Respuesta corta: Los sistemas de apuestas deportivas son reglas para estimar resultados, elegir cuotas, calcular el importe apostado o combinar selecciones. Son tareas distintas. Por sí sola, una regla de staking no puede convertir selecciones con valor esperado negativo en un proceso con valor esperado positivo, con las mismas cuotas y probabilidades condicionales. Los modelos estadísticos se pueden poner a prueba, pero una ganancia histórica no es prueba de una ventaja duradera. Las preguntas útiles son qué supone un sistema, cómo se comparan sus probabilidades con las cuotas disponibles y si sus resultados resisten una prueba realista con datos que no se habían visto antes.
Esta guía separa las matemáticas del marketing. Explica los principales tipos de sistema, desarrolla los cálculos y describe cómo sería una evidencia creíble. Es una síntesis educativa de ABV Tips, un medio de pronósticos deportivos con un interés comercial en este tema. No es un estudio auditado de forma independiente, ni una recomendación para apostar, ni la afirmación de que algún sistema garantice beneficios.
Salvo que se indique lo contrario, los ejemplos usan cuotas decimales hipotéticas, importes apostados en unidades abstractas y apuestas con dos resultados de liquidación: ganada completa o perdida completa. Los retornos incluyen el importe apostado original; los beneficios lo excluyen. Los mercados reales pueden incluir empates, apuestas devueltas, liquidaciones parciales, comisiones, impuestos y otras condiciones que cambian los cálculos. Los ejemplos ilustran mecanismos, no pronósticos de rentabilidades alcanzables.
¿Qué significa «sistema de apuestas deportivas»?
La expresión se usa para varias cosas que conviene evaluar por separado.
| Tipo de sistema | Pregunta que responde | Ejemplos | Principal limitación |
|---|---|---|---|
| Modelo de pronóstico | ¿Qué probabilidad tiene cada resultado? | Modelos de Poisson, ratings, regresión logística, aprendizaje automático | Las probabilidades estimadas pueden ser erróneas o quedar desactualizadas |
| Regla de selección | ¿Qué cuotas disponibles superan una prueba establecida? | Un umbral que compara la probabilidad del modelo con la cuota ofrecida | Un umbral solo es útil si las probabilidades y las cuotas de base son creíbles |
| Regla de staking | ¿Cuánto se arriesga en cada selección? | Stake plano, fracciones fijas, Kelly, progresiones tras pérdidas | Cambiar el importe apostado no demuestra que exista una ventaja |
| Estructura de combinación | ¿Cómo se agrupan varias selecciones? | Combinadas, dobles, round robins y apuestas de sistema | Importan las probabilidades conjuntas y la exposición total |
| Proceso de ejecución | ¿Se puede obtener realmente la oportunidad registrada? | Registro de cuotas con marca de tiempo, reglas de liquidación y límites de exposición | Un resultado teórico puede no sobrevivir a la ejecución real |
Un proceso completo puede incluir los cinco elementos. Llamar «basado en datos» a un proceso dice poco sobre si funciona cada componente. Un modelo de pronóstico muy sofisticado puede combinarse con una regla de staking arriesgada, y una regla de staking prudente puede combinarse con un modelo impreciso.
Existe también una trampa terminológica. Una apuesta de sistema puede referirse a un conjunto de combinaciones más pequeñas, como todas las dobles de cuatro selecciones. Eso es una estructura de apuesta, no necesariamente un sistema estadístico para identificar cuotas favorables.
La literatura académica ofrece ejemplos concretos de esta distinción. Dixon y Coles desarrollaron un modelo de marcadores en el fútbol y examinaron una estrategia de apuestas derivada de él. El trabajo de Kelly aborda la asignación de capital con probabilidades y pagos especificados. Son preguntas relacionadas, pero no intercambiables. Dixon y Coles, 1997; Kelly, 1956.
Las matemáticas básicas: probabilidad, cuota y valor esperado
Cuotas decimales y probabilidad de equilibrio
Con una cuota decimal d, una apuesta ganadora de una unidad devuelve d unidades, incluida la unidad original. Su beneficio neto es d − 1. Una apuesta perdida pierde una unidad.
Si la probabilidad real de ganar es p, el beneficio neto esperado por unidad apostada es:
EV = p × (d − 1) − (1 − p) = p × d − 1
«Esperado» significa una media ponderada por probabilidad, no lo que devolverá la siguiente selección. La probabilidad de equilibrio para esta liquidación sencilla es:
p_break-even = 1 / d
Con una cuota de 1.90, la probabilidad de equilibrio es de aproximadamente 52.63%. Un porcentaje de acierto del 50% a esa cuota pierde dinero de media, aunque las victorias y las derrotas se den con la misma frecuencia.
Un mismo pronóstico puede ser atractivo a una cuota y poco atractivo a otra
Supongamos que un modelo asigna a un resultado un 55% de probabilidad de ganar. Esta probabilidad es un supuesto del ejemplo; no se ha establecido como correcta.
| Cuota decimal | Probabilidad de victoria supuesta | Beneficio neto esperado por unidad | Interpretación con ese supuesto |
|---|---|---|---|
| 1.70 | 55% | −0.065 unidades | −6.5% de rentabilidad esperada sobre lo apostado |
| 1.80 | 55% | −0.010 unidades | −1.0% de rentabilidad esperada sobre lo apostado |
| 1.90 | 55% | +0.045 unidades | +4.5% de rentabilidad esperada sobre lo apostado |
| 2.00 | 55% | +0.100 unidades | +10.0% de rentabilidad esperada sobre lo apostado |
La tabla no identifica una oportunidad rentable. Muestra por qué una selección no puede juzgarse sin conocer su cuota. Si la estimación del 55% es demasiado alta, la aparente ventaja puede desaparecer.
