Winnaars van het FIFA Wereldkampioenschap Qatar 2022 voorspellen

Wie is de G.O.A.T.?

Wat was het beste nationale voetbalteam aller tijden? Was het Brazilië met Pelé en Jairzinho rond 1970 of Spanje in 2010 met Andrés Iniesta, Xavi en Iker Casillas? Voetbalfans (of soccerfans!) discussiëren vaak fel over welk team beter is en welk team het beste is, maar zonder data blijft het slechts een mening. 

Om het FIFA Wereldkampioenschap Qatar 2022 te vieren, kijken we eens kwantitatief naar de kracht van verschillende nationale teams in de afgelopen 70 jaar!

Een eenvoudig model

We beginnen met alle interlands, inclusief oefenwedstrijden, voor teams met minstens 200 wedstrijden. (Dit sluit enkele teams uit die in deze periode niet consequent hoog presteerden, zoals het nationale team van de Seychellen.) Voor de eenvoud modelleren we alleen zeges, gelijke spelen en nederlagen, en negeren we strafschoppenseries. We vertalen een overwinning naar één punt, een gelijkspel naar een half punt voor elk team, en een verlies levert nul punten op. 

Neem bijvoorbeeld de WK-finale van 2018 in Moskou, waarin Frankrijk met 4-2 won van Kroatië: geef één punt aan Frankrijk en nul aan Kroatië. Net zoals we doen bij bijvoorbeeld Duitsland-Brazilië (7-1) in Belo Horizonte op het WK 2014. Strafschoppenseries zoals Italië-Frankrijk (5-3) in de WK-finale van 2006 na Zinedine Zidane’s kopstoot tegen Marco Materazzi in Berlijn tellen als gelijkspel, met een half punt voor elk team, omdat de reguliere speeltijd onbeslist eindigde.

Hoe kunnen we nu de sterkte van een team meten? Sterkte in het voetbal is berucht lastig vast te stellen vergeleken met andere sporten, omdat er door het lage aantal doelpunten (het primaire signaal waarin we geïnteresseerd zijn) veel meer toeval of ruis is. Deze statistische uitdaging wordt nog verergerd door het geringe aantal wedstrijden dat nationale teams spelen vergeleken met clubteams.

Een eenvoudige statistiek zou gewoon het aantal punten in de laatste 20 wedstrijden kunnen zijn. Dat vertelt ons echter niets over teams die in die laatste 20 duels niet tegen elkaar speelden. Denk aan Costa Rica met de uitzonderlijke keeper Keylor Navas, dat Uruguay en Italië versloeg, gelijkspeelde tegen Engeland en uiteindelijk Groep D won op het WK 2014 (met Engeland en Italië die werden uitgeschakeld). We zouden ook een logistische regressie kunnen draaien met alle teams (en tegenstanders) als features, wat het lastig maakt om dynamiek in de tijd mee te nemen. Om zowel relatieve sterkte als tijdsdynamiek te vangen, kijken we naar een geavanceerdere maat: de Elo-rating.

Elo-ratings

Elo-ratings, genoemd naar natuurkundige Arpad Elo, en niet te verwarren met de Britse rockband ELO uit de jaren 70, zijn bedacht om de sterkte van schakers te meten en te ontmoedigen dat sterke schakers alleen nog maar tegen zwakkere spelers zouden spelen om veel punten te sprokkelen. Elo-ratings zijn ook te vertalen naar kansen, en spelers met vergelijkbare Elo’s hebben ongeveer evenveel kans om te winnen.

Maar hoe werkt Elo? We slaan de formules hier over, want het is vrij intuïtief: de winnaar neemt punten over van de verliezer, en het aantal punten hangt af van het verschil in ranking. Als een hoger gerangschikte speler van een lager gerangschikte wint, krijgt hij maar weinig punten; maar als een lager gerangschikte een hoger gerangschikte verslaat, krijgt hij juist veel punten.

