1 de outubro de 2026·8 min de leitura

Além do xG: por que o xG já não bate as odds

O que o xG significa nas apostas, por que as casas já embutem os gols esperados nas odds e quais variáveis além do xG ainda separam um modelo do mercado.

xGexpected goalsbetting models

Há dez anos, os gols esperados eram uma vantagem. Um apostador que sabia que um time vinha criando muito mais chances do que os seus resultados mostravam conseguia achar odds que o mercado tinha definido pela tabela e pelos placares recentes.

Esse apostador já não tem o campo só para si. Os gols esperados aparecem no Match of the Day, da BBC, desde 2017, estão em aplicativos de placar gratuitos, e toda casa de apostas séria os embute nas suas odds. Uma estatística que todo mundo vê de graça está, quase por definição, já nas odds.

Este artigo explica o que o xG significa nas apostas, por que o xG puro já não bate o mercado sozinho e quais variáveis além dos gols esperados ainda separam um modelo da odd.

A versão curta

• O xG mede a qualidade das chances, não a sorte. Ele é um guia melhor da força de um time do que só os gols — e é exatamente por isso que o mercado já o usa.
• O xG puro já está na odd. Apostar "no time com o melhor xG" é o que o próprio modelo da casa faz antes de o mercado abrir.
• A vantagem passou para a camada seguinte: como as chances são criadas, como a forma muda, calendário, contexto da liga e o quanto os jogos de um time são instáveis — combinados e comparados com uma odd sem margem.
• Alguns fatores "situacionais" populares são mais fracos do que parecem. O embalo quase não existe nos dados, e o clima e as notícias dos times são públicos e precificados em minutos.

O que o xG significa nas apostas

Os gols esperados dão a cada chute uma probabilidade de virar gol, com base em milhares de chutes parecidos: distância, ângulo, a parte do corpo usada, o tipo de passe que o preparou. Um pênalti vale cerca de três quartos de gol (por volta de 0,76–0,79 xG, dependendo do fornecedor de dados); uma cabeçada da entrada da área vale alguns centésimos.

Some os chutes de um time e você tem o xG dele no jogo. Ao longo de uma temporada, o xG diz mais sobre a qualidade de um time do que os gols, porque os gols são poucos e a finalização oscila muito de um mês para o outro. Um time que marca bem menos gols do que o seu xG sugere costuma estar com azar, não ser ruim, e tende a se recuperar.

Para um apostador, essa foi a ideia original: o mercado precificava resultados; o xG precificava desempenho. A diferença entre os dois era dinheiro.

Como o xG passou de segredo a referência básica

A ideia é mais antiga que o nome, mas a versão moderna costuma ser atribuída ao analista da Opta Sam Green, que em abril de 2012 publicou um modelo que avaliava os chutes da Premier League pela chance de entrarem. Nos anos seguintes, o xG viveu em blogs de análise e nos departamentos de análise dos clubes.

Depois, virou assunto de todo mundo. O Match of the Day mostrou o xG pela primeira vez nos gráficos pós-jogo em 12 de agosto de 2017, e a BBC começou a explicar a métrica para o público do país inteiro. Os aplicativos gratuitos vieram em seguida, e hoje um torcedor casual consegue ver o xG de um jogo minutos depois do apito final.

Quando uma informação fica gratuita e universal, ela deixa de ser uma vantagem. As casas de apostas nunca estiveram atrás da comunidade de análise aqui; os seus modelos de trading usavam dados de qualidade das chances antes de a maioria dos apostadores ouvir falar do termo. Em 2026, o xG é o ponto de partida de uma odd, não um ingrediente escondido.

Como as casas definem as odds no futebol

Uma odd moderna de futebol vem de três camadas:

1. Um modelo. Notas dos times construídas com dados históricos de eventos — chutes, xG, resultados — produzem uma probabilidade justa para cada resultado.
2. Uma margem. A casa acrescenta o seu overround, para que as probabilidades implícitas somem mais de 100%. (Para ver como tirá-lo, leia como tirar a margem das odds.)
3. O mercado. Conforme os apostadores profissionais colocam dinheiro, as casas mais afiadas movem as suas odds na direção em que o dinheiro diz que está a verdade. Na hora do jogo, a odd de fechamento já absorveu quase tudo o que é de conhecimento público.

Essa terceira camada é o motivo pelo qual um sistema simples de xG tem dificuldade. Quando você aposta no time com o melhor xG, está competindo com o modelo da casa, que tem os mesmos dados, e com todo profissional que já moveu a linha.

Por que o xG puro já não bate o mercado

Há quatro motivos pelos quais uma abordagem simples de "apostar no melhor xG" raramente sobrevive ao contato com uma odd sharp:

• É público. Qualquer coisa visível num aplicativo gratuito já foi vista pelas pessoas que definem e movem a linha.
• Já está regredido. As casas sabem que desempenhos acima e abaixo do xG tendem a passar. O "time azarado que está devendo uma vitória" muitas vezes já está precificado exatamente assim.
• Descreve chutes, não situações. Um time que sai na frente cedo e recua cede mais xG do que a sua qualidade sugere. O xG puro não consegue distinguir um colapso defensivo de um plano de jogo deliberado.
• Ignora o que nunca virou chute. A pressão, o território e o volume de bola parada criam perigo que só aparece em parte no xG.

