Predizioni su FantaMedia, presenze e prezzi d'asta per ogni giocatore di Serie A. Accuratezza verificabile, metodo trasparente.
Lascia la tua email e blocca il prezzo early-bird:
oppure lascia l'email e ti avvisiamo al lancio:
Niente spam. Solo il Listone e gli aggiornamenti del modello.
Non il solito sito di consigli. Strumenti reali, dati pubblici, tu decidi cosa fare con i numeri.
Probabili titolari, score giornata e tool per schierare. Analizza, schiera, compara.
VaiPrezzi consigliati basati su FantaScore. Budget calibrato per lega 8/10/12.
VaiConfronta ogni giocatore con il suo gemello storico. Capisci che aspettarti.
VaiStats aggiornate ogni settimana: Fm, Pv, xG, xA. Le metriche che contano.
Vai11 stagioni per ogni giocatore. Grafici e dettagli per scelte informate.
VaiInserisci uno scambio, ricevi un verdetto data-driven con alternative.
VaiIl modello è allenato su oltre 100.000 prestazioni reali di Serie A.
Da xG e xA a infortuni, età, minuti giocati: ogni fattore conta.
Ogni previsione è confrontata con la FantaMedia reale di fine stagione: niente scatole nere.
Ogni fantacalcio promette "predizioni accurate".
Solo uno mostra i numeri.
Le nostre previsioni sbagliano in media meno di mezzo voto di FantaMedia sui giocatori che scendono in campo. Niente promesse a parole: confrontiamo la previsione di inizio stagione con la FantaMedia finale 2025-26.
MAE = scarto medio (più basso è meglio). Confronto tra la previsione di inizio stagione e la FantaMedia finale 2025-26 (545 giocatori con almeno una presenza; R² 0,53 sui titolari). Più un giocatore gioca, più la previsione è precisa.
Pubblichiamo tutto, anche i flop. Il modello non prevede infortuni e crisi
improvvise — nessuno lo fa.
Previsioni di inizio stagione 2025-26 vs FantaMedia reale finale · tocca le intestazioni per ordinare.
Sui giocatori che scendono in campo lo scarto medio è circa 0,4 di FantaMedia; sui titolari scende a 0,27. Il 76% delle previsioni resta entro mezzo voto.
Come nascono le previsioni — senza giri di parole.
11 stagioni di Serie A e oltre 60 variabili per giocatore: rendimento storico, xG e xA, minuti giocati, età, cambio squadra, forza di squadra e avversari.
Un modello di machine learning (gradient boosting, XGBoost) impara le relazioni non lineari tra questi fattori e il rendimento futuro, con un modello dedicato per i portieri e una calibrazione per ruolo.
Test walk-forward: alleniamo sul passato e verifichiamo su stagioni mai viste dal modello. L'accuratezza che leggi è quella reale, non gonfiata usando dati che il modello conosceva già.
Accedi per salvare le tue formazioni e tracciare le tue scelte.
FantaData è costruito da Lorenzo Nicchiotti, economista con Master in Economia all'Università di Zurigo. Niente opinioni soggettive, niente guru: solo dati, modelli e metriche verificabili.
Prezzi early-bird · primi 200 iscritti. Pagamento una tantum (no abbonamento). Listone 2026/27 in uscita a fine luglio.