También explica por qué un porcentaje de acierto alto no basta. Un sistema que acierta el 70% de sus selecciones a cuota 1.30 tiene un beneficio esperado de 0.70 × 1.30 − 1 = −0.09, es decir, −9% por unidad. Un sistema con menos victorias puede tener mejor rentabilidad si sus selecciones acertadas pagan cuotas lo bastante más altas.
Las apuestas devueltas y las liquidaciones parciales necesitan sus propias probabilidades
Si una apuesta puede ganar, ser devuelta o perder, usa las probabilidades de los tres resultados. Si la devolución es completa:
EV = p_win × (d − 1) − p_loss
Una apuesta devuelta aporta un beneficio neto de cero. Una media ganada o una media perdida aporta su pago fraccionado real. Simplificar estas liquidaciones en una simple etiqueta de ganada o perdida puede distorsionar tanto el valor esperado como las estadísticas de rendimiento.
Nuestra guía de hándicap asiático explica la mecánica de liquidación; el punto relevante aquí es que el modelo matemático debe coincidir con el contrato real.
Las cuotas incluyen un margen, no un conjunto de probabilidades reales listo para usar
En un mercado con resultados mutuamente excluyentes y exhaustivos, con cuotas decimales d₁, d₂, …, calcula las probabilidades implícitas brutas qᵢ = 1 / dᵢ.
Su suma suele ser mayor que uno. El exceso sobre uno se llama overround (margen de la casa):
overround = Σ(1 / dᵢ) − 1
Por ejemplo, considera un mercado hipotético de dos resultados con cuota 1.90 en ambos. Las probabilidades implícitas brutas son 52.63% y 52.63%, que suman 105.26%. Su overround es de aproximadamente 5.26 puntos porcentuales.
Si los resultados son realmente igual de probables, la pérdida esperada en cualquiera de las dos selecciones es el 5% del importe apostado: 0.50 × 1.90 − 1 = −0.05. Fíjate en que el overround de 5.26% y la pérdida esperada de 5% son magnitudes distintas. El overround no es automáticamente la tasa de beneficio realizada por el operador ni la pérdida esperada en cada una de las selecciones posibles.
Eliminar el overround es una decisión de estimación
Una primera aproximación habitual divide cada probabilidad implícita bruta entre la suma de todas:
pᵢ_normalised = qᵢ / Σqⱼ
Así se obtienen probabilidades que suman uno, pero se asume un reparto concreto del margen. No revela las probabilidades reales. Otros métodos hacen supuestos distintos sobre cómo se distorsionan las cuotas, incluidos los efectos favorito-outsider.
Štrumbelj estudió métodos para obtener pronósticos de probabilidad a partir de las cuotas. La consecuencia práctica es que una «probabilidad justa» inferida de un mercado debe presentarse como una estimación producida por un método declarado. No es un hecho observado. Štrumbelj, 2014.
Por qué las cuotas del mercado son una referencia útil, no un oráculo
Las cuotas agregan información y decisiones comerciales. Pueden reflejar la capacidad de pronóstico, las preferencias de los clientes, la exposición al riesgo y la competencia entre casas. No debe asumirse que sean perfectamente precisas ni que se ajusten mecánicamente para igualar el dinero apostado en cada resultado.
El estudio de Levitt sobre un conjunto concreto de datos de apuestas de fútbol americano encontró indicios de exposición deliberada y de explotación de los sesgos de los apostadores. Cuestiona la explicación simple de que la casa siempre debe equilibrar su book. Sus resultados describen el mercado y el periodo estudiados, no todos los deportes, operadores o mercados actuales. Levitt, 2004.
Sistemas de pronóstico: qué estiman realmente los modelos
Ratings y regresión
Los modelos de ratings resumen la fuerza relativa de equipos o jugadores. Los modelos de regresión relacionan variables predictoras, como la fuerza estimada y la ventaja de jugar en casa, con un resultado o con una distribución de probabilidad.
La familia de regresiones debe ajustarse al objetivo. La regresión logística puede modelar un resultado binario; los modelos multinomiales pueden representar varias categorías de resultado; los modelos de conteo pueden representar goles o puntos. La regresión lineal ordinaria es una herramienta más, no la solución por defecto para cualquier resultado deportivo.
La utilidad predictiva también es distinta de la causalidad. Una variable puede mejorar un pronóstico sin que se haya demostrado que cause el resultado. A la inversa, una explicación causal plausible no demuestra que aporte información predictiva más allá de lo que ya refleja la cuota.
Modelos de Poisson para el fútbol y Dixon–Coles
Un modelo de Poisson básico trata el número de goles de un equipo como una variable aleatoria con una tasa esperada, que suele escribirse λ:
P(G = k) = exp(−λ) × λ^k / k!
Aquí k es un número no negativo de goles y k! es su factorial. Con un modelo para los goles de ambos equipos, las probabilidades de cada marcador pueden sumarse para obtener las de victoria local, empate, victoria visitante o mercados de más/menos goles.
A modo ilustrativo, si un modelo de Poisson independiente asigna 1.5 goles esperados al equipo local y 1.0 al visitante, su probabilidad de un 0–0 es:
P(0–0) = exp(−1.5) × exp(−1.0) = exp(−2.5) ≈ 8.21%
Esta cifra se deriva del modelo supuesto. No demuestra que un partido real tenga esa probabilidad. Entre las limitaciones del modelo están los cambios en la fuerza de los equipos y la dependencia entre los dos procesos de goles.
