xG, PPDA y xGOT en la Serie A: guía de analítica para apostar

Redacción «Apuestas Serie a Italia» mayo 20, 2026 Tiempo de lectura: 23 min

La tabla cuenta el pasado; el xG cuenta lo que debería haber pasado

Durante mi segunda temporada siguiendo la Serie A con métricas avanzadas, tuve una revelación incómoda: el equipo que mejor iba en la clasificación no era el que mejor jugaba. Estaba encaramado arriba gracias a una racha de goles en el último minuto, dos penaltis discutibles y un portero sobresaliente. Los números avanzados me gritaban «este equipo va a caer», y lo hizo — seis puntos perdidos en cuatro jornadas. Ahí entendí por qué el xG es, para un apostante serio, el primer filtro antes que cualquier otro.

La tabla de clasificación cuenta lo que pasó. El xG cuenta lo que debería haber pasado. Y las cuotas de los operadores — especialmente en mercados de corto plazo — tienen más en común con la tabla que con la segunda. Ese gap es, literalmente, el espacio del value betting en la Serie A.

Este artículo es una guía aplicada a la analítica avanzada del calcio italiano. Voy a ir a tres métricas principales: xG, PPDA y xGOT. No es un tratado académico. Es la caja de herramientas que yo uso cada semana para leer partidos, equipos y cuotas de la Serie A 2025-26. Un diferencial xG superior a 1,0 por partido es, para analistas experimentados, la señal más fiable de que un equipo está infrarrecompensado o sobrerrecompensado por el marcador. Ese umbral, más que cualquier criterio subjetivo, es el que mejor predice regresiones a la media en las siguientes cinco jornadas.

El xG no es una bola de cristal. Quien te venda un sistema «infalible» basado en xG está vendiendo humo. Pero quien no use xG está jugando con los ojos entornados contra un mercado que sí lo usa. El mapa más detallado de qué mercados se ajustan mejor a las métricas avanzadas lo tengo en la guía de mercados de apuestas de la Serie A; aquí nos centramos en la analítica como tal.

Qué es el xG y por qué importa más que los goles reales

Imagínate un tiro a puerta. La pregunta no es «¿entró?». La pregunta es «¿cuántas veces entraría ese mismo tiro si se repitiera cien veces?». Esa probabilidad, entre 0 y 1, es el xG de ese disparo. Un tiro con xG 0,35 debería entrar 35 de cada 100 veces. Si sumas los xG de todos los disparos de un equipo en un partido, obtienes el xG del equipo en ese partido.

Los modelos de xG se calibran con bases de cientos de miles de disparos. Los factores principales son la distancia al centro del arco, el ángulo, la parte del cuerpo (pie dominante, no dominante, cabeza), el tipo de jugada previa (córner, contraataque, elaborada, penalti) y la presión defensiva al disparar.

Un ejemplo: Lautaro recibe en el área pequeña, solo, con el portero cerrando el ángulo y un defensa a un metro. xG ~0,42. El mismo Lautaro recibe fuera del área, cerrado, con dos defensas delante. xG ~0,04. El primer disparo es gran ocasión; el segundo, desahogo. Si los dos terminan en gol, las tablas te dicen «dos goles de Lautaro». El xG te dice «uno esperable, uno de bonus».

Un valor a memorizar: el xG de un penalti es 0,76 en prácticamente todos los modelos. Esa cifra viene de la tasa histórica de conversión de penaltis en fútbol profesional (75-77%).

La diferencia entre xG y goles reales es donde vive el apostante. Un equipo que marca 2,0 con xG 1,1 está sobreperforming, y ese sobreperforming rara vez dura 38 jornadas. Aplicado a la Serie A 2025-26, con 2,56 goles por partido de media, el xG acumulado ronda 2,4 — diferencial pequeño que sugiere que la competición marca lo que debería.

xG aplicado a la Serie A 2025-26: los equipos que infraconvierten y los que rebosan

Pongamos la teoría en el césped de San Siro, del Maradona y del Gewiss. Cuatro equipos de la Serie A 2025-26 dan el juego completo para entender cómo el xG separa la realidad del espejismo: Inter, Como, Atalanta y Milan.

