Продолжаем серию о хоккейной аналитике. Во второй части мы разобрали попытки: Corsi и Fenwick. Они дают нам представление о бросках мимо створа и заблокированных бросках, а также добавляют информацию о давлении. Но для Corsi бросок с синей и бросок с пятака — одно и то же. 60% CF% не даёт нам представления о том, насколько эти броски представляли угрозу воротам. В третьем выпуске разберём:
— зоны опасности
— что такое опасные моменты и чем они отличаются от простого объёма бросков
— как устроены ожидаемые голы (xG)
— как понять, реализовала команда свои моменты лучше или хуже ожидания
— почему «Бостон» выиграл 6:1, уступив по ожидаемым голам больше чем вдвое
Прошлые выпуски можно посмотреть тут👇
Броски и правда очень отличаются между собой, и существует большое количество типов бросков, зон совершения броска, техники исполнения, ситуации на льду и т. д. Если считать только объём, команда с кучей бросков от синей линии выглядит сильнее той, у которой попыток меньше, но почти все с пятака. Чтобы оценить угрозу воротам, к попыткам добавляют геометрию и ожидание: шансы и xG.
Что такое опасная зона?
Для того чтобы понимать, был ли нанесён бросок из позиции, которая представляет угрозу воротам, неплохо было бы понимать, а какие вообще позиции являются опасными.
Если разделить зону атаки на куски, то карта опасности будет выглядеть следующим образом.
Опасная зона — пятак и нижние четверти кругов. Зона средней опасности — область кругов вбрасывания и за воротами. Всё остальное — низкая опасность.
Шансы: SCF, SCA, SCF%
SCF (scoring chances for) = опасные моменты. Опасными считаются броски, нанесённые из красной и жёлтой зон. SCF% выше 50% — преимущество по опасным моментам.
SCA (scoring chances against) — то же самое со стороны соперника.
SCF% = SCF / (SCF + SCA) — доля опасных моментов.
Corsi позволяет нам оценить объём атаки. SCF — представлял ли этот объём угрозу воротам. Можно иметь перевес по Corsi и уступать по SCF: много попыток с синей, мало из опасных зон. Можно наоборот: меньше попыток, но почти все с пятака.
Как правило, шанс считают из Fenwick: створ + мимо. Заблокированный бросок в SCF обычно не входит.
HD, MD, LD
Опасные моменты тоже не одинаковы.
HDSCF (high-danger scoring chances for) — красная зона.
HDSCA (high-danger scoring chances against) — то же в свои ворота.
HDSCF% = HDSCF / (HDSCF + HDSCA)
MDSCF (medium-danger scoring chances for) — жёлтая зона.
LD (low-danger) — зелёная зона. В подсчёт SCF она не идёт.
Нужен общий объём опасных бросков — SCF. Нужно понять зону — HDSCF/MDSCF/LD.
xG: вокруг чего строится ожидание гола
Сами по себе зоны броска не говорят, насколько вероятно, что этот конкретный бросок станет голом. Для этого существует один из самых важных показателей для анализа — xG.
Отдельная ML-модель считает вероятность броска стать голом в диапазоне от 0 до 1. Бросок с синей — порядка 0.02. С пятака — порядка 0.3.
xG (expected goals) — ожидаемые голы (вероятности).
xGF (expected goals for) — сумма xG своих бросков.
xGA (expected goals against) — сумма xG бросков соперника.
xGF% = xGF / (xGF + xGA) — доля ожидания. xGF% выше 50% — ожидание модели было на нашей стороне.
xGD = xGF − xGA — разница ожидания.
xGF/60 = xGF / минуты × 60.
xGF — это сумма всех вероятностей. То есть сколько голов в среднем бывает из такого набора бросков. Например, xGF = 3.2 означает, что из этого набора бросков в среднем получается 3.2 гола. Суть xG в том, что каждый бросок имеет вес, а не считается за единицу, как в Corsi.
Модель учитывает не только место броска, но и то, что было перед ним. Например, она знает, что бросок — добивание: так помечается бросок той же команды в течение 3 секунд после её предыдущего броска в створ. Вратарь в этот момент ещё не успел занять позицию. В сезоне 2025-26 добивания составили около 6% попыток, но голом становились почти вдвое чаще остальных бросков, и на них пришлась десятая часть всех голов.
Flurry xG (flurry-adjusted expected goals) — xG с поправкой на серии бросков: xG каждого следующего броска серии умножают на вероятность того, что предыдущие не стали голом.
Flurry дословно переводится как шквал. Допустим, команда бросает с пятака, вратарь отбивает, и за пару секунд следуют ещё два добивания. Обычная модель даст каждому из трёх бросков свой xG, например по 0.25 — в сумме 0.75. Но забить в такой атаке можно только один гол: если первый бросок залетел, добиваний уже не будет. Поэтому каждый следующий бросок учитывают только в той доле случаев, когда предыдущие не стали голом. Первый не залетает с вероятностью 0.75 — значит, второй весит 0.25 × 0.75. Третий — 0.25 × 0.75 × 0.75. Вся серия — около 0.58. Без поправки модель может насчитать на одну атаку больше одного гола: два броска по 0.64 дают 1.28 xG, а с поправкой — 0.87.
