Statistiche per Scommesse 2026: la guida definitiva per leggere i numeri (e non farsi leggere dal bookmaker)

Perché le statistiche contano più delle sensazioni (e perché il 2026 è un anno spartiacque)

Nel 2026, chi scommette senza guardare un numero merita quello che gli succede. Non è snobismo intellettuale: è aritmetica. Il bookmaker non è un signore generoso che ogni tanto ti regala un bonus; è un'azienda che margina ogni singola quota, e lo fa con una precisione che tu, con il tuo intuito da divano, non puoi replicare. Le statistiche non azzerano quel margine. Ma ti dicono dove il margine è più sottile, dove il mercato sonnecchia e dove, ogni tanto, c'è un numero che il bookmaker ha prezzato male.

Questa guida è lunga. È lunga perché l'argomento è stratificato: ci sono i siti, i programmi, i mercati (1X2, Under/Over, corner, cartellini, pari/dispari), gli sport (calcio, tennis, basket, virtuali), i campionati (Serie A, Serie B, coppe europee), il live, i modelli di calcolo e la parte che quasi nessuno scrive mai per intero — i margini reali degli operatori italiani. Se cerchi la scorciatoia, non è qui. Se cerchi il quadro completo, sei nel posto giusto.

Il 2026 non è un anno come gli altri per chi usa dati nel betting. A gennaio, FBref ha perso la licenza sui dati Opta, e questa non è una notizia da addetti ai lavori: è il segnale che la gratuità del dato avanzato è finita. Chi ha costruito un modello su FBref live, oggi si ritrova con un database fermo al 2025. Chi vuole numeri freschi deve guardare altrove, oppure pagare. È un cambio di paradigma, non un dettaglio tecnico.

Cosa è cambiato davvero nel 2026: la fine del monopolio Opta su FBref

Fino al 2025, FBref era il punto di partenza gratuito per chiunque volesse statistiche avanzate sulle grandi leghe europee: dati event-by-event, xG, PPDA, passaggi progressivi. L'archivio storico resta consultabile, ma i dati avanzati non si aggiornano più. La causa è la rescissione del contratto di fornitura tra Stats Perform, la società dietro Opta, e Sports Reference, la società madre di FBref. La conseguenza pratica è che il flusso di metriche avanzate si è fermato, mentre il sito mantiene solo i dati di base e lo storico.

Per un bettor, questo significa una cosa sola: se il tuo modello si nutriva di xG aggiornati da FBref, quel modello è orfano. Understat resta la principale alternativa gratuita per gli xG nelle cinque grandi leghe europee, ma non copre la Serie B né le leghe minori, e richiede un minimo di scraping per estrarre i dati in modo strutturato. WhoScored, SofaScore e FotMob coprono il live e i dati individuali, ma non sostituiscono un database storico event-by-event. La combinazione gratuita più solida, nel 2026, è FBref per lo storico + Understat per gli xG + SofaScore o FotMob per il live.

Questo non rende FBref inutile. Lo rende uno strumento diverso: non più una fonte di dati avanzati in tempo reale, ma un archivio per contestualizzare trend e confrontare stagioni. Chi capisce la differenza continua a usarlo; chi pensa che sia ancora quello di prima, si illude. La distinzione tra dato storico e dato operativo è il primo filtro da applicare a qualsiasi sito di statistiche.

Il margine del bookmaker: il costo che non vedi ma paghi sempre

La statistica più importante per un bettor italiano non è il xG, non è la media corner, non è il modello Poisson. È il margine del bookmaker. Perché è l'unica statistica che paghi sempre, indipendentemente dal risultato. L'overround è la somma delle probabilità implicite di tutti gli esiti di un mercato: in un mercato perfetto sarebbe 100%, nella realtà è sempre superiore. Quel surplus è il costo implicito della tua scommessa.

I numeri aiutano a capire la scala. Un'analisi su 17.568 partite indica un margine medio dell'1X2 del 5,3% e un margine dell'Over/Under 2.5 del 5,2%; per la Serie A, i valori scendono rispettivamente al 4,9% e al 5,2%. Un'altra rilevazione, su nove listini ADM, colloca il margine mediano dell'1X2 di Serie A al 5,24%. Sono percentuali che sembrano piccole, ma su cento euro di puntate equivalgono a cinque euro di costo implicito, prima ancora di sapere se vinci o perdi.

Il margine non è uniforme. È più basso sui mercati principali e sulle leghe più liquide, più alto sui mercati di nicchia e nel live. Un mercato con margine del 5% non è "ingiusto": è il prezzo del servizio. Ma chi scommette senza sapere quanto paga sta giocando senza conoscere il costo del biglietto. Le statistiche servono a ridurre quel costo, non a illudersi che sparisca. La prima domanda da farsi, prima di qualsiasi pronostico, è: quanto margine c'è su questo mercato?

I migliori siti di statistiche per scommesse calcio nel 2026

La prima distinzione da fare è tra siti che fanno lavori diversi. Chi cerca "il miglior sito di statistiche" e si aspetta un unico posto dove trovare tutto, resterà deluso. Nel 2026, il flusso di lavoro del bettor statistico è a strati: un sito per i dati storici, uno per il live, uno per le quote, uno per i modelli. Chi ti vende "tutto in uno" di solito ti sta vendendo un abbonamento a un aggregatore che non aggrega niente di utile.

Un secondo filtro è la legalità. In Italia, solo gli operatori con concessione ADM sono legali, e i comparatori di quote internazionali includono spesso bookmaker offshore. Una quota più alta su un sito senza licenza italiana non è un affare: è un rischio di controparte. Il filtro ADM viene prima del filtro del prezzo, sempre. Questo vale anche per i siti di statistiche che ospitano pubblicità o link a operatori non autorizzati.

Il terzo filtro è la trasparenza del modello. Un sito che pubblica dati senza spiegare come li calcola è meno utile di un sito che mostra la formula. Non perché la formula debba essere replicabile, ma perché la trasparenza è un indicatore di serietà. I siti che nascondono il modello dietro un "algoritmo proprietario" spesso vendono fumo. I siti che mostrano i passaggi, anche in modo sintetico, meritano più fiducia.

