Unterperformance

Was ist Unterperformance im Fußball?

Unterperformance ist das Gegenteil von Überperformance: Die tatsächlichen Ergebnisse einer Mannschaft oder eines Spielers fallen schlechter aus, als ihre Statistiken und analytischen Modelle es erwarten lassen. Im modernen Fußball ist dieses Konzept eng mit den Expected Goals (xG) verknüpft – einer Kennzahl, die die Qualität von Torchancen misst.

Wenn ein Team beispielsweise in einem Spiel einen xG-Wert von 2,5 erzielt (was bedeutet, dass die Chancen statistisch 2,5 Tore wert sind), aber nur ein Tor schießt, unterperformt dieses Team. Ähnlich kann ein Torwart mit einem xGA (Expected Goals Against) von 1,2 drei Gegentore kassieren – auch das ist Unterperformance. Diese Abweichungen sind für analytische Wetter von großem Interesse, da sie oft auf zukünftige Verbesserungen hindeuten.

Das Wichtigste dabei: Unterperformance ist nicht automatisch ein Zeichen von mangelnder Qualität. Es kann statistische Schwankung, Pech oder kurzfristige Anomalien widerspiegeln. Die Unterscheidung zwischen echtem strukturellem Versagen und temporärer Unterperformance ist der Schlüssel zu erfolgreicher Analyse.

Definition und Grundkonzept

Unterperformance lässt sich formal definieren als die negative Abweichung zwischen erwarteten Ergebnissen (basierend auf xG, xPoints und anderen statistischen Modellen) und tatsächlich erreichten Ergebnissen. Diese Abweichung wird typischerweise in Toren oder Punkten gemessen.

Die Rolle von Expected Goals (xG) ist zentral: xG quantifiziert die Chancenqualität objektiv, unabhängig vom Endergebnis. Ein Team kann dominant spielen und viele gute Chancen kreieren, aber durch Pechsträhnen oder mangelnde Chanceneffektivität trotzdem verlieren. Genau hier offenbart sich Unterperformance.

Warum ist Unterperformance ein wichtiges Konzept?

Unterperformance ist nicht nur akademisch interessant – sie hat praktische Implikationen:

1. Vorhersagekraft: Extreme Unterperformance über mehrere Spiele hinweg deutet darauf hin, dass sich die Ergebnisse normalisieren werden (Regression zum Mittelwert). Ein Team, das konsistent gute Chancen kreiert, wird langfristig mehr Tore schießen.

2. Markteffizienz: Buchmacher und Wettmärkte überreagieren oft auf kurzfristige Ergebnisse. Ein Team in einer Unterperformance-Phase könnte unterbewertete Quoten erhalten, was eine Arbitrage-Chance für analytische Wetter darstellt.

3. Unterscheidung zwischen Pech und Versagen: Ein Stürmer, der drei Spiele in Folge hochwertige Chancen vergeben hat, ist wahrscheinlich einfach vom Pech verfolgt. Ein Torwart, der systematisch schlecht positioniert ist, performt dagegen wirklich schlecht. Diese Unterscheidung ist entscheidend.

Wie unterscheidet sich Unterperformance von Überperformance?

Während Unterperformance bedeutet, dass ein Team oder Spieler unter seinen Erwartungen spielt, ist Überperformance das Gegenteil: tatsächliche Ergebnisse übertreffen die statistischen Prognosen. Beide Phänomene sind temporär und neigen zur Regression zum Mittelwert.

Überperformance erklärt

Überperformance tritt auf, wenn ein Team oder Spieler bessere Ergebnisse erzielt, als seine xG-Werte oder xPoints es vorhersagen würden. Ein klassisches Beispiel: Ein Team mit einem xG von 1,1 schießt trotzdem 3 Tore und gewinnt 3:1. Dies könnte auf außergewöhnliche Chanceneffektivität, Glück oder eine überlegene Torwart-Leistung zurückzuführen sein.

In der Bundesliga-Saison 2023/24 waren der 1. FC Heidenheim und Werder Bremen die größten Überperformer: Beide holten etwa 23 Punkte, während ihre xPoints-Modelle nur etwa 18–19 Punkte prognostizierten. Das bedeutet, sie spielten deutlich besser, als ihre Chancenqualität es erwarten ließ.

Überperformance ist jedoch nicht nachhaltig. Langfristig tendieren Teams zur Regression: Wetter, die auf Überperformer setzen, gehen ein Risiko ein, dass sich die Leistung normalisiert und die Quote sinkt.