El artículo de Dixon y Coles de 1997 desarrolló un enfoque basado en la regresión de Poisson para los marcadores de fútbol, que tiene en cuenta la naturaleza dinámica del rendimiento de los equipos, y examinó una estrategia de apuestas derivada de él con cuotas históricas. La rentabilidad histórica que se informa es evidencia sobre el modelo y la muestra de ese estudio. No establece que el mismo enfoque vaya a producir un rendimiento positivo con las cuotas de hoy. Dixon y Coles, 1997.
El aprendizaje automático cambia el tipo de modelo, no la carga de la prueba
Los conjuntos de árboles, las redes neuronales y otros métodos flexibles pueden representar relaciones complejas. También pueden ajustarse al ruido, aprovechar fugas de datos accidentales o funcionar bien en un conjunto de prueba que ha influido discretamente en el desarrollo.
Un modelo que usa más variables no es necesariamente un mejor estimador de probabilidades. Su rendimiento depende de la calidad de los datos, la definición del objetivo, la regularización, el diseño de la validación y los cambios en el propio deporte. Los principios de selección y evaluación de modelos se tratan extensamente en The Elements of Statistical Learning. Hastie, Tibshirani y Friedman, 2009.
En cualquier modelo, pregúntate qué información estaba disponible en el momento de hacer el pronóstico. Un pronóstico «previo al partido» construido con la alineación titular real no es comparable con una cuota registrada antes de que se anunciara esa alineación.
Reglas de selección: el pronóstico es solo una entrada
Una regla de selección convierte probabilidades y cuotas disponibles en una decisión declarada. Por ejemplo, una regla analítica podría marcar selecciones para revisión cuando el valor esperado estimado supere un umbral.
Ese umbral no puede corregir un modelo mal calibrado. Si un modelo sobreestima sistemáticamente la probabilidad de un resultado, seleccionar sus mayores ventajas aparentes puede concentrar la exposición en sus mayores errores.
Un registro transparente debería distinguir:
- La probabilidad del modelo antes de conocerse el resultado.
- La cuota disponible en el mismo momento de la decisión.
- El cálculo utilizado para comparar esa probabilidad con esa cuota.
- La regla de inclusión o exclusión.
- El tratamiento de las cuotas no disponibles, los mercados modificados y las selecciones anuladas.
Estos detalles importan más que una etiqueta como «sistema de valor». Para una introducción más breve al concepto, consulta nuestra guía de value betting.
Sistemas de staking: controlar la exposición es una tarea aparte
Stake plano
El staking plano usa el mismo importe nominal en cada selección. Una apuesta de una unidad sigue siendo una unidad, tanto si la selección anterior ganó como si perdió.
Su principal ventaja analítica es la comparabilidad. Los resultados se ven menos afectados por una decisión de aumentar la exposición justo antes de una buena racha. Sin embargo, una unidad nominal fija pasa a representar una parte mayor de un saldo que se reduce, y una parte menor de uno que crece.
El staking plano no establece un valor esperado positivo. Solo fija una parte del proceso.
Staking de fracción fija
Una regla de fracción fija expone una fracción especificada del saldo actual. Con un 2%, un saldo de 100 unidades implica una apuesta de dos unidades; tras una pérdida, un saldo de 98 unidades implica una apuesta de 1.96 unidades.
Tras diez pérdidas completas consecutivas con esa fracción, el saldo es:
100 × 0.98^10 ≈ 81.71 unidades
El drawdown es de aproximadamente 18.29%, en lugar del 20% que producen diez pérdidas fijas de dos unidades. Esto ilustra cómo cambia la exposición; no demuestra que una regla del 2% sea adecuada ni segura.
En un modelo idealizado, con stakes divisibles y una fracción estrictamente inferior al 100%, el saldo no llega a cero exacto tras un número finito de pérdidas ordinarias. En la práctica, el saldo puede quedar en un nivel inutilizable, los stakes mínimos cuentan y siguen siendo posibles grandes caídas. «Nunca llega matemáticamente a cero» no equivale a «no puede arruinar el presupuesto».
Progresiones positivas y negativas
Los sistemas de progresión cambian el importe apostado según resultados anteriores. Las progresiones negativas aumentan la exposición tras las pérdidas. Las progresiones positivas la aumentan tras las victorias, a menudo con una regla de reinicio.
Entre los ejemplos están Martingale, Fibonacci, D'Alembert y las reglas tipo Paroli. Sus secuencias difieren, pero la pregunta central es la misma: ¿tiene la siguiente selección un valor esperado condicional positivo a la cuota disponible, y cuánto riesgo añade el importe apostado?
Una secuencia de importes apostados no es evidencia de que las selecciones en sí sean favorables.
Por qué Martingale no elimina la desventaja subyacente
El ejemplo clásico de Martingale duplica el importe apostado tras cada pérdida y se reinicia tras una victoria. Su aritmética estándar asume un beneficio neto a la par, equivalente a una cuota decimal de 2.00, sin costes ni complicaciones de liquidación.
Empezando con una unidad, seis apuestas perdidas consecutivas suman:
1 + 2 + 4 + 8 + 16 + 32 = 63 unidades
La siguiente apuesta sería de 64 unidades. Si gana a 2.00, produce 64 unidades de beneficio neto, que compensan la pérdida previa de 63 unidades y dejan una ganancia neta de una unidad. Pero para realizarla hacen falta otras 64 unidades cuando ya se han perdido 63: 127 unidades de capacidad de financiación acumulada para ese recorrido.
