Как считать ничью по xG: регрессия 0.7 и матрица Пуассона

Большинство “формул ничьей” из интернета не считают ничего, кроме средней частоты ничьих в лиге. Это не прогноз, это пересказ статистики. Рабочий метод выглядит иначе: собрать xG и xGA за последние 6 туров, усреднить, подтянуть к среднему по лиге с коэффициентом регрессии 0.7 и только потом считать вероятность через матрицу Пуассона. На выходе получаем отклонение от букмекерской линии в пределах 3%, и это уже можно использовать в ставках на футбол.

Сбор данных: xG и xGA за 6 туров вместо голов и таблицы

Голы врут. Команда может выиграть 3:0, нанеся три удара с суммарным xG 0.6, и проиграть следующий матч той же моделью игры. Ничья особенно чувствительна к этому: результат 1:1 часто маскирует матч, где одна сторона создала на 1.8 xG больше. Поэтому первым шагом мы собираем не очки, а качество моментов.

Нужны четыре числа на каждую команду: xG за матч (созданные моменты) и xGA за матч (допущенные), отдельно для дома и отдельно для выезда. Период – последние 6 туров, не больше. Более длинная выборка смешивает разные состояния команды: смену схемы, травмы ключевых игроков, приход новичка в зимнее окно. Шесть матчей – это компромисс между шумом и актуальностью, проверенный на практике.

Где брать цифры: матч-центр ForecastBet содержит счета, календарь и коэффициенты 1X2, а xG-метрики удобно тянуть из открытых футбольных баз статистики. Важно брать одну модель xG, а не смешивать данные из разных источников: Understat, Opta и FBref считают по-разному, и разброс по одному матчу легко достигает 0.4 xG. Смешаете – получите мусор на входе.

Почему именно 6 туров и что делать с выбросами

Короткая выборка из 3-4 матчей слишком волатильна: один разгром искажает среднее на 30-40%. Длинная выборка из 15 туров не реагирует на реальные изменения. Шесть матчей дают примерно 90-110 ударов по воротам на команду – достаточно, чтобы среднее стабилизировалось, но мало, чтобы устареть.

Выбросы не выбрасываем механически. Если команда пропустила 4.2 xGA в одном матче против Интера или Аталанты, это не аномалия, это сигнал о классе соперника. Убираем только технические артефакты: матчи с удалением в первые 20 минут, игры с явным договорным характером (бывает в низших дивизионах) и матчи, где команда играла резервным составом перед еврокубком.

Регрессия 0.7 к среднему по лиге и матрица Пуассона

Сырое среднее xG за 6 туров – это ещё не оценка силы. Оно переоценивает и лидеров, и аутсайдеров: у первых всплеск формы, у вторых – яма. Регрессия к среднему решает эту проблему. Формула простая:

скорректированный xG = средний xG команды * 0.7 + средний xG лиги * 0.3

Коэффициент 0.7 подобран эмпирически: при 0.5 мы слишком сильно тянем всех к середине и теряем сигнал, при 0.9 остаёмся с шумом короткой выборки. На дистанции 200+ матчей в топ-5 лигах 0.7 даёт минимальную ошибку прогноза на следующем отрезке. То же самое делаем с xGA. Средний xG лиги берём по текущему сезону, а не по историческому: стиль меняется, и средние сдвигаются на 0.05-0.1 за сезон.

Дальше считаем ожидаемые голы для конкретного матча. Атака хозяев против обороны гостей:

lambda_home = (xG_хозяев_скорр / средний_xG_лиги) * (xGA. прогнозы на спорт от профессионалов точные бесплатно offers additional context worth reviewing. _гостей_скорр / средний_xGA_лиги) * средний_xG_лиги_дома

Аналогично для гостей, с поправкой на домашнее преимущество. В среднем по европейским лигам хозяева забивают на 0.15-0.25 гола больше гостей, в отдельных чемпионатах (например, в Турции с Трабзонспором и агрессивной поддержкой трибун) разрыв доходит до 0.4. Игнорировать это нельзя: без поправки вы систематически занижаете вероятность домашней ничьей и завышаете гостевую.

Когда lambda_home и lambda_away посчитаны, строим матрицу Пуассона. По каждой оси от 0 до 6 голов, вероятность каждого исхода по формуле P(k) = (lambda^k * e^-lambda) / k!. Перемножаем вероятности по клеткам и складываем те, где счёт равный: 0:0, 1:1, 2:2, 3:3, 4:4. Сумма – это и есть вероятность ничьей.

