Die offizielle Bundesliga-Tabelle zeigt Ergebnisse – nicht Leistungen. Expected Points (xPTS) deckt auf, welche Teams übersportlich gut abschneiden und welche auf eine Regression warten. Ideal für Prediction-Market-Analyse.
Die Tabelle lügt – aber xPTS sagt die Wahrheit
Öffne die Bundesliga-Tabelle nach dem 15. Spieltag. Du siehst Punkte, Tordifferenz, Position. Was du nicht siehst: Wie verdient diese Punkte wirklich sind.
Expected Points (xPTS) beantwortet genau diese Frage. Die Metrik simuliert auf Basis der xG-Daten jedes Spiels, wie viele Punkte ein Team statistisch hätte holen sollen – nicht wie viele es tatsächlich geholt hat. Die Differenz zwischen xPTS und echten Punkten ist eines der wertvollsten Signale für Prediction-Trader auf Atlas Markets.
Wie wird xPTS berechnet?
Die Grundlage ist xG. Für jedes Spiel simulieren xPTS-Modelle Tausende von Spielausgängen auf Basis der generierten Chancenqualität – und berechnen daraus die Wahrscheinlichkeiten für Sieg, Unentschieden und Niederlage.
Vereinfachtes Beispiel:
- Spiel A: Team gewinnt 2:1, obwohl xG 0,8:1,9 lautete
- Simulierte Wahrscheinlichkeit: Sieg 22%, Unentschieden 31%, Niederlage 47%
- Erwartete Punkte: 0,22 × 3 + 0,31 × 1 = 0,97 xPTS statt tatsächlicher 3
Über eine Saison summiert entstehen so klare Muster.
xPTS-Formel auf Teamebene
xPTS_Saison = Σ (P(Sieg_i) × 3 + P(Unentschieden_i) × 1)
Dabei wird P(Sieg) und P(Unentschieden) für jedes Spiel i aus dem jeweiligen xG-Verhältnis abgeleitet.
xPTS vs. echte Punkte: Was die Differenz bedeutet
Die Differenz ΔP = Echte Punkte − xPTS ist das entscheidende Signal:
| ΔP | Interpretation | Markt-Implikation |
|---|---|---|
| > +8 | Stark überperformend | Regression wahrscheinlich – Vorsicht mit Long-Positionen |
| +4 bis +8 | Leicht überperformend | Leichte Überbewertung möglich |
| -4 bis +4 | Im erwarteten Bereich | Tabelle reflektiert Leistung |
| -4 bis -8 | Unterperformend | Mögliche Unterbewertung – interessant für Konträr-Trades |
| < -8 | Stark unterperformend | Tabellenlage täuscht, Potential für positive Überraschungen |
Bundesliga-Saison-Beispiele (typische Patterns)
Klassischer Overperformer: Ein Aufsteiger liegt nach 20 Spieltagen auf Platz 10, hat aber ein xPTS-Defizit von -9. Das Team hat in engen Spielen oft gewonnen – Elfmeter, Last-Minute-Tore, Torhüter-Glanzleistungen. Statistisch ist eine schlechtere zweite Saisonhälfte fast unvermeidlich.
Klassischer Underperformer: Ein Topklub liegt nach einer schwachen Phase auf Platz 7, hat aber ein xPTS-Überschuss von +7. Der Markt bewertet das Team pessimistisch – aber die Leistungsdaten sagen etwas anderes. Das ist eine klare Long-Gelegenheit auf den Endtabellenplatz.
Wichtige Einschränkungen: Wann xPTS in die Irre führt
xPTS ist mächtig – aber nicht allwissend. Es gibt systematische Fälle, in denen die Metrik falsche Signale gibt.
1. Ausnahmehafte Torhüter
Ein überragender Torhüter kann über eine gesamte Saison seinen xGA um 8-12 Tore unterschreiten. Das sind echte Punkte – keine Übertreibung. Der Effekt ist real, aber selten vorherzusagen.
Prüfung: Vergleiche xGA mit tatsächlichen Gegentoren. Ist die Lücke konstant über mehrere Saisons? Dann ist es echter Torwart-Mehrwert – kein Glück.
2. Elfmeter-Effizienz
Elfmeter gehen zu ~77% rein, aber einige Teams verwandeln sie 90%+ über eine halbe Saison. Das verzerrt xPTS kurzfristig. Auf Saisonsicht nivelliert es sich – aber nicht immer rechtzeitig für Spieltags-Trades.
3. Late-Game-Management
Teams, die gut darin sind, Führungen zu verteidigen (z.B. durch taktisches Foulen oder erfahrene Innenverteidiger), können systematisch etwas mehr Punkte holen als xPTS suggiert. Das ist echter taktischer Mehrwert – nicht Glück.
4. Finisher-Qualität
Sehr gute oder sehr schlechte Finisher verzerren xPTS dauerhaft. Erling Haaland übertrifft seine xG regelmäßig – weil er besser ist als das Durchschnittsmodell erwartet. Das ist keine Regression-Situation.
xPTS auf Spielebene: Einzelspiel-Analyse
Neben der Saisontabelle ist xPTS auch auf Einzelspiel-Ebene wertvoll – besonders für die Spieltagsanalyse.
