Crear tu propio modelo de apuestas: datos, calibración, backtesting y expectativas realistas

Qué es un modelo de apuestas

Un modelo de apuestas es una regla, normalmente estadística, que convierte datos en una probabilidad para cada resultado. Si tu probabilidad es mayor que la probabilidad implícita de la cuota, la apuesta tiene, según tu modelo, valor esperado positivo. Todo depende de una pregunta: ¿es tu probabilidad más precisa que la del mercado?

Paso 1: los datos

• Resultados y cuotas históricas. football-data.co.uk ofrece gratis resultados y cuotas de apertura y cierre de más de 20 ligas europeas en CSV.
• Estadísticas avanzadas. Tiros, goles esperados (xG), posesión. Las fuentes públicas más usadas son FBref y Understat.
• Información de contexto. Alineaciones, lesiones, calendario. Es la más difícil de conseguir de forma sistemática y la que más mueve las cuotas cerca del inicio.

Guarda siempre la fecha y la hora en que cada dato estaba disponible. Lo vas a necesitar para evitar el error más caro del backtesting.

Paso 2: variables y tipo de modelo

Para empezar no hace falta aprendizaje automático. Tres familias cubren casi todo:

• Modelos de goles, como el de Poisson: estiman los goles esperados de cada equipo. Lo construimos paso a paso en la guía de distribución de Poisson.
• Ratings tipo Elo: cada equipo tiene una puntuación que sube o baja según sus resultados.
• Regresión logística u otros clasificadores que usan varias variables a la vez.

Excel basta para un Poisson o un Elo con una liga. Con varias ligas y muchas variables, Python (pandas, scikit-learn, statsmodels) o R son más prácticos. Más variables no significa mejor modelo: cada variable añadida es una oportunidad más de ajustarse al ruido.

Paso 3: la calibración importa más que el acierto

Un modelo calibrado es aquel cuyas probabilidades coinciden con la realidad: de los partidos a los que da un 60 %, se cumplen alrededor del 60 %. Para apostar, esto importa más que el porcentaje de aciertos. Walsh y Joshi (2024) encontraron que elegir modelos por su calibración producía rendimientos claramente mejores que elegirlos por su precisión.

Una medida sencilla es el Brier score (Brier, 1950): el cuadrado de la diferencia entre tu probabilidad y el resultado (1 si ocurre, 0 si no).

predices 60 % y ocurre: (1 − 0,60)² = 0,16
predices 60 % y no ocurre: (0 − 0,60)² = 0,36
cuanto más bajo el promedio, mejor

Compara siempre tu Brier score con el de las probabilidades implícitas de las cuotas de cierre (sin margen). Si el mercado lo hace mejor, y suele ocurrir, tu modelo todavía no está listo.

Paso 4: backtesting y sus trampas

Un backtest simula cómo habría funcionado el modelo en el pasado. Es imprescindible y es donde la mayoría se engaña sin querer:

• Sesgo de anticipación (look-ahead). Usar información que no tenías al apostar: la clasificación final, las cuotas de cierre cuando habrías apostado con las de apertura o las alineaciones confirmadas. Un solo dato del futuro puede convertir un modelo perdedor en uno «rentable».
• Sobreajuste (overfitting). Probar muchas ideas y quedarte con la que mejor salió. En nuestros datos de las cinco grandes ligas (2019/20 a 2024/25), apostar al empate solo cuando la cuota estaba entre 3,20 y 3,59 dio +0,7 % en 3.565 apuestas, mientras todos los empates daban −3,9 %. Parece un hallazgo, pero el error estándar es de unos ±2,6 puntos: es ruido. Si pruebas 20 filtros sin ningún valor real, la probabilidad de que al menos uno parezca significativo al 5 % es de 1 − 0,95²⁰ ≈ 64 %. Bailey y otros (2014) explican el problema con detalle para los mercados financieros.
• Cuotas que no habrías conseguido. El backtest usa la mejor cuota o la de cierre; en la realidad la cuota cambia mientras apuestas, el importe máximo es bajo o la cuenta está limitada.

La defensa: separa los datos en entrenamiento y prueba por fechas, decide las reglas antes de mirar la prueba, y luego haz un periodo de apuestas en papel o con importes mínimos.