Esto produce muchos ciclos con pequeñas ganancias y una pérdida menos frecuente pero mucho mayor cuando una restricción de bankroll, un límite de stake o una regla de parada impide continuar. Por tanto, un alto porcentaje de ciclos exitosos puede convivir con malos resultados esperados.
¿Qué pasa con cuotas inferiores a 2.00?
Con una cuota decimal de 1.90, simplemente duplicar no siempre recupera las pérdidas acumuladas. Tras pérdidas de una y dos unidades, una victoria de cuatro unidades produce 4 × 0.90 = 3.60 unidades de ganancia neta, dejando un beneficio de ciclo de 0.60 unidades. Tras pérdidas de una, dos y cuatro unidades, una victoria de ocho unidades produce 7.20 unidades, y deja solo 0.20 unidades. Tras pérdidas de una, dos, cuatro y ocho unidades, una victoria de 16 unidades produce 14.40 unidades frente a 15 unidades ya perdidas: el ciclo sigue perdiendo 0.60 unidades.
Para apuntar a un beneficio de ciclo especificado con una cuota fija d, la siguiente apuesta necesaria sería:
apuesta siguiente = (pérdidas acumuladas + beneficio objetivo) / (d − 1)
Con cuotas inferiores a 2.00, esa exigencia de recuperación crece más deprisa que la conocida secuencia de duplicación. Además, supone que el importe necesario y la cuota siguen disponibles.
La razón general del valor esperado
Supongamos que el importe sₜ se elige usando solo la información disponible antes de la selección t. Sea pₜ su probabilidad condicional de ganar y dₜ su cuota decimal. Su beneficio neto esperado condicional es:
E[beneficioₜ | información disponible] = sₜ × (pₜ × dₜ − 1)
Si pₜ × dₜ − 1 no es positivo siempre que se haga una apuesta no negativa, cambiar sₜ no hace positiva esa esperanza condicional. En una secuencia finita y fija, o en un proceso con stakes acotados y un horizonte de parada acotado, sumar estos beneficios esperados mantiene esa conclusión. Un argumento de seguir apostando para siempre, sin límites, requiere supuestos matemáticos adicionales y no describe un bankroll finito.
El razonamiento no exige que todas las selecciones sean independientes. Exige que el supuesto de valor esperado condicional se cumpla dada la información usada para elegir el importe. Si cambia de verdad información relevante, hay que reevaluar la estimación de probabilidad; una secuencia de pérdidas por sí sola no es evidencia de que ahora toque ganar.
Las reglas de stop-loss y stop-win pueden cambiar la exposición, la duración de la sesión y la distribución de los resultados. Con estos mismos supuestos, no generan valor esperado positivo.
El criterio de Kelly: un objetivo de crecimiento con supuestos exigentes
El criterio de Kelly asigna capital para maximizar el crecimiento esperado del logaritmo de la riqueza bajo un modelo especificado. El artículo original de Kelly apareció en 1956; trabajos posteriores analizan aplicaciones a las apuestas y a los mercados financieros. Kelly, 1956.
En una apuesta sencilla de ganada completa o perdida completa, sea:
pla probabilidad de ganar.q = 1 − pla probabilidad de perder.b = d − 1la cuota neta.fla fracción de la riqueza expuesta.
El crecimiento logarítmico esperado para una oportunidad de este tipo es:
g(f) = p × ln(1 + b × f) + q × ln(1 − f)
El óptimo interior sin restricciones es:
f* = (b × p − q) / b = (p × d − 1) / (d − 1)
En un entorno que solo permite apostar a favor de la selección, un resultado no positivo significa que no hay asignación positiva con este modelo. No es una instrucción para hacer una apuesta negativa. Hay que aplicar también otras restricciones.
Un ejemplo práctico de Kelly
Supongamos una cuota de 1.90 y una probabilidad de victoria realmente correcta del 55%:
f* = (0.55 × 1.90 − 1) / 0.90 = 0.05
La fracción de Kelly completo del modelo es el 5%. Medio Kelly sería el 2.5%; un cuarto de Kelly, el 1.25%.
Son resultados de supuestos hipotéticos, no importes de apuesta personales recomendados. Una asignación de Kelly completo puede sufrir caídas importantes incluso si las probabilidades son correctas. Maximiza un objetivo concreto de crecimiento a largo plazo, no la probabilidad de acertar la siguiente selección, de evitar pérdidas ni de cubrir una necesidad de dinero a corto plazo.
Un error de probabilidad puede invertir el cálculo
Mantén la cuota en 1.90, pero supón que la probabilidad real es el 52%, no el 55%. El retorno esperado real por unidad es:
0.52 × 1.90 − 1 = −0.012
La aparente oportunidad es ahora una pérdida esperada del 1.2%. Una fracción de Kelly que parece precisa, calculada con una probabilidad errónea, no protege el saldo.
El criterio de Kelly fraccionado reduce la exposición respecto a la asignación completa del modelo, pero no convierte una selección con ventaja negativa en una con ventaja positiva. Para los supuestos, variantes y aplicaciones del criterio, consulta el tratamiento de Thorp en el Handbook of Asset and Liability Management. Thorp, 2008.
Varias posiciones abiertas requieren una visión de cartera
La fórmula simple no justifica aplicar la fracción completa de forma independiente a cada selección simultánea. Varias posiciones pueden depender del mismo partido, equipo, liga o error del modelo subyacente.
