Ростов Зенит Локомотив Ахмат Спартак Динамо Москва ЦСКА премьер-лига Россия Рубин
Российская премьер-лига – турнир специфический и с точки зрения прогнозирования достаточно сложный. Большинство команд предпочитают играть «в закрытую», а уж откровенно «рубиться» на встречных курсах считается чуть ли не дурным тоном. Фавориты-хищники с завидной регулярностью «обламывают зубы» на андердогах, и некоторым из них гораздо удобнее и проще «пожирать» себе подобных.
О том, как именно меняется атакующая продуктивность команд РФПЛ в зависимости от номинальной силы оппонента – буквально в нескольких диаграммах и сопроводительной записке к ним.
Краткие вводные
Пятерка главных фаворитов турнира закончила осеннюю часть чемпионата с 8-очковым отрывом от группы преследователей — именно этот уровень сложности берем за основу при проведении выборки.
В силу того, что команды сыграли различное количество матчей против «тяжеловесов» и «легковесов», будем измерять только усредненные параметры.
Команды с показателями выше, чем в среднем по лиге — это «голубые фишки» на диаграммах, ниже среднего – «серые».
Небольшое допущение/упущение: в сводных рейтингах по-прежнему отсутствуют «Амкар» и «СКА-Хабаровск».
Главные цифры и наблюдения:
В матчах с условными аутсайдерами среднестатистический представитель лиги создает почти 4 голевых момента, а против топ-соперников немногим меньше – 3,5. Скромные 14% разницы.
В разборках аутсайдеров в креативном отношении никто не выделяется, и это не есть хорошо. Оборонительные привычки не позволяют командам «второго эшелона» по-настоящему раскрывать свой атакующий потенциал даже на фоне равных по силе соперников. И это самая очевидная причина традиционно низкой результативности РФПЛ на фоне других ведущих чемпионатов.
«Тяжеловесы» ожидаемо лидируют в обоих рейтингах. Единственное исключение – ЦСКА, который в топ-матчах преимущественно осторожничает и лишь подпирает усредненную планку по лиге.
ЦСКА и «Краснодар» создают в полтора раза больше моментов в матчах с андердогами, в то время как «Зенит», «Спартак» и «Локомотив» — наоборот. Есть подозрение, что в ведущих европейских лигах с подобными проблемами топ-клубы не сталкиваются в принципе.
«Ахмат» и «Динамо» — самые борзые единственные команды из числа не «топов», атакующая активность которых от статуса соперника практически не зависит. У «Урала», напротив, эта зависимость чрезвычайно высока.
Главные цифры и наблюдения:
Реализовывать моменты в матчах против «топов» все же сложнее, чем забивать аутсайдерам. Как следствие, разница в усредненной результативности составляет почти 30% (1,02 против 1,28 голов за матч).
«Спартак» и «Локомотив» гиперэффективны в статусных матчах (42% и 54% реализации соответственно), но против закрытых команд моменты транжирят исправно (29% и 26% соответственно).
«Краснодар» чудовищно несостоятелен в «элитных междусобойчиках» (1 гол в 5 матчах при 4,5% реализации), что автоматически формирует целый список вопросов к Шалимову. Но отточенная «противоавтобусная модель» многое компенсирует.
«Рубин» — единственный «во втором эшелоне» с единичной голевой константой вне зависимости от силы соперника, тогда как средняя результативность «Уфы» в рамках своей «весовой категории» возрастает почти в 4 раза.
Диаграммы результативности и набора очков во многом друг друга дублируют, но есть и некоторые аномалии:
Против «тяжеловесов» чересчур высоко в сводном рейтинге забрались «Рубин» и «Арсенал», при скромной результативности сумевшие набрать половину очков от возможного максимума.
Модель Бердыева традиционно эффективна против фаворитов, но если надо играть с позиции силы – работает со сбоями. Частота этих сбоев по осени была неприлично высокой.
«Зенит» оказался по соседству с «Тосно» по набору очков с лидерами, хотя создавал вдвое больше моментов и был вдвое результативнее.
Высокое место «Локомотива» в матчах с андердогами при результативности ниже среднего (1,20 – восьмое место в лиге) тоже не слишком поддается логике.
Продолжение следует…
Главные атакующие тренды этого сезона в РФПЛ
Главные векторные тренды в атаке российских клубов
Подробнее о методике сбора данных в рамках рассматриваемой здесь контекстной статистической модели можно прочитать здесь.
Отдельный респект Дмитрию Бородецкому за помощь в сборе и систематизации ценных аналитических данных.
Спасибо всем, кто не ленится читать «Инженерный подход», репостить, плюсовать и комментировать!