Database storici e xG: FBref, Understat e le alternative gratuite

FBref resta il riferimento per i dati storici. L'archivio è enorme, le stagioni passate sono consultabili, e per chi fa ricerca sul lungo periodo è ancora il punto di partenza. Il limite è che dal 2026 i dati avanzati non vengono più aggiornati con la licenza Opta. Per il calcio giocato oggi, serve altro. Ma per contestualizzare un trend o confrontare la produzione offensiva di una squadra tra stagioni diverse, FBref continua a fare il suo lavoro.

Understat è il nome che conta per gli xG nelle cinque grandi leghe europee. I dati sono puliti, il modello è trasparente, e per l'analisi di tiro e finalizzazione è probabilmente il miglior strumento gratuito in circolazione. Non copre tutto (niente Serie B, niente leghe minori), ma per Premier League, La Liga, Serie A, Bundesliga e Ligue 1 fa il suo lavoro. Un dettaglio: i dati non sono scaricabili con un click. Serve un minimo di scraping, il che lo rende più adatto a chi ha già un flusso di lavoro strutturato.

StatsBomb open data è la terza opzione gratuita. Non è un sito pronto all'uso: è una libreria di dati evento, con competizioni specifiche. È il posto giusto per chi vuole costruire un modello proprio, non per chi cerca una tabella già fatta. Per il campionato italiano, FootyStats è un'alternativa a pagamento che copre oltre 1.500 leghe e include dati su corner, cartellini e gol, ma il costo ricorrente va valutato in base all'uso effettivo. Chi scommette solo su Serie A e Serie B può trovarlo più utile di chi si limita ai grandi campionati.

Live scoring e dati in-play: SofaScore, FotMob e WhoScored

Se il tuo betting è prevalentemente live, il database storico conta meno del flusso in tempo reale. SofaScore e FotMob sono le due app che dominano la scena. Entrambe offrono punteggi live, formazioni, statistiche in-play e notifiche. La differenza è nell'interfaccia e nella profondità dei dati: SofaScore tende a essere più densa di numeri, FotMob più pulita e orientata al match centre. Per un uso da secondo schermo, entrambe funzionano; per un uso analitico, SofaScore offre in genere più variabili.

WhoScored è il posto dove guardare se ti interessano i voti dei giocatori e le statistiche individuali dettagliate. Per le scommesse su giocatori (marcatori, assist, cartellini) è una fonte che i comparatori di quote raramente integrano, e questo è già un piccolo vantaggio informativo. Il limite è che WhoScored non è pensato per il live in tempo reale: è più un archivio di performance che un cruscotto di partita.

C'è un limite strutturale in tutti questi strumenti: i dati live arrivano con un ritardo che il mercato ha già prezzato. Non è un difetto delle app. È la natura del live betting: il bookmaker ha un feed diretto, tu guardi una schermata che si aggiorna ogni pochi secondi. Quando vedi il dato, la quota si è già mossa. Le app restano utili per capire l'andamento, ma non sono un vantaggio informativo nel senso stretto. Ne parliamo più avanti, nel blocco sul live.

Comparatori di quote e strumenti di line shopping: OddsPortal e Oddschecker

Un comparatore di quote non è un sito di statistiche. È uno strumento di prezzo. La distinzione è importante: le statistiche ti dicono cosa probabilmente succederà; il comparatore ti dice chi te lo fa pagare meno. Nel 2026, OddsPortal e Oddschecker restano i due nomi di riferimento per confrontare le quote su centinaia di bookmaker. Per il mercato italiano, però, il filtro ADM è obbligatorio: molti comparatori internazionali includono operatori offshore, e il confronto è utile solo se rimani nel perimetro legale.

Il line shopping è la pratica di confrontare le quote su più operatori prima di piazzare la scommessa. Sembra banale, ma è una delle poche attività che riduce il margine in modo misurabile, senza richiedere un modello. Se la stessa scommessa è quotata 2,00 su un operatore e 2,05 su un altro, la differenza è un maggior ritorno potenziale del 2,5%. Su cento scommesse, non è trascurabile. Il problema è la frammentazione: gli operatori ADM offrono listini diversi, e lo stesso gruppo può avere quote diverse su marchi diversi.

Per il bettor italiano, la combinazione ragionevole è un comparatore internazionale per farsi un'idea del mercato + una verifica sui listini ADM prima di piazzare. Non serve avere dieci conti aperti: servono due o tre operatori con margini competitivi e la disciplina di confrontare. Il comparatore non sostituisce il modello, ma senza comparatore anche un buon modello paga più del necessario.

Programmi e app di analisi statistica: cosa serve davvero

La domanda "qual è il miglior programma di statistiche per scommesse" è mal posta. Non esiste un programma che sostituisce il ragionamento. Esistono strumenti che automatizzano parti del processo. I più utili, nel 2026, sono quelli che fanno una cosa sola e la fanno bene: calcolare l'EV, gestire lo stake, confrontare le quote, segnalare trend di giocatori o squadre. Chi promette "tutto in uno" di solito promette troppo.

StatPair è un esempio di strumento verticale: si concentra sui player props e sui trend di hit-rate, coprendo oltre 35.000 giocatori in più di 40 leghe, con un prezzo di 4,99 dollari al mese e una prova gratuita di sette giorni. Non è un live-score e non prova a esserlo. La sua utilità è nel filtrare pattern ("2+ tiri in porta nelle ultime 10 partite in casa") e nel fornire statistiche arbitrali, che per i mercati di cartellini e falli sono più rilevanti di quanto il mercato spesso non prezzì.

Fine Line è un'app gratuita che combina xG, value bet e analisi match, con un track record dichiarato aperto. Non è uno strumento professionale, ma per chi vuole un punto di partenza senza costi è un'opzione da conoscere. La regola generale è semplice: se un programma ti promette un "tasso di vincita dell'84%" o superiore, chiudi la pagina. I modelli seri si fermano a un'accuratezza del 62–65% sul lungo periodo per il mercato 1X2, e quel dato è già rispettabile. Chi promette di più, o mente, o sta misurando un campione troppo piccolo per contare.

