Save percentage og xGA: Vurder målmænd før du placerer ishockey odds

Anthony Stolarz endte sæsonen 2024-25 med den bedste save percentage i NHL: .926. Tallet fyldte forsider og blev refereret af hver eneste bettingkommentator i Nordamerika. Jeg læste det også og tænkte, som mange andre, at her var en målmand, man burde støtte systematisk. Indtil jeg begyndte at grave i tallene. En betydelig del af Stolarz’ .926 kom fra kampe med lav skudkvalitet mod middelmådige hold. Hans performance mod top-tier angreb lå tættere på .905. Det ændrede, hvordan jeg vurderede hans værdi i betting-kontekst.

Save percentage — SV% — er den enkleste metric, vi har til målmænd. Den er intuitiv: procent af skud, målmanden redder. Den er let tilgængelig: publiceres af alle ligaer og opdateres efter hver kamp. Men den er også den mest misforståede metric i ishockey-betting.

Problemet er, at SV% aggregerer alle skud som lige. Et skud fra den blå linje mod ren redning tælles på samme niveau som et skud fra slot-området mod krydsild. Det gør SV% til en grov måler, der kan skjule både over- og underperformance. I resten af artiklen gennemgår jeg beregning af SV%, forskel mellem skud-kvalitet og skud-volumen, hvordan xGA supplerer billedet, og hvor SV% passer i praktisk betting-analyse.

Sådan beregnes save percentage

Formlen er triviel. Antal redninger divideret med antal skud på mål mod målmanden. En målmand, der ser 30 skud og redder 28, har SV% på 28/30 = .933.

Tallet udtrykkes typisk som decimal med tre betydende cifre: .915, .920, .925. Nogle statistiktjenester rapporterer det som procent: 91,5 procent, 92 procent, 92,5 procent. Samme tal, anden formatering.

Ligagennemsnittet i NHL ligger typisk mellem .905 og .910 i de senere år. En målmand på .920 er top-kvartil. En på .925+ er top-10. En på .930+ er elite. Modsat er .900 bundniveau, og .895 eller lavere indikerer typisk en målmand, der er ved at miste sin plads.

For Metal Ligaen ligger ligagennemsnittet lidt højere, omkring .910-.915, fordi skud-kvaliteten generelt er lavere end i NHL. SHL ligger tæt på NHL. KHL har variation afhængigt af sæsonens konkurrenceniveau.

En vigtig sample-størrelses-pointe: SV% er støjende over få kampe. En målmand med .930 over 10 kampe kan være .910 på sigt. Først ved 25-30 kampe er SV% et pålideligt signal om underliggende kvalitet. Før det skal du behandle tallet med forsigtighed.

Skud-kvalitet mod skud-volumen

Her ligger den analytiske hovednøgle. To målmænd kan have identisk SV%, men fundamentalt forskellig performance.

Målmand A ser 30 skud per kamp, og 5 af dem er fra slot-området (high-danger). SV% på .920.

Målmand B ser 30 skud per kamp, og 15 er fra slot-området. SV% på .920.

Målmand B er langt bedre. Han ser samme samlede volumen, men under markant hårdere betingelser. Alligevel vil rå SV% vise dem som identiske.

For betting er konsekvensen stor. Markedet prisfastsætter ofte målmænd baseret på rå SV%. Hvis du kan identificere målmænd, hvis SV% skjuler høj kvalitet (fordi de ser tough shots), er der value. Modsat hvis en målmands SV% er oppustet af lave-kvalitet-skud, er der overprice-risiko.

Praktisk analyse: tjek skud mod-volumen. Et hold med stærk defensiv (få high-danger-skud) giver deres målmand en oppustet SV%. Florida Panthers og Boston Bruins er historisk eksempler — deres målmænd får ofte imponerende SV%-tal, men det reflekterer systemet mere end målmandens individuelle kvalitet.

Omvendt: en målmand hos et defensivt svagt hold ser mange high-danger-skud. Hans SV% kan ligne middelmådig, men hans reelle kvalitet kan være høj. Markedsprisen på modstandernes team total mod ham kan være undervurderet.

xGA og quality-adjusted save percentage som supplement

For at løse skud-kvalitets-problemet bruger moderne analyse xGA — expected goals against. Metricen modellerer hver eneste skud baseret på position, skudtype, skuds-kvalitet og situation. Resultatet er en forventet målscore mod målmanden.

