Leicester's Tale: Another Perspective on the EPL 2015/16 Through Expected Goals (xG) Modelling

논문 요약: Leicester 의 이야기 - EPL 2015/16 시즌에 대한 기대 득점 (xG) 모델링을 통한 새로운 관점

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 축구 분석에서 기대 득점 (Expected Goals, xG) 은 팀의 실제 성과를 평가하고 경기 결과를 예측하는 데 널리 사용되는 도구입니다. 그러나 xG 가 드물고 극단적인 결과 (예: Leicester City 의 2015/16 시즌 우승) 에 대해 의미 있는 확률을 부여하면서도 실제 성과를 얼마나 잘 반영하는지에 대한 질문은 충분히 탐구되지 않았습니다.
• 문제: 기존 연구들은 주로 xG 를 결정론적 예측 도구로 사용하거나 단일 경기 예측에 집중했습니다. 하지만 리그 전체의 순위 불확실성 (Ranking Uncertainty) 을 정량화하고, xG 기반 모델이 드문 사건 (Underdog victory 등) 을 어떻게 해석해야 하는지에 대한 프레임워크는 부족했습니다.
• 핵심 질문: xG 모델이 최종 리그 순위의 드문 결과를 정확히 예측할 수 있는가, 아니면 시즌이 예상치 못한 방향으로 진행될 수 있음을 조기에 경고하는 신호 (Early-warning signal) 로서 더 유용한가?

2. 방법론 (Methodology)

이 연구는 2015/16 EPL 시즌 데이터를 기반으로 한 확률론적 추론 프레임워크를 개발했습니다.

• 데이터 소스:
  • EPL 2015/16 시즌의 380 경기 (20 개 팀) 및 975 골에 대한 경기별 (Match-level) 및 이벤트별 (Event-level) 데이터 사용.
  • 주요 변수: 슈팅 위치, 슈팅 방향, 신체 부위, 상황 (오픈 플레이, 세트피스 등), 어시스트 방법, 역공 여부 등.
• xG 모델 구축 (Logistic Regression):
  • 각 슈팅이 골로 이어질 확률을 이진 분류 문제로 설정.
  • 특성 공학 (Feature Engineering): 거리 기반 존 (Distance Zones), 세부 공간 존 (Granular Spatial Zones), 신체 부위, 상황 등을 포함.
  • 모델 비교: 3 가지 모델 (기본 모델, 상호작용 모델, 세부 공간 존 모델) 을 비교하여 AIC(Akaike Information Criterion) 와 잔차 편차 (Residual Deviance) 를 기준으로 최적 모델 선정.
  • 결과: 세부 공간 존 (Granular Spatial Zones) 을 사용한 모델이 가장 낮은 AIC(5261.82) 를 보여 최적의 적합도를 보임.
• 시즌 시뮬레이션 프레임워크:
  • Poisson 과정 기반: 팀별 공격력 (xG for) 과 수비력 (xG against) 을 기반으로 Poisson 분포를 사용하여 각 경기의 득점 수를 시뮬레이션.
  • 전향적 (Ex Ante) 분석: 시즌 중반 (19 경기 종료 시점) 데이터만 사용하여 시즌 후반을 시뮬레이션. 이를 통해 '조기 진단' 능력을 평가.
  • 후향적 (Ex Post) 벤치마크: 전체 시즌 데이터를 사용하여 모델의 이론적 상한선 (Upper bound) 을 평가.
  • 반복 시뮬레이션: 1,000 회 이상의 시뮬레이션을 통해 순위 분포, 우승 확률, 상위 4 위 진입 확률, 강등 확률 등을 추정.

