Estadísticas Avanzadas NHL para Apuestas: Corsi, Fenwick y xG Explicados
Los oddsmakers de las principales casas de apuestas no fijan las líneas de la NHL mirando solo victorias y derrotas. Usan modelos que integran intentos de tiro, posesión de disco y calidad de las ocasiones de gol. Si tú analizas un partido con el marcador de la última semana y ellos lo hacen con Corsi, Fenwick y expected goals, la desventaja es tuya. Las estadísticas avanzadas de la NHL no son un lujo académico: son la herramienta que el mercado ya utiliza y que tú necesitas entender para competir.
La buena noticia es que estas métricas no requieren un doctorado para ser útiles. Requieren saber qué miden, dónde consultarlas y cómo aplicarlas a una decisión de apuesta concreta. Eso es exactamente lo que vamos a cubrir.
Cargando...
Intentos de tiro y posesión: qué miden Corsi y Fenwick
Corsi cuenta todos los intentos de tiro de un equipo durante el tiempo de juego a cinco contra cinco: tiros a portería, tiros bloqueados y tiros desviados. No importa si el disparo llegó al portero o se estrelló contra una espinillera. Si un jugador soltó el puck con intención de marcar, Corsi lo registra. El resultado se expresa habitualmente como Corsi For Percentage, que es el porcentaje de intentos de tiro totales del partido que corresponden a tu equipo. Un CF% del 55% significa que tu equipo generó el 55% de todos los intentos de tiro; el rival, el 45%.
Fenwick es idéntico a Corsi pero excluye los tiros bloqueados. La lógica es que un tiro bloqueado dice más sobre la capacidad defensiva del rival que sobre la capacidad ofensiva del atacante. Al eliminar esa variable, Fenwick ofrece una lectura algo más limpia de quién está controlando el juego en la zona ofensiva.
Ambas métricas funcionan como indicadores de posesión. En hockey, no existe una estadística oficial de posesión del disco como en fútbol. Corsi y Fenwick la aproximan a través de la actividad ofensiva: si un equipo genera más intentos de tiro, es razonable asumir que pasa más tiempo con el disco y en la zona del rival. Esa correlación no es perfecta, pero es lo suficientemente fuerte como para ser la base de la mayoría de modelos analíticos del hockey moderno.
En la temporada 2024-25, los equipos locales de la NHL ganaron aproximadamente el 54,2% de los partidos por moneyline. Cuando filtras por equipos con un CF% superior al 52% en los últimos diez partidos, ese porcentaje de victorias sube de forma consistente. No porque Corsi cause victorias, sino porque refleja un dominio territorial que a menudo precede a los goles. Y los goles, al final, son lo que resuelve la apuesta.
La limitación de Corsi y Fenwick es que no distinguen entre un tiro desde la línea azul sin peligro y un remate desde el slot con el portero fuera de posición. Ambos cuentan igual. Para capturar esa diferencia, necesitas la siguiente métrica.
Expected Goals: la métrica que predice mejor que los goles reales
Expected Goals, o xG, asigna una probabilidad de gol a cada tiro basándose en su ubicación, ángulo, tipo de disparo, si fue un rebote, si vino de una situación de superioridad numérica y otras variables contextuales. Un tiro desde la línea azul puede tener un xG de 0,02, mientras que un rebote desde el slot puede valer 0,35. La suma de todos los xG de un equipo en un partido da su total de goles esperados.
La utilidad de xG para el apostador es enorme. Un equipo que gana 1-0 pero genera 3,2 xG contra un rival que genera 0,8 xG está dominando el partido a un nivel que el marcador no refleja. Si esa discrepancia se repite en varios partidos consecutivos, el mercado puede estar infravalorando a ese equipo, porque las cuotas se ajustan más al resultado que al proceso.
Un estudio del Carnegie Mellon University Sports Analytics Center documentó que el save percentage promedio de la NHL descendió de .915 en 2016 a .904 en 2022-23. Esa caída no significa que los porteros sean peores; los modelos de xG muestran que los tiros que reciben son, en promedio, de mayor calidad. Los equipos atacan con más inteligencia, y xG captura esa evolución de forma que el save percentage bruto no puede.
Los modelos de xG más utilizados en la comunidad analítica de hockey están disponibles de forma gratuita en plataformas como MoneyPuck y Natural Stat Trick. No necesitas construir tu propio modelo. Necesitas saber leer los resultados y compararlos con lo que el mercado está ofreciendo.
Cómo integrar estas métricas en tu análisis pre-partido
El flujo de trabajo es más sencillo de lo que parece. Antes de cada partido, consulta tres datos para cada equipo: CF% en los últimos diez partidos a cinco contra cinco, xGF% en el mismo periodo y el registro de goles reales frente a goles esperados. Si un equipo tiene un xGF% del 55% pero un porcentaje de goles reales por debajo del 50%, está generando ocasiones de calidad que no se están convirtiendo. En un mercado eficiente, esa divergencia se corregirá con el tiempo, y la cuota actual puede no estar reflejando la corrección que viene.
El segundo paso es cruzar estas métricas con la situación del portero. Un equipo con buen Corsi pero un portero titular que acumula un GSAx negativo está perdiendo puntos por rendimiento individual del portero, no por falta de dominio colectivo. Si el portero titular se lesiona y entra un suplente con mejor GSAx reciente, la línea puede moverse a tu favor antes de que el mercado reaccione del todo.
El tercer paso es contextualizar. Las métricas avanzadas son más fiables en muestras grandes. Diez partidos es un mínimo razonable; cinco es insuficiente porque la varianza del hockey puede distorsionar cualquier tendencia a corto plazo. Si un equipo tiene un CF% del 58% en sus últimos tres partidos pero del 49% en los últimos veinte, confía más en los veinte.
Las estadísticas avanzadas no garantizan aciertos. Lo que hacen es reducir la cantidad de ruido en tu proceso de decisión. En una liga tan competitiva como la NHL, donde los márgenes entre equipos son estrechos y las sorpresas frecuentes, reducir ruido es probablemente la mayor ventaja que puedes obtener sin acceso a información privilegiada.
Los recursos para consultar estas métricas son accesibles y en su mayoría gratuitos. MoneyPuck publica modelos de xG actualizados diariamente. Natural Stat Trick ofrece datos de Corsi y Fenwick filtrados por situación de juego. Hockey Reference proporciona estadísticas históricas para contextualizar tendencias. Ninguna de estas plataformas cobra por el acceso básico, lo que elimina la excusa de que las estadísticas avanzadas son territorio exclusivo de profesionales. La información está disponible. La diferencia está en quién la usa y quién la ignora.
Creado por la redacción de «Apuesta nhl».
