Estadísticas Avanzadas de la NHL Aplicadas a las Apuestas: Corsi, xG y Fenwick

Redacción «Apuestas Deportivas nhl» mayo 29, 2026 Tiempo de lectura: 17 min

De los diez sitios web en español que cubren apuestas en la NHL, nueve no mencionan ni una sola vez métricas como Corsi, xG o Fenwick. Llevo años verificándolo y la situación apenas cambia. Mientras tanto, la propia NHL ha instalado hasta 20 cámaras por arena y sensores infrarrojos en cada disco y camiseta para generar datos de rastreo a 60 capturas por segundo. La liga invierte millones en analítica —y la mayoría de apostantes hispanohablantes no aprovecha nada de esa información.

Las estadísticas avanzadas de la NHL aplicadas a las apuestas no son un capricho académico. Son la herramienta que permite detectar equipos que ganan por encima de sus méritos, porteros que mantienen porcentajes insostenibles y partidos donde las cuotas no reflejan el rendimiento real. En esta guía voy a explicar cada métrica con una analogía, una fórmula y una aplicación directa a las apuestas. Sin jerga innecesaria, pero sin simplificar lo que merece profundidad.

Antes de avanzar, un dato para dimensionar el contexto: el mercado global de apuestas en hockey sobre hielo generó 7.003 mil millones de dólares en 2024 y se proyecta que alcance los 10.625 mil millones para 2030. Un mercado de esa escala atrae dinero profesional —fondos, sindicatos de apuestas, modelos algorítmicos. Si quieres competir con ese volumen sin analítica, estás apostando a ciegas contra gente que ve con lupa.

Corsi: medir el dominio territorial de un equipo

Imagina que estás viendo un partido y quieres saber qué equipo domina de verdad —no por el marcador, sino por el juego. Puedes contar los tiros a puerta, claro, pero eso solo te da una parte de la historia. Corsi te da la historia completa.

El Corsi cuenta todos los intentos de tiro de un equipo: tiros a puerta, tiros bloqueados por defensores y tiros que no dieron en el marco. La idea es simple —cuantos más intentos de tiro genera un equipo, más tiempo pasa en zona ofensiva y más presión ejerce sobre el rival. No todos los intentos terminan en gol, pero el volumen de intentos es el mejor indicador disponible de dominio territorial en el hockey sobre hielo.

La métrica se expresa como CF% —Corsi For Percentage. Se calcula dividiendo los intentos de tiro a favor entre la suma de intentos a favor y en contra, multiplicado por 100. Si un equipo genera 55 intentos de tiro y concede 45, su CF% es 55 / (55 + 45) x 100 = 55%. Un CF% por encima del 50% indica que el equipo domina la posesión en términos de zona ofensiva; por debajo del 50%, está siendo dominado.

Para las apuestas, el Corsi tiene un poder predictivo que el marcador no tiene. Un equipo con CF% del 55% en sus últimos diez partidos pero con un registro de 4-6 probablemente ha sido víctima de mala suerte o de un portero con rendimiento bajo. A largo plazo, los equipos con CF% alto tienden a ganar más de lo que pierden —la correlación entre CF% y puntos en la clasificación a final de temporada es una de las más robustas en el análisis del hockey. Si un equipo domina el Corsi pero pierde partidos, las cuotas le castigan como si fuera un equipo malo, y ahí está tu ventaja.

Hay un matiz importante: el Corsi se mide en situación de 5 contra 5 —es decir, excluyendo los power plays y penalty kills. ¿Por qué? Porque en superioridad numérica es lógico que un equipo genere más tiros, y en inferioridad es lógico que genere menos. Incluir esas situaciones distorsionaría la lectura. Cuando consultes datos de Corsi, asegúrate de que son 5v5 —cualquier otra versión es menos fiable para análisis de apuestas.

