Houve um jogo em 2021 que mudou a minha forma de analisar futebol para apostas. Uma equipa visitante perdeu 0-1, mas criou oportunidades claras que somavam 2.3 xG. A equipa da casa, com um único remate de longa distância que entrou, teve 0.4 xG. O resultado dizia “derrota”. Os dados diziam “domínio absoluto”. Na jornada seguinte, apostei na visitante — que ganhou 3-0. O xG tinha-me mostrado o que o resultado escondia. Desde esse dia, o xG é a base da minha análise pré-jogo.
O Que É o xG e Como É Calculado
O xG — expected goals ou golos esperados — é uma métrica que atribui a cada remate uma probabilidade de resultar em golo, com base em dados históricos de centenas de milhares de remates semelhantes. Um penálti tem xG de aproximadamente 0.76. Um remate de dentro da pequena área, sem oposição, ronda 0.40-0.50. Um remate de fora da área, com ângulo fechado, pode valer 0.03.
O cálculo considera variáveis como a distância à baliza, o ângulo do remate, a parte do corpo utilizada (pé, cabeça), o tipo de assistência (cruzamento, passe em profundidade, lance individual), a posição do guarda-redes e a pressão defensiva. Cada modelo de xG tem as suas particularidades, mas os princípios são universais.
A soma de todos os xG de uma equipa num jogo dá o total de golos que, em média, aquela equipa deveria ter marcado dadas as oportunidades criadas. Se uma equipa criou remates que somam 2.1 xG mas marcou apenas 1 golo, está a sub-render em relação à qualidade das suas oportunidades. Esta diferença tende a corrigir-se ao longo do tempo — e é nessa correcção que mora o valor para o apostador.
O futebol domina 75,6% das apostas desportivas em Portugal, e o xG é a ferramenta que permite ir além do “acho que vão ganhar” e entrar no território da análise quantitativa. Não é perfeita — nenhuma métrica isolada é — mas é incomparavelmente superior ao instinto ou às estatísticas brutas de golos marcados.
Aplicar xG aos Mercados Over/Under e Resultado Final
O mercado onde o xG é mais directamente aplicável é o de totais. A lógica é simples: se o xG ofensivo combinado de duas equipas ao longo dos últimos jogos aponta para 3.0 golos esperados por jogo, e a linha de over/under está em 2.5, há uma indicação estatística de que o over tem valor.
Mas a aplicação correcta exige nuance. Não basta somar xG ofensivos. É preciso cruzar o xG ofensivo de cada equipa com o xG against (golos esperados sofridos) do adversário. Uma equipa com xG ofensivo de 2.0 por jogo, a jogar contra uma defesa com xGA de 0.8, não vai produzir 2.0 xG nesse jogo — a resistência defensiva reduz a expectativa.
O método que uso combina três métricas: xG ofensivo da equipa A, xGA da equipa B (como proxy da resistência defensiva), e o xG ofensivo da equipa B cruzado com o xGA da equipa A. O resultado é uma estimativa mais realista de golos esperados que incorpora tanto a capacidade de ataque como a qualidade da defesa adversária.
No mercado de resultado final, o xG funciona de forma diferente. Uma equipa que consistentemente cria mais xG do que o adversário mas empata ou perde muitos jogos está a ser penalizada pela variância. Se o preço de mercado reflecte os resultados e não o desempenho subjacente, pode existir valor na vitória dessa equipa. Este é o cenário clássico de regressão à média — e acontece com frequência suficiente para ser explorável.
Um aviso importante: o xG tem limitações em amostras pequenas. Três jogos de xG não dizem nada de fiável. Dez jogos começam a ser úteis. Vinte jogos são um mínimo para conclusões robustas. No início da temporada, quando os dados são escassos, o xG da temporada anterior perde valor rapidamente — especialmente se houve mudanças significativas no plantel ou no treinador.
Fontes Gratuitas de Dados xG
Quando comecei a usar xG, o acesso a dados era caro e restrito. Hoje, a democratização dos dados é um dos melhores desenvolvimentos para o apostador sério. Existem fontes gratuitas que cobrem praticamente todas as ligas relevantes para apostas.
As plataformas de dados desportivos gratuitas oferecem xG por jogo, xG acumulado por equipa e por jogador, e gráficos de progressão ao longo da temporada. Algumas incluem até xG por período do jogo (primeira vs. segunda parte), o que é útil para mercados específicos como totais por parte.
Para ligas portuguesas, a cobertura melhorou significativamente nos últimos anos. A Liga Portugal tem dados de xG disponíveis em várias plataformas, embora a cobertura das divisões inferiores continue limitada. Para quem aposta em ligas menores — onde o valor é frequentemente maior — pode ser necessário construir modelos próprios baseados em dados de remates e posse, que são mais acessíveis.
O que aconselho é escolher uma fonte principal e manter consistência. Diferentes modelos de xG produzem valores ligeiramente diferentes para o mesmo jogo, e alternar entre fontes introduz ruído na análise. Escolhe um modelo, aprende as suas tendências e calibra as tuas decisões em função dessa referência específica.
O xG não é uma bola de cristal. Não prevê resultados individuais com certeza — nada o faz. Mas transforma a análise de futebol de “acho que vai haver golos” para “os dados indicam uma expectativa de 2.8 golos com base na qualidade das oportunidades criadas por estas equipas”. Essa diferença é o que separa apostadores que adivinham de apostadores que analisam, e é a base de qualquer abordagem séria à identificação de apostas de valor.