xG 기대득점과 골 기반 모델의 차이점

1.xG 기대득점과 골 기반 모델의 원리

축구 데이터 분석에서 팀의 실력을 추정할 때 가장 핵심이 되는 요소는 득점 창출 능력입니다. 이때 사용되는 지표는 크게 xG(기대득점)와 실제 골로 나뉩니다.

• xG (기대득점): 슛의 위치와 상황을 바탕으로 해당 슈팅이 골로 이어질 확률을 산출한 값입니다. 실제 골보다 운의 개입이 적어 팀 실력 신호를 더 안정적으로 보여줍니다.
• 실제 골: 슈팅운이나 우연한 변수가 크게 작용하므로 단기적인 수치 변동성이 큽니다.

축구 데이터 분석에서 xG 모델과 골 기반 모델 모두 데이터로 팀의 세기를 추정하는 통계 모델입니다. 모델이 스스로 학습하여 똑똑해지는 것이 아니라, 축적된 데이터를 통해 추정값을 안정화하는 방식입니다. 구체적인 분석 방법은 방법론 페이지에서 확인하실 수 있습니다.

2.리그별 데이터 적용 방식과 이유

스탯굿에서는 리그별 데이터 수급 상황에 맞춰 적절한 모델을 적용하고 있습니다. 데이터의 종류에 따라 적용되는 리그는 다음과 같습니다.

골은 경기 내 운 요소가 많이 섞이기 때문에, xG 데이터를 활용할 수 있는 MLS나 덴마크 리그에서는 xG로 팀의 세기를 적합하여 더욱 안정적으로 추정합니다. 반면 xG 데이터가 없는 K리그 경기 분석의 경우, 실제 득점 기반의 원조 Dixon-Coles 모델을 활용하여 세기를 추정합니다.

3.모델의 정직한 한계

xG 기반 모델이 더 정교한 신호를 제공하지만, 두 방식 모두 명확한 한계를 가지고 있습니다.

• K리그 골 기반 모델: xG 데이터가 없어 실제 득점만으로 추정하므로 xG 적용 모델에 비해 추정치가 거칠고 보수적입니다.
• xG 기반 모델: xG 역시 특정 상황을 수학적으로 추정한 수치일 뿐이므로 완벽한 절대 지표는 아닙니다.

스탯굿은 수치상의 한계를 정직하게 인정하며, 수급된 데이터 범위 내에서 가장 정교한 통계적 추정을 제공하기 위해 노력하고 있습니다.

4.자주 묻는 질문

xG는 실제 골보다 왜 더 안정적인가요?

골은 슈팅운이나 우발적인 상황 등 운 요소가 크게 작용합니다. 반면 xG는 슛의 위치와 상황별 골 확률을 매긴 값이므로 운의 영향을 줄여 팀의 실제 세기를 더 안정적으로 보여줍니다.

K리그 분석에는 왜 xG를 쓰지 않나요?

K리그1의 경우 모델에 적용할 xG 데이터가 수급되지 않기 때문입니다. 따라서 xG 대신 실제 득점 데이터를 사용하는 원조 Dixon-Coles 모델을 적용하여 팀 세기를 추정하고 있습니다.

데이터가 쌓이면 모델이 직접 학습하나요?

아닙니다. 모델이 스스로 학습하여 발전하는 방식이 아닙니다. 입력되는 데이터의 양이 늘어남에 따라 팀 실력에 대한 통계적 추정치가 점차 안정되는 원리입니다.

본 글은 공개 데이터와 자체 모델을 바탕으로 한 정보 제공 목적이며, 특정 베팅을 권유하지 않습니다. 예측은 빗나갈 수 있으며 투자·베팅의 책임은 본인에게 있습니다. 만 19세 미만 이용 불가. 도박 문제 상담: 한국도박문제예방치유원 1336.