Value Betting in de Ligue 1: Hoe Bereken Je Expected Value?

Redactie «Ligue 1 Wedden» juni 8, 2026 Leestijd: 17 min

Waarom 90% van de wedders geen value berekent

Vorig seizoen hield ik drie maanden lang elke weddenschap bij die ik plaatste, inclusief mijn eigen kansschatting vooraf. Het resultaat was ontnuchterend: bij meer dan de helft van mijn inzetten had ik geen idee of de odds die ik accepteerde werkelijk gunstig waren. Ik gokte op buikgevoel, vermomd als analyse.

Dat probleem is niet uniek. De gemiddelde Nederlandse online wedder verloor na invoering van speellimieten 119 euro per maand – een daling ten opzichte van 146 euro eerder, maar nog steeds een structureel verlies. Dat verlies ontstaat niet doordat wedders pech hebben, maar doordat ze systematisch weddenschappen accepteren die meer kosten dan ze opleveren. Ze berekenen geen expected value.

Expected value – afgekort EV – is het bedrag dat je gemiddeld wint of verliest per weddenschap als je dezelfde inzet oneindig vaak zou herhalen. Het is het enige getal dat op lange termijn bepaalt of je winstgevend wedt of niet. Alles wat ik in dit artikel beschrijf, draait om dat ene principe: hoe herken je een weddenschap met positieve EV in de Ligue 1?

Het is geen geheim. Het is geen truc. Het is wiskunde – en het vereist discipline om het consequent toe te passen. Maar als je het eenmaal beheerst, verandert het fundamenteel hoe je naar odds kijkt. Niet als prijzen die je accepteert, maar als uitspraken over kansen die je kunt beoordelen, vergelijken en – wanneer de bookmaker het bij het verkeerde eind heeft – uitbuiten.

Wat is expected value en hoe werkt het?

Ik leg expected value het liefst uit met een voorbeeld dat niets met voetbal te maken heeft. Stel je een dobbelsteen voor met zes zijden. Iemand biedt je aan: gooi een zes en je krijgt 7 euro. Elke andere uitkomst kost je 1 euro. Doe je mee?

De kans op een zes is 1 op 6, ofwel 16,67%. Bij winst krijg je 7 euro, bij verlies betaal je 1 euro. De expected value bereken je zo: (kans op winst maal winst) minus (kans op verlies maal verlies). Dat is (0,1667 maal 7) minus (0,8333 maal 1) = 1,167 – 0,833 = 0,33 euro. De EV is positief: gemiddeld verdien je 33 cent per worp. Op termijn wil je dit spel zo vaak mogelijk spelen.

Bij sportweddenschappen werkt het identiek, maar met een cruciaal verschil: de werkelijke kans is niet objectief vastgesteld zoals bij een dobbelsteen. Je moet die kans zelf inschatten. Dat maakt value betting zowel uitdagend als lonend – de bookmaker en jij kunnen het fundamenteel oneens zijn over de kans op een uitkomst, en als jij gelijk hebt, verdien je geld.

Een weddenschap heeft “value” wanneer de odds die de bookmaker biedt hoger zijn dan de werkelijke kans rechtvaardigt. Stel dat je inschat dat Lille 45% kans heeft om thuis te winnen. De fair odds zouden dan 2.22 zijn (100 gedeeld door 45). Biedt de bookmaker 2.50, dan is er sprake van value: je krijgt een betere prijs dan de werkelijke kans verdient.

Het omgekeerde geldt ook: als de bookmaker 2.00 biedt terwijl je inschat dat de kans 45% is, betaal je te veel. De EV is negatief, en op termijn verlies je geld – ongeacht of je deze specifieke weddenschap wint of verliest.

Dit is het punt waar de meeste wedders afhaken. Ze denken: “Maar ik heb die weddenschap toch gewonnen?” Klopt. Maar een enkele uitkomst zegt niets over de kwaliteit van je beslissing. Value betting gaat over de kwaliteit van honderden beslissingen samen. En dat vereist een systeem.

Laat me het nog concreter maken. Stel je voor dat je twee weddenschappen plaatst: een op PSG tegen odds van 1.15 (impliciete kans 86,96%) terwijl je zelf 85% inschat, en een op Lille tegen odds van 3.00 (impliciete kans 33,33%) terwijl je 40% inschat. De eerste weddenschap wint waarschijnlijk, maar heeft negatieve EV – je betaalt te veel. De tweede weddenschap verlies je waarschijnlijk, maar heeft positieve EV – je krijgt meer betaald dan de kans rechtvaardigt. Na honderd herhalingen verlies je geld op de eerste en verdien je geld op de tweede. Dat is tegenintuïtief, en precies daarom werkt het.