Un tratamiento de cartera necesita la distribución conjunta de los resultados, el momento de liquidación y la exposición total. Apuestas que parecen separadas pueden compartir el mismo riesgo. Sumar los stakes de Kelly calculados individualmente puede sobreestimar la asignación total adecuada.
Para un tratamiento más breve de las unidades y la exposición, consulta nuestra guía de gestión del bankroll.
Combinadas, round robins y apuestas de sistema
Una combinada normalmente exige que acierten todas las selecciones. Si todas las selecciones son independientes y la liquidación de cada una, ganada o perdida completa, es compatible con la apuesta combinada:
P(todas ganan) = p₁ × p₂ × … × pₙ
Si su pago decimal es el producto de las cuotas de cada selección:
d_combinada = d₁ × d₂ × … × dₙ
Por tanto, su retorno bruto esperado por unidad es:
retorno bruto esperado = ∏(pᵢ × dᵢ)
Tomemos cuatro selecciones independientes hipotéticas, cada una con una probabilidad de victoria del 55% y cuota 1.80. Cada apuesta simple tiene un retorno bruto esperado de 0.99 unidades por unidad apostada. La combinada de cuatro selecciones tiene:
- Probabilidad de que las cuatro acierten:
0.55^4 ≈ 9.15%. - Pago decimal:
1.80^4 = 10.4976. - Retorno bruto esperado:
0.99^4 = 0.96059601. - Retorno neto esperado: aproximadamente −3.94% del importe apostado.
El pago final más llamativo no demuestra un mejor valor. En este ejemplo, combinar las selecciones acumula sus desventajas.
La independencia es esencial para ese cálculo del producto. Si las selecciones están correlacionadas, su probabilidad conjunta debe modelarse directamente. Incluso las estimaciones favorables de forma individual no establecen el valor de una cuota combinada sin los supuestos de dependencia adecuados.
Por qué el número de aciertos de una apuesta de sistema puede engañar
Un round robin reparte los stakes entre varias combinaciones. Cuatro selecciones contienen seis dobles distintos. Con una unidad en cada doble, el importe total apostado es de seis unidades, no de una.
Si las cuatro selecciones independientes del ejemplo tienen las mismas probabilidades y cuotas, cada doble tiene un retorno bruto esperado de 0.99² = 0.9801 por unidad. La cartera de seis dobles tiene, en consecuencia, un retorno bruto esperado de 6 × 0.9801 = 5.8806 unidades sobre seis apostadas, es decir, una pérdida esperada de 0.1194 unidades, o el 1.99% del volumen apostado.
Los dobles comparten selecciones, así que sus pagos son dependientes. Para sumar sus valores esperados no hace falta que los dobles sean independientes entre sí, pero esa dependencia importa mucho para la variabilidad del resultado total.
«Algunas combinaciones han ganado» no es una medida de beneficio. Hay que contar el importe y la liquidación de cada apuesta. Nuestra guía de apuestas combinadas explica la terminología básica de pagos. Para comprobar la cuota, el pago y la probabilidad conjunta de una combinada, usa nuestra calculadora de combinadas.
El arbitraje y la cobertura son distintos de pronosticar un resultado
En un mercado sencillo con resultados mutuamente excluyentes y exhaustivos, un conjunto de cuotas ejecutables puede dar lugar a un arbitraje teórico cuando:
Σ(1 / dᵢ) < 1
La condición describe una estructura matemática de pagos. Una evaluación en el mundo real debe incluir si todas las posiciones necesarias pueden aceptarse a las cuotas registradas y si coinciden sus reglas de liquidación. La comisión, los cambios de cuota, la aceptación parcial, las apuestas anuladas, las restricciones de cuenta y el riesgo de contrapartida pueden cambiar el resultado.
Cubrirse (hedging) significa tomar otra posición que reduce alguna exposición existente. Puede reducir un riesgo concreto, pero también reducir el beneficio esperado o añadir costes. Ni la existencia de una cobertura ni la palabra «arbitraje» hacen que un proceso operativo esté libre de riesgo.
Esta guía no recomienda una estrategia de ejecución. La diferencia es que los sistemas de pronóstico estiman resultados inciertos, mientras que un cálculo de arbitraje ideal compara un conjunto completo de pagos contratados.
Cómo poner a prueba un sistema de apuestas deportivas sin engañarse
Separar el desarrollo de la evaluación
Un backtest aplica una regla a datos históricos. Solo es útil si el proceso respeta lo que era conocible y estaba disponible en el momento de cada decisión.
El mismo conjunto de datos no debería servir repetidamente como generador de ideas, objetivo de ajuste y supuesta prueba independiente. La literatura general sobre evaluación de modelos explica por qué el rendimiento aparente en los datos de desarrollo es optimista. La investigación sobre backtesting también analiza el riesgo de elegir una regla que parece exitosa entre muchas alternativas. Hastie, Tibshirani y Friedman, 2009; Bailey et al., 2017.
En datos deportivos ordenados en el tiempo, una evaluación auditable puede usar:
- Un periodo anterior de entrenamiento para estimar los parámetros del modelo.
- Un periodo posterior de validación para elegir ajustes y umbrales de selección.
- Un periodo de prueba aún más tardío, que no se toca hasta que esas decisiones están fijadas.
- Un registro posterior y real, con pronósticos fechados antes de los eventos.