Praktische Beispiele aus der Bundesliga

Die Bundesliga bietet mehrere instruktive Fallstudien:

Werder Bremen (2023/24): Das Team zeigte klassische Überperformance-Muster. Mit relativ niedriger xG (durchschnittlich 1,3 pro Spiel) holte Bremen deutlich mehr Punkte als erwartet. Dies deutete auf zwei Faktoren hin: (1) außergewöhnliche Chanceneffektivität und (2) Glück. Nach einigen Spielen normalisierte sich die Leistung, und Bremen rutschte in der Tabelle ab.

Bayer Leverkusen (mehrere Saisons): Leverkusen ist ein klassisches Beispiel für anhaltende Überperformance, die auf echte strukturelle Qualität zurückgeht – nicht auf Glück. Das Team kombiniert hohe xG mit effizienter Chancenverwertung, was zu konsistenter Überperformance führt. Dies zeigt, dass nicht alle Überperformance temporär ist.

Heidenheim (Aufstiegssaison): Als Aufsteiger zeigte Heidenheim extreme Überperformance. Die xPoints-Modelle prognostizierten einen Abstieg, aber das Team spielte sich in die Nähe der europäischen Plätze. Dies war eine Kombination aus taktischer Überlegenheit, Teamchemie und Glück.

Das Konzept der Performance-Differenz

Die Performance-Differenz misst die absolute Abweichung zwischen erwarteten und tatsächlichen Ergebnissen. Sie wird typischerweise in Punkten ausgedrückt:

Performance-Differenz = Tatsächliche Punkte − xPoints

Ein Wert von +5 bedeutet Überperformance (5 Punkte besser als erwartet), während −5 Unterperformance bedeutet (5 Punkte schlechter als erwartet).

Diese Metrik ist besonders wertvoll für Wetter, da große Performance-Differenzen darauf hindeuten, dass der Markt ineffizient ist. Wenn ein Team 10 Punkte unter seinen xPoints liegt, haben Buchmacher ihre Quoten wahrscheinlich zu hoch angesetzt – was eine Wertquote für eine Wette auf das Team darstellen könnte.

Wie wird Unterperformance gemessen?

Die Messung von Unterperformance erfordert mehrere statistisch Metriken und Modelle. Die wichtigsten sind Expected Goals (xG), Expected Goals Against (xGA) und Expected Points (xPoints).

Die xG-Metrik und ihre Berechnung

Expected Goals (xG) ist die Grundlage der modernen Fußballanalyse. Für jeden Torschuss wird eine Wahrscheinlichkeit berechnet, dass dieser Schuss zu einem Tor führt. Diese Wahrscheinlichkeit liegt zwischen 0 und 1:

• xG = 0,05: Der Schuss hat eine 5%-Chance zu treffen (z.B. ein Schuss aus 30 Metern)
• xG = 0,50: Der Schuss hat eine 50%-Chance zu treffen (z.B. ein eins-gegen-eins mit dem Torwart)
• xG = 0,77: Der Schuss hat eine 77%-Chance zu treffen (z.B. ein Elfmeter)

Die xG-Berechnung berücksichtigt mehrere Faktoren:

1. Distanz zum Tor: Je näher der Schuss, desto höher die xG
2. Winkel zum Tor: Zentrale Positionen haben höhere xG als seitliche
3. Art des Abschlusses: Kopfbälle haben typischerweise niedrigere xG als Schüsse mit dem Fuß
4. Gegenspieler-Druck: Eng bewachte Schüsse haben niedrigere xG
5. Torwart-Position: Die Position des Torwarts beeinflusst die Wahrscheinlichkeit
6. Shot Condition: Seit 2021/22 berücksichtigen einige Modelle auch die Schussbedingung (z.B. Bedrängnis, Bewegung des Schützen)

Verschiedene Datendienstleister (StatsBomb, Opta, InStat) berechnen xG leicht unterschiedlich, aber die Ergebnisse sind typischerweise sehr ähnlich.

Von xG zu xPoints: Die erweiterte Analyse

Während xG die Chancenqualität misst, ist xPoints (oder expected points) die nächste Ebene: Sie konvertiert Chancenqualität in erwartete Punkte.