Die "Lucky 1:0"-Situation
Team A gewinnt 1:0, aber xG lautete 0,4:1,8. Was passiert wahrscheinlich im nächsten Spiel?
- Der Markt erhöht die Quoten für Team A (aktuelle Form, "Momentum")
- Aber statistisch hat Team A eher Glück gehabt
- Team B hat die besseren Chancen gehabt und wird sie früher oder später verwandeln
Das nächste Spiel von Team A ist eine potenzielle Short-Position, wenn die Marktpreise die Glücksserie überbewerten.
Kombination mit Formdaten
Echte xPTS-Analyse kombiniert Saison-xPTS mit Rolling-Average über die letzten 5 Spiele:
Form-Score = (xPTS_letzte_5 / 5) × 3 + (xPTS_Saison / Spieltag) × 3
Teams mit hohem Saison-xPTS, aber niedrigem Form-Score sind in einer vorübergehenden Delle – typischerweise eine Kaufgelegenheit. Teams mit niedrigem Saison-xPTS und hohem Form-Score haben gerade eine Glücksserie.
Wie du xPTS-Daten findest
Kostenlose Quellen
Understat.com:
- xPTS für alle Top-5-Ligen, kostenlos und gut gepflegt
- Zeigt die "Alternative Tabelle" direkt an
- Spieltag für Spieltag nachverfolgbar
FBRef.com:
- Mehr Detailtiefe, besonders für xG-Daten die xPTS zugrunde liegen
- Rolling Windows möglich (letzte 5/10 Spiele)
Footystats.org:
- Benutzerfreundlich, xPTS im Kontext anderer Metriken
Eigene Berechnung
Für fortgeschrittene Analysten lohnt sich die eigene xPTS-Berechnung auf Basis öffentlicher xG-Daten (z.B. StatsBomb Open Data). Mit Python und einem einfachen Poisson-Simulator lässt sich das in wenigen Stunden aufsetzen.
xPTS in der Praxis auf Atlas Markets
Wie setzt du xPTS konkret auf Atlas Markets ein?
Strategie 1: Saison-Tabellenplatz-Märkte
Atlas Markets bietet oft Märkte auf den Endtabellenplatz. Vergleiche die aktuelle Tabellenposition mit der xPTS-Tabelle. Teams mit großem negativen ΔP (echte Punkte weit über xPTS) sind überbewertet – eine Short-Position auf ihren Endplatz kann sich lohnen.
Strategie 2: Heimspiel-Märkte nach Klärungsphase
Nach Spieltag 10-12 ist die xPTS-Datenlage stabil genug für belastbare Analysen. Suche Heimspiele, bei denen:
- Das Heimteam ≥ +6 xPTS-Überschuss hat (überperformend)
- Das Auswärtsteam ≥ -5 xPTS-Defizit hat (underperformend)
Das ist eine klassische Situation, in der der Markt die Rollen falsch bewertet.
Strategie 3: Abstiegskampf-Märkte
Der Abstiegskampf ist die xPTS-Hochsaison. Ein Team auf Platz 17 mit xPTS auf Niveau von Platz 12 ist massiv unterbewertet im Abstiegsmarkt. Historisch steigen Teams mit positivem xPTS-Saldo aus Abstiegsregionen fast nie ab.
Die "Alternative Tabelle": Was sie uns lehrt
Jede Saison veröffentlicht Understat nach Saisonende die "Alternative Tabelle" – sortiert nach xPTS statt echten Punkten. Die Erkenntnisse sind konsistent:
- Über- und Underperformer wechseln sich über Saisons ab – Teams die eine Saison überperformten, fallen die nächste oft zurück
- Die Top-6 und Abstiegsplätze sind xPTS-stabiler – dort dominieren Talent und Budget
- Der Mittelfeld-Bereich ist am stärksten von xPTS-Divergenzen betroffen – Plätze 7-14 schwanken stark
Diese Einsicht ist Gold wert: Wenn du ein Mittelfeld-Team auf Platz 8 mit xPTS auf Platz 14 siehst, ist eine Regression fast unvermeidlich – und der Markt preist sie selten rechtzeitig ein.
Fazit: xPTS ist die Anti-Tabelle
Die offizielle Tabelle zeigt Ergebnisse. xPTS zeigt verdiente Ergebnisse. Die Differenz zwischen beiden ist ein der mächtigsten analytischen Werkzeuge für jeden, der Fußball nicht mit dem Bauch, sondern mit dem Kopf analysiert.
Nutze diese Informationsasymmetrie: Auf Atlas Markets reagieren Marktpreise überwiegend auf offizielle Tabellen und Ergebnisse – nicht auf xPTS. Das ist deine Chance.
Bereit, dein Wissen einzusetzen?
Auf Atlas Markets kannst du auf Fußball-Prediction Markets handeln.
Zu Atlas Markets →