Модель ожидаемых голов настолько популярна не потому, что ее можно использовать в качестве весомого аргумента в спорах о том, какая из команд была лучше в отдельно взятом матче. Одной из главных причин повсеместного использования xG является способность предсказывать будущий перформанс на длинной дистанции

На графике изображено сравнение точности прогнозов, сделанных шестью различными моделями, включая нашу собственную версию xG. В качестве показателя перформанса было выбрано количество очков за матч. Вертикальная ось демонстрирует корреляцию между прогнозом и реальными результатами, горизонтальная - игровую неделю, после которой было сделано очередное предсказание

Результаты не противоречат оригинальному исследованию 2015 года, согласно которому, наибольшей предсказательной силой обладает именно модель ожидаемых голов. На крошечной дистанции из нескольких матчей в начале сезона слишком сильное влияние оказывают случайные события и все шесть метрик показывают примерно одинаковые результаты. Но после восьми-десяти туров, традиционные модели, основанные на прошлых успехах или разнице забитых голов, начинают отставать

Обратите внимание на то, что для всех кривых на графике точность прогнозов падает сразу после середины сезона. Это происходит не потому, что качество моделей внезапно становится хуже, а из-за уменьшающегося количества оставшихся матчей и, соответственно, возрастающего влияния случайностей на результаты

“Процент владения” и “высота обороны” добавлены для того, чтобы показать, что стилистические метрики содержат гораздо меньше информации о будущих успехах, чем перформанс-метрики. Мы протестировали гораздо больше различных моделей, чем изображено на картинке. С точки зрения точности прогноза будущих очков соизмеримые с xG результаты наблюдаются у Non-Shot xG, ожидаемой угрозы и количества проникновений в радиус 20 метров через пас и на ведении

@markstats