xG) son candidatos a mejorar. Ese análisis de tendencia me da una dirección inicial.
Segundo paso: analizo el xG de los últimos cinco partidos, no solo el acumulado de temporada. El xG de temporada puede estar distorsionado por partidos atípicos del inicio. Los últimos cinco partidos reflejan mejor la forma actual del equipo y la calidad de sus ocasiones recientes.
Tercer paso: comparo el xG de cada equipo con las cuotas del mercado. Si un equipo con un xG acumulado de 1.8 por partido tiene una cuota de victoria como local de 2.20, calculo si esa cuota refleja la calidad de sus ocasiones. Si su xGA (goles esperados en contra) es bajo, la cuota puede tener valor. Si su xGA es alto, la cuota está bien calibrada o incluso baja.
Un ejemplo concreto: imagina un equipo de media tabla que lleva cuatro partidos sin ganar pero cuyo xG por partido en esas cuatro jornadas es de 1.6 mientras su rival promedio ha tenido un xGA de 0.8. Ese equipo está creando ocasiones de gol claras y concediendo poco, pero los resultados no lo reflejan. La cuota de su siguiente victoria como local estará inflada por la racha negativa, y ahí es donde el xG te señala una oportunidad de valor que el resultado bruto no revela.
Limitaciones del xG: cuándo no confiar en esta métrica
El xG no es infalible, y usarlo sin entender sus limitaciones puede ser tan peligroso como no usarlo. La primera limitación es que no captura la calidad del finalizador. Un penalti tiene un xG de 0.76 independientemente de quién lo tire, pero el porcentaje real de conversión varía enormemente entre jugadores. Los modelos de xG tratan a todos los tiradores por igual, y eso genera discrepancias en equipos con delanteros excepcionalmente buenos o malos.
La segunda limitación es contextual: el xG no sabe si un equipo está jugando con diez hombres, si el entrenador acaba de ser destituido o si hay una tormenta que distorsiona el juego. Estos factores afectan a la probabilidad real de gol de formas que el modelo no captura.
La tercera limitación, específica de la Serie A, es la variabilidad táctica entre partidos. Los equipos italianos cambian de sistema con frecuencia — un 3-5-2 una semana y un 4-3-3 la siguiente —, y esos cambios afectan a la calidad y cantidad de ocasiones de forma que el xG histórico no anticipa. Un equipo que pasa de un sistema defensivo a uno ofensivo puede duplicar su xG de un partido a otro, y el modelo basado en promedios no detecta ese cambio hasta que se ha producido.
Mi regla: el xG es una herramienta de análisis, no un oráculo. Lo uso como un dato más dentro de un proceso que incluye estadísticas convencionales, contexto del partido y conocimiento de la liga. Cuando el xG y el resto de factores apuntan en la misma dirección, la confianza en la apuesta sube. Cuando el xG contradice el resto del análisis, profundizo antes de decidir.