Qual è il miglior sito gratuito di statistiche per il calcio nel 2026?

Non esiste un singolo "migliore" in assoluto: dipende dal lavoro che devi fare. Per i dati storici e il contesto, FBref resta il riferimento, anche se dal 2026 i dati avanzati non si aggiornano più. Per gli xG nelle top five leghe, Understat è la scelta più pulita. Per il live, SofaScore e FotMob sono le app più complete. La combinazione gratuita più solida è FBref per lo storico, Understat per gli xG e SofaScore per il live.

Come si leggono le statistiche: 1X2, Under/Over, corner, cartellini e pari/dispari

Ogni mercato ha una logica statistica diversa. Trattarli tutti allo stesso modo è l'errore più comune. Il 1X2 è liquido e iper-analizzato; i corner sono meno liquidi e più sensibili a variabili che il mercato non prezza del tutto; i cartellini dipendono dall'arbitro più che dalle squadre; i pari/dispari sono un mercato che molti bettor usano male perché non capiscono cosa stanno davvero scommettendo. Andiamo per ordine, senza scorciatoie.

La prima competenza da acquisire non è il calcolo, ma la lettura del mercato. Un mercato liquido è un mercato in cui molti soldi si muovono e i prezzi tendono a essere efficienti. Un mercato illiquido è un mercato in cui meno soldi si muovono e i prezzi possono essere meno precisi. Questo non significa che i mercati illiquidi siano automaticamente redditizi: significa che il vantaggio informativo, se esiste, è più accessibile. Ma il margine può essere più alto, e il rischio di errore nella stima è maggiore.

La seconda competenza è la distinzione tra probabilità implicita e probabilità stimata. La probabilità implicita si ricava dalla quota: 1 diviso la quota. Una quota 2,50 corrisponde al 40%. La probabilità stimata è quella che il tuo modello assegna all'evento. Se la seconda è superiore alla prima, hai un potenziale valore. Se è inferiore, stai pagando troppo. Non c'è modo di aggirare questa aritmetica: o il modello è migliore del mercato, o il valore non esiste.

1X2: il mercato più liquido, il margine più sottile

Il mercato 1X2 (esito finale: 1 = vittoria casa, X = pareggio, 2 = vittoria trasferta) è il più efficiente del calcio. Non perché i bookmaker siano infallibili, ma perché ci sono così tanti occhi, così tanti modelli e così tanto denaro che il prezzo tende a convergere rapidamente verso la probabilità "vera". Trovare valore nel 1X2 richiede un modello migliore della media, non un'intuizione. È il mercato dove il margine è più sottile, ma anche quello dove è più difficile avere un vantaggio reale.

I numeri della Serie A 2025/26 aiutano a capire il contesto. Le vittorie casalinghe sono state il 39,0% dei risultati, i pareggi il 26,1%, le vittorie esterne il 35,0%. È un campionato con un vantaggio casalingo più contenuto rispetto ad altre leghe, il che rende il mercato 1X2 meno "scontato" e, in teoria, più interessante per chi cerca valore. In pratica, il margine del bookmaker resta il nemico principale: con un overround medio del 4,9% sul 1X2 di Serie A, devi battere il mercato di almeno quella misura solo per andare in pari.

La statistica più utile per il 1X2 non è la media gol, né la forma recente. È la probabilità implicita, confrontata con la probabilità del modello. Se il tuo modello dice che una squadra ha il 45% di probabilità di vincere e la quota offerta è 2,50 (40% implicito), il valore è potenziale. Se il modello dice 35%, stai pagando troppo. La quota non è un premio: è un prezzo. Le statistiche servono a capire se quel prezzo è giusto, non a giustificare una scommessa che hai già deciso di fare.

Under/Over e Gol/No Gol: la trappola della media stagionale

La media gol di un campionato è un dato di contesto, non un segnale operativo. In Serie A 2025/26, la media è stata di 2,43 gol per partita, con l'Over 2.5 che si è verificato nel 45,8% dei casi e il Gol/No Gol (BTTS) nel 45,3%. Sono numeri utili per inquadrare il campionato, ma inutili se li applichi pedissequamente a una singola partita. Due squadre con medie opposte possono produrre un Under 2.5, e due squadre con medie identiche possono produrre un Over 4.5. La media non cattura il contesto.

La statistica che conta, per Under/Over, è la distribuzione dei gol, non la media. Due squadre possono avere entrambe una media di 1,3 gol fatti, ma una può segnare 0 o 3 gol con la stessa frequenza, mentre l'altra segna 1 gol nell'80% delle partite. Il mercato prezza la prima in modo diverso dalla seconda, e il modello Poisson serve proprio a stimare la probabilità di ogni punteggio, non solo del totale. Senza un modello di distribuzione, stai comprando un biglietto di una lotteria che non hai capito.

Un errore tipico è usare l'Over 2.5 come "scommessa sicura" perché "tanto in Serie A si segna poco, quindi l'Under è ovvio". I numeri dicono il contrario: l'Over 2.5 è arrivato in quasi una partita su due. Non è ovvio in nessuna direzione. È un mercato con margine, e senza un modello che stimi la distribuzione, stai giocando alla cieca. La media del campionato è il punto di partenza, non il punto di arrivo.

Corner e cartellini: dove il margine del bookmaker è più largo (e il vantaggio è possibile)

I corner e i cartellini sono mercati meno liquidi del 1X2. Meno liquidi significa due cose: margini più alti per il bookmaker, ma anche maggiore probabilità che il prezzo non rifletta appieno l'informazione disponibile. In Serie A, i dati sui corner per squadra e sui cartellini per arbitro sono disponibili, ma il mercato li integra con meno precisione rispetto a quanto faccia con il 1X2. Non è un caso che i tool specializzati mettano l'accento sulle statistiche arbitrali e sui trend di corner: è lì che il vantaggio informativo è più accessibile a chi non ha un budget da hedge fund.

