Expected Goals (xG) Gebruiken voor Winstgevende Weddenschappen
Available in US
Barcelona creeerde dit seizoen een xG van 76,22 over 31 speelrondes — dat is 2,46 per 90 minuten — en scoorde 84 doelpunten. Die kloof van +7,8 tussen verwachting en werkelijkheid is geen statistisch detail. Het is een alarmsignaal dat elke bettor zou moeten herkennen: een team dat structureel boven zijn xG presteert, kan elk moment terugvallen naar het gemiddelde. Of het blijft outperformen en herschrijft de modellen. Beide scenario’s hebben directe gevolgen voor je weddenschappen.
Ik gebruik xG al vijf seizoenen als kern van mijn La Liga analyse. Niet omdat het perfect is — dat is het niet — maar omdat het de beste beschikbare maatstaf is om te beoordelen of een team beter of slechter presteert dan zijn kansen rechtvaardigen. En dat verschil tussen kans en resultaat is precies waar waarde in odds ontstaat.
xG Data Analyseren: De Wiskunde Achter Expected Goals
De eerste keer dat iemand me xG uitlegde, gebruikte hij de analogie van een penaltyspecialist. Een penalty heeft een xG van ongeveer 0,76 — dat wil zeggen dat je van elke honderd penalty’s er gemiddeld 76 kunt verwachten die erin gaan. Nu pas datzelfde principe toe op elk schot in een wedstrijd. Een kopbal van tien meter uit een hoekschop heeft misschien een xG van 0,08. Een een-op-een met de keeper vanaf zes meter kan 0,45 zijn. Tel al die individuele schotkansen op en je hebt de xG van een team voor die wedstrijd.
Het model houdt rekening met de positie van het schot, de hoek ten opzichte van het doel, het type schot — voet of hoofd — de snelheid van de aanval, en of de keeper in positie was. Wat het niet meeneemt: individueel talent. En dat is cruciaal om te begrijpen. xG zegt hoeveel een gemiddeld team zou scoren vanuit dezelfde posities. Als Mbappé structureel meer scoort dan zijn xG suggereert, is dat geen fout in het model — het is Mbappé die beter is dan gemiddeld. Maar zelfs Mbappé heeft seizoenen waarin zijn afwerking naar het gemiddelde terugkeert.
Voor La Liga-bettors is het nuttig om xG niet als voorspelling te zien, maar als verwachting op basis van kansposities. De afwijking tussen xG en werkelijke doelpunten — positief of negatief — vertelt je iets over duurzaamheid. Een team met 30 doelpunten uit een xG van 35 is aan het underperformen en zal waarschijnlijk meer gaan scoren. Een team met 30 doelpunten uit een xG van 22 zit op geleende tijd. Dat onderscheid is het verschil tussen een weddenschap op basis van tabelstand en een weddenschap op basis van data.
Belangrijke kanttekening: niet alle xG-modellen zijn gelijk. Verschillende aanbieders — Opta, StatsBomb, FBref — gebruiken licht verschillende methodologieën. De absolute cijfers kunnen een paar tienden uiteenlopen. Dat maakt niet uit zolang je consequent dezelfde bron gebruikt en vergelijkt binnen dat ecosysteem. Wat er wel toe doet: sommige modellen tellen penalty’s mee in de xG, andere niet. Dat kan het beeld flink vertekenen bij een team dat veel strafschoppen krijgt. Check altijd of je bron xG met of zonder penalty’s rapporteert, en wees consistent in je vergelijkingen.
xG- en xGA-leiders in La Liga 2025/26
De ranglijst vertelt dit seizoen een helder verhaal. FC Barcelona leidt met die 2,46 xG per 90 minuten — ruim voor de rest. Dat betekent dat Barcelona gemiddeld kansposities creëert ter waarde van bijna 2,5 doelpunten per wedstrijd. In de praktijk scoren ze meer dan dat, wat de eerder genoemde outperformance van +7,8 verklaart.
