Goles Esperados (xG) en Apuestas de la Ligue 1
Available in US
Llevo nueve años apostando en la Ligue 1 y si hay una métrica que ha cambiado mi forma de evaluar partidos, es el xG. Antes me fiaba de los resultados brutos, de la clasificación, de esa sensación de «este equipo está en racha». Hasta que empecé a cruzar expected goals con las cuotas del mercado y descubrí algo que los marcadores no cuentan: la diferencia entre lo que un equipo merece y lo que realmente consigue.
La Ligue 1 tiene una media de 2,98 goles por partido y un porcentaje de BTTS del 56%, cifras que la sitúan entre las ligas grandes europeas con mayor actividad ofensiva. Pero esos números esconden distorsiones enormes. El PSG, con una masa salarial de 535 millones de euros frente a los 155 del Olympique de Lyon o los 154 del Marsella, genera un desequilibrio que infla goles en unos partidos y los deprime en otros. El xG permite ver más allá de esa inflación.
Impacto de la Métrica xG en la Rentabilidad de Cuotas
La primera vez que intenté explicar el xG a un amigo apostador, usé una analogía que sigo repitiendo: imagina que cada disparo a puerta lleva una etiqueta con su probabilidad de gol. Un penalti tiene un xG de aproximadamente 0,76, es decir, de cada 100 penaltis lanzados en condiciones similares, 76 acaban en gol. Un cabezazo desde el segundo palo tras un córner ronda el 0,04. El xG de un partido es la suma de todas esas etiquetas.
Lo que hace especial al xG en la Ligue 1 es el contraste brutal entre equipos. El PSG genera un volumen de ocasiones de alta calidad que pocos rivales igualan, pero cuando juega fuera contra equipos bien organizados (un Brest, un Reims) su xG baja a niveles que no encajan con cuotas de 1,20 o 1,25. Ahí es donde el apostador informado encuentra desajustes.
El xG no predice resultados individuales. Predice tendencias. Un equipo que acumula un xG de 1,8 por partido pero solo marca 1,2 de media está sufriendo lo que los analistas llaman «underperformance». Esa diferencia tiende a corregirse. Y cuando se corrige, las cuotas que el mercado fijó basándose en resultados pasados quedan desalineadas con la realidad.
En la Ligue 1, donde la cobertura mediática en España es menor que la de LaLiga o la Premier, los modelos de los operadores tardan más en ajustarse a estas correcciones. Eso genera ventanas de valor que no existen en ligas con mayor escrutinio.
Cómo comparar xG con las cuotas del mercado
Hace dos temporadas aposté al over 2.5 en un Niza-Mónaco porque las cuotas estaban en 2,10, lo que implica una probabilidad implícita del 47,6%. Mi modelo, basado en el xG acumulado de ambos equipos en las últimas diez jornadas, me daba un 55% de probabilidad real. Esa diferencia del 7,4% era mi margen. Gané esa apuesta, pero lo importante no es una apuesta aislada, es que el proceso funciona a largo plazo.
El método es sencillo en concepto y exige disciplina en ejecución. Primero, recoges el xG por equipo de las últimas 8-10 jornadas, separando local y visitante. No uses toda la temporada: los equipos cambian de forma, entrenador, lesiones. La ventana reciente refleja mejor el estado actual. Segundo, sumas el xG esperado del equipo local en casa con el xG esperado del visitante fuera. Eso te da una estimación de goles esperados para el partido.
Tercero, conviertes esa estimación en probabilidades usando una distribución de Poisson. Si el modelo dice que la probabilidad de over 2.5 es del 58% y la cuota del operador implica un 50%, tienes un value bet potencial. La fórmula del expected value es directa: EV = (probabilidad estimada x ganancia neta) – (probabilidad de fallo x stake). Si el EV es positivo, la apuesta tiene valor. Si es negativo, la descartas sin importar lo «segura» que parezca.
Un error que cometí al principio fue comparar xG con cuotas sin ajustar por contexto. Un Lyon que juega jueves en Europa League y domingo en la Ligue 1 no genera el mismo xG que descansado. El xG crudo no incluye fatiga, rotaciones ni motivación. Eso lo añades tú con tu criterio y con el seguimiento del calendario, algo que detallo en mi análisis de estrategias para la Ligue 1.
Dónde consultar datos de xG fiables para la liga francesa
Cuando empecé con el xG, perdí semanas recopilando datos de fuentes mediocres. Te ahorro el camino: las tres fuentes que uso a diario son FBRef, Understat y WhoScored. Cada una tiene particularidades que conviene conocer.
FBRef, respaldada por StatsBomb, ofrece el modelo de xG más granular. Incluye datos por jugador, por partido y por competición, y distingue entre xG de jugada abierta, de balón parado y de penalti. Para la Ligue 1, su cobertura es completa y actualizada. La desventaja es que la interfaz no es la más intuitiva para quien busca una consulta rápida.
Understat se especializa en las cinco grandes ligas y su punto fuerte es la visualización. Puedes ver mapas de tiro por equipo y por jugador, comparar xG acumulado con goles reales a lo largo de la temporada y detectar a simple vista qué equipos están sobreperformando o sufriendo mala suerte. Para el apostador que quiere un vistazo rápido antes de consultar cuotas, es la herramienta más eficiente.
WhoScored aporta un ángulo diferente: combina xG con otras métricas tácticas como el PPDA, posesión en zonas avanzadas y duelos ganados. No es la fuente más precisa para xG aislado, pero permite cruzar datos y entender por qué un equipo genera o concede las ocasiones que genera.
Un consejo que doy siempre: no te cases con una sola fuente. Los modelos de xG difieren porque usan variables distintas: ángulo de disparo, posición del portero, presión del defensor, parte del cuerpo. Cuando dos fuentes coinciden en señalar un desajuste entre xG y resultados reales, la señal es más robusta. Cuando divergen, prudencia.
Algo que muchos ignoran: la DNCG publica datos financieros que, cruzados con el xG, revelan patrones fascinantes. Un club con masa salarial baja que genera un xG alto probablemente tiene un entrenador que maximiza recursos limitados, y eso es exactamente el tipo de equipo donde el mercado subestima las cuotas.
¿El xG predice mejor que las cuotas del mercado en la Ligue 1?
El xG no predice resultados individuales, pero identifica tendencias que el mercado tarda en incorporar. En la Ligue 1, donde la cobertura analítica es menor que en la Premier o LaLiga, las discrepancias entre xG y cuotas tienden a ser mayores y a persistir más tiempo. Usado de forma sistemática, el xG mejora la detección de value bets frente a apostar solo por intuición o resultados recientes.
¿Qué equipos de la Ligue 1 tienen mayor diferencia entre xG y goles reales?
La diferencia varía cada temporada, pero históricamente los equipos de mitad de tabla (Niza, Rennes, Montpellier) muestran las mayores oscilaciones entre xG generado y goles marcados. El PSG tiende a sobreperformar su xG por la calidad individual de sus jugadores, mientras que los equipos recién ascendidos suelen infraperformar al principio de temporada hasta que se ajustan al nivel de la Ligue 1.
Elaborado por el equipo de «Apuestas Deportivas Ligue 1 Apuestas».