Per i corner, la variabile chiave non è la media stagionale, ma il contesto tattico. Una squadra che attacca molto sulle fasce e crossa spesso produce più corner di una squadra che gioca per il possesso centrale. Una squadra che si chiude e riparte può concedere corner all'avversario pur vincendo la partita. La media grezza non distingue questi scenari. Per i cartellini, la variabile arbitro è spesso sottopesata dal mercato: un arbitro con una media di cartellini alta in una partita tesa può produrre un numero di cartellini superiore a quello che la media delle due squadre suggerirebbe.

Il punto non è che questi mercati siano facili. Sono mercati in cui il margine è più largo e l'informazione è meno digerita, il che significa che il vantaggio è possibile, ma richiede dati granulari e una lettura del contesto che il mercato non ha ancora prezzato. Chi si limita a copiare la media corner da un sito e a scommettere non sta usando le statistiche: sta usando un numero decontestualizzato. La differenza tra i due approcci è tutta lì.

Pari e dispari: il mercato più ignorato e più frainteso

Il mercato pari/dispari è statisticamente semplice e psicologicamente complicato. La probabilità di un totale gol pari o dispari non è 50/50 in senso stretto, perché la distribuzione dei gol non è simmetrica: uno 0-0 è pari, un 1-0 è dispari, un 2-1 è dispari, un 2-2 è pari. A seconda della media gol attesa, la probabilità di "pari" può oscillare tra il 48% e il 52%, ma il mercato la prezza spesso come se fosse esattamente 50/50, con un margine che rende l'EV negativo su entrambi i lati.

È un mercato che attira chi cerca "facile", e proprio per questo è uno dei meno redditizi per chi non ha un modello. La tentazione di dire "pari o dispari è come testa o croce" è comprensibile, ma sbagliata: la distribuzione dei gol non è una moneta equilibrata. Le squadre che segnano poco tendono ad avere una distribuzione con molti 0, 1 e 2, e questo sposta le probabilità. Le squadre che segnano molto hanno una coda più lunga, e anche questo sposta le probabilità. Il mercato lo sa, ma non sempre lo prezza con precisione.

Se vuoi usare le statistiche sul pari/dispari, il punto di partenza è la distribuzione dei gol delle due squadre, non la media del campionato. Senza quella, stai scommettendo su un mercato che sembra semplice e che in realtà richiede lo stesso rigore degli altri. La semplicità apparente è la trappola: il pari/dispari non è un mercato da principianti, è un mercato da chi ha capito che la semplicità non coincide con la facilità.

Meglio le statistiche o i pronostici preconfezionati?

Le statistiche, se sai usarle. I pronostici preconfezionati hanno un problema strutturale: sono già noti al mercato nel momento in cui vengono pubblicati, quindi il loro valore è marginale o nullo. Le statistiche ti danno gli strumenti per costruire un giudizio autonomo. I pronostici ti danno un'opinione già confezionata, spesso senza la trasparenza necessaria per valutarla. Se devi scegliere, investi tempo nell'imparare a leggere i numeri, non nel collezionare pronostici altrui.

Statistiche per campionati specifici: Serie A, Serie B, Champions League ed Europa League

Ogni campionato ha la sua "firma statistica". Applicare i numeri della Premier League alla Serie B è come usare una ricetta per il pollo arrosto su un branzino: gli ingredienti sembrano simili, ma il risultato è un disastro. Le differenze non sono solo nei gol: sono nel ritmo, nella distribuzione dei risultati, nella frequenza dei mercati secondari. Chi tratta tutti i campionati allo stesso modo sbaglia per definizione.

La seconda differenza è la dimensione del campione. In Serie A, 380 partite forniscono una base statistica solida per le medie di campionato. In Serie B, il campione è più piccolo e la varianza è più alta. In Champions League, il numero di partite è ancora più ridotto e gli avversari sono eterogenei. Questo non significa che le statistiche non servano nelle competizioni con meno partite: significa che vanno usate con intervalli di confidenza più larghi e con meno fiducia nelle medie "pulite".

La terza differenza è la motivazione. Una partita di campionato a metà stagione non ha la stessa posta in gioco di una semifinale di Champions League. La motivazione influenza le scelte tattiche, il ritmo e il numero di gol. Un modello che ignora la motivazione può funzionare in campionato e fallire nelle coppe. Non è un dettaglio psicologico: è una variabile che il mercato prezza, e chi non la considera è fuori gioco.

Serie A 2025/26: numeri alla mano (e cosa dicono davvero)

I dati della stagione 2025/26 raccontano una Serie A più equilibrata di quanto l'etichetta "campionato difensivista" suggerisca. Vittorie casalinghe al 39,0%, pareggi al 26,1%, vittorie esterne al 35,0%: il vantaggio del fattore campo è reale ma contenuto. L'Over 2.5 al 45,8% e il BTTS al 45,3% collocano il campionato in una fascia media, lontana sia dallo spettacolo della Bundesliga sia dalla palude di alcune stagioni passate. La media gol è di 2,43 per partita, su un totale di 922 gol in 380 partite.

Questi numeri non sono un pronostico. Sono il contesto entro cui il pronostico va costruito. Un modello che ignora la media gol della Serie A e applica una media generica europea sbaglierà sistematicamente, non occasionalmente. Lo stesso vale per l'Over 2.5: chi si aspetta un campionato di soli Under resta sorpreso dal fatto che quasi una partita su due finisca sopra la linea. La realtà statistica è più equilibrata dello stereotipo.

Per chi scommette sulla Serie A, il dato più interessante non è la media gol, ma la distribuzione dei risultati. Il 39,0% di vittorie casalinghe è inferiore a quello di molti altri campionati, il che rende il mercato 1X2 meno sbilanciato verso i padroni di casa. Questo non significa che le vittorie casalinghe siano un cattivo affare: significa che il mercato le prezza in modo relativamente efficiente, e che il valore, se c'è, va cercato altrove. La Serie A non è un campionato "facile" per nessun mercato.

Serie B e coppe europee: campioni piccoli, distorsioni grandi

La Serie B è il regno della distorsione statistica. I campioni sono più piccoli, le rose cambiano più spesso, e le dinamiche di squadra sono meno stabili. Un dato come "media corner" calcolato su 10 partite in Serie B ha una varianza molto più alta rispetto allo stesso dato in Serie A. Questo non significa che le statistiche non servano: significa che vanno usate con intervalli di confidenza più larghi e con meno fiducia nelle medie "pulite".

