티스토리 뷰



2000년대 초반의 DIPS이론이 대두된 이래로, 투수의 땅볼, 뜬공 비율은 선수의 성향과 능력을 측정하는 아주 중요한 메트릭스가 되었습니다.  올해 개편된 KBO홈페이지 기록실에서 투수의 AO(뜬공아웃), GO(땅볼아웃) 기록이 제공되고 있는 것은 그래서 아주 반갑고 고무적인 일입니다.


GB%는 투수의 특징이 드러나는 가장 “안정적인” 메트릭스입니다.  ERA는 말할 것도 없고 FIP 조차 홈런이 차지하는 비중으로 인해 신뢰할 만한 정보를 얻기 위해서는 꽤 많은 데이터 샘플 사이즈가 필요합니다.  하지만 GB%는 200타석이나 300타석 정도의 샘플사이즈로도 통계적으로 신뢰할 만한 데이터를 얻을 수 있습니다.   


피칭의 결과를 "타격하지 않은 결과"(BB, SO)와 그외 나머지 타격한 결과로 나누어서 볼때, “타격한 결과”에 대해 가장 중요하게 참고될 수 있는 메트릭스가 GB% 또는 FB% 입니다.


1. 투수에게 땅볼은 땅볼투수들은 수비 특히 팀의 내야수비능력에 의해 성적의 많이 영향을 받습니다.  팀과 투수의 궁합을 해석하거나 예측하는데 유용합니다.


2. 라인드라이브 타구의 평균 SLG는 .978 땅볼은 .220 플라이볼은 .494 입니다. (팬그래프)  따라서 투수의 장타허용을 예측하는데 유용합니다.


3. 그밖에 병상타 유도 가능성을 예측할 수 있고 허용BABIP의 편차를 예측하는데도 유용합니다. (땅볼투수들이 BABIP이 좀더 들쭉날쭉합니다)


이런 이유로 FIP 이후, FIP의 단점을 보완하기 위해 만들어진 거의 모든 피칭메트릭스는 GB%와 FB%를 가장 중요한 투수의 elemental stats 으로 사용합니다.  달리 말한다면 batted ball 의 결과는 GB% FB%로 풀고 batted ball 이 아닌 상황은 SO와 BB로 푼다고 보면 됩니다.


그런데 비슷하게 혼돈되는 것과 달리 AO GO 는 땅볼, 뜬공 비율은 아닙니다.  아웃된 타구에 대해서만 기록된 것이기 때문에 차이가 납니다.  그래서 팬그래프에서 (친절하게도) AO GO 데이터를 이용해서 GB%를 추정할 수 있는 방법을 알려줍니다.  MLB 와 KBO 의 차이가 있을 수는 있겠지만 정확하게 측정된 GB 데이터가 없는 상태에서라면 선택할 수 있는 제일 나은 대안일 수 있습니다.  


http://www.fangraphs.com/blogs/converting-goao-to-gb/


y=0.1813ln(x) + 0.3826 의 추세선에 대해서 R^2=0.9349 라는 아주 높은 설명력을 가집니다.  (선형추세선이 아니라 로그추세선임을 주의)

대략 조견표 쯤에 해당하는 테이블을 만들면 아래와 같습니다. 


GO/AOGB%
0.6530.4%
0.7533.0%
0.8535.3%
0.9537.3%
1.0038.3%
1.2542.3%
1.5045.6%
1.7548.4%
2.0050.8%
2.5054.9%
3.0058.2%
3.5061.0%
4.0063.4%
4.5065.5%



추정식을 이용해서 올시즌 현재 KBO리그 투수들의 GB%를 추정하면 다음과 같습니다.  


추정식의 구조상, GO/AO 와 xGB% 어느 쪽이든 서열이 달라지진 않습니다.  하지만 로그추세선으로 추정한 값이기 때문에 빈도분포에서 변별력이 달라집니다.  그리고 qERA 등 advanced FIP 지표들을 계산할 수 있는 GB% 스케일의 값을 얻을 수 있다는 것이 가장 중요한 잇점입니다.  (물론 그 다음단계로 넘어가기 위해서는 파크팩터 문제가 또 다른 장애물로 튀어나오긴 합니다.  그 문제는 또 다른 해결방법을 찾아내야겠죠)




댓글
댓글쓰기 폼