Un ejemplo práctico: antes de un partido entre el equipo A (CF% 53.8% en los últimos 15 partidos) y el equipo B (CF% 47.2%), las cuotas de moneyline están en -130 y +110. Esa diferencia de CF% de casi 7 puntos es sustancial —el equipo A domina la zona ofensiva con consistencia. Si además el equipo A juega en casa, donde los equipos locales ganan el 56.6% de las veces, tienes dos factores alineados que respaldan una apuesta con fundamento en el moneyline o incluso en el puck line -1.5 si el equipo B tiene un portero suplente.

El Corsi no es infalible. No captura la calidad de los tiros —un equipo puede generar muchos intentos desde posiciones sin peligro, inflando su CF% sin crear oportunidades reales de gol. Por eso existe el xG, que añade la dimensión de calidad que el Corsi no tiene. Ambas métricas se complementan, no compiten.

Expected goals (xG): la métrica que predice goles antes de que ocurran

El xG me cambió por completo la forma de analizar partidos. Antes miraba los tiros a puerta y sacaba conclusiones; ahora miro los expected goals y entiendo de verdad lo que pasó. La diferencia es como comparar un mapa de carreteras con una foto aérea en tiempo real.

Los expected goals —goles esperados— asignan una probabilidad de gol a cada tiro basándose en factores que influyen en la capacidad de anotar. La distancia al arco, el ángulo de tiro, el tipo de jugada previa (pase, rebote, contraataque), la posición de los defensores y la velocidad del disparo. Un tiro desde el slot central a cinco metros de la portería puede tener un xG de 0.15 —un 15% de probabilidad de terminar en gol. Un tiro desde la banda, con ángulo cerrado y un defensor tapando, puede tener un xG de 0.02. La suma de todos los xG individuales de un equipo en un partido da el xG total del equipo.

Russell Levine, vicepresidente de Estadísticas e Información de la NHL, ha explicado que el objetivo del sistema NHL EDGE es transformar esos datos de rastreo en estadísticas que enseñen a los aficionados algo nuevo sobre el juego. El xG es exactamente eso: una estadística que revela la calidad ofensiva real de un equipo, no solo la cantidad de tiros.

Para las apuestas, el xG tiene tres aplicaciones directas. La primera es detectar equipos que anotan por encima o por debajo de lo esperado. Si un equipo ha marcado 35 goles en los últimos 15 partidos pero su xG acumulado era de 42, está siendo menos eficiente de lo que debería —y la tendencia natural es que esa diferencia se corrija. Las cuotas probablemente reflejan los 35 goles reales, no los 42 esperados, así que estás encontrando valor en un equipo cuyas cuotas están infladas artificialmente.

La segunda aplicación es evaluar porteros. Si un portero concede 25 goles en 10 partidos pero el xG en contra de su equipo era de 30, está rindiendo por encima de la media —su tasa de paradas ajustada a la dificultad de los tiros es superior. A la inversa, un portero que concede 30 goles con un xG en contra de 25 está teniendo un rendimiento inferior y probablemente mejorará o será sustituido. El análisis de porteros con métricas como xSV% y GSAA lleva esta idea al siguiente nivel.

La tercera aplicación es en los totales. Si dos equipos que se enfrentan tienen un xG combinado de 6.8 por partido pero la línea de totales está en 5.5, el mercado está infravalorando el potencial ofensivo real de ese enfrentamiento. Ese desajuste entre xG y la línea del operador es una de las fuentes de valor más consistentes que he encontrado en nueve años de análisis.

Un error frecuente es usar el xG de un solo partido para sacar conclusiones. El xG tiene varianza —un equipo puede tener un xG de 4.0 en un partido y 1.5 en el siguiente sin que nada haya cambiado realmente en su rendimiento. La clave es analizar tendencias de al menos 10-15 partidos para filtrar la variabilidad natural. Los modelos de xG son herramientas de tendencia, no de predicción instantánea.

Fenwick: Corsi sin los tiros bloqueados

Si Corsi es la foto completa del dominio territorial, Fenwick es la misma foto con un filtro: elimina los tiros bloqueados de la ecuación. La pregunta es si ese filtro mejora o empeora la imagen, y la respuesta depende del contexto.

