Какво е Corsi – дефиниция и формула

Corsi е метрика, кръстена на Джим Корси – бивш хокеен вратар и треньор. В съвременния hockey analytics, Corsi представлява ВСИЧКИ опити за изстрел от отбора: изстрели в рамката (Shots on Goal), изстрели извън рамката (Missed Shots) и блокирани изстрели (Blocked Shots). Всяко действие, при което шайбата е изпратена към вратата на противника – при equal strength (5 срещу 5) – влиза в Corsi.

Защо Corsi е по-добро от простото „изстрели в рамката“? Защото missed и blocked shots също са индикатори за зонален контрол и натиск. Отбор с 60 shot attempts (включително 20 блокирани) показва много повече нападателен контрол от отбор с 30 shot attempts и 28 изстрела в рамката. Broader view е по-информативен.

Corsi корелира силно с дял от зоналното време (offensive zone time) – и дългосрочно с резултатите. Изследвания на NHL данни за 5+ сезона показват, че CF% е по-добър предсказващ фактор за бъдещи резултати от самите wins-losses.

Fenwick – разликата от Corsi

Fenwick е кръстен на Матю Фенуик – ранен хокей analytics автор. Формулата е идентична с Corsi, но ИЗКЛЮЧВА блокираните изстрели. Fenwick = Shots on Goal + Missed Shots.

Логиката: блокираните изстрели имат по-голям luck компонент – лоша позиция на защитник, случайно отклонение. Unblocked shot attempts (Fenwick) са по-„чисти“ мерки за реалното нападателно намерение. Fenwick For % (FF%) се изчислява по същия начин: FF% = FF / (FF + FA) × 100.

На практика: CF% и FF% дават много близки стойности и корелират силно помежду си. Повечето аналитици ползват CF% заради по-широкото му разпространение. Natural Stat Trick, MoneyPuck и HockeyViz показват и двете метрики.

Защо CF% над 50% означава доминиране

В хокея позиционният контрол е всичко. Отбор, доминиращ в shot attempts, контролира зоната, оказва натиск на противниковия вратар и принуждава защитниците в грешки. 50% е средното за лигата – над 50% означавате повече shot attempts от противника.

Статистическата реалност: при 60-мач sample, отборите с CF% 53%+ печелят около 56-58% от мачовете. При CF% 56%+, win rate достига 61-63%. Тази корелация е изследвана в множество академични хокей analytics публикации.

Кратък vs дълъг sample: при 5-10 мача CF% може да е изкривен заради нестандартни ситуации. При 30+ мача CF% е надежден показател за истинската сила. Използвайте сезонните данни за baseline, но следете и последните 20-30 мача за текуща форма.

Регресия към средното: ако отбор с CF% 52% е 3-10 в последните 13 мача, очаквайте регресия нагоре. Ако отбор с CF% 47% е 10-3 – очаквайте регресия надолу. Именно тези ситуации предлагат стойност при залагане срещу „горещата форма“.

Примери от NHL

Carolina Hurricanes 2022-23: CF% 55.1%, playoff отбор, но квотите понякога ги подценяваха заради „скучния“ стил. CF% ясно показваше доминиране. Seattle Kraken в дебютния сезон: CF% 51.3% – нов отбор, но анализаторите знаеха, че ще бъдат по-добри от очакваното и така се оказа.

Обратен пример: Montreal Canadiens 2020-21 стигнаха финала на Stanley Cup с CF% около 47% – сериозно разчитайки на изключителното представяне на вратаря Кари Прайс (PDO ефект). Следващия сезон, без магическото вратарско представяне, те бяха между последните в лигата. CF% беше показал реалността.

За реални данни – вижте сезонните CF% таблици:

Как да ги ползваме за залагане

Стъпка 1: Отидете на Natural Stat Trick (naturalstattrick.com). Секция „Teams“ → изберете сезона → филтрирайте по „All Situations“ или „5v5“. Намерете CF% и FF% за двата отбора.

Стъпка 2: Изчислете разликата. CF% разлика над 5% (55% vs 50%) е значима. Над 8% е голяма. Под 3% – двата отбора са близки в shot attempt доминирането.

Стъпка 3: Сравнете CF% с PDO. Отбор с CF% 54% и PDO 975 е жертва на нелука – реалното му качество е по-добро от резултатите. Ако квотата е надценена заради лошите резултати, това е стойностен залог.

Стъпка 4: Добавете вратарски анализ. GSAx на Natural Stat Trick показва колко гола е спасил вратарят над/под очакваното. Вратар с -5.2 GSAx за сезона е по-лош от средното – дори ако официалната SV% изглежда прилично.

Стъпка 5: Интегрирайте с общия хокеен анализ – special teams, schedule, контузии. Corsi е силен инструмент, но не работи изолирано.

Ограничения на метриките

Corsi и Fenwick не са перфектни. Знайте ограниченията им:

Не отчитат качеството на изстрелите. Corsi третира изстрел от голи като равен на изстрел от edge. Expected Goals (xG) моделите адресират това – намирате gi на Natural Stat Trick и MoneyPuck.

Изкривяване при game state. Отбор, водещ с 3 гола, съзнателно дава shot attempts за да пести енергия. Score Adjusted CF% коригира за game state – ползвайте adjusted версиите при анализ.

Слаб при малък sample. При 10-15 мача CF% може да е изкривен заради schedule (много слаби или силни противници) или конкретни тактически решения. Изчакайте 30+ мача за надежден signal.

Не улавя ключови играчи и вратаря. Контузия на star forward или замяна на вратаря могат фундаментално да сменят ефективността. CF% е team metric – добавете player-level анализ.

Чести грешки при анализа

Грешка 1: Ползвате All Situations CF% вместо 5v5. При power play или penalty kill данните са изкривени. Всегда анализирайте 5v5 (equal strength) CF% за чист сигнал.

Грешка 2: Игнорирате Score Adjusted CF%. Обикновеният CF% е изкривен от game state. Score Adjusted версията е по-надеждна – намирате я с отметка на Natural Stat Trick.

Грешка 3: Прилагате CF% без PDO контекст. CF% показва доминиране, PDO показва лук/нелук. Заедно те разкриват пълната картина – поотделно дават непълна информация.

Грешка 4: Очаквате CF% да работи при малък sample. 10-мач CF% е шумен сигнал. Прилагайте метриката с увереност само след 25-30+ мача.

Грешка 5: Не следите xG (Expected Goals) допълнително. Corsi дава quantity, xG дава quality. Отбор с CF% 53% но xG% 48% стреля много, но лошо – реалната му ефективност е под Corsi-сигнала.