Пример
Две команды, разный объём и разное качество:
Команда А бросала чаще: 62 попытки против 35. Но почти все броски с периметра: шансов мало, xGF низкий. Две шайбы при 1.7 xGF — это даже выше того, на что она наиграла. У Б меньше попыток, но они намного качественнее: SCF и xGF выше. Три шайбы при 3.6 — ниже ожидания. Но этого было достаточно, чтобы выиграть матч.
Мало бросков при высоком xGF здесь лучше описывает атаку, чем много бросков при низком. Счёт при этом может быть любым. Объём и качество — разные вопросы.
Завершение: G − xG и xSH%
G − xG = забросили по факту минус ожидания. Плюс — сыграли лучше ожиданий. Минус — хуже. На дистанции плюс может держаться у тех, кто стабильно играет лучше среднего.
xSH% = xGF / SOG — ожидаемая реализация с нанесённых бросков.
SH% − xSH% = разница между фактической реализацией и ожидаемой. Если SH% сильно выше xSH%, команда реализовала свои моменты лучше ожидания. Это не то же самое, что «качественно бросали» из сводки. Качество броска уже сидит в xG. SH% выше xSH% говорит про завершение: шайба влетела чаще, чем в среднем при таком наборе бросков.
Вернёмся к таблице выше. У команды А реализация чуть выше ожидания: слабые броски, и шайб чуть больше, чем ждала модель. У команды Б реализация ниже ожидания: броски опасные, а голов меньше ожидания. Реализация при этом у Б больше, чем у А. Этого было достаточно, чтобы команда Б выиграла.
На реальном матче
Так выглядит карта бросков в послематчевой карточке «Хоккея в Цифрах». Матч «Нью-Джерси» — «Вашингтон», 27 декабря 2025 года. Чем больше кружок, тем опаснее бросок, то есть тем выше его xG.
«Нью-Джерси» бросал чаще: 73 попытки против 56 и 38 бросков в створ против 33. Но многие его броски — набросы издалека и от бортов, часть заблокирована. «Вашингтон» бросал реже, зато ближе к воротам: все четыре его гола — с пятака, включая шайбу Александра Овечкина, которая сравняла счёт в третьем периоде. По ожидаемым голам — 4.1 против 3.0 в пользу «Вашингтона». Он и выиграл, 4:3 в овертайме.
А так выглядит график ожидаемых голов по ходу матча. Сплошные линии — накопленный xG команд, пунктир — сколько они забили на самом деле. Матч «Бостон» — «Юта», 8 октября 2026 года.
«Бостон» выиграл 6:1, хотя по ожидаемым голам уступил больше чем вдвое: 2.2 против 4.8. Почти весь матч линия «Юты» идёт выше, но её пунктир остался на одном голе, а у «Бостона» — на шести. «Юта» бросила в створ 37 раз против 22, но Джереми Суэйман отразил 36 бросков. А «Бостон» реализовал почти всё, что создал, в том числе три шайбы в большинстве. Табло говорит о разгроме, ожидания — о том, что опасных моментов больше создала «Юта».
Особенности при работе с шансами и ожиданиями
Выборка. Чем длиннее отрезок, тем стабильнее эти показатели.
Неравные составы. Большинство раздувает и шансы, и xG атакующей команды, поэтому минуты в большинстве искажают общий xGF%. О нюансах разных составов более подробно поговорим в следующей части.
Игра вратаря. xG оценивает бросок, но ничего не знает про сейв. Игра вратаря сверх ожиданий может перекрыть ожидания по голам.
Разные модели. У каждого источника своя модель, в том числе и у «Хоккея в Цифрах». И расхождение на десятые xG — это не ошибка, а разница в обученных моделях: что считается броском, какие признаки входят в модель и т. д.
Резюмируем
Corsi говорит, кто был активнее в атаке. SCF — откуда бросали. xG — вероятность броска стать голом. G − xG — разница между фактом и ожиданиями.
Показатели атаки, которые мы разобрали, позволяют проводить более комплексный анализ и ломают представление «перебросали — значит больше моментов» и «забили больше — значит лучше играли». Но это лишь начало погружения в продвинутую аналитику.
В следующей части
Обсудим, почему одна и та же метрика имеет разное значение в разных ситуациях. Разберём срезы: 5v5, PP, PK и зачем команда, которая ведёт в счёте, специально отдаёт инициативу в атаке сопернику.
Подписывайся на «Хоккей в Цифрах», чтобы отслеживать метрики из этого выпуска на примере реальных матчей.
Комментарии