Champions League ed Europa League aggiungono un ulteriore strato di complessità: le squadre giocano contro avversari di campionati diversi, con stili diversi, e la motivazione varia enormemente tra una fase a gironi e una semifinale. I modelli che funzionano in campionato non si trasferiscono automaticamente alle coppe. Chi scommette su queste competizioni deve costruire dataset separati, non riutilizzare i numeri della Serie A "tanto è sempre calcio".

La regola pratica è semplice: più il campione è piccolo, più il modello deve essere prudente. In Serie B e nelle coppe, la differenza tra un dato reale e un dato casuale è sottile, e il rischio di overfitting è alto. Chi costruisce un modello su 380 partite di Serie A ha una base solida; chi lo costruisce su 30 partite di Europa League ha una base fragile. La statistica non è democratica: la dimensione del campione conta, e fingere che non conti è il modo più rapido per perdere soldi.

Le statistiche della Serie A valgono anche per la Serie B?

No, e sarebbe un errore grave pensarlo. La Serie B ha campioni più piccoli, rose più instabili e dinamiche di squadra meno prevedibili. Le medie di campionato della Serie A non si trasferiscono automaticamente: vanno ricalcolate su base Serie B e usate con maggiore prudenza. Un modello costruito sulla Serie A applicato alla Serie B senza aggiustamenti è destinato a sovrastimare la propria precisione.

Statistiche per altri sport: tennis, basket e scommesse virtuali

Il calcio domina il mercato italiano, ma gli altri sport hanno logiche statistiche diverse, e chi si limita al calcio si perde un pezzo di mercato dove i modelli possono essere più semplici e, in alcuni casi, più efficaci. Non è un invito a diversificare per forza: è un invito a capire che ogni sport richiede un modello diverso. Applicare il modello Poisson al tennis è un errore concettuale, non una scelta stilistica.

La seconda ragione per guardare oltre il calcio è la concorrenza. Il mercato del calcio è saturo di modelli, dati e occhi. Il tennis e il basket hanno meno modelli raffinati, il che non garantisce un vantaggio, ma rende il terreno potenzialmente più fertile per chi ha competenze specifiche. Chi conosce il tennis può trovare discrepanze che nel calcio non esistono, semplicemente perché meno persone stanno guardando gli stessi numeri.

La terza ragione è la struttura del mercato. Nel tennis, la catena causale è più corta: il servizio influenza il game, il game influenza il set, il set influenza il match. Nel basket, il possesso è l'unità di base, e l'efficienza per possesso è più predittiva del punteggio grezzo. Nel calcio, la catena è più lunga e più rumorosa. Capire questa differenza è il primo passo per costruire modelli sensati anche fuori dal calcio.

Tennis: servizio, superfici e head-to-head

Nel tennis, la statistica regina è la percentuale di punti vinti con il primo servizio e la percentuale di game di servizio tenuti. A differenza del calcio, il tennis è uno sport a punti discreti e la catena causale è più corta: il servizio influenza il game, il game influenza il set, il set influenza il match. I modelli di tennis ben calibrati usano queste variabili come input primari, non come decorazione. La superficie poi amplifica o attenua i profili: un giocatore con un servizio devastante su erba non è lo stesso giocatore su terra rossa.

Il mercato del tennis è meno liquido di quello del calcio, il che significa margini più alti ma anche maggiore probabilità di prezzi non del tutto efficienti. I dati sull'head-to-head sono spesso sopravvalutati: due giocatori possono essersi incontrati cinque anni prima su una superficie diversa, e il risultato di allora dice poco sul match di oggi. La statistica utile non è il bilancio storico, ma la performance recente sulle superfici rilevanti e la condizione fisica.

Per chi scommette sul tennis, il punto di partenza è la percentuale di game di servizio tenuti e la percentuale di punti vinti sulla seconda di servizio. Sono dati più stabili del ranking e più predittivi del risultato secco. Il ranking dice chi è più forte nel lungo periodo; i dati di servizio dicono chi è più forte in questo torneo, su questa superficie, in questo momento. La differenza è tutta lì.

Basket: ritmo, possessi e spread

Il basket è lo sport dei possessi. La statistica chiave non è il punteggio medio, ma il ritmo (possessi per 48 minuti) e l'efficienza per possesso. Due squadre che segnano 110 punti possono avere ritmi completamente diversi, e il mercato dello spread (handicap) è più sensibile a queste differenze di quanto il mercato del total punti lo sia. Per chi scommette sul basket, i dati sui possessi e sull'efficienza offensiva/difensiva sono il pane; i punti segnati sono il contorno.

Il basket ha una struttura statistica più "pulita" del calcio: i possessi sono contabili, l'efficienza è misurabile, e la relazione tra input e output è più diretta. Questo non rende il mercato automaticamente battibile, ma rende i modelli più facili da validare. Se un modello di basket non funziona, è più facile capire perché: i dati sono meno rumorosi, e gli errori sono più diagnosticabili.

Per chi si avvicina al basket, la trappola è usare la media punti come unica variabile. La media punti nasconde il ritmo e l'efficienza, e due squadre con la stessa media possono avere profili completamente diversi. Il totale punti è un mercato che richiede una stima del ritmo, non solo della capacità offensiva. Senza quella, stai scommettendo su un numero che non hai capito.

Virtuali: la statistica è un'illusione controllata

Le scommesse virtuali sono un caso a parte. I risultati sono generati da un algoritmo, non da esseri umani che corrono su un campo. Le "statistiche" che vedi — medie gol, frequenza dei risultati, trend — sono proprietà del generatore, non della realtà. Questo non significa che non si possano analizzare: significa che l'analisi statistica dei virtuali è un'analisi del software, non dello sport. I pattern esistono, ma sono pattern del generatore, e il generatore è progettato per avere un margine.