La prueba de verdad: las cuotas de cierre

El resultado de 200 apuestas dice muy poco por la varianza. Un indicador mucho más rápido es el closing line value: si apuestas a 2,20 y la cuota cierra a 2,05, has conseguido un precio mejor que el consenso final del mercado. Si tus apuestas baten la cuota de cierre de forma sistemática, el modelo probablemente aporta algo. Si no la baten, un beneficio a corto plazo es casi seguro suerte.

Las cuotas de cierre de las casas de margen bajo son difíciles de batir porque reflejan toda la información pública y el dinero de apostantes profesionales. Lo explicamos en cómo se fijan las cuotas y casas sharp y soft.

Tasa de éxito realista

No existen estadísticas oficiales sobre cuántos modelistas ganan, pero la literatura da pistas:

• Hubáček, Šourek y Železný (2019) construyeron modelos de aprendizaje automático para baloncesto y solo obtuvieron beneficios cuando, además de predecir bien, eliminaron la correlación con las cuotas de la casa. Precisión sola no bastaba.
• Kaunitz, Zhong y Kreiner (2017) encontraron beneficio en fútbol usando las cuotas de muchas casas en lugar de un modelo propio, y describieron cómo las casas limitaron sus cuentas en pocos meses.

Expectativa honesta: cientos de horas de trabajo, la mayoría de modelos sin ventaja demostrable y, en los que la tienen, limitaciones de cuenta en las casas soft. Si te atrae como reto intelectual, adelante. Si buscas un ingreso extra, es un camino largo e incierto.

La alternativa sin modelo para principiantes

Las surebets no requieren predecir nada. Comparan cuotas entre casas y, cuando la suma de las probabilidades implícitas queda por debajo del 100 %, reparten el importe para cobrar lo mismo con cualquier resultado. No hay backtest que se pueda engañar: la cuenta se hace antes de apostar. Tiene riesgos reales (cuotas que cambian, apuestas anuladas, limitaciones) y márgenes pequeños, pero no depende de que tu probabilidad sea mejor que la del mercado. Lo comparamos con otras opciones en estrategias de apuestas comparadas.

Preguntas frecuentes

¿Puedo crear un modelo de apuestas en Excel?

Sí. Un modelo de Poisson o un rating tipo Elo para una liga se pueden montar en Excel con datos gratuitos de resultados y cuotas. Para varias ligas y muchas variables, Python o R son más prácticos.

¿Qué es el sobreajuste en un modelo de apuestas?

Es cuando el modelo se adapta al ruido de los datos históricos en lugar de a patrones reales. Si pruebas 20 filtros sin valor real, la probabilidad de que al menos uno parezca significativo es de un 64 %. Por eso hay que validar con datos separados por fechas.

¿Cómo sé si mi modelo de apuestas funciona?

Compara su calibración con la de las cuotas de cierre y mide si tus apuestas baten de forma sistemática la cuota de cierre. El beneficio de unos cientos de apuestas dice muy poco por la varianza.

¿Cuántos modelos de apuestas son rentables?

No hay estadísticas oficiales, pero los estudios académicos muestran que superar a las cuotas de cierre es difícil y que las casas limitan las cuentas que ganan. La mayoría de modelos caseros no tiene una ventaja demostrable.

Fuentes

• Walsh y Joshi (2024): Machine learning for sports betting: should model selection be based on accuracy or calibration?, Machine Learning with Applications 16
• Hubáček, Šourek y Železný (2019): Exploiting sports-betting market using machine learning, International Journal of Forecasting 35(2)
• Kaunitz, Zhong y Kreiner (2017): Beating the bookies with their own numbers, arXiv:1710.02824
• Bailey, Borwein, López de Prado y Zhu (2014): Pseudo-mathematics and financial charlatanism, Notices of the AMS 61(5)
• Brier (1950): Verification of forecasts expressed in terms of probability, Monthly Weather Review 78(1)
• football-data.co.uk: resultados y cuotas de las ligas europeas (base del cálculo propio)

Estado: octubre de 2026.

Apostar conlleva riesgos, también con las surebets: las cuotas cambian, las apuestas se anulan y las cuentas se limitan. Apuesta solo dinero que puedas permitirte perder. En nuestra página de juego responsable encontrarás ayuda gratuita y confidencial en España.

No es asesoramiento de apuestas, financiero ni fiscal. Solo para mayores de 18 años. Todas las cifras son ejemplos; los resultados reales varían y pueden ser negativos.