De EV-formule stap voor stap toepassen

Genoeg theorie. Laat me je door een concrete berekening lopen met een Ligue 1-wedstrijd als voorbeeld.

Neem een denkbeeldige wedstrijd: Marseille thuis tegen Strasbourg. De bookmaker biedt odds van 1.85 op thuiswinst, 3.60 op gelijkspel en 4.50 op een uitwinst. Jij hebt op basis van je analyse – recente vorm, onderlinge resultaten, blessures, thuisvoordeel – vastgesteld dat Marseille 55% kans heeft om te winnen.

De EV-formule voor een enkele uitkomst is: EV = (kans op winst maal netto-opbrengst) – (kans op verlies maal inzet). Bij een inzet van 10 euro op thuiswinst Marseille: netto-opbrengst bij winst = (1.85 – 1) maal 10 = 8,50 euro. Kans op verlies = 1 – 0,55 = 0,45. De EV = (0,55 maal 8,50) – (0,45 maal 10) = 4,675 – 4,50 = +0,175 euro per 10 euro inzet.

De EV is positief: 17,5 cent per tientje. Dat klinkt bescheiden, maar op honderd vergelijkbare weddenschappen is dat 17,50 euro structurele winst – bovenop je inleg. De Ligue 1 biedt in seizoen 2025/26 met 18 teams in totaal 306 wedstrijden per seizoen. Als je bij een kwart daarvan een value-inzet identificeert, heb je ruim 75 kansen per jaar.

Nu de andere kant: stel dat je kansschatting niet 55% maar 50% is. Dan wordt de EV: (0,50 maal 8,50) – (0,50 maal 10) = 4,25 – 5,00 = -0,75 euro. Negatief. Dezelfde odds, dezelfde wedstrijd, maar een verschil van 5 procentpunt in je inschatting draait de EV van positief naar negatief. Dat illustreert hoe cruciaal de nauwkeurigheid van je kansschatting is.

Een snellere manier om value te detecteren zonder elke keer de volledige formule uit te rekenen: vergelijk de impliciete kans van de odds met jouw kansschatting. De impliciete kans van odds 1.85 is 100 / 1.85 = 54,05%. Als jouw inschatting hoger is dan 54,05%, heb je value. Dat gemiddelde van 2,84 goals per wedstrijd in de Ligue 1 kan daarbij helpen om je over/under-kansschattingen te kalibreren aan de hand van historische data.

Impliciete kans versus werkelijke kans: de marge ontleden

Hier wordt het interessant – en hier scheiden de amateurs zich van de serieuze wedders.

Elke set odds die een bookmaker aanbiedt bevat een ingebouwde marge, ook wel de “overround” of “vig” genoemd. Bij een eerlijk kansspel zou de som van alle impliciete kansen precies 100% zijn. In de praktijk tellen ze op tot 103%, 105% of soms meer dan 110%. Dat verschil is de winst van de bookmaker.

Neem de odds uit het vorige voorbeeld: 1.85 / 3.60 / 4.50. De impliciete kansen: 54,05% + 27,78% + 22,22% = 104,05%. De marge is 4,05%. Die marge wordt verdeeld over alle uitkomsten, maar niet gelijkmatig. Bookmakers laden de marge doorgaans zwaarder op de favoriete uitkomst, omdat de meeste geld daar naartoe stroomt.

KSA-voorzitter Michel Groothuizen waarschuwde in 2025 dat de stijgende kansspelbelasting – van 30,5% naar 34,2% en gepland naar 37,8% in 2026 – bookmakers dwingt om maatregelen te nemen om hun winstgevendheid te behouden. Een van die maatregelen is hogere marges. Dat betekent concreet dat de odds die je als Nederlandse wedder krijgt, structureel minder gunstig worden. De marge ontleden is daardoor niet langer optioneel – het is een overlevingsvaardigheid.

Hoe pak je dat aan? Trek eerst de marge af om de “fair odds” te berekenen. Deel elke impliciete kans door de totale overround. In ons voorbeeld: de faire kans op thuiswinst is 54,05% / 104,05% = 51,95%. De fair odds zijn dan 100 / 51,95 = 1.925. De bookmaker biedt 1.85 – dat is lager dan fair. Als jouw eigen inschatting 55% is, zit je boven de faire 51,95%, en heb je ondanks de marge nog steeds value.

Deze berekening hoef je niet handmatig te doen bij elke wedstrijd. Er bestaan gratis tools die de marge automatisch berekenen zodra je de odds invoert. Maar het begrijpen van het mechanisme is essentieel: het laat je zien dat de odds die je ziet niet “de kans” representeren, maar de kans plus de commissie van de bookmaker. Dat onderscheid verandert alles.

