xG en la Bundesliga: Cómo Usar los Goles Esperados en tus Apuestas
Available in US
La métrica que cambio mi forma de analizar partidos
Hace cinco años apostaba en la Bundesliga mirando tablas de clasificación, rachas de resultados y la intuición que da ver muchos partidos. Ganaba unas semanas, perdía otras, y el balance final era plano. Cuando incorpore el xG a mi análisis, empece a ver cosas que los resultados no mostraban: equipos que merecian más de lo que obtenian, equipos que vivian por encima de sus posibilidades estadísticas, y partidos donde el marcador final mentia sobre lo que había ocurrido en el campo.
Qué mide el xG y como se calcula
El xG –expected goals o goles esperados – asigna una probabilidad de gol a cada disparo basandose en factores como la posición del tiro, el ángulo respecto a la portería, la parte del cuerpo utilizada, el tipo de jugada previa y la presión defensiva. Un penalti tiene un xG de apróximadamente 0,76; un disparo desde fuera del area con un defensa delante, de 0,03. La suma de todos los xG de un equipo en un partido da su xG total, que es una estimación de cuantos goles «debería» haber marcado dada la calidad de sus ocasiones.
La diferencia entre xG y goles reales es donde aparece la información útil para el apostante. Un equipo que genera 2,0 xG por partido pero solo marca 1,3 goles está en una fase de ineficiencia ofensiva que, estadisticamente, tiende a corregirse. Un equipo que marca 2,5 goles con un xG de 1,8 está teniendo suerte en la definición, y esa suerte también se corrige.
No todos los modelos de xG son iguales. Los más básicos solo consideran posición y ángulo del tiro. Los avanzados incorporan la velocidad del pase previo, el número de defensores entre el balon y la portería, y si el disparo fue con la pierna dominante o no. Para apostar en la Bundesliga uso al menos un modelo avanzado, porque las diferencias entre modelos básicos y avanzados pueden ser de 0,3-0,5 xG por partido, lo que cambia completamente la lectura del enfrentamiento.
Aplicación del xG a mercados Over/Under y BTTS en la Bundesliga
En la temporada 2024/25 se marcaron 752 goles en jugada abierta en la Bundesliga, la cifra más alta desde que hay registros. Ese dato, combinado con los 959 goles totales en 306 partidos, indica que la liga genera un volumen de ocasiones ofensivas enorme. El xG captura ese volumen y permite evaluar si un partido concreto está predispuesto al Over o al Under con más precisión que la simple media de goles.
Mi método para el Over/Under es comparar el xG combinado de ambos equipos con la línea del operador. Si el Bayern genera 2,8 xG por partido y su rival 1,2, el xG combinado es 4,0. Si la línea del Over está en 3,5 con cuota de 1,75, el xG sugiere que la línea debería estar más alta. Esa discrepancia es valor.
Para el BTTS, uso el xG en contra de cada equipo. Si ambos encajan al menos 1,0 xG por partido, la probabilidad de que los dos marquen es alta. Si uno de los dos solo encaja 0,5 xG, el BTTS Si pierde fundamento aunque el equipo ofensivo tenga un xG a favor alto. El BTTS requiere que ambos equipos generen y concedan ocasiones, y el xG mide exactamente eso.
Un error que veo con frecuencia es usar el xG como predictor absoluto. El xG no te dice que pasará; te dice que debería pasar si la eficiencia en la definición se ajusta a la media histórica. Un delantero de elite como Kane puede superar sistemáticamente su xG porque su técnica de definición está por encima de la media. Eso no invalida el xG, pero exige ajustar el modelo cuando intervienen jugadores con eficiencia excepcional.
Discrepancias entre xG y goles reales: donde aparece el valor
Marc Lenz, CEO de la DFL, ha subrayado el equilibrio entre competitividad deportiva y estabilidad económica en la Bundesliga. Ese equilibrio se refleja también en las métricas: la liga produce resultados que, a largo plazo, tienden a converger con el xG. Y cuando no convergen a corto plazo, ahí está la oportunidad.
Las discrepancias positivas –equipos que marcan más de lo que su xG predice – son insostenibles a largo plazo. Un equipo con 1,5 xG por partido que lleva ocho jornadas marcando 2,3 goles está en una racha de definición excepcional que se enfriará. Las cuotas de sus próximos partidos pueden seguir reflejando ese rendimiento inflado, lo que genera valor en el Under o en la victoria del rival.
Las discrepancias negativas son más rentables aun. Un equipo que genera 2,0 xG por partido pero solo marca 1,2 tiene un resorte comprimido que, cuando se libera, produce una explosión goleadora. Apostar al Over en los partidos de ese equipo antes de que la corrección estadística se manifieste es una de las estrategias de xG más fiables que conozco.
También busco discrepancias en el xG defensivo. Un equipo que encaja 1,8 goles por partido pero cuyo xG en contra es solo 1,2 está teniendo mala suerte defensiva. Esa mala suerte infla su porcentaje de derrotas y puede hacer que el mercado infravalore sus posibilidades en próximos partidos. Apostar a favor de un equipo con buenas métricas defensivas de xG pero malos resultados reales es una jugada contraintuitiva que funciona con consistencia.
Fuentes gratuitas y de pago de xG para la Bundesliga
No necesitas pagar una suscripcion premium para acceder a datos de xG de la Bundesliga. Existen plataformas gratuitas que ofrecen xG por partido y por equipo con actualizaciones regulares. La calidad de los datos gratuitos es suficiente para el apostante medio; los datos de pago anaden granularidad –xG por jugador, por zona del campo, por tipo de jugada – que solo tiene sentido si tu volumen de apuestas justifica la inversión.
Lo que si recomiendo es no depender de una sola fuente de xG. Los modelos difieren en sus cálculos, y comparar dos o tres te da una estimación más robusta. Si dos modelos dicen que el xG combinado de un partido es 3,5 y el tercero dice 2,8, la discrepancia te obliga a investigar por qué y a afinar tu criterio.
Un hábito que me ha resultado útil: mantener una hoja de cálculo con el xG acumulado de cada equipo de la Bundesliga y actualizarla cada jornada. Lleva diez minutos y te permite detectar tendencias de desviacion entre xG y goles reales antes de que las cuotas se ajusten. Esa ventana temporal entre la generacion del dato y la corrección de las cuotas es donde vive el valor.
Si quieres ver como el xG encaja dentro del abanico completo de datos para apostar, la guía de estadísticas de la Bundesliga cubre todas las métricas relevantes.
¿El xG es fiable para pronosticar resultados en la Bundesliga?
El xG es una de las métricas más fiables para pronosticar tendencias a medio plazo, pero no predice resultados individuales con certeza. Su utilidad está en identificar equipos que rinden por encima o por debajo de lo esperado, lo que permite anticipar correcciones estadísticas. A largo plazo, los equipos tienden a converger con su xG, y esa convergencia es la base de la estrategia.
¿En qué mercados funciona mejor el análisis de xG?
El xG es más útil en mercados de Over/Under y BTTS, donde la estimación de la producción ofensiva y defensiva de cada equipo se traduce directamente en la probabilidad de superar o no una línea de goles. También aporta valor en el 1X2 cuando detectas discrepancias entre el xG de un equipo y sus resultados recientes, lo que puede indicar cuotas desajustadas.
Escrito por los editores de «Apuestas Deportivas Bundesliga».