O xG continua essencial. Só não é mais suficiente.

Além do xG: as variáveis que ainda separam um modelo do mercado

A vantagem em 2026 está em combinar variáveis que o mercado pesa de forma imperfeita e medi-las de forma consistente entre as ligas. Estas são as que importam na nossa própria modelagem.

Como as chances são criadas, não só quantas

Dois times com o mesmo xG podem chegar lá de jeitos muito diferentes: um com poucas chances claras dentro da área, outro com uma série de chutes de longe. Finalizações no gol, chutes de dentro da área e a parcela dos ataques de um time que se tornam perigosos acrescentam informação que um único número de xG achata.

Território e volume de bola parada

As bolas paradas passaram a ser uma parte maior do jogo. Nos primeiros meses da temporada 2025-26 da Premier League, as bolas paradas produziram cerca de 28–30% dos gols, perto da maior proporção da história da competição. Os escanteios e a pressão territorial constante alimentam isso, e nem sempre são evidentes só pelo xG de um time.

Forma que pesa mais o passado recente

A forma importa, mas não como sequência. Um modelo deve fazer o jogo da semana passada contar mais do que um de dois meses atrás, e desvalorizar os resultados antigos de forma gradual, em vez de cortá-los nos últimos cinco jogos. A forma em casa e fora deve ser medida separadamente, porque alguns times são muito diferentes como visitantes.

Calendário e descanso

Os dias entre os jogos mudam como os times fazem rodízio e a intensidade da pressão. O descanso é uma variável simples e mensurável, e fácil de ignorar quando se olha para a tabela.

Contexto da liga e instabilidade

As médias de gols variam entre ligas e temporadas, e alguns times fazem jogos caóticos com consistência, enquanto outros vencem por 1 a 0 na raça. Um modelo que conhece o ambiente de gols, e o quanto cada time é instável, precifica os mercados de gols — mais/menos e ambas marcam — muito melhor do que um que trata todo jogo do mesmo jeito.

O que é superestimado: embalo, clima e notícias dos times

Nem todo fator situacional merece a fama que tem.

• Embalo. Um estudo revisado por pares sobre a Premier League inglesa, The hot hand fallacy re-examined, não encontrou evidência de que sequências de derrotas prevejam mais derrotas, e encontrou, se tanto, uma leve reversão depois de sequências de vitórias. Os autores concluíram que o embalo é mais bem descrito como um rótulo aplicado depois do fato do que como uma causa. A forma ponderada pelo tempo captura a parte real dele.
• Clima. Calor, chuva e vento mudam, sim, o desempenho físico dos jogadores, e há pesquisas que olharam para o clima na previsão de jogos — por exemplo, um estudo de 2020 sobre o futebol espanhol cujos melhores modelos ainda usavam as odds das casas entre os principais dados. A previsão do tempo é pública, e o mercado também a lê.
• Notícias dos times. As escalações confirmadas movem as odds, mas chegam cerca de uma hora antes do jogo e são precificadas em minutos. A menos que você seja mais rápido que o mercado, as notícias dos times não são uma vantagem; são o mercado se atualizando.

Como o Kepler usa a camada além do xG

O Kepler parte de uma base estatística que estima a distribuição completa dos placares de cada jogo. Uma camada de machine learning então a refina usando as variáveis acima — criação de chances, território e escanteios, forma ponderada pelo tempo e por mando de campo, descanso, contexto da liga e instabilidade — e produz uma probabilidade calibrada por mercado.

Essa probabilidade é então comparada com a odd da casa depois de tirar a margem. Um sinal só é publicado quando a diferença é grande o bastante para importar, e todo palpite publicado vai para o histórico público — acertos, erros e valor de fechamento. O CLV é o teste honesto de se um modelo está encontrando algo que o mercado não encontrou: um palpite que bate a odd de fechamento com consistência estava certo antes de o mercado concordar.

Como usar o xG nas suas apostas

• Trate o xG como ponto de partida, não como a vantagem. Se o seu raciocínio é "o xG deste time é melhor que os seus resultados", suponha que a odd já sabe disso.
• Procure divergência com a odd, não com a tabela. Uma vantagem é uma probabilidade maior que a probabilidade implícita sem margem, não um time de que você gosta.
• Meça-se pelo valor de fechamento. Ele diz se o seu método bate o mercado muito antes do lucro.
• Faça apostas simples com stake fixa. Uma vantagem real é pequena; múltiplas e stakes grandes demais a desperdiçam. Veja simples ou múltiplas e gestão de banca.

Perguntas frequentes

Apostar envolve risco. Resultados passados não garantem retornos futuros. Aposte só o que você pode perder. 18+.