Der Prozess funktioniert so:

1. Berechne xG für beide Teams in einem Spiel
2. Berechne die Siegeswahrscheinlichkeit basierend auf der xG-Differenz
3. Konvertiere die Siegeswahrscheinlichkeit in erwartete Punkte (3 für Sieg, 1 für Unentschieden, 0 für Niederlage)

Beispiel: Team A hat xG = 2,1 und Team B hat xG = 0,8. Die xG-Differenz von +1,3 bedeutet, dass Team A statistisch dominant war. Das Modell könnte prognostizieren, dass Team A eine 65%-Chance auf einen Sieg hat. Das entspricht etwa 1,95 erwarteten Punkten (0,65 × 3).

Wenn Team A tatsächlich nur 1 Punkt holt (Unentschieden), dann unterperformt Team A um etwa 0,95 Punkte.

Unterschiede zwischen Team- und Spieler-Unterperformance

Unterperformance kann auf Team-Ebene oder auf Spieler-Ebene auftreten, und die Implikationen sind unterschiedlich:

Team-Unterperformance ist oft ein Zeichen für Ineffizienz oder Pech. Ein Team mit hohem xG, aber niedrigem Toroutput, wird wahrscheinlich bald mehr Tore schießen.

Spieler-Unterperformance kann länger andauern, besonders wenn psychologische Faktoren eine Rolle spielen. Ein Stürzer in einer Pechsträhne kann mehrere Spiele brauchen, um sein Vertrauen zurückzugewinnen.

Warum unterperformen Teams und Spieler?

Unterperformance hat mehrere Ursachen, die von statistischen Schwankungen bis zu psychologischen Faktoren reichen.

Statistische Schwankungen und Pech

Die einfachste Erklärung: Fußball ist nicht vollständig deterministisch. Auch wenn ein Team statistisch dominant ist, können zufällige Ereignisse zu unerwarteten Ergebnissen führen. Ein Schuss kann an den Pfosten gehen, ein Torwart kann einen Fehler machen, ein Schiedsrichter kann eine umstrittene Entscheidung treffen.

Diese statistische Varianz ist normal und erwartet. Über eine lange Saison hinweg gleichen sich diese Schwankungen aus – das ist Regression zum Mittelwert. Aber über kurze Zeiträume (5–10 Spiele) können sie erheblich sein.

Beispiel: Ein Torwart mit einem xGA von 10 über 10 Spiele könnte 8, 10 oder 12 Gegentore kassieren, je nach Varianz. Wenn er 12 kassiert, unterperformt er relativ zu seinen xGA. Das bedeutet nicht, dass er ein schlechter Torwart ist – es bedeutet, dass er Pech hatte.

Psychologische und mentale Faktoren

Einer der größten Lücken in der xG-Analyse: Sie ignoriert die Psychologie. Ein Spieler, der drei Spiele in Folge hochwertige Chancen vergeben hat, entwickelt möglicherweise Selbstzweifel. Ein Team, das eine Serie von Niederlagen erlebt hat, kann an Selbstvertrauen verlieren.

Diese psychologischen Effekte können Unterperformance verstärken:

1. Vertrauensverlust: Ein Stürzer, der nicht trifft, kann anfangen, zu zögern oder zu überlegen. Dies führt zu schlechteren Schüssen und noch mehr Unterperformance.

2. Druck: Ein Team, das unter Druck steht (z.B. Abstiegskampf), kann verkrampft spielen und weniger effizient sein.

3. Momentum: Ein Sieg kann das Vertrauen stärken, eine Niederlage kann es schwächen. Dies führt zu Clustern von Unterperformance oder Überperformance.

4. Mannschaftschemie: Ein neuer Trainer oder ein neuer Spieler kann die Dynamik eines Teams stören, was zu temporärer Unterperformance führt.

Diese Faktoren sind schwer zu quantifizieren, aber sie sind real. Ein analytischer Wetter sollte nicht nur auf xG schauen, sondern auch auf Team-Nachrichten, Trainerwechsel und psychologische Indikatoren.

Taktische und strukturelle Probleme

Manchmal ist Unterperformance nicht temporär, sondern strukturell. Ein Trainerwechsel, eine Verletzung eines Schlüsselspielers oder eine taktische Umstellung kann die Leistung eines Teams dauerhaft verändern.

Werder Bremen (2023/24): Das Team erlitt mehrere Trainerwechsel und Verletzungen. Dies führte zu Instabilität und erklärte einen großen Teil der Unterperformance. Es war nicht nur Pech – es war strukturelle Disruption.

