Pronostici Calcio con Statistica Avanzata: PPDA, Shot Quality e Metriche Oltre l’xG
Available in US
Il 2020 è stato l’anno in cui l’xG ha smesso di essere un vantaggio informativo e ha iniziato a diventare uno standard — oggi quasi tutti i bookmaker principali incorporano l’expected goals nei loro modelli di allibramento. Questo non significa che sia diventato inutile: significa che il solo xG grezzo non è più sufficiente per trovare edge sistematico sui mercati efficienti. Le metriche più recenti — PPDA, shot quality avanzata, deep completions, expected threat — misurano aspetti del gioco che l’xG classico non cattura completamente. Sono più complesse da raccogliere, meno diffuse nella pratica quotidiana, e per questo motivo parzialmente escluse dai modelli dei bookmaker. È lì che c’è ancora spazio.
Il modello xG Bayesiano sviluppato dalla Deakin University (AUC = 0.781 con 7 variabili) ha dimostrato che modelli semplici e interpretabili possono competere con i sistemi commerciali di alto livello — ma ha anche mostrato che la scelta delle variabili giuste è il fattore critico, non la complessità del modello. Le metriche avanzate discusse in questo articolo sono esattamente le variabili che modelli come quello della Deakin University includono, e che i modelli Poisson base ignorano.
PPDA: Come il Pressing Intensity Anticipa le Tendenze di Gioco
Il PPDA (Passes Allowed per Defensive Action) misura l’intensità del pressing: quanti passaggi permette una squadra all’avversario prima di effettuare un intervento difensivo. Un PPDA basso (per esempio 7-8) indica un pressing molto aggressivo; un PPDA alto (12-15) indica un blocco difensivo basso, con l’avversario lasciato libero di costruire.
Perché è rilevante per le scommesse? Il pressing intensity è uno dei migliori predittori del ritmo di una partita e, di conseguenza, del numero di transizioni rapide — il contesto in cui si generano la maggior parte delle occasioni da gol. Una partita tra due squadre con PPDA basso produce tipicamente più transizioni, più spazio dietro le difese, e potenzialmente più gol. Una partita tra squadre con PPDA alto da entrambe le parti è spesso compatta, con pochi spazi e totali bassi.
Liverpool e Manchester City hanno usato modelli predittivi per gestire il carico atletico settimanale delle proprie squadre — riducendo gli infortuni muscolari del 24% tra il 2018 e il 2021. Questo approccio alla gestione del pressing include monitoraggio continuo del PPDA allenamento, con conseguente riduzione dell’intensità nei periodi di calendario fitto. Le squadre che fanno questo in modo sistematico mostrano variazioni del PPDA durante la stagione che un modello che guarda solo alla media stagionale non riesce a catturare.
Come si usa il PPDA praticamente? FBref offre dati PPDA gratuiti per i campionati europei principali. Per ogni partita, calcolo il PPDA medio nelle ultime 6 partite per entrambe le squadre, e lo uso come fattore di correzione al modello xG base: se entrambe le squadre hanno PPDA basso (pressing aggressivo), aumento il lambda del modello Poisson del 10-15%; se entrambe hanno PPDA alto, lo riduco proporzionalmente. È un aggiustamento semplice che migliora la calibrazione specialmente sulle partite con dinamiche di pressing molto marcate.
Shot Quality e Deep Completions: Misurare la Pericolosità Oltre i Tiri
L’xG classico misura la qualità del tiro al momento del tiro. La shot quality “post-shot” — o PSxG — misura la qualità reale in base alla direzione effettiva del tiro, alla traiettoria, e alla posizione del portiere, non solo ai fattori pre-tiro. Un tiro ad angolo stretto dall’area piccola potrebbe avere un xG pre-shot di 0.25 ma un PSxG di 0.10 se il tiro è finito in una zona che il portiere copre bene. La differenza tra xG e PSxG rivela quanto una squadra stia sovra o sottoperformando rispetto alla qualità effettiva delle conclusioni — un segnale di regressione alla media che i modelli standard non incorporano.
I deep completions sono i passaggi completati nelle zone ad alta pericolosità (l’area nei 40 metri finali dal gate, spesso chiamata “half-space” nella letteratura tattica). Squadre con alto numero di deep completions creano sistematicamente più pressione offensiva nella zona di finalizzazione, indipendentemente dal numero di tiri finali. Questa metrica predice meglio dei soli tiri l’intensità offensiva di una squadra e il rischio a cui sottopone la difesa avversaria.
L’expected threat (xT) è una metrica ancora più avanzata: assegna un valore di minaccia a ogni zona del campo e traccia come la palla si muove tra le zone, moltiplicando il valore di ogni zona per la probabilità che quel controllo produca un gol. È particolarmente utile per valutare squadre che costruiscono azioni molto progressive — che penetrano sistematicamente nelle zone pericolose — rispetto a squadre che tirano molto da fuori.
Come Integrare le Metriche Avanzate nel Processo di Analisi Pre-Match
La sfida pratica delle metriche avanzate non è concettuale — è operativa. Come si integrano PPDA, shot quality e deep completions in un processo di analisi che deve produrre una puntata in 20-30 minuti?
Il flusso che ho sviluppato è gerarchico. Al livello base: xG medio delle ultime 8 partite per entrambe le squadre, distinto casa/trasferta. Al livello intermedio: PPDA come fattore di correzione del totale gol attesi, e PSxG-xG differential come segnale di regressione alla media sulla qualità effettiva delle conclusioni. Al livello avanzato (solo per le partite dove ho tempo sufficiente): deep completions e xT per valutare l’intensità offensiva nelle zone pericolose.
Il modello xG Bayesiano con 7 variabili (distanza, angolo, tipo tiro, assist, pressione, corpo, situazione) raggiunge AUC = 0.781 — comparabile ai sistemi commerciali di alto livello. Questo dice che un modello ragionevolmente strutturato con dati pubblici produce stime di probabilità competitive. L’aggiunta di PPDA e PSxG come variabili aggiuntive non migliora sempre il modello in modo misurabile su campioni piccoli, ma aiuta a identificare le partite dove l’xG standard tende a sottostimare o sovrastimare il valore reale.
Per chi vuole partire dall’xG prima di integrare le metriche avanzate, la guida sull’xG nelle scommesse calcio tratta in dettaglio come costruire il processo di analisi dalla base — dalla raccolta dei dati alla conversione in probabilità e calcolo dell’EV.
Domande sulla Statistica Avanzata nelle Scommesse
Cos’è il PPDA e come si usa nelle scommesse sul calcio?
Il PPDA (Passes Allowed per Defensive Action) misura quanti passaggi permette una squadra all’avversario prima di effettuare un intervento difensivo. Un PPDA basso indica pressing aggressivo, uno alto indica blocco difensivo basso. Nelle scommesse, si usa come fattore di correzione del modello xG: partite tra squadre con PPDA basso tendono a produrre più transizioni e potenzialmente più gol. I dati PPDA sono disponibili gratuitamente su FBref per i principali campionati europei.
Le metriche avanzate funzionano meglio per alcune leghe che per altre?
Si. Le metriche avanzate come PPDA e deep completions sono più stabili e predittive nei campionati ad alta intensità tattica (Premier League, Bundesliga, Serie A) dove le squadre hanno stili di gioco ben definiti e consistenti. Nei campionati di seconda fascia o nei tornei con alta eterogeneità tattica, la variabilità stagionale è più alta e le metriche avanzate perdono parte della loro stabilità predittiva.
Scritto dal team di «Scommesse Calcio Come Vincere».