Nog een praktische tip: vergelijk de marges tussen bookmakers voor dezelfde wedstrijd. De ene aanbieder rekent 3% marge op een Ligue 1-duel, de andere 6%. Bij gelijke kansschatting levert de bookmaker met lagere marge automatisch betere odds – en dus vaker value. Dit is geen theorie: ik heb maanden gehad waarin het verschil tussen winst en verlies simpelweg te verklaren was doordat ik bij de aanbieder met de laagste marge inzette.

Welke statistieken gebruik je voor Ligue 1 value bets?

De formule kennen is stap een. De juiste kans inschatten is stap twee – en dat is waar de meeste wedders vastlopen. Waar haal je de data vandaan om een betrouwbare kansschatting te maken?

Ik werk met een gelaagd model. De eerste laag is basale wedstrijdstatistiek: doelpunten gescoord en geïncasseerd, thuis en uit, over de laatste tien wedstrijden. In de Ligue 1 scoren thuisploegen gemiddeld 1,59 doelpunten en incasseren er 1,17 – een thuisvoordeel van circa 31%. Die cijfers vormen de basis, maar zijn te grof om er value mee te vinden.

De tweede laag is expected goals – xG. Dit model berekent hoeveel doelpunten een team “had moeten scoren” op basis van de kwaliteit van hun schoten. Een team dat structureel boven zijn xG scoort, profiteert waarschijnlijk van geluk of uitzonderlijk afwerken dat niet houdbaar is. Een team dat onder zijn xG scoort, zal waarschijnlijk verbeteren. In de Ligue 1, waar PSG alleen al 70 doelpunten maakte dit seizoen, is xG essentieel om de dominantie van de topclub te relativeren tegenover de rest van het veld.

De derde laag is situationele data: blessures, schorsingen, Europese belasting, en of een team iets te winnen of te verliezen heeft. Een club die in de degradatiezone staat, speelt anders dan een club die in niemandsland zweeft. Een club die dinsdag Champions League speelde, roteert mogelijk op zondag. Die factoren kwantificeren is lastig, maar ze negeren is erger.

Mijn aanbeveling voor bronnen: gebruik minstens twee onafhankelijke statistische platforms en vergelijk hun xG-modellen. De modellen verschillen onderling, en die verschillen geven je informatie over de onzekerheid in je inschatting. Hoe groter de consensus tussen bronnen, hoe sterker je kansschatting.

Een laatste punt over data: meer is niet altijd beter. Ik heb periodes gehad waarin ik mezelf verdronk in statistieken en daardoor slechter ging presteren, omdat ik signaal niet meer van ruis kon onderscheiden. Beperk je tot de datapunten die aantoonbaar voorspellende waarde hebben en negeer de rest. Voor de Ligue 1 zijn dat: xG (verwachte doelpunten), xGA (verwachte tegendoelpunten), scorende en incasserende reeksen thuis en uit, en de recente historie tegen vergelijkbare tegenstanders. Alles daarbuiten is fijn om te weten maar zelden doorslaggevend.

Eenmaal per seizoen evalueer ik mijn eigen model door terug te kijken welke datapunten de meeste voorspellende kracht hadden. Verrassend genoeg zijn de simpelste metrics – doelpunten gescoord en geïncasseerd over de laatste acht wedstrijden – bijna net zo voorspellend als complexe xG-modellen. Dat betekent niet dat xG nutteloos is, maar wel dat je er geen geavanceerde software voor nodig hebt om te beginnen.

Praktijkvoorbeeld: value zoeken bij een Ligue 1-wedstrijd

Theorie wordt pas nuttig als je het toepast. Laat me een compleet voorbeeld doorlopen, stap voor stap, met een fictief maar realistisch scenario.

De wedstrijd: Nice thuis tegen Montpellier, speelronde 22 van de Ligue 1 2025/26. Nice staat in de bovenste helft van de ranglijst, Montpellier in de onderste regionen. De bookmaker biedt: Nice winst 1.65, gelijkspel 3.90, Montpellier winst 5.50.

Stap 1: marge berekenen. Impliciete kansen: 60,61% + 25,64% + 18,18% = 104,43%. Marge: 4,43%. Fair kans thuiswinst: 60,61% / 104,43% = 58,04%.

Stap 2: eigen kansschatting. Nice heeft de laatste acht thuiswedstrijden zes keer gewonnen, een keer gelijkgespeeld en een keer verloren. Hun thuis-xG over die periode is 1,85 per wedstrijd, terwijl ze gemiddeld 1,15 xG tegen incasseerden. Montpellier verloor vier van de laatste vijf uitwedstrijden en produceert uit gemiddeld 0,78 xG. Op basis van deze data schat ik de kans op een thuiswinst in op 63%.