Andere strukturelle Probleme:

• Spielerverkäufe: Wenn ein Top-Spieler verkauft wird, kann die Leistung sinken
• Gegnerische Anpassung: Gegner können taktisch auf Stärken eines Teams reagieren, was zu Unterperformance führt
• Verletzungen: Ein fehlender Schlüsselspieler kann die Leistung erheblich beeinträchtigen

Diese Art von Unterperformance ist weniger vorhersehbar und kann länger andauern.

Gegnerische Stärke und Defensivqualität

Ein oft übersehener Faktor: Die Qualität der Gegner. Ein Team kann hohe xG gegen schwache Gegner erzielen, aber niedrige xG gegen starke Gegner. Dies ist nicht Unterperformance – es ist einfach eine Reaktion auf gegnerische Stärke.

Ähnlich kann ein Team gegen schwache Gegner hohe xGA zulassen (weil die Gegner nicht effizient sind), aber gegen starke Gegner niedrige xGA haben. Dies ist nicht Überperformance – es ist einfach gegnerische Schwäche.

Ein analytischer Wetter sollte xG-Werte gegen die Stärke der Gegner normalisieren. Ein Team mit hohem xG gegen die Top-5-Mannschaften ist beeindruckender als ein Team mit hohem xG gegen die Bottom-5-Mannschaften.

Regression zum Mittelwert: Der Schlüssel zur Prognose

Das wichtigste Konzept für die Vorhersage von Unterperformance ist die Regression zum Mittelwert. Dies ist eine statistische Tendenz, dass extreme Ergebnisse sich über die Zeit wieder in Richtung des Durchschnittswerts bewegen.

Was ist Regression zum Mittelwert?

Stellen Sie sich vor, ein Spieler wirft eine Münze 10-mal und erhält 8 Köpfe. Das ist extrem – wir würden 5 erwarten. Was passiert als Nächstes? Über die nächsten 100 Würfe wird der Spieler näher an 50 Köpfe kommen. Das ist Regression zum Mittelwert.

Im Fußball funktioniert es ähnlich. Ein Team mit xG = 2,5 und nur 1 Tor hat extrem unterperformt. Statistisch sollte es sich bald verbessern und näher an 2,5 Tore kommen. Dies ist nicht garantiert, aber es ist wahrscheinlich.

Wichtig: Regression zum Mittelwert ist nicht "das Team wird besser spielen" – es ist "die Ergebnisse werden sich den Erwartungen annähern." Ein Team könnte besser spielen, aber auch Pech haben und trotzdem unterperformen. Oder ein Team könnte schlechter spielen, aber Glück haben und überperformen.

Wie lange dauert die Regression?

Dies ist eine kritische Frage für Wetter, und die Antwort ist: Es variiert, aber typischerweise 5–10 Spiele für Teams, 3–7 Spiele für Spieler.

Für Teams: Ein Team, das in 5 Spielen stark unterperformt hat, wird wahrscheinlich in den nächsten 5–10 Spielen näher an seine xG-Werte kommen. Dies ist lang genug, dass es in der Tabelle einen Unterschied macht, aber nicht so lang, dass es eine ganze Saison dauert.

Für Spieler: Ein Stürzer, der in 3 Spielen hochwertige Chancen vergeben hat, wird wahrscheinlich in den nächsten 3–7 Spielen wieder treffen. Dies ist kürzer als für Teams, weil individuelle Varianz höher ist.

Für Torwarte: Ein Torwart mit schlechten xGA-Werten wird wahrscheinlich in den nächsten 5–8 Spielen näher an seine xGA kommen.

Diese Zeitrahmen sind Schätzungen, nicht Garantien. Ein Team mit strukturellen Problemen (z.B. Trainerwechsel) könnte länger brauchen. Ein Team mit außergewöhnlicher Effizienz könnte kürzer brauchen.

Praktische Anwendung für Prognosen

Wie nutzt ein Wetter diese Information?

Szenario 1: Ein Team hat in 6 Spielen xG = 15 erzielt, aber nur 8 Tore geschossen. Es unterperformt um etwa 7 Tore. Der Wetter erwartet, dass das Team in den nächsten 6 Spielen näher an seine xG kommt. Wenn die Quoten des Marktes noch immer davon ausgehen, dass das Team wenig Tore schießt, könnte die Quote auf "Über 1,5 Tore" eine Wertquote sein.

