期待得点（xG）はサッカーのパフォーマンスを表すが、将来のチーム・パフォーマンスを予測する時系列信号としての価値は十分に確立されていない。本研究では、各競技--シーズン内で定義した時系列の学習・検証・テスト期間により、30の競技から得た32,121試合を用いて、チーム単位xGの1ステップ先予測を評価した。主要な目的変数は焦点チームのxG（\( \mathrm{xG}^{F} \)）であり、xG対戦相手（\( \mathrm{xG}^{A} \)）とxG差（\( \mathrm{xG}^{D} \)）はペアとなるチーム予測から導出した。ローリング平均、ARIMA、線形混合効果、XGBoost、Temporal ConvNetモデルを比較した。保持したテスト集合では、混合効果モデルが焦点チームの\( \mathrm{xG}^{F} \)で最小のMAE（ベンチマーク0.591に対して0.545）を達成し、\( \mathrm{xG}^{D} \)でも最小のMAE（0.861に対して0.790）を達成した。XGBoostはMAEが同程度であり、\( \mathrm{xG}^{D} \)の方向性精度が最も高かった（66.35%）。対になったブートストラップ推論により、混合効果モデル、XGBoost、Temporal ConvNetではローリング・ベンチマークに対する改善が示されたが、ARIMAでは示されなかった。XGBoostは30の「1競技除外」評価のすべてでローリング・ベンチマークを上回った。しかし、チーム、相手、競技、シーズン、会場情報に加えて、最近のxG履歴特徴を導入しても、テスト集合のMAE低下は統計的に検出されなかった。情報を揃えた条件では、XGBoostとTemporal ConvNetのMAEは数値的に同程度であった。これらの結果は、構造化されたパネル予測を支持する一方で、このレトロスペクティブな同一パネル内設計において、最近のxG履歴から得られるMAEの追加的価値が限定的であることを示している。
https://doi.org/10.20944/preprints202609.0090.v1