Chi cerca valore nei virtuali lo trova solo se trova un bug o un'incoerenza nel modo in cui il bookmaker prezza un mercato generato. È un gioco diverso, e va trattato come tale. La statistica tradizionale, quella che si basa su campioni reali e variabili fisiche, non si applica ai virtuali nello stesso modo. I virtuali sono un prodotto del bookmaker, e il bookmaker li progetta per avere un margine. Questo non li rende impossibili da battere, ma rende il compito molto più difficile e molto più vicino al reverse engineering che all'analisi sportiva.

La regola pratica è semplice: se non capisci come funziona il generatore, non puoi analizzarlo statisticamente. E se non puoi analizzarlo, stai giocando, non scommettendo con un vantaggio. I virtuali possono essere divertenti, ma non sono il terreno in cui le statistiche sportive fanno la differenza. Chi li tratta come se fossero calcio reale sta applicando un modello sbagliato a un problema diverso.

Live betting e statistiche in tempo reale: il rischio della latenza

Il live betting è il segmento in maggiore crescita del mercato italiano, e la logica è ovvia: il live è più coinvolgente, più interattivo, più "vero". Ma dal punto di vista statistico, il live è anche il regno della latenza, e la latenza è il nemico numero uno di chi pensa di poter usare i dati in tempo reale per battere il mercato. Il live non è il pre-match con più azione: è un mercato diverso, con dinamiche diverse e margini diversi.

Il primo errore è pensare che i dati live siano più "freschi" e quindi più utili. In realtà, i dati live sono più freschi per te e per il bookmaker nello stesso momento, ma il bookmaker ha un feed diretto e tu no. La differenza di latenza non è un dettaglio tecnico: è la ragione per cui il vantaggio informativo nel live è molto più difficile da ottenere. Il secondo errore è pensare che il live sia più "facile" perché vedi cosa sta succedendo. Vederlo non basta: devi capire cosa il mercato non ha ancora prezzato, e il mercato prezza molto in fretta.

Il terzo errore è ignorare il margine. Nel live, l'overround è più alto che nel pre-match, perché il rischio per l'operatore è maggiore e la liquidità è inferiore. Un margine del 6–12% nel live non è raro, e su un mercato con margine del 10% devi battere il mercato di dieci punti percentuali solo per andare in pari. Il live è più emozionante, ma statisticamente è più costoso. Chi non capisce questo, sta pagando un premio per l'emozione.

Perché i dati live arrivano sempre un passo dopo il mercato

Il bookmaker ha un feed diretto sull'evento. Tu guardi una schermata che si aggiorna con un ritardo di secondi, a volte frazioni di secondo, ma quel ritardo è sufficiente perché il mercato abbia già incorporato l'informazione. Un gol, un cartellino rosso, un rigore: la quota si muove prima che tu possa cliccare. Le statistiche live — possesso, tiri, xG live — sono utili per capire l'andamento della partita, ma non sono un vantaggio informativo nel senso stretto. Sono un vantaggio narrativo.

La latenza non è solo tecnica: è anche cognitiva. Anche se il dato arrivasse in tempo reale, il tempo che impieghi a interpretarlo e a decidere è tempo che il mercato usa per muoversi. Il bookmaker non aspetta che tu capisca: il suo modello aggiorna le quote in automatico. Il live è un gioco in cui il mercato ha un vantaggio strutturale di velocità, e chi pensa di compensarlo con l'intuito sta sottovalutando la velocità del mercato.

Questo non significa che il live sia impossibile. Significa che il vantaggio, se esiste, non è nel dato nudo, ma nella lettura del contesto che il mercato non ha ancora digerito. La stanchezza, la gestione delle sostituzioni, la tolleranza arbitrale, la struttura delle occasioni: sono variabili che il mercato prezza, ma non sempre con la stessa precisione con cui prezza il punteggio. È lì che si può cercare un margine, non nel possesso palla in sovrimpressione.

Cosa guardare (e cosa ignorare) nelle scommesse live

Se il tuo obiettivo è il live, le statistiche da guardare non sono quelle che il bookmaker ti mette davanti in sovrimpressione. Sono quelle che il mercato non ha ancora digerito: la struttura delle occasioni (non solo il possesso), la qualità dei tiri (xG live, se disponibile), la stanchezza (minutaggio dei titolari, sostituzioni già fatte), il contesto arbitrale (cartellini già estratti, tolleranza). Il possesso palla, da solo, è una statistica quasi inutile: una squadra può avere il 65% di possesso e non tirare mai in porta.

I tiri, gli xG e le occasioni create sono più predittivi del possesso, ma il mercato li prezza più rapidamente. Il vero vantaggio, se esiste, è nella lettura del contesto, non nel numero nudo. Per esempio, una squadra che ha già fatto due sostituzioni difensive e sta perdendo può essere più vulnerabile di quanto la sua statistica di possesso suggerisca. Una squadra che ha subito un cartellino rosso può avere un xG live in calo, ma il mercato potrebbe non aver ancora aggiustato del tutto la quota. Sono dettagli, non certezze, ma sono il tipo di dettaglio che nel live conta più del possesso.

La regola pratica è: ignora le statistiche che il bookmaker ti mette in evidenza, e cerca quelle che richiedono uno sforzo in più per essere interpretate. Il mercato prezza bene ciò che è facile da vedere; prezza meno bene ciò che richiede contesto. Il live è un mercato di contesto, non di numeri nudi. Chi lo capisce ha un vantaggio; chi guarda solo il possesso sta guardando la parte sbagliata dello schermo.

Le statistiche live sono utili o arrivano troppo tardi?

Sono utili per capire l'andamento della partita, ma non sono un vantaggio informativo nel senso stretto: il mercato le prezza prima che tu possa agire. Il possesso palla, in particolare, è una statistica spesso sopravvalutata. I dati che contano nel live sono la qualità delle occasioni, la struttura dei tiri, il contesto arbitrale e la gestione delle sostituzioni. Ma anche questi dati arrivano con un ritardo che il bookmaker ha già incorporato. Il live è più emozionante, ma statisticamente più difficile.

Pronostici e statistiche: come si costruisce un modello (senza vendersi l'anima a un algoritmo)

Arriviamo al punto in cui le statistiche diventano una decisione. Un modello non è una sfera di cristallo. È un modo per trasformare dati in probabilità, e probabilità in scelte. La differenza tra un bettor statistico e un giocatore d'azzardo non è la quantità di dati: è la disciplina di usare i dati per prendere decisioni scomode, incluso il "non scommettere". Un modello che ti dice di non giocare è utile quanto un modello che ti dice di giocare.