La prueba walk-forward repite en el tiempo un proceso de entrenamiento y prueba definido de forma explícita. Cada pronóstico de prueba debe usar solo información anterior. Reajustar el modelo es legítimo cuando forma parte del procedimiento declarado; reescribir el procedimiento tras ver un mal intervalo es un nuevo paso de desarrollo, no una prueba sin tocar.
Auditar las fugas de datos
Entre los problemas habituales de fuga de datos están:
- Usar las clasificaciones de final de temporada para pronosticar partidos jugados antes en esa misma temporada.
- Usar una cuota de cierre para seleccionar una oportunidad supuestamente identificada horas antes.
- Incluir un parte de lesiones que aún no se había publicado en el momento de la decisión.
- Repartir registros muy relacionados entre los conjuntos de entrenamiento y de prueba sin respetar el orden temporal de los eventos.
- Calcular decisiones de preprocesado o selección de variables usando todo el conjunto de datos.
Cada variable predictora debería tener un momento de publicación plausible, no solo una fecha de evento. Una pregunta útil para la auditoría es: ¿podría alguien que hiciera este pronóstico en ese momento exacto haber obtenido esta información concreta?
Contar las reglas que fracasaron
Si se prueban 1000 reglas sin relación entre sí y cada una se evalúa con un umbral nominal de falso positivo del 5%, cabría esperar unos 50 falsos positivos bajo una hipótesis nula global en la que ninguna tiene efecto real. La cifra esperada se obtiene sumando las probabilidades individuales de falso positivo; no hace falta que sean independientes.
Encontrar un resultado llamativo tras una búsqueda amplia es, por tanto, distinto de confirmar una regla especificada de antemano. Hay que declarar el proceso de búsqueda, conservar un conjunto de prueba sin tocar y considerar métodos apropiados de corrección por comparaciones múltiples o de remuestreo. Una búsqueda repetida sobre el conjunto de prueba lo convierte en otro conjunto de desarrollo.
Por eso una regla complicada, como «equipos visitantes en un día concreto de la semana tras dos derrotas», necesita algo más que un porcentaje de victorias histórico atractivo.
Reconstruir la ejecución y la liquidación
Un registro realista debe especificar la fuente de la cuota, la marca de tiempo, la definición del mercado, la disponibilidad del stake, las comisiones y la liquidación. Las selecciones que faltan no deben desaparecer en silencio porque su resultado fuera desfavorable.
Por ejemplo, un pronóstico publicado a las 15:00 no puede contabilizarse con una cuota que solo estaba disponible a las 10:00, salvo que el proceso realmente la registrara y pudiera usarla entonces. Además, el pago máximo indicado no es lo mismo que un stake aceptado a esa cuota.
Documenta las políticas de apuestas anuladas y de liquidación parcial, la conversión de divisas cuando proceda y el tratamiento de la exposición simultánea. Son supuestos que determinan el resultado informado.
Medir por separado las probabilidades, los resultados financieros y el riesgo
Calibración y reglas de puntuación
Un pronóstico calibrado del 60% debería corresponder, en un conjunto de pronósticos comparables suficientemente informativo, a resultados que ocurren alrededor del 60% de las veces. La calibración es una propiedad de grupo, no una promesa de que un evento concreto vaya a salir bien.
Un modelo que predice solo la tasa base general puede estar calibrado y, aun así, no aportar información. La evaluación de probabilidades debe considerar también la resolución (la capacidad de separar resultados distintos), además de la calibración.
Las reglas de puntuación propias (proper scoring rules) evalúan los pronósticos de probabilidad frente a los resultados observados. Dos pérdidas habituales para resultados binarios son:
Brier loss = promedio[(pᵢ − yᵢ)²]
Log loss = −promedio[yᵢ × ln(pᵢ) + (1 − yᵢ) × ln(1 − pᵢ)]
Aquí yᵢ vale uno si hay victoria y cero en caso contrario. Con estas convenciones de pérdida, cuanto más bajo, mejor. Para eventos con varios resultados, hay que usar una definición multicategoría apropiada e indicar su escala. Asignar probabilidad cero a un resultado que ocurre produce una pérdida logarítmica sin límite.
La revisión de Gneiting y Raftery explica por qué las reglas de puntuación propias premian una evaluación honesta de las probabilidades. Sin embargo, un mejor resultado en la puntuación no implica automáticamente beneficio con las cuotas que realmente se pueden ejecutar. Gneiting y Raftery, 2007.
Un informe mínimo de rendimiento
| Medida | Qué describe | Qué no establece |
|---|---|---|
| Porcentaje de acierto | Proporción de selecciones liquidadas registradas como ganadas según una convención declarada | Rentabilidad sin datos de cuotas y liquidación |
| Beneficio neto | Retornos menos stakes y costes incluidos | Si la exposición fue razonable o si los resultados se repetirán |
| Retorno sobre volumen | Beneficio neto dividido entre el importe total apostado | Crecimiento sobre el capital inicial ni certeza estadística |
| Drawdown máximo | Mayor caída desde un pico hasta un valle en la curva de capital declarada | La peor pérdida que podría ocurrir en el futuro |
| Calibración y puntuaciones propias | Calidad de los pronósticos de probabilidad | Disponibilidad de una cuota rentable |
| Movimiento de cuotas o comparación con la cuota de cierre | Cómo se comparan las cuotas registradas con una referencia posterior | Prueba de que la referencia es verdadera o de que el proceso es rentable |
| Tamaño de la muestra e intervalo de incertidumbre | Cuánta evidencia contiene el registro según supuestos declarados | Protección frente a fugas de datos, sesgo de selección o cambios de régimen |
«ROI» y «yield» se usan de forma inconsistente entre medios. Un informe debe indicar su denominador. Un retorno del 5% sobre volumen no es necesariamente un retorno del 5% sobre el saldo inicial, sobre todo cuando se usa repetidamente el mismo capital.
