赛事前瞻有深度
AI 分析更客观

3.2 xG 与 xGA:剔除运气,看见真实攻防

指标
🕒 预计阅读:16 分钟 📅 更新时间:2026年11月09日 👁️ 46 次阅读 ✍️ 来源:球小策量化实验室
💡
提示:您当前为未登录状态,代码示例使用通用占位符展示。点击登录并免费领取 500 点体验金 后,所有代码将自动替换为您本人的专属 Key。
想知道每项数据覆盖了哪些赛事? 88 项赛事的数据项覆盖情况一览:赛程比分、首发阵容、球员与球队统计、进阶指标、伤停、天气等,每日自动统计并如实公开。 查看数据覆盖说明 →

如果只学一个高阶指标,那就学 xG(Expected Goals,预期进球)——它是现代足球分析的地基。

一、xG 解决了什么问题?

足球有一个天然缺陷:进球数太少,无法反映真实表现。

A 队一场比赛打了 25 脚门、3 次击中门柱、2 次被门线解围,最终 0:1 输球。B 队全场 1 脚射门,一次折射入网,1:0 赢球。

传统统计只告诉你:A 队输了。xG 会告诉你:A 队创造的机会约值 2.4 个进球,B 队只有 0.6。A 队表现更好,只是没赢。

这就是 xG 的全部意义:把「机会质量」从「是否进球」里剥离出来。

二、xG 是怎么算出来的?

核心思想是:基于历史数据,统计「在特定条件下,这次射门转化为进球的概率」。

主要考虑的因素包括:

  • 射门位置:距球门距离、射门角度;
  • 射门方式:脚射、头球、点球、任意球;
  • 进攻组织方式:快攻、阵地战还是定位球;
  • 防守压力:射门瞬间防守球员的距离与人数;
  • 门将位置:是否已经失位。

把这些因素放进历史样本,同类条件下进球的占比,就是这一次射门的 xG。所以:一次射门 xG = 0.35,意思是历史上类似条件下 100 次射门能进约 35 次,不是「这次有 35% 会进」。

口径提示:xG 是模型输出,不同数据商的模型参数不同。我们采用的是自有数据源的估值口径,与市面上其他来源的 xG 不是同一套算法,因此不要跨来源比大小。

三、xGA 是什么?

xGA(Expected Goals Against)是 xG 的镜像——本方球门承受的预期进球值。

指标 看的是 典型用法
xG 本方创造的进攻质量 判断进攻是否被低估
xGA 本方让对手创造的进攻质量 判断防守质量的首选指标

为什么防守质量要看 xGA 而不是失球数?因为失球数里混进了门将发挥与运气;xGA 按射门位置与质量加权,只衡量「防守体系让对手拿到了多好的机会」,是防御能力更稳定的代理指标。

同样的道理,也解释了为什么不能用防守参与度(DF-DII)判断防线强弱——那个指标统计的是防守动作数量,与失球、xGA 都不相关。详见 3.4。

四、实战中应该怎么读 xG?

怎么用 xG 区分「运气」与「实力」?

这是 xG 最有价值的地方——判断一支球队的战绩是否可持续。

现象 通常说明什么
实际进球持续高于 xG 效率异常高,多半不可持续,存在回落风险
实际进球持续低于 xG 创造机会的能力在,但把握差或运气差,可能被低估
xG 高、胜率低 不是「踢得差」,是结果与过程脱节
xGA 低、失球少且零封多 防守体系确实可靠
xGA 不高、失球却多 问题多半出在门将发挥或个别失误,不是体系

攻防性质怎么交叉判断?

单看一队的 xG / xGA 只是一半,真正的判断来自交叉:本队的 xG 对上对手的 xGA,本队的 xGA 对上对手的 xG。这一步的具体做法见 3.8 指标共振框架。

五、关于 xG 有哪三个常见误区?

误区一:xG 高就一定赢吗?

不是。xG 衡量机会质量,不衡量结果。高 xG 输球的比赛每天都在发生。它告诉你的是「长期看这个打法有支撑」,不是「这一场会赢」。

误区二:单场 xG 有绝对意义吗?

单场样本量太小,波动很大。建议至少看 5 场滚动均值,有条件看 10 场。一场比赛 2.4 的 xG 说明不了太多,连续十场都在 2.0 以上才是信号。

误区三:不同数据商的 xG 可以直接比较吗?

不能。不同机构的模型参数不同,同一场比赛不同来源的 xG 可能相差 0.5 以上。对比时必须用同一数据源——这也是我们只提供自有口径数值、不建议跨源比较的原因。

六、在你的分析里,xG 具体怎么用?

  • 判断战绩含金量:真实进球与 xG 的差值,反映运气成分有多大;
  • 识别回落风险:xG 长期低于实际进球,说明效率难以持续;
  • 评估防守质量:xGA 比失球数更能暴露防守体系的问题;
  • 作为对位交叉的骨架:本队 xG 对对手 xGA,是全部分析里最基础的一组交叉;
  • 作为其他指标的参照:很多高阶指标都以 xG 为核心输入。

用的时候有两个细节必须确认:

  1. 赛季口径是否对齐——赛季累计指标跨赛季比较,结论会完全失真;
  2. 数据时间戳——xG 是随比赛推进累积的,引用时说清截止到哪一天。

💬 判断一支球队的战绩是否可持续(可直接复制) 指标
基于【球队名】的数据,判断它近期战绩的含金量,并说明是否存在回落风险。 按下面四步输出: 1. 列出它本赛季的:场均预期进球、场均预期失球、实际场均进球、实际场均失球,每一项都写清赛季口径与场次数; 2. 用「实际进球 − 预期进球」的差值判断进攻端:它的成绩是效率超常,还是过程支撑得住。差值的符号与大小都要写出来; 3. 用「实际失球 − 预期失球」的差值判断防守端:失球偏少是体系功劳还是门将功劳。若失球明显少于预期失球,说明门将贡献突出——这一点在门将伤停或状态回落时需要重新评估; 4. 给出一句话结论,只能从这三个里选一个:「有过程支撑」「效率偏高、存在回落风险」「样本不足,无法判断」。 硬性约束: - 只用接口实际返回的数据;缺失项写「当前数据未提供」,严禁用相近数据替代或估算; - 不要跨数据源比较预期进球数值,说明清楚这是同一个数据源的口径; - 必须说明样本场次数;不足 5 场时直接写「样本不足,暂不判断」,不要硬给结论; - 不给比分预测,不给任何投注建议。

七、球员级的预期数据,我们提供到什么程度?

前面讲的 xG / xGA 都是球队级。除了球队,我们还提供球员级的预期进球与预期助攻——它在接口里是 xg_metrics 这一块,通过 /players/{id}/advanced(查单人,3 点)或 /teams/{id}/players-advanced(查整队,10 点、最多 20 人)取得。

字段 含义
xg 该球员赛季累计预期进球
xg_per_90 每 90 分钟预期进球(出场时间不同的球员之间可比)
xa 赛季累计预期助攻
xa_per_90 每 90 分钟预期助攻

三条使用注意:

  • 没有数据时,这个字段不会出现。它不是「返回 null」,而是键不存在;如果一名球员一项都没有,xg_metrics 整块不返回。写代码时必须先判断字段是否存在,不要假设一定有值。
  • 不要和其他数据商的数值直接比较,理由同上面误区三。
  • 以下指标我们暂不提供:射门创造动作(SCA)、xG Chain、xG Buildup、推进距离、受压传球占比。这些要么依赖付费事件级数据,要么在免费源里没有对应口径,已判定不可得——如果某个工具给你这些数字,那不是我们的数据。

覆盖率也要如实说明:球员级预期进球与预期助攻并非人人都有,主流联赛覆盖较好,小联赛与边缘球员可能整块缺失。取数时按「有没有」判断,不要按「应该是多少」推断。

下一步该看什么

常见问题

xG 解决了什么问题?
足球有一个天然缺陷:进球数太少,无法反映真实表现。 A 队一场比赛打了 25 脚门、3 次击中门柱、2 次被门线解围,最终 0:1 输球。B 队全场 1 脚射门,一次折射入网,1:0 赢球。 传统统计只告诉你:A 队输了。xG 会告诉你:A 队创造的机会约值 2.4 个进球,B 队只有 0.6。A 队表现更好,只是没赢。 这就是 xG 的全部意义:把「机会质量」从「是否进球」里…
xG 是怎么算出来的?
核心思想是:基于历史数据,统计「在特定条件下,这次射门转化为进球的概率」。 主要考虑的因素包括: 射门位置:距球门距离、射门角度; 射门方式:脚射、头球、点球、任意球; 进攻组织方式:快攻、阵地战还是定位球; 防守压力:射门瞬间防守球员的距离与人数; 门将位置:是否已经失位。 把这些因素放进历史样本,同类条件下进球的占比,就是这一次射门的 xG。所以:一次射门 xG = 0.3…
xGA 是什么?
xGA(Expected Goals Against)是 xG 的镜像——本方球门承受的预期进球值。 指标 看的是 典型用法 xG 本方创造的进攻质量 判断进攻是否被低估 xGA 本方让对手创造的进攻质量 判断防守质量的首选指标 为什么防守质量要看 xGA 而不是失球数?因为失球数里混进了门将发挥与运气;xGA 按射门位置与质量加权,只衡量「防守体系让对手拿到了多好的机会」,是…
怎么用 xG 区分「运气」与「实力」?
这是 xG 最有价值的地方——判断一支球队的战绩是否可持续。 现象 通常说明什么 实际进球持续高于 xG 效率异常高,多半不可持续,存在回落风险 实际进球持续低于 xG 创造机会的能力在,但把握差或运气差,可能被低估 xG 高、胜率低 不是「踢得差」,是结果与过程脱节 xGA 低、失球少且零封多 防守体系确实可靠 xGA 不高、失球却多 问题多半出在门将发挥或个别失误,不是体系
攻防性质怎么交叉判断?
单看一队的 xG / xGA 只是一半,真正的判断来自交叉:本队的 xG 对上对手的 xGA,本队的 xGA 对上对手的 xG。这一步的具体做法见 3.8 指标共振框架。
误区一:xG 高就一定赢吗?
不是。xG 衡量机会质量,不衡量结果。高 xG 输球的比赛每天都在发生。它告诉你的是「长期看这个打法有支撑」,不是「这一场会赢」。
免责声明

本栏目内容为足球数据分析方法的教学与科普,全部指标、模型与推演过程仅用于体育数据科学研究与信息展示,不构成任何形式的预测承诺,亦不涉及任何交易行为。文中「市场参考值」「参考值」等表述,均指公开可得的市场公开信息,仅用于说明数据比对方法。请读者遵守所在地区法律法规,理性认识竞技体育的偶然性。

🏠
赛事
📊
数据
🧩
功能
👤
我的

觉得文章有用就打赏一下文章作者

非常感谢你的打赏,我们将继续提供更多优质内容,让我们一起创建更加美好的网络世界!

微信扫一扫打赏

微信打赏二维码

登录

打开微信扫一扫,确认后自动完成登录