Inter es el ejemplo del equipo que convierte en línea con su producción. 65 goles en 29 partidos, 2,4 goles por encuentro, xG acumulado en torno a 2,1 por partido. Lautaro y Dimarco no están marcando «por suerte» — están transformando ocasiones reales a un ritmo esperable. El único matiz es que el Inter genera más ocasiones de lo que marca en partidos puntuales (xG 2,8 y goles 1 es un patrón que se ha dado varias veces), pero a lo largo de 29 jornadas las cifras cuadran. Eso es lo que los analistas llaman una «producción sostenible».

Como 1907 es el caso opuesto: la defensa del año. 22 goles encajados en 30 partidos, media de 0,73 goles recibidos por encuentro. Lo interesante es que su xGA (goles esperados concedidos) ronda 0,95. Está concediendo 0,2 goles menos de los que «merece» por el tipo de ocasiones que permite al rival. Ese diferencial no suele durar: o el portero sobrerrinde (caso habitual, regresa) o la defensa está ejecutando algo estructural que el xGA no captura bien. Mi lectura tras ver varios partidos: es mitad portero en estado de gracia, mitad sistema defensivo bien calibrado. Probablemente, en las últimas jornadas, veremos números más normales.

Atalanta es el equipo que más me gusta analizar con xG precisamente porque genera mucho más de lo que marca en partidos cerrados. Una temporada media, la Dea genera xG de 1,9-2,1 por partido y termina con 1,7-1,8 goles reales. Esa brecha persistente es el sello de Gasperini: ofensiva frenética, muchos tiros, algunos mal calibrados, algunos taponados por la última defensa. En mercados Over 2.5 y BTTS Sí sus partidos son un imán de valor cuando el mercado paga por debajo del 60% en probabilidad implícita. 7,8 regates por partido es otro dato que respalda esa intensidad ofensiva.

Milan es el caso de infrarrendimiento relativo. 1,5 goles marcados por partido con xG 1,6-1,7. Los rossoneri generan un poco más de lo que convierten, pero la diferencia es pequeña. El problema no es el xG — es el xG absoluto: 1,6 de generación es casi un punto por debajo del Inter (2,6). Esa brecha, acumulada 29 jornadas, explica por qué el Milan no está en la pelea real por el Scudetto, aunque el mercado todavía pague sus victorias individuales a cuotas respetables.

Un apunte sobre Napoli y Juventus: ambos están razonablemente en equilibrio entre xG y goles reales. Napoli genera aproximadamente 1,75 y marca 1,7; Juventus genera 1,5 y marca 1,4. Ninguno está sobreactuando, ninguno está infrarrecompensado. Son, en el sentido estricto del término, equipos que juegan lo que juegan.

La lectura práctica de estos cinco perfiles: cuando apuestas al Inter, estás pagando por producción real; cuando apuestas al Como en Under, estás apostando a que un diferencial pequeño se mantiene; cuando apuestas a la Atalanta en Over, estás pagando lo que ocurre en el campo, no lo que marca la tabla. Esas tres lecturas valen más que diez previas deportivas tradicionales.

PPDA: el mapa de la presión en el calcio italiano

Hay un partido concreto que me convenció del valor del PPDA: Atalanta contra Bologna, hace dos temporadas. La Atalanta llegó reclamando un PPDA de 6,2. Bologna, 14,5. El partido fue lo que los números anunciaban: presión asfixiante visitante, Bologna forzado a juego largo, Atalanta cortando cada pase que no salía perfecto. Los Over 2.5 y las tarjetas totales se dispararon. Desde entonces, miro PPDA antes de cualquier apuesta a tarjetas o córners en Serie A.

PPDA significa «Passes Per Defensive Action», o pases permitidos por acción defensiva. La pregunta que responde es: ¿cuántos pases deja hacer un equipo al rival antes de intentar cortar el balón? Un PPDA bajo — digamos 6 o 7 — significa presión altísima, equipo que persigue. Un PPDA alto — 12 o más — significa equipo replegado, que deja combinar al rival y espera en su mitad de campo.

La métrica se calcula típicamente considerando las acciones defensivas (entradas, intercepciones, faltas) en los tres cuartos rivales. Un equipo con muchas entradas lejos de su portería tiene PPDA bajo por definición. Un equipo que defiende encerrado tiene PPDA alto, aunque meta muchas entradas en su propia área.