Een ander voorbeeld: op het WK 2018 verloor Engeland in de halve finale met 1-2 van Kroatië. Engeland was favoriet met een Elo van 1837 tegen 1757 voorafgaand aan de wedstrijd. Dat komt neer op een winstkans van iets boven de 60% voor Engeland (gelijkspellen genegeerd). In de verlenging won Kroatië echter via een doelpunt van Mario Mandžukić, en Kroatië won 12 Elo-punten terwijl Engeland er 12 verloor (Elo-veranderingen zijn in het algemeen symmetrisch).

Een grote verrassing was Zwitserlands zege op Spanje in de groepsfase van het WK 2010. Zoals we zo zullen zien, had Spanje, de latere wereldkampioen, toen de hoogste Elo-rating en zou het 84% kans hebben gehad om te winnen (opnieuw gelijkspellen genegeerd), en verloor het bijgevolg 17 Elo-punten.

De beste teams ter wereld sinds 1960

Laten we nu kijken naar de beste teams in de tijd volgens de Elo-rating. We gebruiken de jaren 50 voor kalibratie en beginnen in 1960. Zoals je in de onderstaande grafiek ziet, domineert Brazilië de voetbalwereld en staat het bovenaan in 42 van de 63 beschouwde jaren. Afgezien van Brazilië kwamen slechts 5 andere teams op nummer één. Rusland—rondom zijn legendarische keeper Lev Jasjin—voor één jaar in 1964. Duitsland in 1980, toen het het EK won, en opnieuw na de WK-winst in 1990, met Lothar Matthäus als aanvoerder. Frankrijk, na de EK-winst tussen 2001 en 2007 met spelers als Zinedine Zidane en Thierry Henry. Zij werden in 2008 afgelost door Spanje, dat drie titels op rij won tussen 2008 en 2012 (inclusief het WK in 2010). Het Argentinië van Diego Maradona of Lionel Messi haalde volgens deze rating nooit de toppositie, en ook het Nederland van Johan Cruijff in de jaren 70 niet.

De Elo-ratings gaan gestaag omhoog. Dat kan deels komen door betere talentherkenning en training in het voetbal, maar het is ook bekend dat Elo-ratings de neiging hebben om in de loop der tijd te inflateren (ja, inflatie is tegenwoordig overal). Er zijn verschillende manieren om Elo aan te passen om die inflatie te corrigeren, maar dat valt buiten de scope van dit artikel.

Wil je deze grafiek zelf reproduceren? Open dan de DataCamp Workspace die is gebruikt om de data voor te bereiden en de grafiek te tekenen.

Wie wint het WK in 2022?

Tot slot: kijkend naar het komende WK in Qatar, welke teams maken de grootste kans om de trofee mee naar huis te nemen? De meest recente Elo-ratings geven een indruk van de huidige vorm.

Bovenaan staat sinds 2013 opnieuw Brazilië met een rating van 2000, gevolgd door Argentinië, Spanje, Frankrijk en België. Zelfs dit eenvoudige model—dat geen rekening houdt met hoe makkelijk of moeilijk de groepsfase voor elk team is—ligt redelijk in de lijn van de voorspellingen van bookmakers, die Brazilië ook als grootste kanshebber zien.

Als Brazilië en Argentinië elkaar in de finale treffen, voorspelt ons Elo-model dat Brazilië licht favoriet is met 58% winstkans.

Blijf leren

Als je geïnteresseerd bent in voorspellen met data, probeer dan eens een van de carrièrepaden voor machine learning scientists.

• Machine Learning Scientist in Python
• Machine Learning Scientist in R

Als je tot hier bent gekomen en je wilt nog meer leren over Elo-ratings en voetbal, bekijk dan dit artikel in het International Journal of Forecasting, dat ook beschrijft hoe Elo-ratings als features voor andere modellen kunnen worden gebruikt: Using ELO ratings for match result prediction in association football.