如何预测足球比赛的进球数
详细探索预期进球预测模型
预期进球模型的局限性是什么？
为了成功预测足球比赛的成绩，交易者需要两样东西：信息和模型。平均每场比赛有多少个进球？射门实现进球的频率有多高？最重要的是，交易者如何使用过去的数据预测进球数，从而获得赢利？本文介绍如何使用预期进球模型来预测足球比赛中的得分。请继续阅读，寻获答案。
在英超联赛过去五个赛季中，平均每场比赛只有2.73个进球。足球进球是相对较难的事情。广受欢迎的足球数据书籍《数字游戏》中表示，高达50%的比赛结果可以归因于运气、球的反弹或裁判的决定。
因此，您必须使用更大的数据样本进行预测。为此，在2015/16英超联赛中，我们采样时可以不使用平均每场2.73个进球的数值，而使用8.49的场次射门数或25.7次总射门数。
这里的问题在于，虽然所有进球的值相等，但是射门得分的可能性可能会大不相同，这就是预期进球（或简称“xG”）的来源。平均而言，过去五个赛季，英格兰最强球队的射门命中率为9.7%，但将这些射门分成几类时，却显示出每类转换率的差异极大。
通过查看历史数据，我们可以通过选取想要的几个因素来计算射门得分的概率。一些深度模型包括是通过脚球还是头球得分、促进射门的状况等因素。这需要高级数据收集和统计分析技能，不过也可以通过更简单的预期进球系统来进行洞悉。在这里说说其中一个使用的系统。
计算不同类型进球的价值
从罚球说起。从2011/12赛季到2015/16赛季，英超联赛有443次罚球，其中347次得分，这意味着平均78.3%的罚球促使了进球。因此，我们将预期进球值0.783分配给罚球。
Opta将其认为的绝佳机会归为“大机会”，他们将其定义为“球员有望得分的情况（通常是一对一的情形或非常近的范围）。”
在过去的五个赛季中，英超顶级球员通过6,213个大机会获得了2,579个进球。我们必须记住，这些数字中包含了罚球，所以罚球之外的大机会获得进球的比例为38.7％，这样一来，这些射门的xG值为0.387。
现在把它们放在一边，让我们来看看罚球区的射门。在过去五年中， 罚球区内共发生22,822次小机会，其中1,587次进球，平均预期进球值为0.070。
最后，有一些射门发生在罚球区之外。2011年8月至2016年5月，超级联赛中共上演了22,318次这样的射门，其中809次得分，平均进球率为3.6%。因此，罚球区之外的射门预期进球值为0.036。直接任意球射门进球率约为5-6%，这一点会有变化，但对于这样一个简单的系统，3.6%的数字就足够了。
如何计算每个球队的预期进球
这种射门数据可以从各种足球网站和应用程序获得，所以凭借上述知识，您可以为一场比赛中的每支球队快速建立xG计数器。研究每个赛季的比赛（包括2017年3月12日的比赛），可以让您通过简单的射门数据获得优势。在英超联赛211场获胜比赛中（不包括乌龙球），射门最多的球队获得了151场胜利(71.6%) ，而具有较高xG值的球队获得170场胜利(80.6%)。
对2016/17赛季使用xG值和泊松分布，对英超联赛第29周比赛的结果和赔率进行了以下预测。
基于xG值的预测分数
从“预测结果”列可以看出，精确的说法是有一个正确的得分和四个其他的结果选择（就主场获胜、平局或客队获胜而言）。使用我的系统计算的可能性，我们可以看到，十场比赛中的六场比赛中，最受喜爱的球队“赢得”投注，但是您显然需要将您的赔率与平博提供的赔率进行比较，并决定如何进行投注。
xG预测模型的局限性
切记，任何模型都存在局限性。无论您的系统有多好，都无法预测明星前锋受伤、俱乐部在换帅后恢复活力或者在欧洲赛事后可能会疲惫的情况。
这样的系统也无法预测得分特别高的比赛。由于这是基于平均值，而大约一半的比赛进球数不到2.5个，这是可以预料的。
尽管使用这样一个简单的系统计算出所有的射门平均能进0.097个球，但曼城的射门值目前为0.113，而赫尔城的射门值只有0.083。
使用预期进球统计数据可以帮助您量化队伍的防守和准确进攻的质量。结合使用上面数据与泊松分布，您就做好了准确预测足球比赛结果的准备。
以上摘自Pinnacle Sports