En la Serie A 2025-26, los estilos están claramente separados. Atalanta e Inter presionan alto — PPDA en el rango 8-10, que en Italia es agresivo. Napoli, pese a tener más posesión, juega con presión media (PPDA 10-11) porque Conte prefiere que su equipo se reorganice antes que perseguir. Como juega a PPDA alto — 13-14 — consecuente con su sistema de bloque medio-bajo.

Para qué sirve PPDA al apostante. Primero, para anticipar partidos de alta o baja intensidad. Dos equipos con PPDA bajo chocando entre sí garantizan muchas acciones defensivas, muchas tarjetas potenciales y muchos córners. Segundo, para entender quién va a tener el balón. Un PPDA bajo contra un rival con PPDA alto significa que el primer equipo va a dominar la posesión aunque no sea técnicamente superior — está obligando al rival a acelerar y perder balones. Tercero, para leer qué pasa cuando el equipo va perdiendo. Un equipo de PPDA bajo que va 0-1 sigue presionando; uno de PPDA alto espera, y eso tiene implicaciones directas para mercados de «resultado en segunda parte» y «remontada».

La limitación principal del PPDA es que es una media — no te dice dónde presiona un equipo, solo cuánto. Inter y Atalanta pueden tener PPDA similares y presionar de formas muy distintas: uno puede ser brutal en banda y paciente en el centro; el otro, al revés. Esa granularidad requiere ya visualización de datos con heat maps, y se sale del alcance del apostante típico. Para la mayoría de las apuestas de Serie A, PPDA general es suficiente.

xGOT: cuando saber dónde fue el disparo importa más que saber cuántos hubo

Un delantero marca 15 goles en una temporada con 18 de xG. Otro marca 15 goles con 10 de xG. La tabla de goleadores los empareja. El xGOT los separa — y te dice cuál de los dos vas a ver mantener la racha el año siguiente.

xGOT son las siglas de «Expected Goals On Target»: goles esperados para tiros que fueron a puerta. Es una métrica derivada del xG que filtra los tiros que van fuera, al poste o son bloqueados. La lógica es sencilla: si un disparo va a puerta, el portero tiene que parar o encajar. El xGOT mide, disparo a disparo, la calidad real de la ejecución.

Aplicado a delanteros, el xGOT separa dos cosas que el xG confunde: la calidad de llegar al disparo y la calidad del propio disparo. Un delantero puede tener xG alto porque llega a mucha ocasión clara pero fallar a puerta — ahí su xGOT cae. Otro delantero puede tener xG medio pero calibrar todos sus tiros a los palos — su xGOT se acerca al xG, señal de un finalizador técnicamente superior. En la Serie A, Lautaro Martínez tiene un ratio xGOT/xG cercano al 0,88, que es élite mundial.

Aplicado a porteros, xGOT es la métrica que mejor mide el rendimiento real. Si un portero encaja 0,9 goles por partido con un xGOT en contra de 1,3, está parando 0,4 goles por encuentro que «debería» encajar. Eso es un portero en forma, y esos 0,4 acumulados 38 jornadas son 15,2 goles menos concedidos — una diferencia enorme en puntos. Cuando veas a un equipo aparentemente sólido en defensa, revisa el xGOT concedido antes de concluir que su sistema funciona: a veces es el portero el que está haciendo milagros.

Para apuestas concretas, xGOT es especialmente útil en mercados de goleador. Si Lautaro tiene xGOT acumulado de 18 en la temporada y lleva 16 goles, su ritmo es realista y sostenible. Si un competidor como Nico Paz tiene 11 goles con xGOT 8, está sobrerrindiendo; probabilidad alta de que su ritmo baje. Esa información, aplicada al mercado del capocannoniere, es diferencial.

La métrica también ayuda en mercados de «más de 0,5 goles por jugador». Un delantero con xGOT alto en partidos específicos — por su rival, por su calendario — ofrece valor real cuando el mercado lo cotiza al alza. El problema es que xGOT requiere acceso a datos granulares que no todos los proveedores ofrecen en abierto. Volveré a las fuentes en la sección correspondiente.

Value betting aplicado: del xG a la cuota justa paso a paso

Traducir xG en cuotas justas suena técnico. En la práctica son tres pasos: estimar la probabilidad real, calcular la cuota justa, comparar con la cuota del mercado. Si la cuota del mercado es mayor que la cuota justa, hay value. Si es menor, estás pagando el margen del operador.