El Fenwick cuenta los tiros a puerta más los tiros que no dan en el marco, pero excluye los tiros bloqueados por defensores. La lógica detrás de esta exclusión es que un tiro bloqueado dice más sobre la posición del defensor que sobre la capacidad ofensiva del equipo que tira. Un equipo puede generar muchos intentos de tiro que son bloqueados sistemáticamente porque dispara desde lejos o desde posiciones previsibles —eso infla el Corsi pero no refleja peligro real.

El FF% —Fenwick For Percentage— se calcula igual que el CF% pero sin los tiros bloqueados. Un equipo con CF% de 54% y FF% de 52% está generando muchos tiros que se bloquean —lo que sugiere que su dominio territorial no se traduce en amenaza real. Si la diferencia entre CF% y FF% es grande, el Corsi puede estar sobreestimando al equipo.

Para apuestas, el Fenwick resulta más útil que el Corsi en un escenario concreto: partidos entre equipos con estilos defensivos contrastantes. Cuando un equipo se enfrenta a un rival que bloquea muchos tiros —los equipos con sistemas defensivos agresivos pueden bloquear el 15-18% de los intentos—, el Corsi del atacante se ve artificialmente reducido. El Fenwick neutraliza esa distorsión y da una lectura más limpia de quién está generando peligro real.

Existe una variante llamada Fenwick Close, que mide el Fenwick solo durante los momentos del partido en que el marcador está igualado o con diferencia de un gol. La razón es que cuando un equipo va ganando por tres goles, tiende a jugar defensivamente y ceder posesión, distorsionando sus números generales. El Fenwick Close filtra esas situaciones y ofrece la lectura más pura de la dinámica real entre dos equipos. Es la métrica que mejor predice rendimiento futuro, y por tanto la más valiosa para apuestas a medio plazo.

Mi recomendación es usar Corsi como primer filtro y Fenwick como segundo. Si ambos apuntan en la misma dirección —un equipo domina en CF% y en FF%—, la señal es fuerte. Si divergen, algo está distorsionando los datos y necesitas investigar más antes de apostar.

NHL EDGE: el sistema de rastreo que alimenta las estadísticas

Todo dato de Corsi, xG y Fenwick que analizamos sale de algún sitio —y ese sitio, desde hace unos años, es NHL EDGE Puck and Player Tracking. Es la infraestructura tecnológica más avanzada de cualquier liga deportiva profesional, y merece que entiendas cómo funciona para valorar la fiabilidad de los datos que usas.

NHL EDGE utiliza hasta 20 cámaras instaladas en cada arena de la liga, combinadas con emisores infrarrojos integrados en los discos y en los jerseys de los jugadores. El sistema rastrea la posición del disco hasta 60 veces por segundo y la de cada jugador hasta 15 veces por segundo. Esos datos se procesan en tiempo real para generar métricas como la velocidad del tiro, la velocidad de patinaje, la distancia recorrida por jugador, la aceleración en cada jugada y la posición exacta de cada disparo.

Brian Jennings, director de Branding de la NHL, ha destacado que el sistema se desarrolló durante años para crear nuevas experiencias para los aficionados. Pero el impacto para los apostantes es igualmente significativo: NHL EDGE genera los datos brutos que alimentan los modelos de xG y las métricas de rendimiento individual que antes solo estimaban los analistas externos. La velocidad media de un tiro, la distancia desde la que se dispara, la posición relativa del portero en el momento del disparo —todo eso ahora se mide con precisión de centímetros.

Para los apostantes, NHL EDGE cambia el juego en las props de jugadores. Si un delantero tiene una velocidad media de tiro de 145 km/h y se enfrenta a un portero cuyo tiempo de reacción lateral está en el percentil 40, esa combinación específica aumenta la probabilidad de gol por encima de la media. Antes de NHL EDGE, estas evaluaciones eran subjetivas; ahora son datos medibles.

Los datos de NHL EDGE se publican en la propia web de la NHL y en plataformas como MoneyPuck y Natural Stat Trick, que los integran en sus modelos analíticos. No necesitas acceso premium para consultarlos —la liga ha democratizado el acceso a esta información como parte de su estrategia de engagement. Eso significa que cualquier apostante con acceso a internet puede trabajar con los mismos datos que usan los equipos para tomar decisiones tácticas.

