Construimos ~50 modelos de apuestas. Todos y cada uno perdieron.

La mayoría de los sitios de apuestas te hablan de sus victorias. Este es el otro artículo: el que cuenta cómo pasamos meses construyendo unos cincuenta modelos y estrategias de predicción de fútbol, los probamos como lo haría un científico — y vimos cómo absolutamente todos perdían dinero. Publicamos la autopsia porque el modo en que perdieron enseña más sobre los mercados de apuestas que cualquier hilo de tipster.

Lo que realmente construimos

No fue un solo modelo perezoso. A lo largo de cuatro fases construimos y evaluamos con walk-forward, entre otros:

• ratings Elo con forma, el baseline clásico;
• XGBoost sobre años de features de partidos;
• Dixon-Coles, el estándar académico de referencia para marcadores en fútbol;
• modelos de expected goals (xG), incluido un híbrido xG-Elo que acabó siendo nuestro mejor modelo;
• ensembles de los anteriores, además de deltas de alineación y lesiones construidos a partir de minutos y ratings de jugadores.

Cada experimento usó validación walk-forward — el modelo solo veía el pasado, nunca el futuro — con auditorías explícitas anti-leakage. Cuando inyectamos a propósito una feature "leaky" que contenía información futura, la precisión subió al 57–100%; nuestros modelos limpios se quedaron alrededor del 53%. Esa diferencia es la huella de una prueba honesta.

El marcador

Nuestro mejor modelo — el híbrido xG-Elo — alcanzó 53.7% accuracy en predicciones 1X2. Suena respetable, hasta que te encuentras con el benchmark al que nadie puede echar: elegir simplemente el favorito del mercado acierta alrededor del 55.6% sin ninguna inteligencia. Meses de ingeniería de features, gradient boosting y curvas de calibración, y el precio del mercado sharp seguía sabiendo más que nuestros modelos. No a veces: de forma sistemática. Y esto no debería habernos sorprendido: el precio del mercado no es un modelo competidor, es el agregado de todos los modelos competidores, afinado por dinero hasta el saque inicial.

Luego hicimos lo que casi nadie hace: simulamos apostar de verdad, con dinero real. Ocho ligas europeas, la temporada 2025-26, 1,329 bets a cuotas de apertura, con estrategias de control adecuadas junto a ellas:

Lee esa tabla despacio. Todo pierde, y todo pierde aproximadamente por el margen de la casa — que es exactamente lo que predice un mercado eficiente. Nuestro modelo, cuidadosamente diseñado, rindió dentro del ruido de respaldar favoritos a ciegas. La estrategia del outsider perdió tres veces más, gracias al longshot bias. Por liga, los signos se invirtieron al azar — La Liga +4%, Segunda −18% — clásico variance, no habilidad.

Los falsos amaneceres (la parte más instructiva)

Tres veces durante esta investigación creímos haberlo encontrado. Tres veces nos equivocamos, y cada modo de fallo es uno que encontrarás en la práctica:

El bug de +96% ROI. Un backtest mostró una estrategia que casi duplicaba el dinero. Era data leakage — un bug sutil dejó que el modelo espiara información que aún no estaba disponible antes del saque inicial. Un segundo bug produjo un falso +35%. Encontramos ambos porque unos resultados extraordinarios exigen sospecha extraordinaria. Un tipster que hubiera encontrado +96% habría abierto un canal de Telegram; nosotros abrimos el debugger.

La temporada afortunada. Nuestra estrategia de delta de alineación mostró +15% ROI en una temporada de liga. La misma estrategia, en las ligas siguientes: −9% y −5%. Una sola temporada rentable no es evidencia: es una moneda cayendo cara unas cuantas veces seguidas, y hemos escrito sobre con qué frecuencia pasa eso.

La maldición del ganador. Las señales de movimiento de cuotas sí predijeron la dirección en la que se moverían las odds — nuestras selecciones batieron la closing line en +5.2% cuando se midieron a las mejores cuotas disponibles. Las mismas apuestas perdieron 2.4% en efectivo. ¿Por qué? Las "mejores cuotas" proceden sistemáticamente del bookmaker que más lento se equivoca al fijar precio — y salir de esa diferencia cuesta más de lo que paga. La señal era real; el beneficio, no.

Por cierto, la información de equipo ya está descontada. Nuestras features de lesiones y alineaciones — construidas a partir de minutos y ratings reales de jugadores — no aportaron nada en ligas con mercados líquidos. Para cuando sabes que el delantero estrella está fuera, el precio ya lo sabe desde hace veinte minutos.

Lo que sobrevive al desastre

Si el mercado no puede ser superado a partir de datos públicos, ¿está todo perdido? No del todo — pero la oportunidad honesta es más estrecha y menos glamurosa de lo que la industria pretende:

1. El precio sharp en sí es el activo. Si la línea devigged de Pinnacle es la mejor estimación pública de la realidad, entonces esa estimación merece publicarse — te dice las fair odds de cada partido una vez eliminado el margen.
2. Los bookmakers soft cometen errores que el mercado sharp ya ha corregido. La diferencia entre un precio recreativo perezoso y el precio justo es el único valor al que un apostante normal puede acceder de forma realista — explicamos el mecanismo aquí. Es escaso, es pequeño, y hace que te limiten la cuenta. Pero, a diferencia de los sueños de modelos, es real.
3. Verificar vence a predecir. El mismo rigor que mató nuestros modelos es exactamente lo que la industria tipster no puede soportar — por eso audit tipsters con él.

Eso es lo que es este sitio. Cada página de partido muestra el precio justo devigged. El value bet solo se marca cuando un bookmaker soft se desvía por encima de él. Y todo lo que afirmamos va a un public, immutable track record liquidado contra la closing line — porque, después de cincuenta modelos muertos, lo único en lo que confiamos es en el libro contable.

Podríamos haber borrado los fracasos y vendido la captura de pantalla del +96%. Casi todos los demás lo hacen.