Lo explico con un ejemplo concreto: Inter recibe a Bologna. Primer paso: estimo probabilidades. Inter en casa con 2,1 de xG generado por partido; Bologna fuera concede 1,3 de xG. Proyección: Inter marca alrededor de 2,0. Bologna en ataque fuera genera 1,0 xG; Inter en casa concede 0,9. Proyección: Bologna marca alrededor de 0,9. Total esperado del partido: 2,9 goles.

Con una distribución de Poisson aplicada a esos lambdas (2,0 y 0,9), la probabilidad de victoria del Inter ronda el 58%. Empate 22%. Victoria Bologna 20%. La cuota justa de la victoria del Inter es 1/0,58 = 1,72. Si el mercado la cotiza a 1,65, estoy pagando una probabilidad implícita del 60,6% por un evento que estimo al 58%. No hay value: estoy pagando el margen. Si en cambio la cotiza a 1,85 — probabilidad implícita 54% — hay value claro: cobro como si el Inter tuviera solo 54% de probabilidad, cuando mi modelo lo pone al 58%.

El edge numérico se calcula como (probabilidad tuya × cuota del mercado) − 1. En el ejemplo anterior con cuota 1,85, edge = (0,58 × 1,85) − 1 = 0,073, es decir un 7,3% esperado. Ese es el terreno del value betting serio: edges entre 3% y 10% que, aplicados a muchas apuestas y bien gestionados, construyen ROI positivo a largo plazo.

La trampa del value betting es creer que un edge del 30% es verdad. Si tu modelo te dice que una apuesta tiene 30% de edge, casi seguro que tu modelo está mal calibrado o que te estás perdiendo información — una lesión de último minuto, un cambio de táctica, una baja en convocatoria. El mercado no regala ese tipo de edges. Cuando los veas en tu hoja de cálculo, revisa inputs antes de apostar.

Una cita que suelo tener presente: «La IA no ha hecho que las apuestas sean más justas; las ha hecho más inteligentes, más rápidas y mucho más asimétricas en cuanto a quién tiene realmente el control», señalaron investigadores de la DeGroote School of Business de la Universidad McMaster. El apostante individual no compite contra un humano con una libreta — compite contra modelos cuantitativos profesionales que recalibran cuotas en minutos. El value queda en los mercados secundarios, en los partidos menos atendidos, en las líneas puntuales donde el operador no tiene el mismo nivel de calibración. Ahí es donde el xG aplicado con criterio sigue siendo útil.

La gestión de stake sobre value es crítica. Apostar un 5% del bankroll en cada value bet detectada, con edge del 5-7%, suena a estrategia ganadora. En la práctica, varianza mediante, puedes encadenar 10 pérdidas seguidas y quemar la mitad del capital. El Kelly fraccionado — apostar la mitad o un cuarto de lo que recomienda la fórmula Kelly — es la disciplina que reparte el riesgo en horizontes largos. Esa parte, más práctica que matemática, merece otro artículo entero.

Señales de regresión: cuándo un equipo va a cambiar su racha

La regresión a la media es la idea más importante que un apostante puede interiorizar: las rachas extremas, tanto buenas como malas, tienden a corregirse. El xG es la mejor herramienta para detectar qué rachas son reales y cuáles son cosmética estadística.

El umbral que uso para «equipo infrarrecompensado» es un diferencial xG superior a +1,0 por partido sostenido durante al menos cinco jornadas. Un equipo con xG 2,0 que marca 1,0 está perdiendo medio gol en cada encuentro — por finalización floja, por portero rival en forma, por balas al palo. Ese diferencial rara vez persiste ocho jornadas más. La corrección llega, y cuando llega lo hace con goleadas que no esperabas.

Al revés, un equipo que marca más que su xG por +1,0 está sobrerrindiendo. Si la diferencia viene de un delantero en estado de gracia que finaliza todo, el portero encuentra su nivel y la racha se corta. Si viene de goles desde fuera del área con suerte, los siguientes tiros serán atajados. La regresión es implacable: lo que sube tanto, baja.

Cómo uso esto para apuestas: cuando detecto un equipo con diferencial +1,0 xG sostenido, empiezo a buscar mercados donde esa corrección pueda materializarse. Over 2.5 en sus partidos, BTTS Sí, incluso victoria del rival si el fixture lo permite. La lógica es que el mercado aún está cotizando su posición en la tabla, no su producción real. Cuando los dos converjan, las cuotas se moverán — y si llegas antes, cobras la diferencia.