Lo que hace especial a NHL EDGE frente a otros sistemas de tracking deportivo es la granularidad. En fútbol, los datos de posicionamiento se capturan 25 veces por segundo para los jugadores, pero no hay un equivalente al rastreo del disco a 60 capturas por segundo. Esa diferencia permite calcular con precisión milimétrica variables como el ángulo exacto del tiro en el momento del disparo, la velocidad de desplazamiento lateral del portero y la distancia entre el tirador y el defensor más cercano —todas ellas inputs directos para los modelos de xG más sofisticados.

Cómo aplicar Corsi y xG a tus apuestas paso a paso

La teoría sin aplicación no sirve para apostar. Voy a recorrer el proceso completo que sigo antes de cada partido, desde la consulta de datos hasta la decisión final. No es complicado, pero requiere disciplina y un poco de tiempo.

El primer paso es consultar el CF% de ambos equipos en los últimos 10-15 partidos. Uso Natural Stat Trick como fuente principal porque permite filtrar por situación de juego (5v5, power play, penalty kill) y por período de tiempo. Busco equipos con CF% por encima de 52% como señal de dominio y por debajo de 48% como señal de debilidad. La franja entre 48% y 52% es zona neutral donde el Corsi no da una ventaja clara.

El segundo paso es cruzar el Corsi con el xG. Si el equipo A tiene CF% de 54% y un xG por partido de 3.1, la señal es doblemente fuerte: domina territorialmente y genera oportunidades de calidad. Si el CF% es alto pero el xG es bajo, el equipo está tirando mucho pero desde posiciones sin peligro —el Corsi sobreestima su rendimiento. Si el CF% es bajo pero el xG es alto, el equipo genera pocas oportunidades pero de altísima calidad —un estilo más contragolpeador que no aparece bien en el Corsi pero sí en el xG.

El tercer paso es decidir el mercado. Cuando el análisis de Corsi y xG señalan a un equipo como claramente superior, evalúo el moneyline. Si la ventaja es moderada y el equipo juega en casa —los equipos locales ganan el 56.6% de las veces, un dato que se amplifica cuando el CF% favorece al local—, el moneyline suele ser la apuesta más limpia. Si la ventaja es amplia y hay un portero suplente en el rival, considero el puck line -1.5. Si el análisis apunta a una discrepancia en los totales —xG combinado alto con línea baja—, los totales over son la opción.

El cuarto paso es comparar con las cuotas del operador. Aquí es donde la probabilidad implícita de la cuota se contrasta con la probabilidad que sugieren los datos. Si el moneyline está en -130 (probabilidad implícita del 56.5%) pero mi análisis basado en Corsi y xG sugiere que el equipo gana el 60% de las veces en ese tipo de escenario, hay valor positivo. Si las cuotas ya reflejan la ventaja que detecté, no apuesto —la cuota justa no es una oportunidad.

Las fuentes gratuitas para hacer este análisis están al alcance de todos. Natural Stat Trick ofrece datos de Corsi, Fenwick y xG por equipo y por jugador con filtros detallados. Hockey Reference proporciona estadísticas históricas y comparativas. MoneyPuck publica modelos de xG propios y probabilidades de victoria basadas en analítica avanzada. Ninguna de estas plataformas cobra por el acceso a datos básicos.

Un último apunte que considero clave: no apuestes contra la tendencia analítica solo porque un equipo ha perdido dos partidos seguidos. La racha de resultados es ruido a corto plazo; el Corsi y el xG son señal a medio plazo. Si un equipo mantiene un CF% de 55% y un xG de 3.0 pero ha perdido tres partidos consecutivos por actuaciones estelares del portero rival, las cuotas se mueven en tu favor. Es exactamente cuando la analítica genera más valor —cuando el mercado reacciona al resultado y no al proceso.

Elaborado por el equipo de «Apuestas Deportivas nhl».