Проверка на реальном примере. Монако дома против Марселя. У Монако средний xG за 6 туров 1.85, у Марселя xGA 1.30. После регрессии 0.7 к среднему Лиги 1 (1.45 xG): Монако 1.73, Марсель 1.36 по допущенным. Считаем lambda_home: (1.73/1.45) * (1.36/1.45) * 1.55 (средний xG хозяев в Лиге 1) = 1.73. lambda_away: (1.42/1.45) * (1.18/1.45) * 1.30 = 1.06. Матрица Пуассона даёт вероятность ничьей 24.8%. Букмекерская линия на этот матч: коэффициент 4.10 на ничью, что соответствует вероятности 24.4% (без учёта маржи). Отклонение – 0.4%. Это и есть целевой уровень точности.

Практика: как превратить вероятность в ставку и не слить банк

Вероятность 24.8% сама по себе бесполезна. Решение принимается по сравнению с линией букмекера. Считаем implied probability: 1 / коэффициент, затем убираем маржу. Если букмекер даёт 4.10 на ничью, implied = 24.4%. Если ваша модель даёт 28% и выше – есть value, ставка оправдана. Если меньше – пропускаем, даже если интуиция кричит обратное.

Разница между 24.8% и линией в 3% – это не повод ставить. Это повод занести матч в шорт-лист и проверить, нет ли ошибки в данных. Реальные сигналы начинаются от 5% расхождения. Отклонение в 3% означает, что модель работает корректно, но рынок уже учёл эту информацию.

• Собираем xG и xGA за 6 туров по каждой команде, отдельно дом и выезд
• Усредняем и применяем регрессию 0.7 к среднему по лиге для xG и xGA
• Добавляем поправку на домашнее преимущество (0.15-0.4 гола в зависимости от чемпионата)
• Считаем lambda_home и lambda_away через отношение к средним лиги
• Строим матрицу Пуассона 0-6 голов и суммируем диагональ равных счётов
• Сравниваем с implied probability букмекера, ставим только при расхождении от 5%

Ставки на исход через этот метод работают только на длинной дистанции. Один матч ничего не доказывает: даже при реальной вероятности ничьей 28% она не зайдёт в 72% случаев. Смысл появляется на 100+ ставках, где математическое ожидание выходит в плюс. Именно поэтому ForecastBet публикует прогнозы на футбол с фиксированной методологией, а не “интуитивными” разборами: воспроизводимость важнее красивых формулировок.

Советы по ставкам здесь сводятся к трём вещам. Первое: не ставить на ничью в матчах с высоким тоталом (lambda_home + lambda_away выше 3.2), там вероятность равного счёта падает до 18-20%. Второе: проверять расписание футбольных матчей на предмет плотности календаря – команда после Лиги Европы или Лиги конференций УЕФА теряет в xG на 0.2-0.3 в следующем туре. Третье: использовать рейтинг букмекеров и сравнивать линию минимум у трёх контор. 1win и Betcity часто дают разные коэффициенты на ничью в одном и том же матче, разница доходит до 0.15.

Аналитика футбола не заменяет модель, а дополняет её. Если xG говорит одно, а команда потеряла двух центральных защитников и играет против Бенфики или Селтика в гостях – корректируйте lambda вручную на 10-15%. Матрица Пуассона не знает о травмах, она знает только цифры. Ваша задача – подать ей правильные цифры на входе.

ForecastBet освещает Лига Европы УЕФА и Лига конференций УЕФА, где ничьи случаются чаще из-за осторожной игры в первых таймах. Там метод даёт особенно хорошие результаты: средняя вероятность ничьей в групповом этапе этих турниров 27-29%, а букмекеры часто закладывают 24-25%. Разница в 3-4% на длинной дистанции превращается в ощутимый ROI. Сайт содержит 75 опубликованных прогнозов с открытой статистикой попаданий, что позволяет проверить методологию на реальных данных, а не верить на слово.

Начните с одного чемпионата, который вы смотрите регулярно. Соберите таблицу xG и xGA за 6 туров, посчитайте регрессию, постройте матрицу для 10 матчей и сравните с линией. Если среднее отклонение укладывается в 3% – метод работает, можно переходить на ставки реальными деньгами. Если расхождение больше 8% – где-то ошибка в данных или в поправке на домашнее преимущество. Проверьте каждый шаг отдельно, прежде чем винить формулу.