El drawdown también necesita una definición: saldo liquidado, saldo incluyendo las responsabilidades abiertas o valor de mercado del patrimonio pueden dar curvas distintas. Un gráfico con aspecto suave puede ocultar una exposición sin resolver.
Lo que puede y no puede mostrar el valor de cierre
Para el mismo resultado y las mismas condiciones de liquidación, obtener una cuota decimal más alta que la cuota de cierre posterior es una comparación de precios brutos favorable. Un registro puede seguir esto como un indicador diagnóstico.
Pero la cuota de cierre también incluye un margen, puede estar desactualizada o tener poca liquidez, y no es por definición la probabilidad real. Una comparación seria debe especificar su mercado, su marca de tiempo y su método de ajuste del margen. Una mejora constante de precio es una evidencia útil sobre la ejecución; no es una prueba independiente de valor esperado positivo.
¿Cuántas pruebas son suficientes?
No existe un número mínimo universal de apuestas que convierta un sistema en algo probado. La respuesta depende de la ventaja propuesta, de la variabilidad de los pagos, de la dependencia entre selecciones, de la selección de modelos y de la precisión requerida.
Considera 1000 selecciones hipotéticas independientes de ganada o perdida completa, cada una a cuota 1.90, con 550 victorias y 450 derrotas de una unidad cada una. El beneficio neto es:
550 × 0.90 − 450 = 45 unidades
El retorno sobre volumen es del 4.5%. El porcentaje de acierto observado es del 55%. Con un modelo binomial independiente simple y una probabilidad de victoria común, un intervalo de confianza del 95% aproximado por la normal para esa probabilidad es:
0.55 ± 1.96 × sqrt(0.55 × 0.45 / 1000)
Esto equivale aproximadamente al intervalo entre 51.9% y 58.1%. La probabilidad de equilibrio de 52.63% está dentro de él. Por tanto, el beneficio observado por sí solo no excluye una probabilidad subyacente de victoria igual al equilibrio, con ese nivel aproximado de confianza.
Este cálculo es ilustrativo, no una prueba completa de un registro real. Las cuotas variables, los partidos compartidos, la calidad cambiante de las selecciones, las reglas adaptativas y las búsquedas previas requieren un modelo más adecuado. Un intervalo de incertidumbre no puede corregir un conjunto de datos seleccionado después de conocer sus resultados.
Incluso una evidencia histórica sólida respalda una afirmación sobre el proceso y el entorno probados. Los cambios en los equipos, los calendarios, las fuentes de datos, la fijación de cuotas y la competencia pueden debilitar una ventaja. La evaluación continua de un sistema forma parte de su definición, no es un extra opcional.
Una lista práctica para evaluar un sistema que se presenta como rentable
Antes de tomar en serio una afirmación de rendimiento, comprueba si responde a estas preguntas:
- ¿Qué es el sistema? Separa el pronóstico, la regla de selección, la regla de staking y el proceso de ejecución.
- ¿Qué información usó? Exige las horas de los pronósticos y los datos que estaban disponibles históricamente.
- ¿Dónde están las probabilidades? Una lista de ganadores no es un modelo de probabilidad.
- ¿Qué cuotas estaban disponibles? Exige cuotas contemporáneas y realmente obtenibles.
- ¿Qué se probó? Identifica los periodos de desarrollo, las pruebas sin tocar y los cambios posteriores de reglas.
- ¿Cuán amplia fue la búsqueda? Incluye en el registro de investigación las variantes abandonadas y las pruebas fallidas.
- ¿Qué se incluye en el beneficio? Cuenta de forma coherente cada stake, pérdida, comisión, apuesta anulada y liquidación parcial.
- ¿Qué riesgo se asumió? Informa del drawdown, la exposición abierta y la sensibilidad a los errores de probabilidad.
- ¿Cuán inciertos son los resultados? Usa métodos adecuados a la estructura de cuotas y de dependencia.
- ¿Quién se beneficia de la afirmación? Distingue una evaluación independiente del marketing de un medio.
Entre las señales de alarma están el lenguaje de ingresos garantizados, una progresión de recuperación presentada como ventaja matemática, las capturas de pantalla sin un historial completo y los resultados que no pueden reproducirse a partir de un registro con marca de tiempo.
No apostar no necesita justificación estadística. Un modelo puede resultar interesante como ejercicio de pronóstico sin ser adecuado para asumir riesgo financiero.
Preguntas frecuentes
¿Puede un sistema de apuestas deportivas garantizar beneficios?
Un sistema de pronóstico o de staking no puede garantizar el resultado de eventos inciertos. Un cálculo de arbitraje ideal puede describir un pago asegurado bajo sus supuestos, pero la ejecución real, la liquidación y los riesgos de contrapartida deben evaluarse igualmente. Una garantía en un mensaje publicitario no es evidencia.
¿Es Martingale más seguro porque la mayoría de los ciclos pueden terminar con una pequeña ganancia?
La frecuencia de los ciclos rentables omite el tamaño de los ciclos perdedores. Las progresiones pueden cambiar muchas pequeñas ganancias por una menor probabilidad de una gran pérdida. Con bankrolls finitos y límites de stake, la recuperación no está asegurada; con cuotas inferiores a 2.00, la aritmética habitual de duplicar también cambia.