Szenario 2: Ein Torwart hat in 8 Spielen xGA = 8, aber 12 Gegentore kassiert. Er unterperformt um 4 Tore. Der Wetter erwartet, dass der Torwart in den nächsten 8 Spielen näher an seine xGA kommt (etwa 8 Gegentore statt 12). Das bedeutet, dass die Quote auf "Über 1,5 Gegentore" wahrscheinlich zu hoch ist.

Diese Szenarien zeigen, wie Regression zum Mittelwert zu Arbitrage-Chancen führen kann.

Unterperformance und Sportwetten: Eine strategische Perspektive

Für Sportwetter ist Unterperformance eine der wertvollsten Informationen, die Sie nutzen können. Sie deutet auf Markteffizienz hin und kann zu Wertquoten führen.

Wie Wetter Unterperformance nutzen

Der Schlüssel ist, dass Märkte oft Ergebnisse übergewichten und Erwartungen untergewichten. Ein Team, das 3 Spiele in Folge verloren hat, wird von Buchmachern oft überbewertet, selbst wenn seine xG zeigt, dass es eigentlich dominant war.

Dies führt zu mehreren Wettmöglichkeiten:

1. Wertquoten auf unterperformende Teams: Wenn ein Team unterperformt, aber hohe xG hat, sind die Quoten auf das Team möglicherweise zu hoch (zu viel Risiko, zu wenig Ertrag). Ein Wetter könnte eine Wertquote finden.

2. Gegentore-Wetten: Ein Team mit hohem xGA (aber niedrigem Toroutput gegen es) könnte niedrige Quoten auf "Über Gegentore" haben. Aber wenn das Team unterperformt, könnte die Quote zu niedrig sein.

3. Langfristige Wetten: Regression zum Mittelwert ist ein langfristiges Phänomen. Ein Wetter könnte auf eine Saison-Linie wetten, dass ein unterperformendes Team sich verbessert.

Fallstudien: Erfolgreiche Wetten auf Underperformer

Fallstudie 1: Werder Bremen (2023/24)

Bremen war ein klassischer Overperformer: xPoints ≈ 19, tatsächliche Punkte ≈ 23. Das bedeutet, dass Bremen Quoten bekam, die zu niedrig waren (zu viel Ertrag, zu wenig Risiko). Ein Wetter, der dies erkannt hat, hätte gegen Bremen gewettet und profitiert, wenn sich die Leistung normalisierte.

Fallstudie 2: Bayer Leverkusen (mehrere Saisons)

Leverkusen ist ein konsistenter Überperformer, aber mit einer Wendung: Die Überperformance ist nicht temporär, sondern strukturell. Das Team ist einfach besser als seine xG suggeriert. Ein Wetter, der dies erkannt hat, hätte auf Leverkusen gewettet und langfristig profitiert.

Fallstudie 3: Ein unterperformender Stürzer

Ein Stürzer mit 0,6 xG pro Spiel über 5 Spiele (insgesamt 3,0 xG) schießt aber nur 0 Tore. Die Quoten auf "Spieler schießt Tor" könnten zu hoch sein, weil der Markt die Unterperformance überbewertet hat. Ein Wetter könnte diese Quote nehmen und erwarten, dass sich der Stürzer bald verbessert.

Häufige Fehler bei der Analyse von Unterperformance

Selbst analytische Wetter machen häufig Fehler bei der Analyse von Unterperformance:

1. Übergewichtung von Ergebnissen: Ein Team, das 3 Spiele in Folge verloren hat, wird oft als "in Form" wahrgenommen, selbst wenn seine xG zeigt, dass es dominant war. Der Markt überreagiert auf Ergebnisse.

2. Ignorieren von xG: Einige Wetter ignorieren xG komplett und verlassen sich nur auf Ergebnisse. Dies führt zu systematischen Fehlern.

3. Zu schnelle Urteile: Ein Spiel von Unterperformance ist nicht aussagekräftig. Ein Wetter sollte mindestens 5–10 Spiele betrachten, um ein Muster zu identifizieren.

4. Verwechslung von Struktur und Zufall: Ein Trainerwechsel könnte strukturelle Unterperformance verursachen, nicht Zufall. Ein Wetter sollte zwischen den beiden unterscheiden.