Real Madrid volgt als tweede in xG, gedreven door de individuele kwaliteit van Mbappé en de breedte van hun selectie. Het verschil met Barcelona zit niet zozeer in de hoeveelheid kansen maar in het type: Madrid creëert meer kansen uit snelle omschakelingen, terwijl Barcelona meer uit positioneel spel genereert. Voor bettors maakt dat uit, want omschakelkansen zijn inherent minder voorspelbaar — ze komen in pieken en dalen, niet in een constante stroom.
Aan de defensieve kant is Athletic Club de standaard. Met een xGA van 1,07 per 90 minuten laten ze structureel minder kansen toe dan welk team ook. Dat maakt ze ideaal voor Under-markten en een nachtmerrie voor BTTS-bettors. De top vijf in laagste xGA wordt doorgaans aangevuld door Atlético Madrid en een verrassende middenmoter die tactisch uitgekristalliseerd is — elk seizoen weer een andere club.
De interessantste gevallen zitten in het midden: teams met een hoge xG maar ook een hoge xGA. Die clubs produceren chaotische wedstrijden met veel kansen aan beide kanten. Ze zijn de beste kandidaten voor Over-markten en BTTS, maar ook het moeilijkst te voorspellen op uitkomst. Een slimme bettor vermijdt de 1X2-markt bij deze teams en richt zich op doelpuntenmarkten.
xG toepassen op je weddenschappen
Het simpelste gebruik van xG is als filter. Voordat ik een weddenschap overweeg, controleer ik de xG-trend van beide teams over de laatste vijf wedstrijden. Als de xG omhoog gaat maar de doelpunten achterblijven, staat er een uitbarsting aan te komen. Als de doelpunten ver boven de xG liggen, is correctie waarschijnlijk.
Een concreter voorbeeld: stel dat een middenmoter in de laatste vijf thuiswedstrijden een gemiddelde xG van 1,8 had maar slechts 4 doelpunten maakte — een gemiddelde van 0,8 per wedstrijd. De odds op Over 2.5 bij hun volgende thuiswedstrijd staan op 2.20. Maar als je de xG van beide teams optelt, kom je misschien op een verwacht totaal van 3,1. De implied probability van 2.20 is 45%, terwijl je eigen model 55% suggereert. Dat is value — je denkt dat de kans groter is dan de bookmaker inschat.
Een andere toepassing: xG-discrepantie als vroege indicator. Als een team in de eerste tien speelrondes consistent onder zijn xG scoort, staan de outright odds op die club waarschijnlijk te hoog. De markt reageert op resultaten, niet op onderliggende prestaties. Dat raam — tussen slechte resultaten en sterke xG — is waar de scherpste bettors instappen. Het werkt ook andersom: een team dat ver boven zijn xG scoort en hoog in de stand staat, heeft kampioenodds die te laag zijn. De regressie naar het gemiddelde komt, de vraag is alleen wanneer.
De valkuil is overfitting. xG is een hulpmiddel, geen orakel. Wedstrijden worden niet gespeeld op spreadsheets. Een rode kaart na tien minuten, een regenachtige avond in Bilbao, een keepersblunder — dat zijn factoren die geen enkel xG-model vangt. Gebruik xG als startpunt van je analyse, niet als eindpunt. Combineer het met vorm, blessures, en tactische context. Meer over hoe je xG integreert in een bredere wedstrategie vind je in het artikel over La Liga wedden strategie.
Waar vind ik betrouwbare xG-data voor La Liga?
FBref, Understat en OddAlerts bieden gratis xG-data voor La Liga. FBref gebruikt het StatsBomb-model en is het meest gedetailleerd. Understat is gebruiksvriendelijker voor snelle vergelijkingen. Betaalde opties zoals Opta en InStat bieden diepere granulariteit maar zijn voor de meeste bettors niet nodig.
Kan xG ook misleidend zijn?
Ja. xG meet de kwaliteit van schotkansen maar niet de kwaliteit van de schutter. Een team met elite-aanvallers kan structureel boven zijn xG presteren zonder dat het onhoudbaar is. Daarnaast houdt xG geen rekening met verdedigende druk op het moment van het schot — sommige modellen corrigeren hiervoor, andere niet. Gebruik xG als een van meerdere indicatoren, niet als enige.
Opgesteld door de editors van 'Wedden la Liga'.