¿Es el criterio de Kelly un sistema de pronóstico?
No. Es un criterio de asignación dadas unas probabilidades, unos pagos y un objetivo. No proporciona las probabilidades ni verifica que un modelo tenga una ventaja. Las probabilidades mal estimadas y las posiciones correlacionadas pueden hacer que una asignación aparentemente precisa no sea adecuada.
¿Un porcentaje de acierto más alto significa un mejor sistema?
No, si no se consideran las cuotas, los stakes, los costes y el riesgo. Un porcentaje de acierto alto con cuotas bajas puede perder dinero. La calidad de la probabilidad y el valor de una cuota deben medirse por separado de la precisión bruta del pronóstico.
¿Puede un backtest rentable justificar la afirmación de una ventaja duradera?
Puede motivar una investigación posterior, pero no establece que la ventaja vaya a persistir. Las fugas de datos, las pruebas múltiples, las cuotas no disponibles y un entorno cambiante pueden explicar una rentabilidad aparente. Los periodos de prueba independientes y un registro posterior completo ofrecen una evidencia más sólida, aunque con incertidumbre continua.
¿Son lo mismo las apuestas de sistema que un sistema de apuestas?
No necesariamente. Una apuesta de sistema suele ser un paquete de combinaciones de varias selecciones. Cambia la distribución de stakes y pagos, pero por sí sola no mejora las probabilidades subyacentes ni establece un valor esperado positivo.
Referencias y alcance de la evidencia
Las referencias siguientes respaldan conceptos matemáticos, de modelización o de evaluación concretos. Ninguna establece que ABV Tips, ni ningún servicio comercial actual, tenga un sistema rentable. Los estudios históricos deben leerse en el contexto de sus propios datos, supuestos y fechas de publicación.
- Kelly, J. L., Jr. (1956). «A New Interpretation of Information Rate». Bell System Technical Journal, 35(4), 917–926. DOI: 10.1002/j.1538-7305.1956.tb03809.x. Planteamiento original que relaciona la información con el crecimiento del capital bajo un modelo de apuestas especificado. Reproducción pública alojada por Princeton.
- Thorp, E. O. (2008). «The Kelly Criterion in Blackjack Sports Betting, and the Stock Market». En Handbook of Asset and Liability Management, 385–428. DOI: 10.1016/B978-044453248-0.50015-0. Un tratamiento posterior del criterio, sus aplicaciones y consideraciones prácticas. También circulan una versión manuscrita anterior y reimpresiones posteriores; la fecha indicada identifica la edición del manual citada.
- Dixon, M. J., y Coles, S. G. (1997). «Modelling Association Football Scores and Inefficiencies in the Football Betting Market». Journal of the Royal Statistical Society: Series C (Applied Statistics), 46(2), 265–280. DOI: 10.1111/1467-9876.00065. Modelización de marcadores de fútbol y examen histórico de una estrategia de apuestas derivada. Registro de la Universidad de Lancaster.
- Štrumbelj, E. (2014). «On Determining Probability Forecasts from Betting Odds». International Journal of Forecasting, 30(4), 934–943. DOI: 10.1016/j.ijforecast.2014.02.008. Métodos para obtener probabilidades a partir de cuotas publicadas y la importancia del ajuste elegido.
- Levitt, S. D. (2004). «Why Are Gambling Markets Organised So Differently from Financial Markets?». The Economic Journal, 114(495), 223–246. DOI: 10.1111/j.1468-0297.2004.00207.x. Análisis empírico de la fijación de cuotas, el comportamiento de los apostadores y la exposición de los operadores en el mercado estudiado. Artículo alojado por la Universidad de Chicago.
- Gneiting, T., y Raftery, A. E. (2007). «Strictly Proper Scoring Rules, Prediction, and Estimation». Journal of the American Statistical Association, 102(477), 359–378. DOI: 10.1198/016214506000001437. Revisión y desarrollo de las reglas de puntuación propias para pronósticos de probabilidad. Artículo alojado por la Universidad de Washington.
- Hastie, T., Tibshirani, R., y Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction, segunda edición. Springer. DOI: 10.1007/978-0-387-84858-7. Referencia general sobre aprendizaje estadístico, complejidad de los modelos, evaluación y selección de modelos. Sitio web de los autores del libro.
- Bailey, D. H., Borwein, J. M., López de Prado, M., y Zhu, Q. J. (2017; publicado en línea por primera vez en 2016). «The Probability of Backtest Overfitting». The Journal of Computational Finance, 20(4), 39–69. DOI: 10.21314/JCF.2016.322. Selección de backtests y sobreajuste en la investigación financiera; citado por el problema general de evaluación, no como prueba empírica de pronósticos deportivos. Manuscrito anterior alojado por el autor.
Nota editorial y de cálculo: Los ejemplos numéricos se construyeron para esta explicación y siguen los supuestos indicados junto a ellos. No son resultados observados, ineficiencias del mercado descubiertas de forma independiente ni un nuevo estudio académico. El texto es una síntesis original; no reproduce la redacción de Wikipedia. La accesibilidad de las fuentes varía: un DOI o un registro universitario puede ofrecer metadatos y un resumen en lugar del texto completo sin restricciones.
18+ y riesgo financiero: Las apuestas deportivas pueden causar daños económicos. Los resultados pasados no garantizan los resultados futuros. Ninguna regla de staking hace aceptables las pérdidas que no puedes permitirte. Si el juego te está causando preocupación, detente y busca apoyo en Gambling Therapy, un servicio internacional de ayuda.