3. 주요 기여 (Key Contributions)

1. 순위 불확실성의 정량화: xG 기반 시뮬레이션을 통해 리그 전체의 순위 불확실성을 정량화하고, 실제 순위와 xG 기반 기대 순위 간의 편차를 분석하는 체계를 제시함.
2. 희귀 사건의 확률론적 해석: Leicester City 의 우승과 같은 극단적 결과가 모델의 틀에서 완전히 벗어난 것이 아니라, 확률 분포의 '꼬리 (Tail)'에 위치하는 드물지만 가능한 결과임을 입증.
3. 전향적 진단 도구로서의 xG: 시즌 중반 데이터만으로도 팀의 잠재적 경쟁력을 파악하고, 시즌 후반의 성과를 예측하는 조기 경고 시스템으로서 xG 의 가치를 규명.
4. 실증적 검증: 실제 EPL 데이터를 활용한 구체적인 사례 연구를 통해 이론적 모델의 실용성을 검증.

4. 주요 결과 (Results)

• 시즌 중반 진단 (Mid-season Analysis):
  • 시즌 중반 xG 는 시즌 후반의 점수 획득과 강한 상관관계를 보임 (점수만으로는 설명되지 않는 잠재적 성과 지표).
  • Leicester City: 시즌 중반 리그 2 위였으나, xG 기준으로는 4 위 수준이었음. 그러나 모델은 Leicester 에게 우승 확률 16.7%, 상위 4 위 진입 확률 80% 이상을 부여함.
  • 이는 Leicester 의 우승이 완전히 우연이 아니라, 강력한 기반 성과 (Underlying Performance) 에 기반한 드문 결과 (Low-probability but feasible outcome) 였음을 시사.
• 시뮬레이션 결과:
  • Arsenal, Manchester City 등 전통적인 강호들은 높은 우승 확률을 보였으나, 실제 결과는 xG 기대치보다 낮았음 (과대평가).
  • Chelsea 와 Manchester United 는 xG 대비 실적이 저조하여 xG 모델이 포착하지 못한 요인 (부상, 전술적 불안정 등) 이 작용했음을 보여줌.
  • 강등권 팀 (Aston Villa 등) 은 높은 강등 확률 (90% 이상) 을 보이며 실제 결과와 일치함.
• 전향적 vs 후향적 비교:
  • 전체 시즌 데이터를 이용한 후향적 분석에서도 Leicester 의 우승은 예측하기 매우 어려웠음 (RMSE 등 오차 존재). 이는 xG 가 결정론적 예측 도구보다는 **확률론적 기준 (Probabilistic Baseline)**으로서 더 적합함을 의미.

5. 의의 및 결론 (Significance)

• xG 의 역할 재정의: 이 연구는 xG 를 단순한 예측 도구가 아닌, 불확실성을 정량화하고 구조적 강점을 식별하는 조기 경고 시스템으로 재정의합니다.
• 드문 사건의 이해: Leicester 의 우승은 모델의 실패가 아니라, 확률론적 모델이 포착한 '드물지만 가능한 (Rare but feasible)' 사건의 실현이었습니다. 이는 축구 분석에서 '확률의 꼬리'를 이해하는 중요성을 강조합니다.
• 실무적 함의: 구단, 분석가, 베팅 시장은 xG 를 절대적인 예언이 아닌, 팀의 잠재력을 평가하고 리스크를 관리하는 통계적 기준으로 활용해야 합니다.
• 한계 및 향후 연구: 현재 모델은 슈팅의 독립성을 가정하며, 수비 압박, 골키퍼 위치, 팀 전술 스타일 등을 명시적으로 반영하지 못함. 향후 순차적 모델 (RNN 등) 이나 개인별 슈팅 능력 반영 등을 통해 개선이 필요함.

결론적으로, 이 논문은 Leicester City 의 기적 같은 우승이 통계적 이상치 (Anomaly) 일 뿐 아니라, xG 모델이 제시한 확률 분포의 범위 내에서 설명 가능한 사건이었음을 수학적으로 증명하며, 스포츠 분석에서 확률론적 접근법의 중요성을 부각시켰습니다.