Quality-adjusted save percentage — QA-SV% — er afvigelsen fra xGA. Hvis en målmand har indkasseret 2,3 mål mod xGA på 2,8, har han performet 0,5 mål bedre end forventet. Over en sæson aggregeres dette til “goals saved above expected” (GSAX).

GSAX giver et klarere billede end rå SV%. En målmand med .920 SV% og GSAX +15 er klart top-tier. En målmand med samme .920 og GSAX -3 er boosted af svagt modstanderfelt, ikke egen dygtighed.

For danske bettere er adgangen til QA-SV% og GSAX begrænset. Data findes primært via engelsksprogede analyseportaler som Moneypuck, Natural Stat Trick og Evolving Hockey. Nogle er gratis, andre kræver abonnement. For den seriøse better er investeringen på 100-200 kr. per måned et rimeligt afkast — specielt fordi denne type data stadig ikke er fuldt indregnet i de fleste bookmakeres priser.

Meghan Chayka fra Stathletes har beskrevet det bredere predictionsproblem i NHL 2025-26: “Looking at the numbers and particularly how accurate the betting lines are in predicting game winners, the level of error has continued to increase, meaning games have been harder and harder to predict.” Quality-adjusted metrics er et af de steder, hvor markedet endnu ikke har fuldt indhentet den analytiske udvikling.

Anvendelse i totals og moneyline

Praktisk anvendelse af SV% og dens supplements tager tre former.

For totals: hvis begge holds målmænd har elite-SV% (.920+) og GSAX over +10, er under-totals statistisk favoriseret. Markedet har ofte ikke helt indregnet den samlede målmandskvalitet, især på kampe mellem ikke-topklubber. Totalslinjen på 5,5 kan reelt være tættere på 5,0 baseret på mål-prævention.

Modsat: hvis en eller begge målmænd har middelmådig SV% (under .905) og negativ GSAX, er over-totals favoriseret. Powerplay-effektiviteten på 21,6 procent i 2024-25 — den højeste siden 1985-86 — forstærker dette; svage målmænd lækker specielt PP-mål.

For moneyline: målmandsforskel er ofte den mest direkte edge. En stor forskel mellem holdenes starting goalies — sig .930 mod .905 — er strukturelt favorit for det bedre-målmand-hold, selv om ligapositionen eller formen antyder underdog. Markedet fanger ikke altid denne effekt fuldt ud i moneyline-priserne.

Tredje anvendelse er sidste sekundens annonceringer. Når startopstillingen bekræftes, og det er backup i stedet for starter, er SV%-forskellen direkte signal til line movement. En top-starter på .925 erstattet af en .905 backup giver typisk 15-25 points moneyline-justering. Hvis du reagerer hurtigt, før markedet fuldt justerer, er der edge.

Spørgsmål om sv%

Hvor mange kampe skal en målmands sv% dække, før den er stabil?
Minimum 25-30 kampe for at være statistisk pålidelig. Under det er variansen så høj, at gennemsnittet kan være misvisende. Den bedste praksis er at kombinere sæson-sv% (baseline) med rullende 10-kamps-sv% (aktuel form). Afviger de markant fra hinanden, er noget sandsynligvis ændret — skade, taktisk justering eller slid.
Hvorfor kan en målmand med .910 være bedre end en med .920?
Fordi skud-kvalitet varierer enormt. En målmand på .910 i et defensivt svagt hold, der ser 15 high-danger-skud per kamp, arbejder markant hårdere end en målmand på .920 i et strukturelt stærkt hold, der ser 5 high-danger-skud. Hvis du justerer for skudkvalitet via xGA eller GSAX, kan forskellen vende helt om. Rå sv% er overflade — kvalitetsjustering er dybde.

Hvor sv% passer ind i din samlede analyse

Save percentage er startpunktet for målmandsanalyse — ikke slutpunktet. Den giver dig en enkel baseline, som er tilgængelig overalt og let at sammenligne på tværs af ligaer. Men for at bruge den som reel betting-edge skal du supplere med skud-kvalitets-kontekst, rullende form og ideelt set xGA-baserede metrics. Start med at tracke de 3-4 målmænd, du spiller mest mod, over et par måneder. Når du ser mønstret, hvordan deres SV% svinger afhængigt af modstanderens offensiv, har du fundament til at læse NHL betting tips-markedet mere præcist end de fleste andre spillere.