Corsi, Fenwick och xG – Avancerade Nyckeltal för Hockeybetting
Available in US
Inte en enda sajt i den svenska topp-tio-utdacken för ishockeybetting nämner Corsi, Fenwick eller xG. Inte en. Det är det största informationsgapet jag har sett på den svenska bettingmarknaden, och det är direkt kopplat till varför så många bettors förlorar pengar. I SHL vinner favoriten bara 59 procent av matcherna – den lägsta siffran bland alla toppligor i världen. Utan avancerade nyckeltal som avslöjar vad som händer under ytan har du ingen chans att bedöma vilka lag som verkligen presterar bättre än resultaten visar, och vilka som lever på lånade dagar med tur och tillfälligheter.
Jag började använda avancerade nyckeltal för fyra år sedan, och det förändrade min bettingprofil fullständigt. Innan dess tittade jag på mål, poäng och tabellplaceringar – samma saker alla andra tittar på. Med Corsi, Fenwick och xG kunde jag plötsligt se bakom resultaten och identifiera lag som var bättre eller sämre än deras tabellposition antydde. Det är informationen som skapar spelvärde, och det är det den här artikeln handlar om.
Corsi förklarat – alla skottförsök räknas
Corsi uppfanns inte av en statistiker – det namngavs efter en NHL-tränare, Jim Corsi, som insåg att skott på mål bara berättar en del av historien. Corsi-måttet inkluderar alla skottförsök: skott på mål, missade skott och blockerade skott. Det ger en bredare bild av vilka lag som kontrollerar spelet.
Formeln är enkel. Corsi For är antalet skottförsök ditt lag gör. Corsi Against är antalet skottförsök motståndaren gör. CF% – Corsi For Percentage – beräknas som Corsi For dividerat med summan av Corsi For och Corsi Against, gånger hundra. Ett CF% på 52 innebär att ditt lag står för 52 procent av alla skottförsök i matchen – de kontrollerar spelet mer än motståndaren.
Varför är det relevant för betting? Lag med konsekvent högt CF% tenderar att vinna fler matcher på lång sikt, även om de kan ha oturliga perioder kortsiktigt. Om ett lag har CF% på 54 men har förlorat tre raka matcher, är det sannolikt att resultaten inte speglar den underliggande prestationen. Oddsen reagerar på resultat, inte på CF%, och det skapar en diskrepans som den analytiske bettorn kan utnyttja.
Begränsningen med Corsi: det tar inte hänsyn till kvaliteten på skotten. Tio skott från distans och ett skott från straffområdet väger lika tungt. Det innebär att ett lag med högt CF% men låg kvalitet på sina skottförsök kanske inte är så bra som siffran antyder. Corsi är ett volymmått, inte ett kvalitetsmått – och det är här Fenwick och xG kommer in i bilden. Trots begränsningen har CF% en stark korrelation med vinstsannolikhet på säsonsnivå, och det är tillräckligt för att det ska vara ett värdefullt primärt screeningverktyg i din analys.
Fenwick och skillnaden mot Corsi
Fenwick är Corsis mer sofistikerade kusin. Skillnaden? Fenwick exkluderar blockerade skott från beräkningen. Bara skott på mål och missade skott inkluderas. Det kan verka som en marginell justering, men logiken bakom är solid.
Blockerade skott är delvis en funktion av motståndarens defensiva strategi. Om ett lag blockerar många skott beror det ofta på att de spelar en blockeringsintensiv defensiv stil, inte nödvändigtvis på att motståndaren har bättre skottvolym. Genom att ta bort blockerade skott rensar Fenwick bort det defensiva ”bruset” och ger en tydligare bild av offensiv kontroll.
FF% – Fenwick For Percentage – beräknas på samma sätt som CF% men utan blockerade skott. I praktiken korrelerar CF% och FF% starkt med varandra, och för de flesta bettingsyften kan du använda antingen det ena eller det andra. Men i specifika matchuper – exempelvis mot ett lag som är känt för extrem blockering – kan Fenwick ge en mer rättvisande bild.
Min tumregel: jag använder Corsi som primärt mått för generell analys och Fenwick som komplement när jag analyserar matcher mot defensivt extrema lag. Den kombinationen ger en mer komplett bild utan att överkomplicera analysen. Enklare modeller som fångar de viktigaste variablerna presterar nästan alltid bättre än komplexa modeller som försöker fånga allt.
xG-modeller – förväntade mål och den verkliga berättelsen
Expected Goals – xG – är det mest kraftfulla verktyget i den avancerade hockeybettorns arsenal. Medan Corsi och Fenwick mäter volym, mäter xG kvalitet. Det besvarar frågan: givet alla skottförsöks position, vinkel, typ och matchsituation, hur många mål ”borde” ett lag ha gjort?
IIHF:s Adriaan Wijckmans har betonat att tävlingens integritet bygger på att resultaten reflekterar verklig prestation – och det är ironiskt nog exakt vad xG gör för bettorn. Det avslöjar när resultaten avviker från prestationen. Om ett lag har en xG på 3.2 per match men bara gör 2.1 mål, finns det en stor sannolikhet att de kommer att ”regrediera uppåt” – göra fler mål framöver. Och om ett lag har xG Against på 2.8 men bara släpper in 1.9, har de haft tur med målvaktsspel eller skottblockering som sannolikt inte håller.
xG-skillnaden mellan två lag i en match – expected goal differential – är en av de starkaste prediktorerna för matchutfall som finns. Lag med positivt xG-differential vinner fler matcher på lång sikt, och oddsen reflekterar inte alltid den underliggande xG-trenden. Det beror på att de flesta bettors och en del av spelbolagens modeller fortfarande förlitar sig på faktiska mål snarare än förväntade mål.
Praktiskt tips: jämför lagets xG med faktiska mål under de senaste 15 matcherna. Om skillnaden är stor – mer än 0.5 mål per match i endera riktningen – är det en stark signal om kommande regression. Satsa med regressionen, inte mot den. Det innebär att du satsar på lag som underprestat sin xG och mot lag som överprestat den. Det är inte glamoröst, det är inte spännande, men det är lönsamt över tid. I NHL, där favoriterna vinner 62 procent av matcherna och datan är riklig, har xG-baserad regression varit en av mina mest konsekventa edge-källor de senaste tre säsongerna. Och det är hela poängen med att använda avancerade nyckeltal i din bettingstrategi – att se det som marknaden missar.
Vad anses vara ett bra Corsi-värde för ett hockeylag?
Ett CF% över 50 procent innebär att laget kontrollerar spelet mer än motståndaren. Lag med CF% över 52-53 procent konsekvent anses vara starka i speldominans. De bästa lagen i NHL kan nå 55-56 procent under enstaka säsonger. Under 48 procent indikerar ett lag som regelmässigt blir utspelat.
Finns xG-statistik tillgänglig för SHL?
xG-data för SHL är begränsad jämfört med NHL. Det finns inga fria, välkända sajter som erbjuder fullständig xG-statistik för SHL på samma nivå som Natural Stat Trick eller MoneyPuck gör för NHL. Vissa betalda tjänster och avancerade analysprojekt har börjat täcka SHL, men för de flesta bettors är xG-analys fortfarande mest praktiskt tillämpbart på NHL-matcher.
Producerad av redaktörerna på ”Ishockey Betting”.