La seconda differenza è la calibrazione. Un modello calibrato è un modello in cui, quando dice 40%, l'evento si verifica circa il 40% delle volte. Un modello non calibrato può sembrare preciso e sbagliare sistematicamente. La calibrazione non si improvvisa: richiede dati storici, backtesting e una dose di umiltà. Chi non misura la calibrazione del proprio modello non sta facendo statistica: sta facendo impressionismo numerico.

La terza differenza è la gestione dello stake. Anche un modello con EV positivo può portare alla rovina se le puntate sono troppo grandi. Il criterio di Kelly è il più noto, ma è anche il più aggressivo. Una versione frazionata (mezzo Kelly, quarto di Kelly) riduce la volatilità e il rischio di rovina. Il modello dice cosa giocare; la gestione dello stake dice quanto giocare. Sono due decisioni separate, e confonderle è uno degli errori più costosi.

La formula dell'Expected Value (EV) spiegata senza giri di parole

L'Expected Value è il valore atteso di una scommessa. Si calcola così: EV = (probabilità di vincita × profitto potenziale) − (probabilità di perdita × importo puntato). In termini più semplici: se pensi che una scommessa abbia il 60% di probabilità di vincere e la quota è 2,00, il profitto potenziale è pari all'importo puntato. L'EV è (0,60 × 1) − (0,40 × 1) = 0,20, cioè un valore atteso positivo del 20% dell'importo puntato. Se la stessa scommessa è quotata 1,50, l'EV diventa (0,60 × 0,50) − (0,40 × 1) = −0,10, negativo. La quota 1,50 non remunera adeguatamente il rischio.

Il punto non è memorizzare la formula. È capire che la probabilità che conta non è quella implicita nella quota, ma quella del tuo modello. Se il tuo modello è una copia della quota, l'EV è zero (o negativo, per via del margine). Se il tuo modello è peggiore della quota, l'EV è negativo. Se è migliore, l'EV è positivo. Non c'è magia. C'è solo la qualità del modello e la disciplina di non scommettere quando l'EV non è positivo.

La formula dell'EV è anche un modo per smontare un mito: la quota alta non è di per sé un valore. Una quota 5,00 può avere EV negativo se la probabilità reale è inferiore al 20%. Una quota 1,50 può avere EV positivo se la probabilità reale è superiore al 66,7%. Il valore non è nella quota, ma nella relazione tra quota e probabilità. Le statistiche servono a stimare la probabilità; l'EV serve a decidere se quella probabilità è abbastanza alta per giustificare il rischio.

Dal dato alla decisione: il modello Poisson in cinque passi

Il modello Poisson è il cavallo di battaglia per chi vuole stimare la probabilità dei risultati calcistici. Non è perfetto (nessun modello lo è), ma è trasparente e relativamente semplice da implementare. Il primo passo è stimare la forza offensiva e difensiva di ogni squadra. Non usare la media gol grezza: usa una media ponderata per la forza dell'avversario. Una squadra che segna 2 gol a partita contro squadre di metà classifica non è la stessa cosa di una che ne segna 1,5 contro le prime cinque.

Il secondo passo è calcolare la media gol attesa della partita, combinando la forza offensiva di una squadra con la debolezza difensiva dell'altra e aggiustando per il fattore campo. Il terzo passo è applicare la distribuzione di Poisson, che stima la probabilità di ogni numero di gol dato il valore atteso. Da lì ricavi la probabilità di 0-0, 1-0, 2-1, e così via. Il quarto passo è confrontare le probabilità con le quote, calcolando la probabilità implicita e confrontandola con quella del modello. Il quinto passo è applicare un criterio di stake, preferibilmente frazionato.

Il modello Poisson non è una bacchetta magica. Ha limiti noti: non cattura la correlazione tra i gol delle due squadre, non tiene conto della motivazione, e assume che i gol siano indipendenti. Ma è un punto di partenza migliore della media grezza, e la sua trasparenza lo rende utile anche quando sbaglia. Un modello trasparente che sbaglia è più utile di una scatola nera che indovina: dal primo puoi imparare, dalla seconda no.

La trappola dei "pronostici statistici" preconfezionati

I siti che vendono pronostici "basati sulle statistiche" sono un mercato affollato, e la maggior parte di essi vende fumo. Non perché le statistiche siano inutili, ma perché il pronostico preconfezionato è, per definizione, già prezzato dal bookmaker. Se un sito pubblica un pronostico gratuito su una partita di Serie A, quel pronostico è già noto al mercato nel momento in cui viene cliccato. Il valore, se c'è, è nella capacità di costruire un modello proprio o di interpretare i dati in modo originale. Non nel copiare il pronostico di qualcun altro.

Questo non significa che tutti i pronostici siano inutili. Alcuni servizi offrono trasparenza sul track record e sui modelli, e possono essere utili come input. Ma il bettor che si affida ciecamente a un pronostico esterno non sta usando le statistiche: sta usando la statistica di qualcun altro, senza sapere se è calibrata, se è onesta, o se è progettata per massimizzare i click e non le vincite. La differenza tra un input e una delega è tutta lì.

La regola pratica è: usa i pronostici come uno dei tanti input, non come la decisione finale. Se un pronostico coincide con il tuo modello, è una conferma; se lo contraddice, è uno spunto per capire perché. Ma la decisione deve restare tua, basata su un modello che capisci e su dati che puoi verificare. Il contrario è affidarsi alla statistica di qualcun altro, che è meglio del nulla ma peggio di un modello proprio.

Come si calcola il valore di una scommessa con le statistiche?

Il punto di partenza è la probabilità implicita: si divide 1 per la quota. Una quota 2,50 equivale al 40%. Poi si stima la probabilità reale con un modello (Poisson, xG, dati storici). Se la probabilità stimata è superiore a quella implicita, la scommessa ha un potenziale valore. L'Expected Value si calcola come (probabilità di vincita × profitto potenziale) − (probabilità di perdita × importo puntato). Se l'EV è positivo, la scommessa è teoricamente conveniente; se è negativo, non lo è.

