야구에서의 타점, 쓸모 있을까?
타점이 가지는 의미와 한계, 타점을 대신할 새로운 지표?
타점은 가장 기본적인 클래식 스탯들 중 하나입니다. 또한 가장 직관적인 스탯이죠.
과거부터 투승타타, 다시 말해 투수는 승리, 타자는 타점이라는 말이 있듯이 선수평가에 굉장히 중요하게 쓰였죠.
생각해 보면 그럴만한 이유가 있죠. 야구는 결국 상대팀 보다 더 많은 점수를 내면 이기는 스포츠이고 타점은 그런 점수를 얼마나 많이 만들었는가를 볼 수 있는 지표이기 때문이죠. 실제로 메이저리그 역사에서 누적 1500타점을 넘긴 선수 들은 대부분 명예의 전당에 입성한 위대한 선수들이죠.
그러면 왜 타점의 한계에 대한 말이 나왔을까요?
타점의 한계
앞서 말씀드렸듯이 누적 1500타점을 넘긴 타자들은 대부분이 명에의 전당 선수들일정도로 타점 같은 클래식 스탯은 누적치로 갈수록 꽤 의미를 가지게 됩니다. 얼마나 꾸준히 활약했는가를 볼 수 있거든요.
그러나 표본이 작은 경우 문제가 더욱더 커지죠.
타점의 한계는 클래식 스탯들의 한계를 전형적으로 보여주는 사례입니다.
외부 변수들이 너무 많이 개입됩니다. 주자의 주루능력, 앞 타순의 출루능력, 타자의 타순 등 타자의 실력 외에 개입되는 요소가 많기 때문에 결국 타점이란 스탯의 선수평가로써의 정확도는 떨어질 수밖에 없게 됩니다.
실제 사레를 한번 볼까요?
극단적인 예시이긴 하지만 2013 시즌 신시내티 브랜든 필립스와 피츠버그 앤드류 맥커친의 비교입니다.
보시면 아시겠지만 모든 부분에서 맥커친이 앞서는데도 딱 타점하나에서만 밀리게 됩니다. 왜 이런 일이 일어났을까요?
그 이유는 리그 출루율 1,2위인 조이 보토, 추신수가 브랜든 필립스의 앞에서 많은 출루를 만들어냈고 필립스는 이러한 많은 기회를 받아 성공시켜 내 더 많은 타점을 기록하게 된 거죠.
이처럼 타점이란 스탯은 특히 표본 1,2 시즌으로 작을 때 변동이 너무 크기 때문에 지표로써 적절하지 않게 됩니다. 그러면 이런 문제를 보완 또는 해결할 순 없을까요?
새로운 지표로써의 타점
사실 많은 야구너드들은 새로운 지표 스탯을 만들고 그를 활용하여 선수들을 분석해보기도 합니다.
저 또한 한 명의 야구너드로 이런 활동을 혼자 해보면서 시간을 보내기도 했죠.
그동안 했던 것들 중 하나의 결과를 보여드리려 합니다.
앞서 말씀드렸듯이 타점의 문제는 너무 많은 외부변수가 개입된다는 것입니다.
그렇다면 이런 변수들을 하나하나 제거해 보면 어떨까요?
모든 타자 들은 같은 타순에 있다 하고 같은 기회를 부여받으며 앞선 주자의 능력이 동일하다고 가정할 겁니다.
이때 타점을 기댓값 측면으로 한 번 보는 겁니다.(설명을 잘 못하기도 하고 내용이 워낙 복잡해서 어렵긴 하지만 그래도 재밌게 읽어주세요.)
이미 존재하는 세이버매트릭스중에 RE24라는 개념이 있는데 이와 유사하게 분석을 해볼 겁니다.
먼저 주자 상황을 8가지로 나눕니다.
주자가 없을 수도 있고 1루에만 있을 수도 혹은 만루로 꽉 차있을 수도 있죠? 이런 식으로 주자상황을 나누면 8가지 상황이 나옵니다 이때 각 상황에서의 타점값을 구하고 상황비율에 맞게 조정을 해주는 겁니다.
예를 들어 홈런을 보면 홈런을 쳤을 때 1,2,3,4 타점 중하나 이겠지만 이를 합쳐 각 비율에 맞게 조정해서
다시 말해 만루홈런은 솔로홈런의 개수보다 적을 테니 이 값을 비율에 따라 가중치를 매기는 겁니다.
그 결과 각각의 안타에 따른 타점의 기댓값은 다음과 같이 구할 수 있습니다.(각 상황에 대한 표본은 룰개정이 크게 있었던 23년 이후 3 시즌동안의 메이저리그기록을 참조했습니다.)