5. Ignorieren von gegnerischer Stärke: Ein Team mit hohem xG gegen schwache Gegner ist nicht beeindruckend. Ein Wetter sollte xG-Werte gegen gegnerische Stärke normalisieren.

6. Zu viel Vertrauen in Regression: Regression zum Mittelwert ist wahrscheinlich, aber nicht garantiert. Ein Wetter sollte andere Faktoren berücksichtigen, z.B. Trainerwechsel, Verletzungen, taktische Änderungen.

Häufig gestellte Fragen zur Unterperformance

Wie wird Unterperformance im Fußball gemessen?

Unterperformance wird primär durch den Vergleich von Expected Goals (xG) mit tatsächlichen Toren gemessen. Wenn ein Team xG = 2,5 erzielt, aber nur 1 Tor schießt, unterperformt es um etwa 1,5 Tore. Auf Saisonebene wird dies oft über xPoints (erwartete Punkte) gemessen: Wenn ein Team xPoints = 45 hat, aber nur 38 Punkte holt, unterperformt es um 7 Punkte.

Was ist der Unterschied zwischen Unterperformance und Überperformance?

Unterperformance bedeutet, dass tatsächliche Ergebnisse schlechter sind als statistisch erwartet (z.B. xG = 2,5, Tore = 1). Überperformance bedeutet das Gegenteil: tatsächliche Ergebnisse sind besser als erwartet (z.B. xG = 1,2, Tore = 3). Beide Phänomene sind typischerweise temporär und neigen zur Regression zum Mittelwert.

Warum unterperformen Teams mit hohem xG?

Es gibt mehrere Gründe: (1) Pech – statistische Varianz ist normal; (2) Mangelnde Chanceneffektivität – die Spieler schießen nicht präzise; (3) Gegnerische Torwart-Qualität – der Gegner-Torwart spielt außergewöhnlich gut; (4) Psychologische Faktoren – Mangel an Vertrauen oder Druck; (5) Taktische Probleme – der Gegner hat sich gut angepasst.

Kann Unterperformance ein Hinweis auf zukünftige Verbesserung sein?

Ja, oft. Wenn ein Team konsistent hohe xG erzielt, aber wenig Tore schießt, deutet dies auf Regression zum Mittelwert hin. Das Team wird wahrscheinlich bald mehr Tore schießen. Dies ist jedoch nicht garantiert – strukturelle Probleme (z.B. Trainerwechsel) können Unterperformance verlängern.

Wie lange dauert die Regression zum Mittelwert?

Typischerweise 5–10 Spiele für Teams und 3–7 Spiele für Spieler. Dies ist jedoch eine Schätzung. Ein Team mit strukturellen Problemen könnte länger brauchen. Ein Team mit außergewöhnlicher Effizienz könnte kürzer brauchen.

Welche Rolle spielt Unterperformance bei Sportwetten?

Unterperformance deutet auf Markteffizienz hin. Wenn ein Team unterperformt, aber hohe xG hat, sind die Quoten möglicherweise zu hoch (zu viel Risiko). Ein analytischer Wetter kann diese Ineffizienzen nutzen, um Wertquoten zu finden.

Wie erkennt man echte Unterperformance vs. Pech?

Dies ist schwierig, aber einige Indikatoren helfen: (1) Zeitrahmen – Unterperformance über 5+ Spiele ist aussagekräftiger als über 1–2 Spiele; (2) Konsistenz – wenn ein Team konsistent hohe xG erzielt, ist Unterperformance wahrscheinlich temporär; (3) Strukturelle Faktoren – Trainerwechsel oder Verletzungen können echte Unterperformance verursachen; (4) Gegnerische Stärke – xG-Werte sollten gegen gegnerische Stärke normalisiert werden.

Fazit

Unterperformance ist ein Schlüsselkonzept in der modernen Fußballanalyse. Sie offenbart, wenn tatsächliche Ergebnisse hinter statistischen Erwartungen zurückbleiben – ein Zeichen für Pech, psychologische Faktoren oder strukturelle Probleme. Durch die Analyse von xG-Werten und die Anwendung von Regression zum Mittelwert können analytische Wetter Markteffizienz erkennen und Wertquoten finden.

Der Schlüssel ist, zwischen temporärer Unterperformance (die sich wahrscheinlich normalisiert) und struktureller Unterperformance (die länger andauert) zu unterscheiden. Mit dieser Unterscheidung können Wetter intelligentere Entscheidungen treffen und langfristig profitieren.