足球xG（预期进球）
完全指南

各位波友，你哋有冇試過睇完場波，覺得某隊明明踢得好，但就係輸咗？又或者有個前鋒成日有靚波傳畀佢，但就係射唔入？呢啲情況，齋睇比分或者入球數根本解釋唔到。今日就同大家深入拆解xG（Expected Goals，预期进球值），呢個數據模型點樣徹底改變我哋對足球嘅理解同埋投注策略。

xG嘅核心概念好簡單，就係將每次射門機會量化，畀一個0到1之間嘅數值，代表呢腳波有幾大機會入。例如，0.01 xG代表1%入球機會，而0.76 xG就代表絕佳單刀，有76%機會入。呢個數值會考慮好多因素，好似射門位置、角度、有冇防守球員、進攻類型等等，比單純嘅「入波」或「唔入」更能反映球員同球隊嘅真實表現。想更精準管理你嘅投注本金，可以參考我哋嘅預算規劃工具，結合xG數據，制定更聰明嘅策略。

xG嘅計算模型係基於海量歷史數據訓練出嚟。每次射門都會被分解成多個變數，例如射門距離球門幾遠、角度有幾開、係咪頭槌、有冇守衛喺中間阻擋、係咪反擊波等等。然後，模型會根據過往同類型射門嘅入球率，畀出一個預期入球數值。舉個例，2023年英超聯賽數據顯示，喺禁區頂嘅中距離射門，xG值通常介乎0.08到0.15之間，而喺小禁區內嘅近距離射門，xG值可以高達0.50以上。呢啲數據都係經過專業嘅博彩平台安全審計站分析驗證過嘅。

點解xG比傳統入球數更有價值？🤔

xG比傳統入球數更有價值，因為佢幫我哋從「結果導向」轉為「過程導向」。傳統統計只係睇最終結果，但xG可以深入分析比賽過程，判斷邊隊嘅表現更值得信賴。舉個例，如果A隊以0:1輸畀B隊，但A隊嘅xG係2.3而B隊嘅xG只係0.4，咁其實A隊踢得更好，只係運氣差。呢個時候，你就可以判斷A隊未來嘅表現好大機會反彈，係一個潛在嘅投注機會。

再舉個球星例子：如果美斯連續10場波冇入波，傳統睇法可能覺得佢狀態差。但如果xG數據顯示佢每場xG都有0.8，累積有8個預期入球，咁就說明佢一直喺度創造高質量機會，只係手風唔順。呢個時候，資深賭仔就知「均值回歸」好快會出現，美斯好大機會喺之後嘅比賽爆發，狂入幾球。呢啲就係xG帶畀我哋嘅洞察力，2022年世界盃嘅數據亦印證咗，好多球隊嘅xG表現同最終排名有高度相關性，證明xG唔係齋睇運氣。

xG數據可以點樣幫我哋分析比賽同球員？📊

xG數據可以從三個核心方面幫我哋分析比賽同球員：單場比賽分析、賽季長期追踪同埋球隊戰術評估。單場比賽分析可以幫你睇穿真實比分背後嘅故事，例如曼城1-0利物浦，但xG比分可能係曼城0.8-2.1利物浦，咁就說明利物浦創造咗更多機會，曼城係靠超水準發揮贏波。呢個時候，你就知道曼城下次再對陣強隊，可能就冇咁好彩。

賽季長期追踪對於球員分析尤其有用。如果球員A入咗8球，但xG只係5.2，說明佢超額發揮，可能係狀態頂峰，要小心佢未來表現回落。相反，如果球員B入咗3球，但xG有7.8，咁就說明佢運氣差，未來好大機會爆發。呢個係非常重要嘅均值回歸理論應用，2021/22賽季英超，有唔少前鋒xG高但入球少，到下個賽季就大爆發，例如當時嘅伊雲·東尼。最後，xG亦可以評估球隊戰術。如果一支球隊嘅xG為正（xGF > xGA），但積分唔好，就說明戰術冇問題，可能只係執行力或者運氣問題，數據支持應該繼續現有戰術，結果終將好轉。

使用xG數據有冇咩限制同埋衍生指標？⚠️

使用xG數據當然有佢嘅限制，最明顯嘅就係佢會忽略守門員嘅水平。同樣嘅射門機會，面對紐亞同面對普通門將，入球難度係唔同嘅。另外，xG模型係基於歷史「平均射手」數據，天才球員好似C朗、美斯呢啲，佢哋嘅射術可能超越模型預期。唔同數據供應商（例如StatsBomb、Opta、FBref）嘅xG算法亦有差異，所以睇數據時要留意來源。最後，單場比賽嘅xG參考意義有限，因為樣本太少，賽季數據先至穩定可靠。

除咗基本嘅xG，仲有好多衍生指標可以幫我哋更全面咁分析：

• xGA (Expected Goals Against)：預期失球，衡量防守效率。
• xGD (Expected Goal Difference)：xGF - xGA，預期入球差，衡量球隊整體實力。
• npxG (Non-Penalty Expected Goals)：去掉十二碼嘅xG，更純粹反映運動戰入球能力。
• xAG (Expected Assisted Goals)：助攻嘅預期入球貢獻，衡量創造力。
• PSxG (Post-Shot Expected Goals)：射門後預期入球，考慮埋守門員位置同反應，更精準。

呢啲衍生指標可以提供更細緻嘅數據，幫我哋睇得更深入。想查xG數據，可以去FBref.com（最全面，免費），Understat.com（可視化好，專注歐洲五大聯賽）或者Sofascore（手機端友好）。