Quote, margini e bookmaker: la statistica che nessuno pubblica

La statistica più importante per un bettor italiano non è il xG, non è la media corner, non è il modello Poisson. È il margine del bookmaker. Perché è l'unica statistica che paghi sempre, indipendentemente dal risultato. Eppure è quella di cui si parla meno, perché i siti di comparazione sono spesso finanziati dagli operatori stessi. Il conflitto di interessi è strutturale, e chi non lo vede è già in ritardo.

Il margine non è uniforme tra operatori, mercati e momenti della stagione. È più basso sui mercati principali e sulle leghe più liquide, più alto sui mercati di nicchia e nel live. La differenza tra un operatore competitivo e uno meno competitivo può essere di uno o due punti percentuali sull'overround, che su un volume alto di scommesse è una differenza significativa. Il bettor che non confronta i margini sta lasciando soldi sul tavolo, indipendentemente dalla qualità dei suoi pronostici.

C'è poi la questione della legalità. In Italia, solo gli operatori con concessione ADM sono legali. Gli operatori offshore possono offrire quote più alte, ma non hanno la stessa tutela sul pagamento, sulla risoluzione delle controversie e sulla protezione dei dati. Per un bettor che usa le statistiche per ridurre il margine, la tentazione dell'offshore è comprensibile: quote più alte significano margini più bassi. Ma il rischio di controparte non è una statistica che si possa ignorare. Il filtro legale viene prima del filtro statistico.

Overround pre-match e live: quanto costa davvero scommettere in Italia

L'overround è la somma delle probabilità implicite di tutti gli esiti di un mercato. In un mercato perfetto, la somma sarebbe 100%. Nella realtà, è sempre superiore. In Serie A, l'overround pre-match su un 1X2 oscilla tra il 4% e l'8%, con un valore medio intorno al 4,9% secondo un'analisi su 1.970 partite. Nel live, il margine sale al 6–12%, perché il rischio per l'operatore è più alto e la liquidità è inferiore. Questi valori sono stime basate sui dati di mercato del 2026 e possono variare per campionato, mercato e momento della stagione.

Il margine non è l'unica voce di costo. Ci sono anche le commissioni, i limiti di puntata e le condizioni promozionali, che possono cambiare il valore effettivo di una scommessa. Ma l'overround è il costo più trasparente e quello più facile da confrontare. Se un operatore ha un overround del 5% e un altro del 7%, il primo è più conveniente a parità di quota, perché trattiene meno. Il confronto dell'overround è il primo passo del line shopping, prima ancora del confronto delle quote.

Un esempio pratico: su un mercato 1X2 con quote 2,20, 3,30 e 3,40, la somma delle probabilità implicite è 105,2%, quindi l'overround è del 5,2%. Se lo stesso mercato è offerto con quote 2,25, 3,35 e 3,45, la somma scende e l'overround si riduce. La differenza sembra piccola, ma su cento euro di puntate è la differenza tra pagare 5,2 euro di costo implicito e pagarne meno. Il margine è il costo del biglietto, e il biglietto più economico non è sempre quello con la quota più alta su un singolo esito: è quello con l'overround più basso sull'intero mercato.

I top operatori ADM nel 2026 e il loro approccio ai dati

La classifica degli operatori ADM nel 2026 è guidata da Lottomatica, Sisal e Snai, con Bet365 ed Eurobet a completare il gruppo di testa. Lottomatica detiene il 31,7% del GGR del casinò online e il 25,28% della raccolta sulle scommesse, mentre Sisal ed Eurobet si attestano intorno al 9% della raccolta. Sono dati di mercato, non di qualità del prodotto: un operatore grande può avere margini alti, e un operatore più piccolo può avere margini più bassi su mercati specifici. La classifica di mercato non è una classifica di convenienza.

Nel 2026, il rinnovo delle concessioni ADM ha portato a 52 concessioni riconducibili a 46 operatori, con un costo di 7 milioni di euro per ciascun titolo. Questo ha consolidato il mercato intorno ai grandi gruppi e ha reso più difficile l'ingresso di nuovi operatori. Per il bettor, la conseguenza è che la scelta è più concentrata, ma non necessariamente peggiore: i grandi gruppi hanno piattaforme più stabili e palinsesti più ampi, anche se non sempre i margini più bassi. La qualità del dato e la trasparenza del listino contano più della dimensione dell'operatore.

La scelta razionale, per un bettor statistico, è diversificare gli operatori e confrontare le quote su ogni mercato, non affidarsi a un unico bookmaker per tutto. Due o tre operatori con margini competitivi, un comparatore di quote e la disciplina di verificare il listino ADM prima di piazzare sono sufficienti per ridurre il costo implicito. Non serve avere dieci conti: servono gli strumenti giusti e la consapevolezza che il margine è il nemico principale, non l'avversario da battere con un pronostico.

Nota metodologica: le quote di mercato indicate sono stime basate su dati ADM e fonti di settore del 2026 e non costituiscono una misura esatta per ogni singolo mercato o momento della stagione. Il margine varia per campionato, mercato e operatore.

Qual è il margine medio di un bookmaker italiano sul calcio?

In Serie A, l'overround medio pre-match su un mercato 1X2 si colloca intorno al 4,9%, con una mediana rilevata del 5,24% su nove listini ADM. Nel live, il margine sale al 6–12%, perché il rischio per l'operatore è più alto e la liquidità è inferiore. Più basso è l'overround, più le quote sono "pulite" per lo scommettitore. Il confronto del margine è il primo passo per ridurre il costo implicito.

Le statistiche possono garantire una vincita?

No, e chi te lo promette sta vendendo fumo. Le statistiche riducono l'incertezza e aiutano a identificare il valore, ma non eliminano la varianza. Anche un modello con un EV positivo può perdere per dieci scommesse di fila. La garanzia non esiste nel betting, né con le statistiche né senza. Quello che le statistiche possono fare è spostare le probabilità a tuo favore nel lungo periodo, se il modello è calibrato e la disciplina è ferrea.