Stap 3: EV berekenen. Mijn inschatting (63%) is hoger dan de faire impliciete kans (58,04%). Er zit value in. De EV per 10 euro inzet: (0,63 maal 6,50) – (0,37 maal 10) = 4,095 – 3,70 = +0,395 euro. Bijna 4% rendement per inzet – ruim boven mijn drempel van 2%.

Stap 4: checken of ik iets mis. Is er een sleutelspeler geblesseerd bij Nice die nog niet in mijn model zit? Speelde Nice dinsdag in Europa? Heeft Montpellier een nieuwe trainer die het defensieve systeem omgooide? De Ligue 1 speelt dit seizoen met 18 teams – minder wedstrijden, compacter schema, wat de belasting per duel kan verhogen. Dit soort contextuele checks vormen het verschil tussen een naïeve berekening en een betrouwbare.

Stap 5: inzetten. Ik zet 10 euro op Nice thuiswinst tegen odds 1.65. Niet omdat ik denk dat Nice wint – misschien verliezen ze vandaag – maar omdat ik geloof dat de kans op winst 63% is terwijl ik betaald word alsof die kans 58% is. Op termijn is dat winstgevend.

Dit proces kost de eerste keren misschien twintig minuten per wedstrijd. Na een paar weken heb je het teruggebracht tot vijf minuten, omdat je weet welke datapunten je nodig hebt en waar je ze vindt. De investering in tijd betaalt zich terug in de kwaliteit van je beslissingen – en uiteindelijk in je rendement.

Veelgemaakte fouten bij value betting

Na jaren in deze discipline heb ik een catalogus aan fouten verzameld – de meeste daarvan heb ik zelf gemaakt. Hier zijn de drie die ik het vaakst tegenkom.

De eerste is overschatting van de eigen kansschatting. Het is verleidelijk om te denken dat je de werkelijke kans nauwkeurig kunt inschatten, maar de waarheid is dat elke schatting een foutmarge heeft. Als je inschat dat een team 55% kans heeft, is het realistisch dat de werkelijke kans ergens tussen 48% en 62% ligt. Die onzekerheid moet je meenemen: zet alleen in wanneer de value ruim genoeg is om je foutmarge te absorberen. Ik hanteer een minimale drempel van 3% verschil tussen mijn inschatting en de impliciete kans – daaronder laat ik de weddenschap liggen.

De tweede fout is resultaatdenken. Je plaatst tien value bets, verliest er zes, en concludeert dat je methode niet werkt. Maar zes verliezen op tien is volkomen normaal als je gemiddelde trefkans rond 50% ligt. Value betting is een langetermijnstrategie – de resultaten worden pas zichtbaar na honderden weddenschappen. Geduld is geen cliché, het is een wiskundig vereiste.

De derde fout is marktblindheid: je zoekt value op de 1X2-markt terwijl de echte waarde op de over/under- of BTTS-markt ligt. In de Ligue 1, waar het doelpuntengemiddelde (2,84 per wedstrijd) dicht bij de populairste lijnen zweeft, is de over/under-markt regelmatig efficiënter geprijsd dan de uitslag. Maar dat betekent niet dat daar nooit value zit – het betekent dat je harder moet zoeken. Flexibiliteit in marktkeuze is een van de meest onderschatte vaardigheden bij value betting.

Een vierde fout die ik specifiek bij Ligue 1-wedders zie: de neiging om PSG-wedstrijden over te slaan omdat de odds “te laag” zijn. Lage odds betekenen niet automatisch geen value. Een weddenschap op PSG met odds van 1.25 heeft value als de werkelijke kans boven 80% ligt. De vergissing is om odds en value te verwarren – het zijn twee verschillende dingen.

Value als kompas, niet als garantie

Value betting is geen geheime formule die je rijk maakt. Het is een denkraam dat je dwingt om elke weddenschap te beoordelen op basis van kans en prijs in plaats van op buikgevoel en emotie. In de Ligue 1 – een competitie met voorspelbare patronen aan de top en verrassende volatiliteit in het middenveld – levert dat denkraam structureel betere beslissingen op.

De kern is simpel: reken, vergelijk, en zet alleen in wanneer de wiskunde aan jouw kant staat. Doe je dat consequent, dan ben je al verder dan de overgrote meerderheid van de wedders die hun geld in de Ligue 1 steken.

Veelgestelde vragen over value betting in de Ligue 1

Geschreven door het team van 'Ligue 1 Wedden'.