Tiempo típico de regresión: entre cinco y ocho partidos. Menos de cinco, es prematuro apostar a la corrección. Más de ocho, el mercado ya ha ajustado y el edge se ha comido. La ventana óptima son las jornadas 4-7 tras detectar el diferencial. Eso encaja bien con el ritmo de Serie A: cada cuatro jornadas es aproximadamente un mes, y un mes es el tiempo estándar de un ciclo competitivo completo.

Ojo: hay equipos que sistemáticamente sobrerrinden o infrarrinden respecto a sus xG por razones estructurales, no coyunturales. Un equipo con delanteros técnicamente superiores a la media liga puede tener un xG-to-goles sistemáticamente positivo. Un equipo con defensa rocosa pero portero mediocre puede tener xGA-to-goles-encajados negativo. Esos patrones estructurales no regresan — son el equipo. Distinguir coyuntura de estructura es el arte fino del análisis xG. Requiere seguir al equipo 20-30 jornadas para leer bien el patrón.

Herramientas y fuentes de datos xG en abierto

Los proveedores de datos xG en abierto son pocos. Los tres más usados para Serie A son FBref, Understat y StatsBomb.

FBref ofrece xG por equipo y jugador con actualización diaria. Su modelo, que viene de Opta/StatsPerform, es sólido y ampliamente aceptado. La interfaz permite filtrar por ventana temporal y comparar equipos. Para análisis operativo, es probablemente la fuente más práctica. Understat es más visual y da mapas de tiros con xG por disparo — útil para entender si un equipo genera muchas ocasiones pequeñas o pocas grandes. StatsBomb publica contenido abierto más limitado pero de altísima calidad; sus modelos son los más sofisticados.

Hay dos limitaciones que conviene tener presentes. Primera: frecuencia de actualización. Ningún proveedor abierto actualiza xG en directo — los datos tardan entre 2 y 24 horas en consolidarse tras el final del partido. Segunda: diferencias entre modelos. Un mismo partido puede tener xG 1,8 en FBref y 1,7 en Understat. No es error, son modelos con calibración distinta. Mi consejo: escoge uno y quédate ahí. Comparar genera ruido; lo que importa es la tendencia dentro del mismo modelo. Para la Serie A, FBref es la opción más equilibrada para el apostante español — inglés claro, interfaz limpia, cobertura completa.

Cuando el xG miente: los límites del modelo

El xG es una herramienta potente, pero tiene ceguera en tres zonas concretas que conviene conocer antes de apostar tu bankroll sobre un modelo.

Primero, los contraataques. El xG de una jugada en transición tiene al delantero lanzado con defensa lejos. Esas jugadas generan xG alto pero dependen tanto del timing, del pase y de la velocidad del atacante que la distribución de goles reales es más volátil que la que sugiere el número. Un equipo especialista en contraataque puede finalizarlos al 50% mientras otro al 25%, con xG idéntico.

Segundo, los penaltis. Aunque el xG es 0,76, la varianza de un equipo que tira cuatro penaltis en una temporada es enorme: puede meter uno o los cuatro. En muestras pequeñas el xG no es robusto para apuestas con tirador designado.

Tercero, el talento individual extremo. Yildiz tirando una falta desde 25 metros tiene xG de 0,04. Si es su especialidad, su xG real es mucho mayor. Los modelos estándar no capturan especialistas bien, especialmente en jugada a balón parado. Un equipo con dos tiradores de falta top tiene xG infraestimado, y eso se traduce en valor en mercados «gol a balón parado» cuando el operador cotiza a líneas genéricas.

Un cuarto escenario: partidos con roja temprana. Cuando un equipo se queda con diez antes del minuto 30, el xG previo pierde validez para predicciones del resto del partido. En la Serie A aparecen varias veces por jornada.

El xG tampoco captura motivación diferencial. Un equipo ya campeón visitando a uno que pelea por plazas europeas puede perder 3-0 con xG 2,5 a favor. La regla operativa: xG es una herramienta, no una religión. Úsala como primer filtro, cruza con contexto deportivo antes de apostar, y nunca apuestes solo porque los números te lo dicen.

Preguntas frecuentes sobre xG y analítica avanzada en la Serie A

Cuatro preguntas frecuentes sobre xG y su aplicación al calcio italiano.

Creado por la redacción de «Apuestas Serie a Italia».