1루타:0.16020
2루타:0.41044
3루타:0.59853
홈런:1.59853
볼넷:0.01849
땅볼과 플라이 및 기타 상황:0.04319
이라는 값이 나오게 됩니다 즉 홈런을 치면 1.59853이라는 타점값이 기대되다는 것이죠. 이를 통해 한 시즌 간의 타점 기댓값을 구하고요.
이를 통해 간단한 코딩식을 만들어줍니다. 정말 간단히 값을 계산해 줄 정도로 만요.
#include <stdio.h>
#include <math.h>
int main() {
float GAME, PA, AB, RUN, HIT, TWO, THREE, HR, RBI, SB, CS, BB, SO;
float AG=162;
scanf("% f",&GAME);
scanf("% f",&PA);
scanf("% f",&AB);
scanf("% f",&RUN);
scanf("% f",&HIT);
scanf("% f",&TWO);
scanf("% f",&THREE);
scanf("% f",&HR);
scanf("% f",&RBI);
scanf("% f",&SB);
scanf("% f",&CS);
scanf("% f",&BB);
scanf("% f",&SO);
float L2023=0.1159;
float L2024=0.1123;
float L2025=0.1137;
float L2022=0.1107;
float L2021=0.1159;
float L232425=0.1140;
float ONE=HIT-TWO-THREE-HR;
float REM=PA-HIT-BB-SO;
float XRBI=(ONE*0.16020+TWO*0.41044+THREE*0.59853+HR*1.59853+BB*0.01849+REM*0.04319);
float RBICA=XRBI/PA;
float CAPLUS=100*RBICA/L232425;
float MORESCORE=XRBI-(L2025*PA);
printf("RBICA:%. 4f\n", RBICA);
printf("실제타점:%. 4f\n", RBI);
printf("기대타점:%. 4f\n", XRBI);
printf("RBI/XRBI:%. 4f\n", RBI/XRBI);
printf("RBI-XRBI:%. 4f\n", RBI-XRBI);
printf("CAPLUS:%. 4f\n", CAPLUS);
printf("경기당 타점:%. 4f\n", XRBI/GAME);
printf("평균대비 더 만든 타점:%. 4f\n", MORESCORE);
}
RBICA는 타점 생산능력으로 타석당 기대되는 타점값입니다.
CAPLUS는 리그평균대비 타점생산능력이 얼마나 뛰어난가를 보여줍니다.
이를 통해 각 선수들의 기록을 계산해 줄 겁니다.
먼저 다저스의 기록을 계산해 보면
RBICA:0.1262
실제타점:791.0000 기대타점:780.8654
RBI/XRBI:1.0130 RBI-XRBI:10.1346
CAPLUS:111.0032
경기당 타점:4.8202 평균대비 더 만든 타점:77.4035으로
표본이 클 때 타점의 기댓값과 실제 값이 상당히 유사해지는 걸 볼 수 있습니다.
또한 다저스의 타점 능력을 보면 팀 전체적으로도 상당히 뛰어난 걸 볼 수 있죠.
그러면 이번엔 요즘 가장 핫한 오타니를 볼까요?
오타니의 해당기간 기록은 위와 같습니다 이를 토대로 계산을 해주면
RBICA:0.1820
실제타점:327.0000 기대타점:374.3526
CAPLUS:159.6400
경기당 타점:0.8282
평균대비 더 만든 타점:140.4717라는 값이 나오는데
오타니의 기록을 해석하자면 리그평균대비 약 1.6배 뛰어난 생산능력을 보여주었고
3 시즌 간 평균대비 140 타점 더 이상 낼 것으로 기대되었습니다. 정말 뛰어난 타자인 거죠.
새로운 지표의 한계 및 의미
하지만 당연히도 제가 만든 지표에도 문제가 있습니다.
무엇보다 종합적인 지표로 보기 부족합니다. 일부 측면만 자세히 본 지표라 종합적인 지표로는 이 분야 끝판왕인 WRC+를 따라갈 수 없거든요.
특히 제가 만든 지표는 출루 보다 장타에 더욱 초점이 맞춰진 거라 배드볼히터가 꽤 높게 나오는 경향이 생기죠.
또한 기댓값을 구하면서 저의 능력의 한계상 생략하거나 축소시킨 작은 부분들도 있기 때문에 아주 정밀한 부분에서는 문제가 생길 수도 있죠.
그럼에도 단순히 타점 생산 측면에서 본다면 목표와는 맞는 지표이기에 의미가 있다고 생각합니다. 앞으로 문제점들도 차차 보완해 나갈 거 기도 하고요.
그럼 긴 글 읽어 주셔서 감사합니다.
출처:Baseball Reference